Бертран Мейер предлагает теорему о кратчайшем графике, которая уже 15 лет подтверждается эмпирически, но есть нюансы (это всё про "Мифический человеко-месяц" Брукса, но действительно ли 9 женщин не родят ребёнка за один месяц? или хотя бы за полгода?):
https://cacm.acm.org/magazines/2020/1/241718-in-search-of-the-shortest-possible-schedule/fulltext
Чем позже добавляются люди в проект, тем меньше эффект от них, и вот тут найдено некое фундаментальное ограничение, которое на практике пока не нарушалось: есть "nominal project" (когда мы выполнили временно-стоимостную оценку и нашли оптимальную точку по ресурсам), и с одной стороны, действительно, в такой ситуации вкладывая деньги в проект (в частности, нанимая людей), мы сокращаем сроки. Однако есть и эмпирическое ограничение, которое подтверждается во множестве крупных проектов: сколько бы дополнительных средств мы не вкладывали в проект, мы не сократим время его реализации более чем на 25% от оптимального.
С другой стороны, сокращение сроков на четверть это очень даже круто, и компаниям желательно накапливать свою внутреннюю статистику, чтобы понимать темпы, которыми такое сокращение на четверть достигается.
Можно к этому подойти и с другой стороны: у нас есть небольшой бюджет, но мы никуда не спешим, и надо понять, насколько меньше нам понадобится разработчиков, чтобы уложиться в неторопливые сроки. Тут правда возникают уже экзистенциальные риски :) чем дольше тянется проект, тем выше шансы, что он закроется из-за внешних форс-мажоров (например, сеньор уйдёт к конкурентам).
Сермяга в том, что если подойти к организации проекта по научному, то, приложив все усилия, можно весьма существенно сократить сроки его сдачи.
Дико уважаю Мейера, на его книгах во многом мои курсы по ООАП основаны.
https://cacm.acm.org/magazines/2020/1/241718-in-search-of-the-shortest-possible-schedule/fulltext
Чем позже добавляются люди в проект, тем меньше эффект от них, и вот тут найдено некое фундаментальное ограничение, которое на практике пока не нарушалось: есть "nominal project" (когда мы выполнили временно-стоимостную оценку и нашли оптимальную точку по ресурсам), и с одной стороны, действительно, в такой ситуации вкладывая деньги в проект (в частности, нанимая людей), мы сокращаем сроки. Однако есть и эмпирическое ограничение, которое подтверждается во множестве крупных проектов: сколько бы дополнительных средств мы не вкладывали в проект, мы не сократим время его реализации более чем на 25% от оптимального.
С другой стороны, сокращение сроков на четверть это очень даже круто, и компаниям желательно накапливать свою внутреннюю статистику, чтобы понимать темпы, которыми такое сокращение на четверть достигается.
Можно к этому подойти и с другой стороны: у нас есть небольшой бюджет, но мы никуда не спешим, и надо понять, насколько меньше нам понадобится разработчиков, чтобы уложиться в неторопливые сроки. Тут правда возникают уже экзистенциальные риски :) чем дольше тянется проект, тем выше шансы, что он закроется из-за внешних форс-мажоров (например, сеньор уйдёт к конкурентам).
Сермяга в том, что если подойти к организации проекта по научному, то, приложив все усилия, можно весьма существенно сократить сроки его сдачи.
Дико уважаю Мейера, на его книгах во многом мои курсы по ООАП основаны.
cacm.acm.org
In Search of the Shortest Possible Schedule
Bertrand Meyer considers how to speed up software engineering.
Меня спрашивают периодически, стоит ли в достаточно большом проекте ориентироваться на один стек, или лучше несколько стеков? Как лучше распределять ответственность разработчиков? Я всегда привожу в пример Гугл и Фейсбук.
В Google множество разных стеков, и на каждом из них как правило пилится своя инфраструктура, свой фреймворк, а в Facebook 95% решений основываются на одном и том же стеке и одном наборе инструментов. Из этого следует и ответственность за код: в Фейсбуке лозунг "Nothing at Facebook is someone else’s problem", команды легко перебрасываются с проекта на проект. В Гугле наоборот допуск к конкретному коду просто так не получить, вплоть до того, что программисты получают файлы кода "в собственность".
