Клоуна ВМКшник какой-то поставил 🏥
UPD: 11 ВМКшников
UPD2: очень много ВМКшников! 😱
UPD: 11 ВМКшников
UPD2: очень много ВМКшников! 😱
Please open Telegram to view this post
VIEW IN TELEGRAM
🤡84😁31 31💯18👍2
Нашла занятный видос, в котором автор делится несколькими соображениями о том, почему функция softmax повсеместно используется в нейросетях:
https://youtu.be/p-6wUOXaVqs?si=KaED_uPHsyYZ5snD
Из интересного, у него ещё есть плейлист с серией мини-лекций по Reinforcement Learning:
https://youtube.com/playlist?list=PLzvYlJMoZ02Dxtwe-MmH4nOB5jYlMGBjr&si=7DHQITc9Wjx8npO8
И про некоторые функции распределения:
https://youtube.com/playlist?list=PLzvYlJMoZ02BCWFTETEiupwhDBpP4gw-q&si=r6B_wQTwkuTMFvZJ
Надо будет тоже глянуть.
#учебные_материалы
https://youtu.be/p-6wUOXaVqs?si=KaED_uPHsyYZ5snD
Из интересного, у него ещё есть плейлист с серией мини-лекций по Reinforcement Learning:
https://youtube.com/playlist?list=PLzvYlJMoZ02Dxtwe-MmH4nOB5jYlMGBjr&si=7DHQITc9Wjx8npO8
И про некоторые функции распределения:
https://youtube.com/playlist?list=PLzvYlJMoZ02BCWFTETEiupwhDBpP4gw-q&si=r6B_wQTwkuTMFvZJ
Надо будет тоже глянуть.
#учебные_материалы
YouTube
Why Do Neural Networks Love the Softmax?
The machine learning consultancy: https://truetheta.io
Join my email list to get educational and useful articles (and nothing else!): https://mailchi.mp/truetheta/true-theta-email-list
Want to work together? See here: https://truetheta.io/about/#want-to-work…
Join my email list to get educational and useful articles (and nothing else!): https://mailchi.mp/truetheta/true-theta-email-list
Want to work together? See here: https://truetheta.io/about/#want-to-work…
👍25🔥6❤3✍1🦄1 1 1
https://youtu.be/R5B_BODGqho?si=FRHk10HqLiWLgdc4
А это что такое?!😶 Смотрите-ка, какой занятный артефакт из семидесятых! 🔍 Даже не представляю себе, как они такие видео изготавливали в то время. 🤔
За исключением пары досадных моментов (задачка про мосты несколько отличается от изначальной формулировки и рассуждения про рукописные буквы подустарели), очень даже прикольно, а главное, атмосферно.🍪
#математика
А это что такое?!
За исключением пары досадных моментов (задачка про мосты несколько отличается от изначальной формулировки и рассуждения про рукописные буквы подустарели), очень даже прикольно, а главное, атмосферно.
#математика
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
Начинается с точки, ТОПОЛОГИЯ, 1970
Видеокурс "Длинные Линии" https://crit1.ru/lines/
Фрактальные антенны и линии задержки https://crit1.ru/fractal/fractal2.html
Видеокурс "Антенны" http://crit1.ru/Antennas/
Видеокурс "Усилители мощности" http://crit1.ru/um/index.html
Комплекс уроков "Электричество"…
Фрактальные антенны и линии задержки https://crit1.ru/fractal/fractal2.html
Видеокурс "Антенны" http://crit1.ru/Antennas/
Видеокурс "Усилители мощности" http://crit1.ru/um/index.html
Комплекс уроков "Электричество"…
👍15❤8 7🔥1
Решила на выходных дочитать небольшую книжку-комикс про жизнь и некоторые идеи Юнга (см. старый пост https://t.me/tech_priestess/1320 ). Однако, кроме рассказов про самого Юнга (который был тем еще еретехом 🙏 ), комикс содержит и некоторые мысли автора. В частности, заметила на одной из страниц вот такую мысль (см. рис. 1, маркер).
И блин, я до сих пор не могу привыкнуть к тому, насколько часто люди допускают ошибку, говоря, что квантмех якобы как-то связан с проблемами сознания...
Ну не связан он с ними никак. Вообще никак. Квантмех создан для того, чтобы объяснять определенный класс явлений. Ядро теории состоит из набора формул, которые оперируют обычными физическими терминами + понятием "волновая функция" (и всего, что с ней связано) и выдают результаты по поводу вероятности местонахождения частиц в разных местах (и всего, что с этим связано). Всё остальное вытекает чисто логически из этого набора формул (как и в остальных физических теориях), так что никаких новых сущностей появиться там не может. Можно открыть учебник и самостоятельно убедиться, что ничего, что могло бы быть связано с сознанием, в этих формулах нет.
