Кем был и как пришел к этому?
Часть 1
Начнем с того, что мне 22 года. Много это или мало по меркам айтишника, судите сами🤷♂️. По моему мнению, чтобы войти в IT, возраст не сильно важен. Ведь есть столько примеров, когда люди меняли профессию в 40 лет и вкатились в эту сферу👍 Я не гений и никогда им не был. В детстве что такое программирование, даже не знал.
В школе, как таковой информатики у нас не было и олимпиад по математике я не выигрывал. К слову, окончил школу я как гуманитарий, сдав ЕГЭ и перебрался в ВУЗ на экономическое направление👏 Да, тогда я не мог предположить, что будет дальше и не могу сказать, что это был мой осознанный выбор. Под давлением общества сложно обдумать все и сделать правильный выбор, особенно, когда тебе 17. Но экономическое образование мне также пригодилось при трудоустройстве аналитиком данных и работе. Я лучше понимал бизнес-логику, проще было общаться с продуктом и безнесом. Так что это в любом случае плюс для резюме.
🔔 Так вот, познакомил меня с IT мой друг, с которым мы поступали в универ. Он разрабатывал сайт и я вызвался помочь. Было интересно изучить что то новое и на тот момент необычное для меня💡 Я не остановился на этом и продолжал двигаться в этой области, параллельно обучаясь в университете.
Проходил курсы по HTML/CSS и JS. Писал простые сайты, используя только Frontend🧑💻 Было тяжело и одновременно интересно. Но я понимал, что для разбработки чего то сложного необходим Backend🤔
И тогда я стал копать глубже📣
Продолжение будет завтра.
Часть 1
Начнем с того, что мне 22 года. Много это или мало по меркам айтишника, судите сами🤷♂️. По моему мнению, чтобы войти в IT, возраст не сильно важен. Ведь есть столько примеров, когда люди меняли профессию в 40 лет и вкатились в эту сферу
В школе, как таковой информатики у нас не было и олимпиад по математике я не выигрывал. К слову, окончил школу я как гуманитарий, сдав ЕГЭ и перебрался в ВУЗ на экономическое направление
Проходил курсы по HTML/CSS и JS. Писал простые сайты, используя только Frontend
И тогда я стал копать глубже
Продолжение будет завтра.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥2⚡1👍1
Кем был и как пришел к этому?
Часть 2
В начале я писал, что моим первым проектом в IT, была Backend разработка на Python. Проработал я не долго, но за это время в компании я научился многому, поскольку параллельно писал свои проекты. Но вы можете спросить, почему свичнулся все таки в аналитику❓ Расскажу позже, это заслуживает отдельного поста.
Backend - это обратная сторона, которая делает возможными все те удобные, быстрые и надежные приложения, которыми мы пользуемся каждый день. Это про логику, глубину и решения сложных задач⚡️ Ты не просто создаешь интерфейс, ты создаешь мозг и сердце приложения. Это как работа инженера, который строит мощный мотор для гоночного автомобиля, чтобы он разгонялся до максимальной скорости, оставаясь при этом надежным и устойчивым 💯
Помню, я проходил курсы по разным ЯП. В основном это были Java👩💻 и Python👩💻 немного писал и на Node.js👩💻 Решал простые задачи на логику на разных платформах и практиковался. Пытался писать разные проекты по гайдам на YouTube📹 Пост о том, какие каналы и курсы были наиболее полезны также обязательно будет.
В общем, тогда я понял, что точно хочу погрузиться в мир IT✅ и после окончания бакалавриата, поступил на магистратуру по направлению "Программная инженерия" и учусь до сих пор 🎓 Про образование, его необходимость и прочие вытекающие вопросы я напишу отдельный пост. А пока вы можете поделиться своей историей, как пришли к этому и что изучаете.
Часть 2
В начале я писал, что моим первым проектом в IT, была Backend разработка на Python. Проработал я не долго, но за это время в компании я научился многому, поскольку параллельно писал свои проекты. Но вы можете спросить, почему свичнулся все таки в аналитику
Backend - это обратная сторона, которая делает возможными все те удобные, быстрые и надежные приложения, которыми мы пользуемся каждый день. Это про логику, глубину и решения сложных задач
Помню, я проходил курсы по разным ЯП. В основном это были Java
В общем, тогда я понял, что точно хочу погрузиться в мир IT
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2🔥1
В чём секрет быстрого роста? 🏆
Я знаю парней, которые прорвались в айти с сумасшедшей скоростью:
➖ с нуля до 300к наносек за год,
➖ с джуна до лида за меньше чем за год.
И у них есть одна общая черта: они не боятся ошибаться.
Они спокойно берут на себя сложные задачи, косячат, учатся на своих промахах - и не устраивают внутреннюю казнь за каждый неверный шаг. Для них ошибка - не катастрофа, а просто рабочий момент: «Ладно, бывает. В следующий раз сделаю лучше». Они не тратят силы на самокопание - они тратят силы на рост🚀
Я работал рядом с таким парнем. Мы вместе писали скрипты. Он часто ошибался, и я думал, что он просто невнимательный. А потом как-то он признался, что в IT всего три месяца и до сих пор разбирается во всём на ходу.
И я тогда офигел.. Чел хорош, он тянет объём, который люди с годом опыта не всегда тянут.
