Git и GitHub: мини‑курс для начинающего разработчика

В этом видео: зачем изучать Git и как быстро начать работать без лишней теории. Оригинал на YT.

Краткое содержание

Git и GitHub — не одно и то же:
Git — система контроля версий;
GitHub — сервис для хранения репозиториев.

Git нужен, чтобы хранить историю изменений, откатываться к любой версии, документировать правки (коммиты) и организовывать работу в команде через ветки.

Пример: клонируем репозиторий MyFirstProject, создаём index.html, делаем git add → git commit -m "initial project structure" → git push; коллега добавляет README через веб-интерфейс — выполняем git pull --rebase, решаем конфликты и продолжаем работу.

Быстрая практическая последовательность:
— Создать аккаунт на GitHub, установить Git, настроить имя и email (git config --global user.name/email).
— Сгенерировать SSH‑ключ, привязать к аккаунту.
— Клонировать репозиторий (git clone), работать локально, добавлять в staging (git add), фиксировать коммиты (git commit), отправлять на сервер (git push) и подтягивать изменения (git pull).
— Использовать .gitignore для лишних файлов, git stash для временного сохранения незавершённых правок.
— Ветвления: создать frontend-updates, работать, сделать hotfix в main, затем сливать — git merge (с сохранением истории) или git rebase (чистая линейная история).

Осторожнее, смотрите не перепутайте

Как LeetCode, только по AI/ML — открылась новая площадка с задачами по машинному обучению.

Можно через практику изучать алгоритмы и ключевые концепции, причём уже есть блоки по линейной алгебре, а поддержка PyTorch и JAX заявлена «скоро» — автор выкатывает обновления и пополняет банк вопросов. Есть автопроверка через тесты.

На видео — интерфейс после авторизации. Лидерборд и список задач. В задаче условия и редактор кода. И кнопки Run/Submit, всё как обычно на подобных сайтах.

И есть особые задачи на исследование: например, изучить как работает Attention и написать краткое саммари, как вы это поняли. И тоже можно отправить на проверку.

@neuro_channel

С кем знакомятся типичные программисты: 2D-тян или живая девушка?

Согласно недавним исследованиям Vantage Point Counseling Services, треть американцев хотя бы раз состояла в романтических отношениях с ИИ. Появилось даже приложение Loverse для виртуальных знакомств, где вместо реальных людей роль партнёров выполняют чат-боты с искусственным интеллектом.

Мы решили провести своё исследование и выяснить где и с кем сегодня знакомятся пользователи стран СНГ. Пожалуйста, пройдите наш небольшой опрос. Это поможет нашему исследованию.

Пройти опрос.

Советы от программиста с 20+ лет опыта в IT для начинающих

За эти годы я писал код на C, Rust, Python, TypeScript, работал в стартапах, энтерпрайзе, госах и AI‑лабораториях. И одна вещь снова и снова подтверждается: программирование — это не про код. Это про ясность мышления.

В начале карьеры мне казалось, что скилл — это «знать всё»: фреймворки, синтаксические мелочи, настройки облака и т.д. Но люди, которые реально двигали проекты вперёд, были не те, кто быстрее печатает или держит в голове больше доки. Это были те, кто умеет ясно думать о задаче.

Когда вы научитесь:
— формулировать проблему до того, как тронули клавиатуру;
— объяснить свой код вслух так, чтобы он звучал просто;
— называть вещи точно и понятно;
— не подлатать симптом, а задать вопрос «а точно ли тут правильные предположения?»

...вы начнёте писать код, который живёт дольше, лучше масштабируется и вызывает доверие у людей вокруг.

Если вы только входите в профессию, мой главный совет такой:
— не гоняйтесь за инструментами, гоняйтесь за пониманием;
— не бойтесь быть неправыми, бойтесь не вынести урок из своей ошибки;
— не копируйте паттерны «потому что так принято», разбирайтесь, зачем они вообще появились.

Всё остальное — фреймворки, языки, AI‑тулы — придёт само, если у вас есть привычка думать ясно.

Источник: пост FluxParadigm01 на Reddit.