Вероятно, ошибочное представление о том, что в квантмехе играет роль сознание, связаны с неверным пониманием, что такое "эффект наблюдателя". Объясняю. Под "наблюдением" в квантмехе подразумевается взаимодействие частицы/волны с фотоном (квантом электромагнитного импульса) или другой частичкой, которое требуется в процессе работы измерительного прибора (ведь для совершения измерения вам нужно как-то провзаимодействовать с частицей). Соответственно, "эффект наблюдателя" - это эффект от чисто физического взаимодействия, описанного математически в чисто физических терминах. Никакого условия на наличие сознания у "наблюдателя" не ставится.
#рассуждения
И блин, я до сих пор не могу привыкнуть к тому, насколько часто люди допускают ошибку, говоря, что квантмех якобы как-то связан с проблемами сознания...
Ну не связан он с ними никак. Вообще никак. Квантмех создан для того, чтобы объяснять определенный класс явлений. Ядро теории состоит из набора формул, которые оперируют обычными физическими терминами + понятием "волновая функция" (и всего, что с ней связано) и выдают результаты по поводу вероятности местонахождения частиц в разных местах (и всего, что с этим связано). Всё остальное вытекает чисто логически из этого набора формул (как и в остальных физических теориях), так что никаких новых сущностей появиться там не может. Можно открыть учебник и самостоятельно убедиться, что ничего, что могло бы быть связано с сознанием, в этих формулах нет.
Вероятно, ошибочное представление о том, что в квантмехе играет роль сознание, связаны с неверным пониманием, что такое "эффект наблюдателя". Объясняю. Под "наблюдением" в квантмехе подразумевается взаимодействие частицы/волны с фотоном (квантом электромагнитного импульса) или другой частичкой, которое требуется в процессе работы измерительного прибора (ведь для совершения измерения вам нужно как-то провзаимодействовать с частицей). Соответственно, "эффект наблюдателя" - это эффект от чисто физического взаимодействия, описанного математически в чисто физических терминах. Никакого условия на наличие сознания у "наблюдателя" не ставится.
#рассуждения
Please open Telegram to view this post
VIEW IN TELEGRAM
👍61❤15😱4🤡4🤓4 2 1
Что же касается теории хаоса, так это просто раздел диффуров. Диффуров, которые содержат в себе лишь обычные материалистические величины, сознание в этих уравнениях также не фигурирует. Откройте любой учебник и убедитесь.
Но, конечно, если не смотреть глазами на конкретные уравнения и формулы, на которых состоит теория, а вместо этого витать в невнятных плохо определенных терминах, то мир будет полон чудес...
P.S. Изучала квантмех 10 лет назад, если допустила неточность - поправьте в комментах.
#рассуждения
Но, конечно, если не смотреть глазами на конкретные уравнения и формулы, на которых состоит теория, а вместо этого витать в невнятных плохо определенных терминах, то мир будет полон чудес...
P.S. Изучала квантмех 10 лет назад, если допустила неточность - поправьте в комментах.
#рассуждения
👍40 17❤2🤡1🏆1🗿1
Forwarded from Антон Авдеев
Ну-ка функцию Лагранжа свободной частицы!
Это, кстати, главное достижение Пуанкаре.
Это, кстати, главное достижение Пуанкаре.
😁19 14 9🤡2🗿2 1
Мне неприятно от того, что на пост с дипломом поставили так много клоунов 🙅♂️
Please open Telegram to view this post
VIEW IN TELEGRAM
😭87🤡49❤27💔12 8🤗4 4🐳2❤🔥1😁1🦄1
Forwarded from Tati's Wonderland (Tanya)
#career #карьера #faang #interview
Behavioural interviews in FAANG+.
Недавно делала пару мок интервью (*тренировочные интервью, mock)
по behave на уровень стаффа. У всех все прошло успешно.
Давайте пройдёмся по behave и важным пунктам подготовки.
1. Подготовка.
Первое и самое важное, которое очень многие упускают при подготовке в фаанги, т.к. наивно думают, что главное затащить литкод и дизайны, а уж behave это просто "поговорить за опыт".
Behave interview -- это не какое-то маловажное интервью, к которому можно почти не готовиться. Это самое важное интервью, и готовиться к нему надо не хуже дизайна.
Именно это интервью в основном определяет уровень, который вам предложат. Литкод этот уровень определить не может. А затащив хорошо behave and leadership можно попасть на Engineering manager, Staff+ и выше (при том же уровне дизайна и литкода).