Такой путь самый тяжёлый, но и самый быстрый. Берёшь больше, чем можешь. Ошибаешься. Получаешь фидбек. Переживаешь. Делаешь снова. И снова. И снова. Пока наконец не получается💥
Да, морально это адски сложно. Особенно когда фидбек почти всегда с замечаниями, и внутри начинает звучать знакомое: «я тупой», «я не тяну». Я много раз слышал, как его жёстко отчитывали на созвонах. Хвалили редко. Хотя пахал он явно больше других.
Но именно так он быстро разобрался в своём продукте, потом в соседних, начал помогать другим командам, расширил функционал. И через год стал лидом в большой компании, где такой рост происходит почти никогда.
И это не про удачу и не про гениальность. Это про действие. Про то, чтобы идти вперёд через страх, стыд, ощущение себя неидеальным. Такой путь жжёт, но и приносит самый быстрый результат🔥
Я часто вспоминаю об этом, когда какой-то косяк кажется концом света. Перфекционизм ловко маскируется под «стремление к качеству», но на деле он просто тормозит. Там, где можно было пробежать, ты топчешься.
В итоге каждый выбирает сам:
Чувствовать себя иногда глупым, но расти быстро или же быть всегда аккуратным, правильным, чуть-чуть гордым… и расти медленно.
Я знаю парней, которые прорвались в айти с сумасшедшей скоростью:
И у них есть одна общая черта: они не боятся ошибаться.
Они спокойно берут на себя сложные задачи, косячат, учатся на своих промахах - и не устраивают внутреннюю казнь за каждый неверный шаг. Для них ошибка - не катастрофа, а просто рабочий момент: «Ладно, бывает. В следующий раз сделаю лучше». Они не тратят силы на самокопание - они тратят силы на рост
Я работал рядом с таким парнем. Мы вместе писали скрипты. Он часто ошибался, и я думал, что он просто невнимательный. А потом как-то он признался, что в IT всего три месяца и до сих пор разбирается во всём на ходу.
И я тогда офигел.. Чел хорош, он тянет объём, который люди с годом опыта не всегда тянут.
Такой путь самый тяжёлый, но и самый быстрый. Берёшь больше, чем можешь. Ошибаешься. Получаешь фидбек. Переживаешь. Делаешь снова. И снова. И снова. Пока наконец не получается
Да, морально это адски сложно. Особенно когда фидбек почти всегда с замечаниями, и внутри начинает звучать знакомое: «я тупой», «я не тяну». Я много раз слышал, как его жёстко отчитывали на созвонах. Хвалили редко. Хотя пахал он явно больше других.
Но именно так он быстро разобрался в своём продукте, потом в соседних, начал помогать другим командам, расширил функционал. И через год стал лидом в большой компании, где такой рост происходит почти никогда.
И это не про удачу и не про гениальность. Это про действие. Про то, чтобы идти вперёд через страх, стыд, ощущение себя неидеальным. Такой путь жжёт, но и приносит самый быстрый результат
Я часто вспоминаю об этом, когда какой-то косяк кажется концом света. Перфекционизм ловко маскируется под «стремление к качеству», но на деле он просто тормозит. Там, где можно было пробежать, ты топчешься.
В итоге каждый выбирает сам:
Чувствовать себя иногда глупым, но расти быстро или же быть всегда аккуратным, правильным, чуть-чуть гордым… и расти медленно.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥3
ИИ 🤖 Друг или Враг⁉️
Думаю, что многие задавались вопросом, заменит ли искусственный интеллект программистов.
🔄 ИИ это инструмент, который может быть как другом, так и вызовом для программиста, в зависимости от того, как его использовать.
❓ Почему друг:
🟢 Ускорение разработки: Он может писать код, помогать с отладкой, генерировать алгоритмы и предлагать оптимизации. Это экономит время.
🟢 Обучение:
Объясняет сложные концепции, помогает изучать новые языки программирования и технологии.
🟢 Рутина: Берет на себя выполнение скучных задач вроде написания шаблонов, документации или тестов.
🟢 Решение проблем: Помогает искать ошибки, исправлять баги и предлагать альтернативные подходы.
⚠️ Почему вызов:
🔴 Замена базовых навыков: Если вы полагаетесь на ИИ слишком сильно, то рискуете не развить свои собственные навыки.
🔴 Этические вопросы: Помощь ИИ в создании кода, который может использоваться неэтично или вредно, зависит от программиста.
🔴 Конкуренция: ИИ может выполнять часть работы, особенно рутинную или предсказуемую, что в будущем может изменить рынок труда для разработчиков.
🎙 Я считаю, что Искусственный интеллект не заменит программистов в ближайшие 5-10 лет по одной ключевой причине:
🔊 Реальная разработка часто требует понимания уникальных бизнес-процессов, интеграции с существующими системами и адаптации к изменяющимся требованиям. Эта гибкость всё ещё требует человеческого интеллекта.
🔊 ИИ работает на основе существующих данных, но создание новых архитектур, алгоритмов или подходов требует нестандартного мышления, которое выходит за пределы моделей машинного обучения.
🔊 И самым важным является то, что программисты взаимодействуют с клиентами, менеджерами, дизайнерами и другими разработчиками. Они участвуют в обсуждении требований, предложении решений и разруливании конфликтов — это социальные и эмоциональные навыки, которые ИИ пока не осваивает.
✏️ Какой вывод?
ИИ не заменит программистов, но станет их сильным инструментом. В ближайшее время разработчики, которые научатся эффективно использовать этот инструмент, останутся востребованными, а их роль будет эволюционировать от “писателей кода” к архитекторам и стратегам цифровых решений✔️
Думаю, что многие задавались вопросом, заменит ли искусственный интеллект программистов.