@your_tech

Один из лучших ресурсов для начинающих: Free Programming Books — огромный GitHub‑список, где собраны тысячи книг по всем аспектам разработки, и все они легальные и бесплатные.​

Это не просто случайная подборка, а систематизированный каталог: от азов информатики и алгоритмов до специфичных тем вроде компиляторов, ИИ, безопасности и даже квантовых вычислений. Для новичков самые полезные разделы — Computer Science, Programming, Algorithms & Data Structures, IDE and editors и Version Control Systems.​

Все книги на английском. Если вы читаете по‑английски с трудом, это отличный повод начать учить язык — в программировании 90% документации, обсуждений на GitHub и ответов на Stack Overflow именно на нём. Не говоря уже том, что многие книги так и не переведены на русский, и в оригинале они гораздо свежее и точнее.​

Как пользоваться: заходите в репозиторий, ищете нужный раздел (например, Algorithms & Data Structures), открываете список и выбираете книгу по уровню. Для совсем новичков хорошо подойдут «Computer Science I & II» от Chris Bourke или «Dive Into Systems» для понимания, как работает железо. Для алгоритмов — «Algorithms» от Wikibooks или «Problem Solving with Algorithms and Data Structures using Python» (если хотите сразу с кодом).​

Книги в основном в форматах PDF, HTML или ePub, так что можно читать с телефона, планшета или компьютера. Всё легально раздаётся авторами или издательствами.

@devs_books

Если вы сейчас не в айти, но думаете о переходе в Python-разработку — вот история, которая покажет, что не всё потеряно, даже если отказы сыпятся десятками.

Суть в двух словах

Парень 4 года проработал в нейрохирургическом стартапе, выгорел и решил перейти в IT. Без менторства: 110 резюме, 500+ откликов, 1 собеседование. С ментором — быстро получил оффер. Проблема была не в скиллах, а в понимании рынка и составлении резюме. Главный вывод: самому сложно объективно оценить своё резюме и подготовку, нужен опытный взгляд со стороны.

Полная история с деталями про резюме, собеседования и алгоритм действий — в статье на Tproger.

В коде Quake III Arena (1999) есть легендарная функция с интересными комментариями — это алгоритм быстрого вычисления обратного квадратного корня, который работал примерно в 4 раза быстрее стандартного способа.​

float Q_rsqrt( float number )
{
    long i;
    float x2, y;
    const float threehalfs = 1.5F;
    
    x2 = number * 0.5F;
    y = number;
    i = * ( long * ) &y;                       
// evil floating point bit level hacking
    i = 0x5f3759df - ( i >> 1 );               
// what the fuck? 
    y = * ( float * ) &i;
    y = y * ( threehalfs - ( x2 * y * y ) );
    
    return y;
}

Фишка в том, что функция трактует биты float-числа как integer, делает побитовый сдвиг вправо (по сути делит экспоненту пополам), вычитает результат из «магического числа» 0x5f3759df, конвертирует обратно во float и делает одну итерацию метода Ньютона для уточнения. Звучит безумно, но математически работает: магическое число подобрано так, чтобы дать очень хорошее начальное приближение для обратного квадратного корня, а метод Ньютона доводит точность до нужного уровня всего за одну итерацию.​

Обратный квадратный корень нужен был для нормализации векторов при расчёте освещения в 3D-графике — таких операций выполнялось миллионы в секунду, и каждое ускорение критично. Долгое время никто не знал, кто автор алгоритма, потом выяснилось, что это Greg Walsh из конца 1980-х. Сейчас у процессоров есть специальные инструкции для таких вычислений, но этот хак остаётся одним из самых элегантных примеров низкоуровневой оптимизации в истории.

Подробнее в википедии.

@devs_books

Edabit — это «Duolingo для программирования»: короткие интерактивные задачи прямо в браузере, за которые ты получаешь XP, уровни и ачивки. Есть отдельные подборки под Python, JavaScript, Java, C#, C++, PHP, Ruby и Swift, плюс интерфейс на нескольких языках.​ В том числе русский, но сам текст задач не переводится.

Формат простой: выбираешь язык, решаешь маленькие задачи от «совсем легко» до посложнее, запускаешь код в онлайн‑редакторе и сразу видишь, прошли ли тесты. Это удобно, если ты только начинаешь и хочешь набить руку на синтаксисе и базовой логике, не ставя IDE и не собирая окружение.​

Общий список задач:
https://edabit.com/challenges

Интерактивные учебники для начинающих по JS и Python:
https://edabit.com/tutorials

Сайт не обновлялся с 2021 года, так что фишек новых версий языков там нет, но для старта это и не нужно, понять основы и концепты очень даже удобная штука.

@devs_books

Девушек, конечно, привлекают инфраструктурные проблемы, но лучше для начала надеть штаны

Статья для тех, кто хочет понять, как современный ML двигает онлайн‑рекламу в больших продуктах вроде VK, без формул и академичности: https://tprg.ru/Nf8A

Разбирают, как пользователей и контент превращают в векторы, как поверх потоковых данных строят профили и как единая платформа Discovery кормит моделями рекомендации, рекламу и антифрод. Полезно почитать, чтобы увидеть, как «ML в проде» выглядит не на учебном датасете, а в реальной системе с миллионами событий в секунду.

@devs_books