Многие этот момент упускают и делают основной упор на литкод. Заваленный литкод вам простят при остальных отличных (со мной такое было в Мета и я видела 2 таких случая в гугл!) Но заваленное behave - это мимо.
2. Репетиции.
Крайне полезно cделать тренировочные интервью с людьми более высокого уровня в больших компаниях (если такие люди есть среди знакомых и готовы помочь - отлично. Если нет - существуют варианты за деньги).
Стоимость около 200-300 долларов за интервью. По отзывам польза он них есть.
3. Leadership principles
В Амазоне есть знаменитые leadership principles. Так вот они работают не только в Амазоне, рекомендую ознакомиться и впитать. Они хорошо подойдут как база и в другие компании для подготовки.
4. Записываем истории.
Свои истории про опыт и лидерство стоит записать. Штук 10-20, чтобы на разные ситуации и разные leadership principles. Записать их словами. Потом прочитать и сократить. Потом опять прочитать и улучшить. Можно даже посоветоваться с карьерным консультантом. Потом выучить и отрепетировать на mock интервью (или хотя бы перед зеркалом).
Распространённая ошибка, которую я видела, это слишком долго все рассказывать, ввиду недостаточно лаконичного рассказа. Краткость важна, чтобы интервьюер успел получить все сигналы.
5. Внимание на процессы
После Eng manager/Staff+ уровня вы делаете проекты не своими руками, а руками других людей. Поэтому в историях важно уделать внимание выстраиванию процессов. Вы не сами пофиксили какой-то баг (это уровень синьора), вы наладили процесс, чтобы такого больше не могло повториться.
6. Leadership style
Вы должны знать ваш стиль лидерства и управления людьми. Мой любимый -- это leading by example, я говорю на интервью, что только он работает и с детьми дома и на работе. Всем нравится.
7. Failures
Многие реально валят истории про свои фэйлы. Худшее, что можно тут сделать, это начать обвинять бывших коллег или бывшего начальника, или того пуще звезды, пандемии и галактики... и это делают регулярно.
Фэйлы - это вообще не про то, кто виноват. Это про вашу способность к рефлексии.
Признайте фэйл, расскажите про свои ошибки, расскажите, что вынесли из этого, чему научились и как исправили ситуацию, чтобы больше не повторялось. Опять-таки, возможно вы наладили какой-то процесс.
8. Клише
Есть немало устоявшихся клише по части вопросов и ответов. Например, часто задают вопрос про недостаток, и часто отвечают про перфекционизм или трудоголизм.
Я понимаю, клише-вопросы прямо бесят иногда. Все же старайтесь быть креативными. Всем надоели ответы-клише.
9. STAR
Свои истории удобно выстраивать по формату STAR: situation (контекст), task, action, result.
Я часто видела, как люди уделяют слишком много времени описанию контекста и собственно проблемы, и потом мало времени именно actions и результатам.
Контекст нужен, но ваши действия важны, а результаты тем более. Поэтому вернёмся в пункт 4: пишем истории и потом сокращаем.
Продолжение следует.
Behavioural interviews in FAANG+.
Недавно делала пару мок интервью (*тренировочные интервью, mock)
по behave на уровень стаффа. У всех все прошло успешно.
Давайте пройдёмся по behave и важным пунктам подготовки.
1. Подготовка.
Первое и самое важное, которое очень многие упускают при подготовке в фаанги, т.к. наивно думают, что главное затащить литкод и дизайны, а уж behave это просто "поговорить за опыт".
Behave interview -- это не какое-то маловажное интервью, к которому можно почти не готовиться. Это самое важное интервью, и готовиться к нему надо не хуже дизайна.
Именно это интервью в основном определяет уровень, который вам предложат. Литкод этот уровень определить не может. А затащив хорошо behave and leadership можно попасть на Engineering manager, Staff+ и выше (при том же уровне дизайна и литкода).
Многие этот момент упускают и делают основной упор на литкод. Заваленный литкод вам простят при остальных отличных (со мной такое было в Мета и я видела 2 таких случая в гугл!) Но заваленное behave - это мимо.
2. Репетиции.
Крайне полезно cделать тренировочные интервью с людьми более высокого уровня в больших компаниях (если такие люди есть среди знакомых и готовы помочь - отлично. Если нет - существуют варианты за деньги).
Стоимость около 200-300 долларов за интервью. По отзывам польза он них есть.
3. Leadership principles
В Амазоне есть знаменитые leadership principles. Так вот они работают не только в Амазоне, рекомендую ознакомиться и впитать. Они хорошо подойдут как база и в другие компании для подготовки.
4. Записываем истории.