Объясняет сложные концепции, помогает изучать новые языки программирования и технологии.
разработка требует не только написания кода, но и глубокого понимания бизнес-контекста, креативности и способности принимать решения в условиях неопределённости.
ИИ не заменит программистов, но станет их сильным инструментом. В ближайшее время разработчики, которые научатся эффективно использовать этот инструмент, останутся востребованными, а их роль будет эволюционировать от “писателей кода” к архитекторам и стратегам цифровых решений
Please open Telegram to view this post
VIEW IN TELEGRAM
👍2💯1
Я писал, что в этом блоге будут также рекомендации по образовательным курсам. За все время было пройдено много, как хороших, так и не очень курсов. И это касалось не только Python. В основном на платформе Stepik. Наверняка ее все знают, а если не знаете, то обязательно гляньте. Это одна из самых популяхных платформ для обучения. Так вот, первый обучающий курс был "Поколение Python". Это как говорится, база. Каждый уважающий себя новичок на питоне должен пройти этот курс, хотя бы его первую часть.
Курс знакомит с основными типами данных, конструкциями и принципами структурного программирования языка Python. Это единственный курс на платформе Stepik, набравший 1 000 000 студентов. И не просто так, ведь в нем очень много практических задач которые помогут понять материал. Курс хорошо структурирован и теория, более чем доступная, даже для совсем новичка. Из минусов могу выделить только то, что иногда не хватало примеров. Но никто не мешает загуглить. В целом, курс отличный. Он бесплатный, поэтому пройти может каждый.
Курс знакомит с основными типами данных, конструкциями и принципами структурного программирования языка Python. Это единственный курс на платформе Stepik, набравший 1 000 000 студентов. И не просто так, ведь в нем очень много практических задач которые помогут понять материал. Курс хорошо структурирован и теория, более чем доступная, даже для совсем новичка. Из минусов могу выделить только то, что иногда не хватало примеров. Но никто не мешает загуглить. В целом, курс отличный. Он бесплатный, поэтому пройти может каждый.
Stepik: online education
Онлайн-курсы - Stepik
Образовательная платформа - Stepik Выберите подходящий вам онлайн-курс из более чем 20 тыс. и начните получать востребованные навыки.
✍2👍2❤1
Модуль requests в Python позволяет легко отправлять HTTP-запросы и обрабатывать ответы.
Он широко используется для взаимодействия с веб-сервисами, так как удобен для работы с API благодаря простому синтаксису и поддержке множества HTTP-методов.
Основные функции модуля requests:⚪️ requests.get(url) — отправляет GET-запрос для получения данных с указанного URL.⚪️ requests.post(url, data=...) — отправляет POST-запрос для передачи данных на сервер.⚪️ requests.put(url, data=...) — отправляет PUT-запрос для обновления существующих данных на сервере.⚪️ requests.delete(url) — отправляет DELETE-запрос для удаления данных на сервере.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3
Из Python Backend разработчика в Аналитика данных.
Да да, рассказываю как я свичнулся из одного направления в другое и не пожалел. И до сих пор работаю аналитиком и кайфую
Я уже писал, что в первом моем коммерческом проекте я был разработчиком на python. Работал я там почти пол года. До этого очень много писал свои проекты, ботов, фрилансил. Короче, опыт был, чтобы устроиться на работу на младшую позицию. Но знаете что, в конце концов я сильно выгорел от сплошного кода и задач. Я понял что мне это не нравится и меня это не заряжает.
Мне нравится писать код на python, но я не могу это делать 24/7. Это очень однотипный процесс: пишешь, отлаживаешь, деплоишь. Эта постоянная инженерная рутина начала выжимать.
И тогда я стал думать, что нужно пойти туда, где задачи более разнообразные, кода меньше, но в то же время есть python. Первое что мне пришло в голову, это аналитика данных.
Что меня зацепило:
- Есть python который мне так нравится, но немного вдругом его проявлении.
- Больше работы с цифрами, исследованиями, гипотезами.
- Много SQL — но он ощущается как логические пазлы, а не ручная починка микросервисов.
- Дашборды, визуализация, метрики — всё это даёт ощущение результата быстрее.
- Общение с командой, продуктом, понимание реального влияния — не просто «пишу код», а понимаю, что и зачем меняется.
- Задачи короче, разноплановее, каждый день немного другой.
Мне это нравится больше, потому что для меня важнее видеть смысл и влияние на продукт, чем писать очередной сервис.
Больше всего мне нравится то, что все навыки Python-разработки отлично переносятся в аналитику.
Вся логика, структурирование, мышление — это только плюс. Плюс на собеседованиях, когда у твоих конкурентов есть опыт в аналитике как у тебя, но ты еще и в разработке шаришь. Это сильное преимущество позволило мне быстро устроиться в компанию, где я уже работаю почти 2 года.
В общем я рад что все так обернулось и развиваюсь в этом направлении дальше.
Да да, рассказываю как я свичнулся из одного направления в другое и не пожалел. И до сих пор работаю аналитиком и кайфую
Я уже писал, что в первом моем коммерческом проекте я был разработчиком на python. Работал я там почти пол года. До этого очень много писал свои проекты, ботов, фрилансил. Короче, опыт был, чтобы устроиться на работу на младшую позицию. Но знаете что, в конце концов я сильно выгорел от сплошного кода и задач. Я понял что мне это не нравится и меня это не заряжает.