Причина такой разницы в том, что Google традиционно ориентируется на создание технологий, а Facebook -- на разработку продуктов, где технологии это просто инструмент для них.
Поэтому, если вы занимаетесь созданием технологий, лучше специализируйтесь, добавляйте побольше приватности в проект. Технология -- вещь довольно абстрактная, гораздо важнее специалисты, которые очень хорошо разбираются в узких темах.
А если пилится продукт -- то это обычное производство, где чем универсальнее программисты и чем проще инструменты, тем лучше.
В Google множество разных стеков, и на каждом из них как правило пилится своя инфраструктура, свой фреймворк, а в Facebook 95% решений основываются на одном и том же стеке и одном наборе инструментов. Из этого следует и ответственность за код: в Фейсбуке лозунг "Nothing at Facebook is someone else’s problem", команды легко перебрасываются с проекта на проект. В Гугле наоборот допуск к конкретному коду просто так не получить, вплоть до того, что программисты получают файлы кода "в собственность".
Причина такой разницы в том, что Google традиционно ориентируется на создание технологий, а Facebook -- на разработку продуктов, где технологии это просто инструмент для них.
Поэтому, если вы занимаетесь созданием технологий, лучше специализируйтесь, добавляйте побольше приватности в проект. Технология -- вещь довольно абстрактная, гораздо важнее специалисты, которые очень хорошо разбираются в узких темах.
А если пилится продукт -- то это обычное производство, где чем универсальнее программисты и чем проще инструменты, тем лучше.
Немного в дополнение вчерашнего про выбор между Гуглом и Фейсбуком.
2,8 миллиарда пользователей Facebook, 11 ЦОДов в США, 3 в Европе, 1 в Азии, и в них при аналогичной вычислительной нагрузке, как в том же Google, используется на 38% меньше электричества и на 80% меньше воды для охлаждения, нежели в среднем по миру, потому что очень круто оптимизирован весь их единый стек.
2,8 миллиарда пользователей Facebook, 11 ЦОДов в США, 3 в Европе, 1 в Азии, и в них при аналогичной вычислительной нагрузке, как в том же Google, используется на 38% меньше электричества и на 80% меньше воды для охлаждения, нежели в среднем по миру, потому что очень круто оптимизирован весь их единый стек.
Отличный наглядный гайд по введению в основные темы искусственного интеллекта от Оксфорда:
https://atozofai.withgoogle.com/
В прошлом году Google выпустила умный спелл-чекер для бизнес-пользователей G Suite Gmail, чтобы избегать таких ошибок, когда босс требует срочного отчёта, лупишь по клавишам, пишешь "мы с Саньком его почти оформили", а отправляется "мы с маньяком его почти оформили". И вот Microsoft выкатила Microsoft Editor: "an AI-powered service that enables you to write with confidence in 20+ languages"
https://techcommunity.microsoft.com/t5/microsoft-365-blog/introducing-microsoft-editor-bring-out-your-best-writer-wherever/
Скоро, скоро уже это всё доберётся и до программистов :)
https://atozofai.withgoogle.com/
В прошлом году Google выпустила умный спелл-чекер для бизнес-пользователей G Suite Gmail, чтобы избегать таких ошибок, когда босс требует срочного отчёта, лупишь по клавишам, пишешь "мы с Саньком его почти оформили", а отправляется "мы с маньяком его почти оформили". И вот Microsoft выкатила Microsoft Editor: "an AI-powered service that enables you to write with confidence in 20+ languages"
https://techcommunity.microsoft.com/t5/microsoft-365-blog/introducing-microsoft-editor-bring-out-your-best-writer-wherever/
Скоро, скоро уже это всё доберётся и до программистов :)
Прочитал с десяток статей в американских изданиях, посвящённых трендам по ИТ-работе, свежачок март-апрель — пока вообще нигде ничего нету про кризис и эпидемию в отношении программистов. Так что, не парьтесь 😉
Вот например 24 марта
https://devops.com/what-the-best-developers-do-to-be-great-at-their-jobs/
Спрос на программистов к 2028-му вырастет на 21%, но при этом их средний уровень будет падать. К 2023-му количество программистов в мире разрастётся до 27,7 миллионов человек, и конкуренция будет расти как за хорошие вакансии, так и за хороших специалистов.