Свои истории про опыт и лидерство стоит записать. Штук 10-20, чтобы на разные ситуации и разные leadership principles. Записать их словами. Потом прочитать и сократить. Потом опять прочитать и улучшить. Можно даже посоветоваться с карьерным консультантом. Потом выучить и отрепетировать на mock интервью (или хотя бы перед зеркалом).
Распространённая ошибка, которую я видела, это слишком долго все рассказывать, ввиду недостаточно лаконичного рассказа. Краткость важна, чтобы интервьюер успел получить все сигналы.
5. Внимание на процессы
После Eng manager/Staff+ уровня вы делаете проекты не своими руками, а руками других людей. Поэтому в историях важно уделать внимание выстраиванию процессов. Вы не сами пофиксили какой-то баг (это уровень синьора), вы наладили процесс, чтобы такого больше не могло повториться.
6. Leadership style
Вы должны знать ваш стиль лидерства и управления людьми. Мой любимый -- это leading by example, я говорю на интервью, что только он работает и с детьми дома и на работе. Всем нравится.
7. Failures
Многие реально валят истории про свои фэйлы. Худшее, что можно тут сделать, это начать обвинять бывших коллег или бывшего начальника, или того пуще звезды, пандемии и галактики... и это делают регулярно.
Фэйлы - это вообще не про то, кто виноват. Это про вашу способность к рефлексии.
Признайте фэйл, расскажите про свои ошибки, расскажите, что вынесли из этого, чему научились и как исправили ситуацию, чтобы больше не повторялось. Опять-таки, возможно вы наладили какой-то процесс.
8. Клише
Есть немало устоявшихся клише по части вопросов и ответов. Например, часто задают вопрос про недостаток, и часто отвечают про перфекционизм или трудоголизм.
Я понимаю, клише-вопросы прямо бесят иногда. Все же старайтесь быть креативными. Всем надоели ответы-клише.
9. STAR
Свои истории удобно выстраивать по формату STAR: situation (контекст), task, action, result.
Я часто видела, как люди уделяют слишком много времени описанию контекста и собственно проблемы, и потом мало времени именно actions и результатам.
Контекст нужен, но ваши действия важны, а результаты тем более. Поэтому вернёмся в пункт 4: пишем истории и потом сокращаем.
Продолжение следует.
👍51 10 7❤5 5🤡2🗿2🦄1
🌷 Когда вы три дня и три ночи срали в комментариях на тему квантовой механики, это абсурдно, местами раздражающе и потратило много моего времени, но это хотя бы было смешно.
🌷 Когда под постом "мне не нравятся клоуны", меня начали учить жизни и объяснять мне, что такое троллинг и что бывает в интернете, градус абсурда повысился.Вы пытаетесь это объяснить человеку, который застал времена первого двача, правил статьи на лурке и в какие-то бородатые годы ходил в рейды на УГ 🤦♀
🌷 Когда вы начали засирать совершенно обычный пост с совершенно нормальными карьерными советами, мое терпение закончилось.
Пока что можете молча перечитать заглавный пост: https://t.me/tech_priestess/607 (там собрано много тегов, например, про собеседования и корпы много под тегом #карьера ). Также можно молча читать новые посты и ставить реакции под ними. А вот детский сад в комментах закрыт на карантин до дедлайна на neurips. 💅
🌷 Когда под постом "мне не нравятся клоуны", меня начали учить жизни и объяснять мне, что такое троллинг и что бывает в интернете, градус абсурда повысился.
🌷 Когда вы начали засирать совершенно обычный пост с совершенно нормальными карьерными советами, мое терпение закончилось.
Пока что можете молча перечитать заглавный пост: https://t.me/tech_priestess/607 (там собрано много тегов, например, про собеседования и корпы много под тегом #карьера ). Также можно молча читать новые посты и ставить реакции под ними. А вот детский сад в комментах закрыт на карантин до дедлайна на neurips. 💅
Telegram
Техножрица 👩💻👩🏫👩🔧
Навигация по каналу (будет обновляться в случае необходимости).
Избранные посты
Первый пост в канале - вступление, за которым идет рассказ про одно интересное место работы, которое волнует умы многих...
Первый пост в серии, где рассказывается про главное…
Избранные посты
Первый пост в канале - вступление, за которым идет рассказ про одно интересное место работы, которое волнует умы многих...