Мне нравится писать код на python, но я не могу это делать 24/7. Это очень однотипный процесс: пишешь, отлаживаешь, деплоишь. Эта постоянная инженерная рутина начала выжимать.
И тогда я стал думать, что нужно пойти туда, где задачи более разнообразные, кода меньше, но в то же время есть python. Первое что мне пришло в голову, это аналитика данных.
Что меня зацепило:
- Есть python который мне так нравится, но немного вдругом его проявлении.
- Больше работы с цифрами, исследованиями, гипотезами.
- Много SQL — но он ощущается как логические пазлы, а не ручная починка микросервисов.
- Дашборды, визуализация, метрики — всё это даёт ощущение результата быстрее.
- Общение с командой, продуктом, понимание реального влияния — не просто «пишу код», а понимаю, что и зачем меняется.
- Задачи короче, разноплановее, каждый день немного другой.
Мне это нравится больше, потому что для меня важнее видеть смысл и влияние на продукт, чем писать очередной сервис.
Больше всего мне нравится то, что все навыки Python-разработки отлично переносятся в аналитику.
Вся логика, структурирование, мышление — это только плюс. Плюс на собеседованиях, когда у твоих конкурентов есть опыт в аналитике как у тебя, но ты еще и в разработке шаришь. Это сильное преимущество позволило мне быстро устроиться в компанию, где я уже работаю почти 2 года.
В общем я рад что все так обернулось и развиваюсь в этом направлении дальше.
❤2✍2
Как не прокрастинировать❓
Прокрастинация во время обучения программированию — это довольно распространённая проблема особенно из-за сложности материала и постоянного ощущения, что ты чего-то не знаешь. Думаю, что каждый из нас с этим сталкивался⚔️
Напишу тут одни из самых эффективных советов, которые мне когда то помогли🆘
1️⃣ Определи чёткие цели
Вместо абстрактных задач вроде «выучить Python» ставь конкретные цели:🎯
➖ Сделать простое веб-приложение на FastAPI.
➖ Разобраться с базами данных, создав небольшую CRUD-программу.
Это помогает видеть конкретный результат, а не тонуть в бесконечном процессе обучения.
2️⃣ Используй метод «Pomodoro»
Работай по 25 минут с короткими перерывами в 5 минут. Это помогает сохранить концентрацию и не даёт мозгу устать. После четырёх циклов делай более длинный перерыв (15–20 минут).
3️⃣ Минимизируй отвлекающие факторы
➖ Убери телефон подальше.
➖ Отключи уведомления.
➖ Работай в тихом месте.
Если отвлёкся, то осознай это и сразу возвращайся к задаче. Это очень важно😏
4️⃣ Разделяй обучение и практику
Прокрастинация часто возникает из-за того, что изучаешь теорию без применения. После изучения нового материала сразу же попробуй написать код, который использует новые знания.👩🎓
5️⃣ Не бойся ошибок
Иногда прокрастинация — это страх перед сложными задачами. Просто пойми, что ошибки, это часть процесса. Ты учишься на них, а не на чтении книг📚
6️⃣ Веди учёт прогресса
В конце каждого дня записывай, что ты сделал. Это даст ощущение движения вперёд и укрепит мотивацию⚡️
7️⃣ Занимайся каждый день, даже понемногу
Даже если у тебя всего 30 минут свободного времени, используй их с пользой. Регулярность важнее продолжительности🛡
Если у вас есть, хорошие советы, то можете поделиться ими в комментариях⤵️
Прокрастинация во время обучения программированию — это довольно распространённая проблема особенно из-за сложности материала и постоянного ощущения, что ты чего-то не знаешь. Думаю, что каждый из нас с этим сталкивался
Напишу тут одни из самых эффективных советов, которые мне когда то помогли
Вместо абстрактных задач вроде «выучить Python» ставь конкретные цели:
Это помогает видеть конкретный результат, а не тонуть в бесконечном процессе обучения.
Работай по 25 минут с короткими перерывами в 5 минут. Это помогает сохранить концентрацию и не даёт мозгу устать. После четырёх циклов делай более длинный перерыв (15–20 минут).
Если отвлёкся, то осознай это и сразу возвращайся к задаче. Это очень важно
Прокрастинация часто возникает из-за того, что изучаешь теорию без применения. После изучения нового материала сразу же попробуй написать код, который использует новые знания.
Иногда прокрастинация — это страх перед сложными задачами. Просто пойми, что ошибки, это часть процесса. Ты учишься на них, а не на чтении книг📚
В конце каждого дня записывай, что ты сделал. Это даст ощущение движения вперёд и укрепит мотивацию
Даже если у тебя всего 30 минут свободного времени, используй их с пользой. Регулярность важнее продолжительности
Если у вас есть, хорошие советы, то можете поделиться ими в комментариях
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3👍2
Как применять нормальное распределение в реальной аналитике
Представь, мы работаем дата-аналитиками в новом музыкальном стриминговом сервисе — конкуренте Spotify или SoundCloud. Пользователей приводим двумя способами: через блогеров и через контекстную рекламу. После регистрации они попадают на бесплатный тариф, а часть из них в первый же месяц оформляет подписку.
Наша цель — понять, отличается ли конверсия между двумя рекламными каналами.
📊 Сначала собираем данные по отчетному периоду, считаем конверсию для каждой кампании и смотрим, как она распределена внутри когорты (например, какой процент пользователей успел оплатить подписку за 30 дней).
Чтобы сравнить результативность кампаний, планируем использовать параметрический t-test, но он работает корректно только если данные примерно соответствуют нормальному распределению.
