Proglib.academy | IT-курсы
3.4K subscribers
1.05K photos
19 videos
10 files
1.15K links
Proglib.academy — онлайн-курсы для программистов от создателей «Библиотека программиста».

Все курсы — https://proglib.io/w/9f60aed6

По любым вопросам: @n_kalinchikov
Download Telegram
Привет, друзья! 👋
Мы готовим статью о типичных ошибках начинающих разработчиков. И нам очень нужна ваша помощь! 🙏
Поделитесь своим опытом и мнением в комментариях:
С какими сложностями вы сталкивались в начале своего пути в разработке?
Какие ошибки допускали и как их исправляли?
Что помогло вам быстрее расти профессионально?
Самые интересные и полезные советы мы обязательно включим в статью, а их авторов упомянем в публикации! 😊
👾 Дуэт для старта в Data Science

Когда все казалось потерянным и надежда на карьеру в DS и аналитики исчезала. Он часами изучал возможности, но так и не находил выхода.

Но появилась она, с предложением, которое изменит всё…

...до 30 июня курс по математике за полцены и курс по Machine Learning в подарок

🛍14 990 ₽ (вместо 29 990 ₽)🛍

Что ждёт вас на курсе:

⭐️Полугодовая программа от преподавателей ВМК МГУ

⭐️47 видеолекций и 150 практических заданий

⭐️Бессрочный доступ ко всем материалам курса

⭐️Развернутая обратная связь по всем домашним заданиям и ссылки на полезные дополнительные материалы

🫶 Воспользуйтесь шансом, чтобы начать свой путь в Data Science – https://proglib.io/w/d30a247f
Please open Telegram to view this post
VIEW IN TELEGRAM
✏️ Разбор задачи с экзамена ШАД

Условие: Перед нами колода из 36 карт. Какова вероятность что среди вытянутых наугад 6 карт найдутся не менее трёх королей и ровно две пятерки?

Решение: Для решения задачи введём классическое вероятностное пространство. Обозначим это пространство как Ω, и количество всех возможных исходов будет 1️⃣. Это обозначает количество способов выбрать 6 карт из 36 без учёта порядка.

Мы рассматриваем события, когда среди вытянутых карт ровно 3 или 4 короля и ровно 2 пятёрки. Мы суммируем вероятность вытянуть ровно 3 короля и 2 пятёрки и вероятность вытянуть ровно 4 короля и 2 пятёрки 2️⃣. Эту сумму разделим на количество всех возможных исходов, чтобы получить искомую вероятность.

Она равна 0.00034808644.

#задачи_шад
👶 Новичок в компании: 18 советов, как быстро адаптироваться и освоить новые навыки

Начало работы в новой компании может быть волнующим и сложным, особенно если вы новичок в отрасли. Как быстро освоиться, произвести хорошее впечатление и стать ценным сотрудником?


Читать статью

#туториал
#дайджест #PythonInternship

Подборка стажировок недели для Python разработчиков

▪️Стажер-программист игровой логики (Intern Game Logic Programmer)
Офис (Санкт-Петербург, Минск, Москва, Ташкент), Lesta Games
Подробнее

▪️Программист Python (Intern)
Удалёнка, Strikt
Подробнее

▪️Стажер Back-end разработчика (php, python, c#)
Удалёнка / Офис (Санкт-Петербург), Nti.team
Подробнее

▪️Стажер в IT-компанию (с уклоном в python разработку)
Офис (Санкт-Петербург), АйТи-Солюшн
Подробнее

▪️Стажер-разработчик бэкенда
Офис (Москва, Санкт-Петербург, Нижний Новгород, Екатеринбург, Новосибирск), Яндекс
Подробнее

Понравились предложения о стажировке?
❤️ — да
🤔 — нет
📌💣 Совет студентам от нашего Senior-подписчика

«Изучайте фундаментальные вещи сразу. Не тратьте время на технологии — это успеется! Алгоритмы, структуры данных, практика решения стандартных задач — это три столпа. Переступив через эти темы сейчас, вы либо погубите свою карьеру в будущем, либо вам придётся возвращаться к этой теме и с трудом выкраивать время для изучения.

Обязательно нужно практиковаться в решении реальных задач. Для этого создано множество платформ, вот самые популярные:

topcoder.com
contest.yandex.ru
LeetCode.com

При этом не стоит спешить. Лучше разобраться детальнее и порешать больше задач для лучшего понимания темы.»

Продолжайте делиться своими историями — самое интересное увидят все.🔥
Please open Telegram to view this post
VIEW IN TELEGRAM
🛠 Как построить карьеру в Data Science с помощью инструментов

Область Data Science энергично развивается. Но наука о данных — это не только нейросети, но и классические алгоритмы машинного обучения, да и вообще всё, что связано с вопросами анализа, обработки и представления информации в цифровой форме. Чтобы пользоваться знаниями, дата-сайентисты используют следующие инструменты:

🌸 Jupyter — инструмент понадобится для обмена результатами анализа данных, позволяет в одном документе соединять код, текст в разметке Markdown и формулы в LaTeX, средства тестирования и профилирования.