Первый пост в серии, где рассказывается про главное…
👍70🤡47❤28😭20 14 9💔4🍌3😎2👌1🙊1
Помните, была тема с дипфейком Ким Кардашьян, объясняющей коротенькие темы из математики? Так вот, эти видео никуда не делись, а продолжают регулярно выходить. 💜
Замена переменной в интеграле:
https://youtu.be/4fF6NydCNuw?si=ydOJV2NpgbYq594y
Вывод производной x² из определения:
https://youtu.be/qPhLWfn-t_4?si=-uIogJ_sufxK-FNB
Цепное правило:
https://youtu.be/ulbmQJG5GrA?si=O5IHessFBNUF2pk4
Забавно и мило😀
#математика
Замена переменной в интеграле:
https://youtu.be/4fF6NydCNuw?si=ydOJV2NpgbYq594y
Вывод производной x² из определения:
https://youtu.be/qPhLWfn-t_4?si=-uIogJ_sufxK-FNB
Цепное правило:
https://youtu.be/ulbmQJG5GrA?si=O5IHessFBNUF2pk4
Забавно и мило
#математика
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
Jenna Ortega teaches U-substitution in under 90 seconds
It's kinda like the opposite of the chain rule in differentiation.
⚠️DISCLAIMER⚠️: This is not real audio/video of Jenna, Barack, or Mr.Beast. All video and speech was generated using parrotAI (link in bio).
#usubstitution #usub #Maths #Physics #engineering…
⚠️DISCLAIMER⚠️: This is not real audio/video of Jenna, Barack, or Mr.Beast. All video and speech was generated using parrotAI (link in bio).
#usubstitution #usub #Maths #Physics #engineering…
🥰33😁12🔥8 4🤔3🤡3❤2👍2
Forwarded from Старший Авгур
Поставил третьей моделью gpt-4o в @saiga_igusev_bot, можно пользоваться, запросы и ответы собираю. Не забудьте переключить модель и поставить пустой системный промпт, а то она будет думать, что она Сайга.
Пока без картинок.
Пока без картинок.
🔥22👍7🥰6🤡2 1
Forwarded from Сиолошная
С утра читаю отзывы людей (негативные опущены, они тоже есть):
— Вау, такой голос! Как живое!
— Невероятно, всё утро веду диалог, мне теперь живые люди не нужны!
Штука в том, что свежая модель на данный момент для пользователей генерирует лишь текст. Генерацию голоса новой моделью, а также создание картинок завезут позднее, «в ближайшие недели».
Представьте, что будет когда включат эту функциональность, как люди обрадуются 😀
То есть как работало мобильное приложение ChatGPT раньше:
— Одна модель слушает вас, переводит речь в текст. На этом этапе теряются все эмоции, никаких тегов <вздох> или *радостно* там нет — просто текст
— Текст подаётся в GPT-4-Turbo (вторую модель) на вход (как будто бы вы сами написали сообщение своими руками)
— Эта модель генерирует ответ текстом
— Этот текст озвучивается третьей моделью. Она не может петь, шептать, играться интонацией. Если в запросе попросите её это сделать — она не будет следовать инструкции
Насколько я понимаю, на сегодняшний день эта функциональность сохраняется — несмотря на то, что модели с номерами 1 и 3 можно заменить на новую GPT-4o (она может нативно слушать вас и генерировать голос сразу, без вспомогательных средств). OpenAI не выкатывают всё сразу. А вот модель 2 как раз заменили. То есть сами ответы могут показаться умнее, уровень понимания тоже повысился — потому что LLM стала мощнее. И скорость выросла.
Не верите? Попробуйте попросить отвечать медленнее/быстрее, или даже шёпотом.
Sorry to disappoint you🤷♂️
— Вау, такой голос! Как живое!
— Невероятно, всё утро веду диалог, мне теперь живые люди не нужны!
Штука в том, что свежая модель на данный момент для пользователей генерирует лишь текст. Генерацию голоса новой моделью, а также создание картинок завезут позднее, «в ближайшие недели».
То есть как работало мобильное приложение ChatGPT раньше:
— Одна модель слушает вас, переводит речь в текст. На этом этапе теряются все эмоции, никаких тегов <вздох> или *радостно* там нет — просто текст
— Текст подаётся в GPT-4-Turbo (вторую модель) на вход (как будто бы вы сами написали сообщение своими руками)
— Эта модель генерирует ответ текстом
— Этот текст озвучивается третьей моделью. Она не может петь, шептать, играться интонацией. Если в запросе попросите её это сделать — она не будет следовать инструкции
Насколько я понимаю, на сегодняшний день эта функциональность сохраняется — несмотря на то, что модели с номерами 1 и 3 можно заменить на новую GPT-4o (она может нативно слушать вас и генерировать голос сразу, без вспомогательных средств). OpenAI не выкатывают всё сразу. А вот модель 2 как раз заменили. То есть сами ответы могут показаться умнее, уровень понимания тоже повысился — потому что LLM стала мощнее. И скорость выросла.
Не верите? Попробуйте попросить отвечать медленнее/быстрее, или даже шёпотом.