🔍 Проверяем нормальность вот так:
Если p_value > 0.05, всё ок — распределение можно считать нормальным. Если меньше — лучше переходить к непараметрическим методам вроде теста Манна–Уитни.
🧪 Если нормальность подтверждена — запускаем t-тест:
Дальше всё просто:
— p_value < 0.05 → разница в конверсии статистически значима, одна кампания действительно сильнее.
— p_value > 0.05 → различий нет, но это повод изучить сегменты глубже.
Почему мы так заморачиваемся с нормальностью? Потому что t-тест при нарушении предположений может ввести в заблуждение: показать «эффект», которого нет, или наоборот — скрыть важный сигнал. А это уже риск для бизнеса: можно отключить рабочий канал или оставить слабый.
Представь, мы работаем дата-аналитиками в новом музыкальном стриминговом сервисе — конкуренте Spotify или SoundCloud. Пользователей приводим двумя способами: через блогеров и через контекстную рекламу. После регистрации они попадают на бесплатный тариф, а часть из них в первый же месяц оформляет подписку.
Наша цель — понять, отличается ли конверсия между двумя рекламными каналами.
📊 Сначала собираем данные по отчетному периоду, считаем конверсию для каждой кампании и смотрим, как она распределена внутри когорты (например, какой процент пользователей успел оплатить подписку за 30 дней).
Чтобы сравнить результативность кампаний, планируем использовать параметрический t-test, но он работает корректно только если данные примерно соответствуют нормальному распределению.
🔍 Проверяем нормальность вот так:
from scipy.stats import normaltest
stat, p_value = normaltest(conversion_A)
print(p_value)
Если p_value > 0.05, всё ок — распределение можно считать нормальным. Если меньше — лучше переходить к непараметрическим методам вроде теста Манна–Уитни.
🧪 Если нормальность подтверждена — запускаем t-тест:
from scipy.stats import ttest_ind
stat, p_value = ttest_ind(conversion_A, conversion_B, equal_var=False)
print(p_value)
Дальше всё просто:
— p_value < 0.05 → разница в конверсии статистически значима, одна кампания действительно сильнее.
— p_value > 0.05 → различий нет, но это повод изучить сегменты глубже.
Почему мы так заморачиваемся с нормальностью? Потому что t-тест при нарушении предположений может ввести в заблуждение: показать «эффект», которого нет, или наоборот — скрыть важный сигнал. А это уже риск для бизнеса: можно отключить рабочий канал или оставить слабый.
🔥3❤1👍1
Про деревья 🌳
Немного про машинное обучение. Почему решающие деревья считаются одним из самых наглядных алгоритмов в ML. На скрине - то самое дерево, которое я «вырастил» когда решил немного поизучать ML. Его задача - предсказывать пол человека по двум признакам: длине волос и размеру ноги.
🔍 Начало работы дерева
В корневом узле (самом верхнем) алгоритм делит выборку с вопроса:
«Размер ноги ≤ 41.5?».
В наборе - 186 человек: 120 женщин и 66 мужчин.
➡️ Если ответ «нет», мы попадаем в правый лист — там все 53 объекта оказываются мужчинами.
➡️ Если «да», то в левый узел уходят 120 женщин и 13 мужчин — у всех размер ноги действительно ≤ 41.5.
👩🦰 Дальнейшие разбиения
Следующий вопрос уже про волосы: «Длина волос ≤ 8.5?».
И так дерево шаг за шагом делит выборку дальше. В моём случае оно задаёт четыре вопроса — но глубину можно ограничивать.
📉 А что за gini в каждом узле?
Это критерий Джини - популярный показатель качества разбиения. Он показывает, насколько смешаны классы в узле:
Если все объекты относятся к одному классу➡️ gini = 0 (идеальная чистота).
Если классы пополам➡️ gini = 0.5 (максимальная неопределённость при двух классах).
Алгоритм старается подбирать такие разбиения, которые уменьшают Джини сильнее всего. Чем выше «чистота» узлов - тем лучше дерево учится.
(в этот момент в голове играет Тейлор Свифт — «Out of the woods» 🏙️)
Немного про машинное обучение. Почему решающие деревья считаются одним из самых наглядных алгоритмов в ML. На скрине - то самое дерево, которое я «вырастил» когда решил немного поизучать ML. Его задача - предсказывать пол человека по двум признакам: длине волос и размеру ноги.
В корневом узле (самом верхнем) алгоритм делит выборку с вопроса:
«Размер ноги ≤ 41.5?».
В наборе - 186 человек: 120 женщин и 66 мужчин.
👩🦰 Дальнейшие разбиения
Следующий вопрос уже про волосы: «Длина волос ≤ 8.5?».
И так дерево шаг за шагом делит выборку дальше. В моём случае оно задаёт четыре вопроса — но глубину можно ограничивать.
Это критерий Джини - популярный показатель качества разбиения. Он показывает, насколько смешаны классы в узле:
Если все объекты относятся к одному классу
Если классы пополам
Алгоритм старается подбирать такие разбиения, которые уменьшают Джини сильнее всего. Чем выше «чистота» узлов - тем лучше дерево учится.