3 апреля
https://www.informationweek.com/strategic-cio/team-building-and-staffing/it-recruitment-time-to-take-a-non-traditional-path/a/d-id/1337263
В США полмиллиона вакансий, причём 60% компаний не могут их закрыть 12 месяцев и более. При том, что иммиграция сократилась на 70% в 2019-м, приходится массово переучивать на программистов многих людей среднего возраста, и активнее привлекать домохозяек и мамочек.
Очень интересный тренд-- активное применение AI/ML к поиску подходящих специалистов.
https://www.zdnet.com/article/how-artificial-intelligence-and-machine-learning-are-used-in-hiring-and-recruiting/
Mark Brandau, principal analyst on Forrester's CIO team, заявил, что в этом направлении идут все компании, и за этим однозначно будущее.
Hilton, Humana, AT&T, Procter & Gamble, CapitalOne не только напускают роботов на сайты с вакансиями, но и используют их для организации интервью, проведения (пока) первичного тестирования и т. д.
Потенциально перспективные направления, где можно запилить хороший стартап, это
выявление с помощью AI реально талантливых специалистов, оперативное общение ботов с кандидатами и грамотная их фильтрация.
Что лучше -- набрать на интервью несколько слабых кандидатов, или отсеять одного сильного? Конечно главное не упустить хорошего спеца, который не будет ждать, когда ему перезвонят через две недели.
Вот например 24 марта
https://devops.com/what-the-best-developers-do-to-be-great-at-their-jobs/
Спрос на программистов к 2028-му вырастет на 21%, но при этом их средний уровень будет падать. К 2023-му количество программистов в мире разрастётся до 27,7 миллионов человек, и конкуренция будет расти как за хорошие вакансии, так и за хороших специалистов.
3 апреля
https://www.informationweek.com/strategic-cio/team-building-and-staffing/it-recruitment-time-to-take-a-non-traditional-path/a/d-id/1337263
В США полмиллиона вакансий, причём 60% компаний не могут их закрыть 12 месяцев и более. При том, что иммиграция сократилась на 70% в 2019-м, приходится массово переучивать на программистов многих людей среднего возраста, и активнее привлекать домохозяек и мамочек.
Очень интересный тренд-- активное применение AI/ML к поиску подходящих специалистов.
https://www.zdnet.com/article/how-artificial-intelligence-and-machine-learning-are-used-in-hiring-and-recruiting/
Mark Brandau, principal analyst on Forrester's CIO team, заявил, что в этом направлении идут все компании, и за этим однозначно будущее.
Hilton, Humana, AT&T, Procter & Gamble, CapitalOne не только напускают роботов на сайты с вакансиями, но и используют их для организации интервью, проведения (пока) первичного тестирования и т. д.
Потенциально перспективные направления, где можно запилить хороший стартап, это
выявление с помощью AI реально талантливых специалистов, оперативное общение ботов с кандидатами и грамотная их фильтрация.
Что лучше -- набрать на интервью несколько слабых кандидатов, или отсеять одного сильного? Конечно главное не упустить хорошего спеца, который не будет ждать, когда ему перезвонят через две недели.
Ровно за это как стратегический подход я всё время топлю:
https://github.com/fabianfett/pure-swift-json
Fabian переписал json encoder/decoder просто на чистый Swift, без использования сторонних библиотек и без фреймворка Foundation, и получил выигрыш в быстродействии на macOS 1.5-2 раза, а на линухе 8-10 раз(!). Понятно, что универсальные фреймворки существенно ускоряют процесс разработки в целом, однако в каждом конкретном проекте таятся огромные ресурсы в плане оптимизации (которую, главное, не надо делать преждевременной :), ну и в идеале под свой проект (категорию схожих проектов) лучше пилить оригинальный, шустрый, лёгкий, максимально нативный фреймворк/движок (и в идеале, на базе хорошей формальной математической модели). Таким образом из инструмента, первоначально задумывавшегося под узкий спектр задач, можно вырастить отличный продукт для правильных пацанов, который по скорострельности будет в десятки/сотни раз бить универсальные технологии.