Sorry to disappoint you
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥27😁8👍5 4🤡2🎉1🤮1💩1
This media is not supported in your browser
VIEW IN TELEGRAM
Автор текста: gpt4o ( https://t.me/NeuralShit/5500 ), автор музыки: suno.ai .
В честь дедлайна абстракта на нейрипс приоткрою комменты, если опять начнется треш - будут либо баны, либо закрытие до финального дедлайна (через 6 дней).
В честь дедлайна абстракта на нейрипс приоткрою комменты, если опять начнется треш - будут либо баны, либо закрытие до финального дедлайна (через 6 дней).
😁51🤡10🔥7 5👍2🥰1💩1🥴1
Возвращаясь к обсуждению репоста https://t.me/tech_priestess/1507 , который вызвал такое сильное непонимание. Я попробую объяснить своими словами, в чем я лично вижу идею behavioural interview и почему не вижу ничего зазорного в том, чтобы серьезно к нему относиться и тщательно готовиться.
Behavioural interview по своему смыслу направлен на выявление софт скиллов, в частности, вашей способности эффективно доносить свои мысли, взаимодействовать с другими членами вашей команды и при необходимости организовывать работу коллег так, чтобы достигалась поставленная цель ("leadership").
Отвечая на вопрос, зачем это нужно программисту, ML инженеру или исследователю. Это нужно затем, что в корпорации люди чаще всего работают не поодиночке, а делают вместе крупные совместные проекты (которые порой бывают частью еще более крупных проектов и так далее). И в таком типе работы крайне важно, чтобы взаимодействие между отдельными участниками шло эффективно. В противном случае, один будет делать одно, другой - другое, а результата не будет, даже если каждый из участников, взятый в отдельности, является отличным специалистом с сильными хард скиллами.
Чтобы это пояснить, можно привести пример с распределенными вычислениями. Допустим, у вас есть несколько вычислителей, и вы распределяете по ним решение какой-то большой задачи, разбивая её на подзадачи и отправляя эти подзадачи на каждый из вычислителей. Если алгоритм разбиения задачи на подзадачи и распределения этих подзадач написан плохо (например, из-за плохого дизайна алгоритма одному вычислителю часто приходится должно ждать ответа другого, и пока он ждет, он в это время ничего не делает; или два вычислителя дублируют работу друг друга; или между вычислителями по той или иной причине слишком медленно и невовремя передаются данные), то толку от мощности этих вычислителей будет мало.
Так вот, когда вы и другие разработчики/исследователи из вашей команды, выстраиваете между собой рабочие взаимодействия для решения задач, вы как бы на ходу придумываете, реализуете и при необходимости корректируете алгоритм распределенных вычислений, который должен будет максимально эффективно утилизировать ваши мозги. И на behavioral interview надо на примерах из вашей рабочей практики показать, что вы в этом хороши, даже несмотря на то, что вычислители-люди (в отличие от процессоров и видеокарт) могут быть сколь угодно своенравными и непредсказуемыми.
Например, на интервью может понадобиться вспомнить пример, который показывает, что в случае конфликта вы сделали все от вас зависящее, чтобы работа не стопорилась на долгий и выматывающий всех скандал, а вместо этого быстро пришли к решению и продолжили выполнение задач. Или, если вы руководитель, может понадобиться вспомнить примеры, которые как-нибудь демонстрируют, что подчиненные вам доверяли и не стеснялись честно говорить о задержках и проблемах в работе (возвращаясь к примеру с вычислителями, это нужно для того, чтобы вовремя скорретировать алгоритм или просто быстро кинуть на простаивающий (выполняющий не приоритетную задачу) вычислитель ту подзадачу, которую не смог решить тот, у которого проблемы). И так далее, и тому подобное, мне дальше лень фантазировать, думаю, и так мысль ясна.
Впрочем, тут читатель может воскликнуть:
- Но погодите! Я такой классный специалист, что мне не нужно учиться работать в команде, я сам заменяю собой целую команду!
Отвечаю на это возражение: в корпе проект часто бывает настолько большим, что 1 человек чисто физически будет не способен сделать его сделать в одиночку, даже если он буквально Альберт Эйнштейн.
Кроме того, следует помнить, что умных людей в мире, может, и меньше, чем глупых, но все равно как минимум несколько миллионов наберется. Так что каким бы "🤓 " вы ни были, в собеседованиях в FAANG вы будете конкурировать с сотнями таких же "🤓 ". И в этой конкуренции даже малейшее преимущество, и по хард, и по софт скиллам будет играть свою роль.
#карьера #рассуждения
Behavioural interview по своему смыслу направлен на выявление софт скиллов, в частности, вашей способности эффективно доносить свои мысли, взаимодействовать с другими членами вашей команды и при необходимости организовывать работу коллег так, чтобы достигалась поставленная цель ("leadership").