(в этот момент в голове играет Тейлор Свифт — «Out of the woods» 🏙️)
Please open Telegram to view this post
VIEW IN TELEGRAM
👍2
This media is not supported in your browser
VIEW IN TELEGRAM
Ред флаги на собесах 😅 🚩
Please open Telegram to view this post
VIEW IN TELEGRAM
😁3
1. Высокий спрос на рынке
Все компании — от банков до стартапов — хотят понимать свои данные. А значит, специалисты нужны всегда 🔥
2. Карьерный рост без потолка
Можно расти в продакт-аналитику, data science, machine learning или переходить в менеджмент. Опций — море 🌊
3. Отличная зарплата
Даже джуны получают выше среднего по рынку, а мидлы и сеньоры выходят на очень достойные суммы 💸
4. Прямая польза бизнесу
Ты реально влияешь на решения: от маркетинга до разработки. Чувствуешь, что делаешь что-то важное ⚡️
5. Постоянное развитие
Новые инструменты, новые подходы, новые данные — скучать просто не получится 🤓
6. Гибкость формата работы
Удалёнка? Гибкий график? Полу-офис? Всё реально. Главное — результат 💼
7. Низкий порог входа
Не всегда требуется суперматематика: достаточно логики, Python/SQL и умения думать 🧠
Please open Telegram to view this post
VIEW IN TELEGRAM
👍3
1. Много рутины
Очистка данных, проверка гипотез, подготовка отчётов — иногда это превращается в бесконечный цикл 🌀
2. Большая ответственность
Одна неверная цифра может повлиять на решение бизнеса и поломать процессы. Ошибаться страшно 😅
3. Постоянное обучение
Инструменты обновляются, появляются новые подходы, и держать уровень бывает тяжело. Учиться приходится всегда 📚
4. Давление со стороны менеджеров
От аналитика часто ждут быстрых ответов, даже если данных недостаточно. Нужно уметь держать удар ⚔️
5. Много коммуникации
Придётся объяснять цифры людям, которые вообще не обязаны разбираться в аналитике. Иногда это выматывает 😮💨
6. Разрозненные данные
В компаниях часто хаос: разные источники, разная структура, баги. И всё это нужно как-то свести в одно целое 🧩
7. Не всегда есть чёткие критерии успеха
Иногда твоя работа — это «помог» или «не помог». Метрики размыты, и бывает сложно понять, хорошо ли ты справляешься 🤔
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2👍1
Хорошие новости для всех питонистов! 🔥
В этом году ожидается релиз Python 3.14, который может стать самым быстрым Python в истории! Главная новинка — новый тип интерпретатора, который обещает ускорение выполнения кода до 30% без необходимости переписывать его.
🔥 В чём суть?
Разработчики CPython внедрили новую технику оптимизации байт-кода:
✅ Использование хвостовых вызовов между C-функциями, которые обрабатывают опкоды Python.
✅ Снижение накладных расходов на интерпретацию инструкций.
✅ Более эффективное управление стеком вызовов, что снижает издержки на переключение контекста.
🛠 Что нужно, чтобы это заработало?
🔹 Новый интерпретатор будет доступен при сборке Python из исходного кода с соответствующим флагом.
🔹 Поддерживается только Clang 19+ и архитектуры x86-64, AArch64 (но в будущем планируют добавить GCC).
🔹 Обычные дистрибутивные версии Python пока не получат эту фишку «из коробки».
❓ Стоит ли ждать?
Python 3.14 делает шаг к более высокой производительности, но пока нововведение требует ручной сборки. Это может стать стандартом в будущем, если комьюнити примет новинку.
Ссылка на доку https://docs.python.org/3.14/whatsnew/3.14.html
Кому не лень, можете почитать
📢 Как думаете, нужно ли ускорение Python или его главная сила не в скорости?
@pycode1
В этом году ожидается релиз Python 3.14, который может стать самым быстрым Python в истории! Главная новинка — новый тип интерпретатора, который обещает ускорение выполнения кода до 30% без необходимости переписывать его.
🔥 В чём суть?
Разработчики CPython внедрили новую технику оптимизации байт-кода:
✅ Использование хвостовых вызовов между C-функциями, которые обрабатывают опкоды Python.
✅ Снижение накладных расходов на интерпретацию инструкций.
✅ Более эффективное управление стеком вызовов, что снижает издержки на переключение контекста.
🛠 Что нужно, чтобы это заработало?
🔹 Новый интерпретатор будет доступен при сборке Python из исходного кода с соответствующим флагом.
🔹 Поддерживается только Clang 19+ и архитектуры x86-64, AArch64 (но в будущем планируют добавить GCC).
🔹 Обычные дистрибутивные версии Python пока не получат эту фишку «из коробки».
❓ Стоит ли ждать?
Python 3.14 делает шаг к более высокой производительности, но пока нововведение требует ручной сборки. Это может стать стандартом в будущем, если комьюнити примет новинку.
Ссылка на доку https://docs.python.org/3.14/whatsnew/3.14.html
Кому не лень, можете почитать
📢 Как думаете, нужно ли ускорение Python или его главная сила не в скорости?
@pycode1
Please open Telegram to view this post
VIEW IN TELEGRAM
Python documentation
What’s new in Python 3.14
Editors, Adam Turner and Hugo van Kemenade,. This article explains the new features in Python 3.14, compared to 3.13. Python 3.14 was released on 7 October 2025. For full details, see the changelog...
🔥3
Что внутри:
https://github.com/metabase/metabase
Please open Telegram to view this post
VIEW IN TELEGRAM
👍3
Почему именно python? 📱
Я уже говорил о том, что писал на многих языках программирования, но почему решил остановился именно на питоне, напишу ниже🔽
1️⃣ Высокий спрос на рынке труда
Python востребован в разных областях:
веб-разработка, автоматизация, анализ данных📊 искусственный интеллект 🤖 DevOps. Компании активно ищут Python-разработчиков, что увеличивает шансы найти работу, особенно на позиции junior-разработчика. Но нужно учитывать, что конкуренция высокая.