🌸 Git научитесь пораньше пользоваться Git. В процессе работы вам придётся выбирать между множеством моделей и архитектурных решений контроль версий здесь как нельзя кстати.

Python:

NumPy потребуется в Python для скоростной обработки массивов данных.

Pandas — используется ля табличного представления данных.

Scikit-learn готовые классы популярных моделей машинного обучения.

TensorFlow или PyTorch для глубокого обучения необходимо познакомиться с этими фреймворками.

Изучайте инструменты для Data Science, также вы можете забрать наши курсы:
🔵 базовые модели ML и приложения
🔵 математика для Data Science
Please open Telegram to view this post
VIEW IN TELEGRAM
🌟 Коллеги, внимание!

Мы в самом разгаре работы над кучей новых фишек, но старые добрые каналы тоже заслуживают нашего внимания.

Расскажите нам в комментариях, какие апгрейды, фишки или обновления вы хотели бы видеть в нашей (внимание, умное слово) экосистеме? 🚀

Ждем ваших креативных идей и предложений! 🎉
Please open Telegram to view this post
VIEW IN TELEGRAM
Совпадает ли у вас код с техническим заданием?

👍 — да, почти всегда
🙏 — да, иногда
😁 — нет, всегда чё-то нет
🤔 — ему надо следовать?

#memes
Исключения в Python: вопрос с реального собеседования на джуна

Разбираем вопрос с реального собеседования:
1) Нужно открыть файл
2) Прочитать
3) Что-нибудь записать туда
4) Закрыть его

При этом есть некоторые исключения, которые нужно обработать (например, отсутствующий файл).

Смотрите подробнее в карточках 👆

#собес_academy
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
⚡️Подборка YouTube каналов: AI, ML и DataScience

Мы собрали каналы для дата-сайентистов — весь образовательный контент рунета🔥

DataLearn / Канал по обучению Big Data, Data Engineering
AI Community / Сообщество людей, заинтересованных в коммерциализации AI
Computer Science Center / Видеозаписи лекций и докладов преподавателей
Dmitri Soshnikov / Выступления по искусственному интеллекту и машинному обучению
karpov.courses / Публикуются записи вебинаров и другой полезный и интересный контент
ODS AI Ru / Видео-канал сообщества Open Data Science
SmartData / Конференция по Data Engineering. У нас уже есть стек: выбирай инструмент, бери и делай
Please open Telegram to view this post
VIEW IN TELEGRAM
📎 #️⃣ Какие знания по математическому анализу нужны Data Science специалисту: состав курса

Математика — ключ к пониманию сложных тем из машинного обучения и аналитики. Мы разберем основные разделы математического анализа, которые стоит изучить специалисту по анализу данных в нашем курсе, а сейчас вы можете ознакомиться со структурой нашего курса.

🔵 Математика для Data Science
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Всего три слова: последний день распродажи

До конца дня вы можете воспользоваться скидкой 50% на один из наших флагманских курсов по вышмату и получить курс по ML В ПОДАРОК!

🗯️14 990 ₽ (вместо 29 990 ₽)🗯️

Для кого предназначен курс:
➡️для новичков и тех, кто хочет начать карьеру в IT;
➡️для опытных разработчиков, которые хотят буст в карьере.

Что ждёт вас на курсе:
⭐️полугодовая программа от преподавателей ВМК МГУ;
⭐️47 видеолекций и 150 практических заданий;
⭐️бессрочный доступ ко всем материалам курса;
⭐️развернутая обратная связь по всем домашним заданиям и ссылки на полезные дополнительные материалы.

Нужно ли хорошо знать математику, чтобы начать учиться?
Нет. В состав курса входит блок «Школьная математика», который позволит вам погрузиться в тему с основ.

Скорее за скидкой!
Please open Telegram to view this post
VIEW IN TELEGRAM
👶 Старт карьеры в Data Science (5 вещей, которые я хотел бы знать...)

В новом ролике сеньор дата-сайентист Анастасия Никулина рассуждает об ошибках и заблуждениях тех, кто только изучает DS и ML. Мы перечислили их ниже:

1️⃣ Изучение нейросетей до классического машинного обучения;

2️⃣ Отказ от изучения математики;

3️⃣ Мысль о том, что после обучения вы можете работать только дата-сайентистом;

4️⃣ Перечисление учебных проектов в резюме;

5️⃣ Убеждённость в том, что теоретических знаний достаточно для поиска работы.

🔗 Более подробно — в ролике Анастасии

💬 А вы согласны с автором?
📈 Зарплаты айтишников продолжают расти в России

Средний размер оклада уже достиг 123 тысяч рублей, это на 12,5% больше, чем годом ранее, подсчитали аналитики Работы.ру. Больше всего платят в Москве — 217 тысяч рублей в среднем.

💬 Звучит ли правдоподобно?
Please open Telegram to view this post
VIEW IN TELEGRAM