Отвечая на вопрос, зачем это нужно программисту, ML инженеру или исследователю. Это нужно затем, что в корпорации люди чаще всего работают не поодиночке, а делают вместе крупные совместные проекты (которые порой бывают частью еще более крупных проектов и так далее). И в таком типе работы крайне важно, чтобы взаимодействие между отдельными участниками шло эффективно. В противном случае, один будет делать одно, другой - другое, а результата не будет, даже если каждый из участников, взятый в отдельности, является отличным специалистом с сильными хард скиллами.
Чтобы это пояснить, можно привести пример с распределенными вычислениями. Допустим, у вас есть несколько вычислителей, и вы распределяете по ним решение какой-то большой задачи, разбивая её на подзадачи и отправляя эти подзадачи на каждый из вычислителей. Если алгоритм разбиения задачи на подзадачи и распределения этих подзадач написан плохо (например, из-за плохого дизайна алгоритма одному вычислителю часто приходится должно ждать ответа другого, и пока он ждет, он в это время ничего не делает; или два вычислителя дублируют работу друг друга; или между вычислителями по той или иной причине слишком медленно и невовремя передаются данные), то толку от мощности этих вычислителей будет мало.
Так вот, когда вы и другие разработчики/исследователи из вашей команды, выстраиваете между собой рабочие взаимодействия для решения задач, вы как бы на ходу придумываете, реализуете и при необходимости корректируете алгоритм распределенных вычислений, который должен будет максимально эффективно утилизировать ваши мозги. И на behavioral interview надо на примерах из вашей рабочей практики показать, что вы в этом хороши, даже несмотря на то, что вычислители-люди (в отличие от процессоров и видеокарт) могут быть сколь угодно своенравными и непредсказуемыми.
Например, на интервью может понадобиться вспомнить пример, который показывает, что в случае конфликта вы сделали все от вас зависящее, чтобы работа не стопорилась на долгий и выматывающий всех скандал, а вместо этого быстро пришли к решению и продолжили выполнение задач. Или, если вы руководитель, может понадобиться вспомнить примеры, которые как-нибудь демонстрируют, что подчиненные вам доверяли и не стеснялись честно говорить о задержках и проблемах в работе (возвращаясь к примеру с вычислителями, это нужно для того, чтобы вовремя скорретировать алгоритм или просто быстро кинуть на простаивающий (выполняющий не приоритетную задачу) вычислитель ту подзадачу, которую не смог решить тот, у которого проблемы). И так далее, и тому подобное, мне дальше лень фантазировать, думаю, и так мысль ясна.
Впрочем, тут читатель может воскликнуть:
- Но погодите! Я такой классный специалист, что мне не нужно учиться работать в команде, я сам заменяю собой целую команду!
Отвечаю на это возражение: в корпе проект часто бывает настолько большим, что 1 человек чисто физически будет не способен сделать его сделать в одиночку, даже если он буквально Альберт Эйнштейн.
Кроме того, следует помнить, что умных людей в мире, может, и меньше, чем глупых, но все равно как минимум несколько миллионов наберется. Так что каким бы "
#карьера #рассуждения
Please open Telegram to view this post
VIEW IN TELEGRAM
Telegram
Техножрица 👩💻👩🏫👩🔧
#career #карьера #faang #interview
Behavioural interviews in FAANG+.
Недавно делала пару мок интервью (*тренировочные интервью, mock)
по behave на уровень стаффа. У всех все прошло успешно.
Давайте пройдёмся по behave и важным пунктам подготовки.
1. Подготовка.…
Behavioural interviews in FAANG+.
Недавно делала пару мок интервью (*тренировочные интервью, mock)
по behave на уровень стаффа. У всех все прошло успешно.
Давайте пройдёмся по behave и важным пунктам подготовки.