2️⃣ Простота и скорость изучения
Python обладает лаконичным и понятным синтаксисом, что позволяет быстрее освоить основы программирования🧑💻 Благодаря этому можно быстро приступить к решению реальных задач.
3️⃣ Широкая экосистема библиотек
Для Python существует огромное количество библиотек и фреймворков:
🔻 Для веб-разработки: Django Flask, FastAPI.
🔻 Для работы с данными: Pandas, NumPy, Matplotlib.
🔻 Для машинного обучения: TensorFlow, Scikit-learn, PyTorch. На этом языке вы можете написать буквально, все что возможно.
4️⃣ Кросс-платформенность
Python поддерживается на всех популярных операционных системах — Windows, macOS, Linux. Это удобно как для разработки, так и для запуска приложений✅
5️⃣ Сообщество и документация
У Python одно из крупнейших сообществ разработчиков. Это значит, что для большинства вопросов уже есть готовые ответы. Качественная документация📖 и большое количество обучающих материалов делают изучение языка и его инструментов проще.
6️⃣ Автоматизация задач
Python отлично подходит для автоматизации рутинных процессов: парсинга сайтов,🖥 работы с файлами, 🗂 тестирования приложений и многого другого. Это полезный навык для любой сферы разработки.
7️⃣ Поддержка современных технологий
Python активно развивается и поддерживает новые технологии: асинхронное программирование, микросервисы, cloud-решения, интеграцию с другими языками и сервисами📱
8️⃣ Подходит для старта и роста
Python позволяет легко начать с простых проектов, а затем переходить к сложным архитектурным решениям👨💻 С его помощью ты можешь освоить все ключевые концепции бэкенд-разработки: работу с базами данных, API, многопоточность и т.д.
@pycode1
Я уже говорил о том, что писал на многих языках программирования, но почему решил остановился именно на питоне, напишу ниже
Python востребован в разных областях:
веб-разработка, автоматизация, анализ данных
Python обладает лаконичным и понятным синтаксисом, что позволяет быстрее освоить основы программирования
Для Python существует огромное количество библиотек и фреймворков:
Python поддерживается на всех популярных операционных системах — Windows, macOS, Linux. Это удобно как для разработки, так и для запуска приложений
У Python одно из крупнейших сообществ разработчиков. Это значит, что для большинства вопросов уже есть готовые ответы. Качественная документация
Python отлично подходит для автоматизации рутинных процессов: парсинга сайтов,
Python активно развивается и поддерживает новые технологии: асинхронное программирование, микросервисы, cloud-решения, интеграцию с другими языками и сервисами
Python позволяет легко начать с простых проектов, а затем переходить к сложным архитектурным решениям
@pycode1
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥2❤1💯1
Как понять айтишников?
У вас когда нибудь бывало такое, что слушаете какого то программиста, и не понимаете на каком языке он говорит? У меня тоже.
Так вот, я создал словарик, который простыми словами объясняет сложный ИТ-сленг. Он поможет быстрее разобраться в терминах, упростит общение в команде и сделает обучение комфортнее.
📝Этот глоссарий — не просто шпаргалка, а способ побороть синдром самозванца и перестать чувствовать себя чужим в мире ИТ. Когда я только начинал, мне бы он сэкономил кучу нервов на созвонах, потому что даже в контексте задачи многое оставалось непонятным.
Переходите по ссылке, сохраняйте документ себе и изучайте новые слова 🔥
У вас когда нибудь бывало такое, что слушаете какого то программиста, и не понимаете на каком языке он говорит? У меня тоже.
Так вот, я создал словарик, который простыми словами объясняет сложный ИТ-сленг. Он поможет быстрее разобраться в терминах, упростит общение в команде и сделает обучение комфортнее.
📝Этот глоссарий — не просто шпаргалка, а способ побороть синдром самозванца и перестать чувствовать себя чужим в мире ИТ. Когда я только начинал, мне бы он сэкономил кучу нервов на созвонах, потому что даже в контексте задачи многое оставалось непонятным.
Переходите по ссылке, сохраняйте документ себе и изучайте новые слова 🔥
🔥2
Почему программировать на самом деле сложно❓
Сегодня тысячи программ для обучения кодингу. Очно, заочно, онлайн, можно даже бесплатно учиться. Но почему тогда не все становятся программистами? Это же самая востребованная и дорогая профессия.💵
📝 Начнем с того, что программирование и кодинг это не одно и то же. Кодингу по сути даже учиться не обязательно. Можно запречь бесплатный OpenAI от Gemini или DeepSeek. Они будут за секунду клепать тысячи строк кода. А программирование – это образ мышления 🧠
Надо понимать суть написания программы, логику ее работы, функционала, какие инструменты где и как применять. Этому тоже можно научиться. Но как и многое в этой жизни, по-настоящему понимать и чувствовать такие вещи начинаешь только с опытом🌡
Откуда берется опыт? Даже не из практики, а из ошибок. Ты становишься сеньором не тогда, когда запомнил наизусть 10 языков или написал 20 программ, а когда научился предвидеть, понимать, находить и решать ошибки☑️ Большинство новичков идут за дорогой и востребованной профессией, но они не вывозят, когда сталкиваются с проблемами. А это не проблемы на работе раз-два в неделю. Это регулярный процесс.