1. Подготовка.…
Please open Telegram to view this post
VIEW IN TELEGRAM
😁101 13❤5 1
Forwarded from New Yorko Times (Yury Kashnitsky)
Советы вкатывающимся в Data Science c невыдающимся резюме
#career
Мир становится жесток, да, долго и сложно. Но можно. Собрал несколько рекомендаций (не исчерпывающий список, по убыванию приоритета):
- Рефералы, рефералы и еще раз рефералы a.k.a. кумовство. Вот правда, благодаря знакомым в принципе можно попасть на такие позиции, на которые в норме бы ваше резюме вообще не рассмотрели. Ничего страшного, если пройдете. Да, будут синдром самозванца, но потом можно и нагнать. О том, как правильно нетворкаться, – неплохо написано в посте “А как собеседоваться в 2023?” (правда, там описана версия для экстравертов 80-го левела, вариант с чуть меньшей соцактивностью тоже подойдет);
- Первое на что смотрят в резюме – реальный опыт работы. И его не заменишь курсам/сертификатами/профилями на литкоде или кэггле. Так что тут лучшее, что можно посоветовать – искать сторонние проекты, чтоб этот опыт получить. Например, HuggingFace инициирует проекты, где любой желающий может подключиться (а-ля обучения берта для тамильского язык, мой коллега там участвовал). Тот же open source. Еще можно найти команду для прикладного проекта в рамках курса (например, такая активность была в курсе ods.ai по MLOps). Это не быстрый путь, знаю, но это чуть ли не единственное, что может выделить одного кандидата на фоне других при прочих равных условиях;
- Если у вас нет Data Science опыта, но есть релевантный опыт в разработке или аналитике, может быть реально поучаствовать в Data Science проектах в компании, где вы уже работаете. Если наберется track record из 2-3 таких проектов, то уже проще будет и формально перейти на DS-позицию. Иногда для этого надо чем-то пожертвовать, например, немного проиграть в деньгах или в должности;
- Как ни банально звучит, первым делом смотрят на резюме, так что его надо слегка прожарить. Сервис ResumeWorded прям хорош (пост).
Что скорее не поможет:
- Набивать титулы типа Kaggle Competitions Master. Тут можно потратить уйму времени и в результате отклик может не обрадовать. Эйчары не сильно различают грандмастеров в Notebooks и соревнованиях, так что ваша лычка может быть не так уж и заметна. Есть, конечно, исключения, например, команды с большим представительством Kaggle Competitions Grandmasters (H2O, Nvidia Rapids), но среднему человеку я не порекомендую такой путь развития (мне он тоже не подходит). При всем сказанном, получить немного опыта на Кэггле – однозначно здорово.
- Получать охапки сертификатов. К ним отношение противоречивое, но если у вас нет релевантного опыта работы, скорее всего сертификаты не спасут ситуацию.
#career
Мир становится жесток, да, долго и сложно. Но можно. Собрал несколько рекомендаций (не исчерпывающий список, по убыванию приоритета):
- Рефералы, рефералы и еще раз рефералы a.k.a. кумовство. Вот правда, благодаря знакомым в принципе можно попасть на такие позиции, на которые в норме бы ваше резюме вообще не рассмотрели. Ничего страшного, если пройдете. Да, будут синдром самозванца, но потом можно и нагнать. О том, как правильно нетворкаться, – неплохо написано в посте “А как собеседоваться в 2023?” (правда, там описана версия для экстравертов 80-го левела, вариант с чуть меньшей соцактивностью тоже подойдет);
- Первое на что смотрят в резюме – реальный опыт работы. И его не заменишь курсам/сертификатами/профилями на литкоде или кэггле. Так что тут лучшее, что можно посоветовать – искать сторонние проекты, чтоб этот опыт получить. Например, HuggingFace инициирует проекты, где любой желающий может подключиться (а-ля обучения берта для тамильского язык, мой коллега там участвовал). Тот же open source. Еще можно найти команду для прикладного проекта в рамках курса (например, такая активность была в курсе ods.ai по MLOps). Это не быстрый путь, знаю, но это чуть ли не единственное, что может выделить одного кандидата на фоне других при прочих равных условиях;
- Если у вас нет Data Science опыта, но есть релевантный опыт в разработке или аналитике, может быть реально поучаствовать в Data Science проектах в компании, где вы уже работаете. Если наберется track record из 2-3 таких проектов, то уже проще будет и формально перейти на DS-позицию. Иногда для этого надо чем-то пожертвовать, например, немного проиграть в деньгах или в должности;
- Как ни банально звучит, первым делом смотрят на резюме, так что его надо слегка прожарить. Сервис ResumeWorded прям хорош (пост).
Что скорее не поможет:
- Набивать титулы типа Kaggle Competitions Master. Тут можно потратить уйму времени и в результате отклик может не обрадовать. Эйчары не сильно различают грандмастеров в Notebooks и соревнованиях, так что ваша лычка может быть не так уж и заметна. Есть, конечно, исключения, например, команды с большим представительством Kaggle Competitions Grandmasters (H2O, Nvidia Rapids), но среднему человеку я не порекомендую такой путь развития (мне он тоже не подходит). При всем сказанном, получить немного опыта на Кэггле – однозначно здорово.
- Получать охапки сертификатов. К ним отношение противоречивое, но если у вас нет релевантного опыта работы, скорее всего сертификаты не спасут ситуацию.
👍36🔥10❤3🤣2