Даже опытные инженеры ошибаются и порой не могут найти косяки неделями. Так что бояться ошибок не стоит, это часть вашей работы. Если вы ошибаетесь, значит учитесь.
Сегодня тысячи программ для обучения кодингу. Очно, заочно, онлайн, можно даже бесплатно учиться. Но почему тогда не все становятся программистами? Это же самая востребованная и дорогая профессия.
Надо понимать суть написания программы, логику ее работы, функционала, какие инструменты где и как применять. Этому тоже можно научиться. Но как и многое в этой жизни, по-настоящему понимать и чувствовать такие вещи начинаешь только с опытом
Откуда берется опыт? Даже не из практики, а из ошибок. Ты становишься сеньором не тогда, когда запомнил наизусть 10 языков или написал 20 программ, а когда научился предвидеть, понимать, находить и решать ошибки
Даже опытные инженеры ошибаются и порой не могут найти косяки неделями. Так что бояться ошибок не стоит, это часть вашей работы. Если вы ошибаетесь, значит учитесь.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤7👍2
О чем молчат на собеседованиях? 🤫
Полезная инфа не только вкатунам, но и тем кто уже работает. Проработав какое то время в IT, я понял, что:
▶️ У каждой компании есть чёткая вилка по зарплате на позицию. Но первое правило HR - заставить тебя назвать цифру первым. Кто первый назвал сумму - тот проиграл.
▶️ Твоя годовая оценка часто не имеет ничего общего с твоими реальными достижениями. Это игра в квоты и бюджеты. На весь отдел уже заранее размечено, сколько человек получат низкие оценки, независимо от их реального вклада.
▶️ Самый токсичный миф - «карьерный рост внутри компании». Правда в том, что за 2-3 перехода между компаниями ты вырастешь больше, чем за 5-7 лет лояльности одной.
▶️ «Корпоративный психолог» - это не твой психолог. Это инструмент компании. Всё, что ты скажешь, может быть использовано... сами знаете как.
▶️ Крутое название должности часто маскирует примитивную работу. Senior Cloud Architecture Designer может заниматься простой поддержкой легаси-кода.
▶️ HR - не твой друг. Их задача - чтобы компания работала эффективно. Твоё счастье в их КРІ не входит.
▶️ Если слышишь от коллег разговоры про «корпоративную культуру» - беги. Это верный признак, что компания - дно, там где реально есть культура ты ни разу про неё не услышишь.
▶️ В компании есть должность «скрам мастер»? - беги. Это компания где люди будут заниматься чем угодно, только не делом, в основном сидеть и порастать мхом, но если ты деятельный то на тебе будут ехать все.
▶️ Система грейдов и уровней придумана не для твоего роста, а чтобы было удобнее держать людей в рамках.
🐸 Самое страшное - большинство так и проживает всю карьеру, не понимая этих правил игры.
Ставим 🔥 если согласны
Полезная инфа не только вкатунам, но и тем кто уже работает. Проработав какое то время в IT, я понял, что:
Ставим 🔥 если согласны
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥7
Синдром overthinking или почему вы прокрастинируете
Уверен, что каждый из вас сталкивался с ситуацией, когда очень долго сидишь за определенной задачей, пытаясь подобрать идеальное решение.
Чрезмерное обдумывание ситуаций, анализ каждого мелкого аспекта и прокручивание возможных исходов, и есть синдром overthinking.
У программистов он встречается довольно часто. Особенно если ты новичок или работаешь над сложной задачей. Вот почему:
1. Желание написать идеальный код➡️ Бесконечное продумывание лучшей архитектуры, выбора библиотек, алгоритмов.
2. Страх ошибок➡️
Можно зациклиться на поиске потенциальных багов, даже если они маловероятны.
3. Много вариантов решения➡️
В программировании почти всегда есть несколько путей, и выбор может затянуться.
4. Импостер-синдром➡️ Мысль “А вдруг мой код плохой?” заставляет переделывать и анализировать бесконечно.
5. Постоянное обучение➡️ Размышления о том, какие технологии учить, какую карьерную стратегию выбрать.
Как с этим бороться❔
✔️ Практиковать принцип KISS (Keep It Simple, Stupid) – проще = лучше.
✔️ Ограничивать время на обдумывание – если за 30 минут нет решения, переходи к прототипированию.
✔️ Не бояться ошибок – быстрее ошибся → быстрее исправил → быстрее научился.
✔️ Разбивать задачи на маленькие части – так легче принимать решения.
✔️ Делать приоритеты – не всё требует глубокого анализа. Иногда достаточно просто рабочего решения.
Ставьте ❤️ если сталкивались с этим
Уверен, что каждый из вас сталкивался с ситуацией, когда очень долго сидишь за определенной задачей, пытаясь подобрать идеальное решение.
Чрезмерное обдумывание ситуаций, анализ каждого мелкого аспекта и прокручивание возможных исходов, и есть синдром overthinking.
У программистов он встречается довольно часто. Особенно если ты новичок или работаешь над сложной задачей. Вот почему:
1. Желание написать идеальный код
2. Страх ошибок
Можно зациклиться на поиске потенциальных багов, даже если они маловероятны.
3. Много вариантов решения
В программировании почти всегда есть несколько путей, и выбор может затянуться.
4. Импостер-синдром
5. Постоянное обучение
Как с этим бороться
Ставьте ❤️ если сталкивались с этим
Please open Telegram to view this post
VIEW IN TELEGRAM
❤10