Кстати, Fabian молодец, вовремя подсуетился -- пилит мобильное приложение для немецких аптек. Обратите внимание на его социальные скиллы:
Are you currently in Berlin? Let's grab a coffee. I'm always eager to learn about new ideas and I'm willing to help great products succeed.
https://github.com/fabianfett/pure-swift-json
Fabian переписал json encoder/decoder просто на чистый Swift, без использования сторонних библиотек и без фреймворка Foundation, и получил выигрыш в быстродействии на macOS 1.5-2 раза, а на линухе 8-10 раз(!). Понятно, что универсальные фреймворки существенно ускоряют процесс разработки в целом, однако в каждом конкретном проекте таятся огромные ресурсы в плане оптимизации (которую, главное, не надо делать преждевременной :), ну и в идеале под свой проект (категорию схожих проектов) лучше пилить оригинальный, шустрый, лёгкий, максимально нативный фреймворк/движок (и в идеале, на базе хорошей формальной математической модели). Таким образом из инструмента, первоначально задумывавшегося под узкий спектр задач, можно вырастить отличный продукт для правильных пацанов, который по скорострельности будет в десятки/сотни раз бить универсальные технологии.
Кстати, Fabian молодец, вовремя подсуетился -- пилит мобильное приложение для немецких аптек. Обратите внимание на его социальные скиллы:
Are you currently in Berlin? Let's grab a coffee. I'm always eager to learn about new ideas and I'm willing to help great products succeed.
GitHub
GitHub - swift-extras/swift-extras-json: JSON encoding and decoding without the use of Foundation in pure Swift.
JSON encoding and decoding without the use of Foundation in pure Swift. - swift-extras/swift-extras-json
Выбор в проекте между реляционными СУБД и NoSQL, это вообще-то "выбор" между ортогональными понятиями.
В РСУБД (точнее, в реляционной модели) отношения всегда нормализованы и находятся в первой нормальной форме, и именно к ним мы применяем операторы реляционной алгебры. Вообще, строго говоря, реляционная модель декларативна, то есть вопросы реализации (как конкретно мы получаем результат), в ней не рассматриваются в принципе.
NoSQL -- это прежде всего простые запросы в конкретном движке, часто без какой-либо сильной теории в своей основе, их производительность довольно хорошо предсказуема, и работают они шустро как раз потому что данные денормализованы (это конечно тоже надо уметь делать правильно). Поэтому в случае NoSQL надо смотреть не на универсальную мощность API, а на операционные характеристики под конкретную задачку, и тут удобно получается оценивать буквально нативно, по чистому критерию процессорной нагрузки, облачные системы наподобие DynamoDB.
В РСУБД (точнее, в реляционной модели) отношения всегда нормализованы и находятся в первой нормальной форме, и именно к ним мы применяем операторы реляционной алгебры. Вообще, строго говоря, реляционная модель декларативна, то есть вопросы реализации (как конкретно мы получаем результат), в ней не рассматриваются в принципе.
NoSQL -- это прежде всего простые запросы в конкретном движке, часто без какой-либо сильной теории в своей основе, их производительность довольно хорошо предсказуема, и работают они шустро как раз потому что данные денормализованы (это конечно тоже надо уметь делать правильно). Поэтому в случае NoSQL надо смотреть не на универсальную мощность API, а на операционные характеристики под конкретную задачку, и тут удобно получается оценивать буквально нативно, по чистому критерию процессорной нагрузки, облачные системы наподобие DynamoDB.
Когда ты Мастер, и отлично разбираешься в теории того, чем занимаешься, то уже что ни делай, всегда будет шедевр.
Andrej Karpathy
ok I'm pretty sure I wrote the tiniest autograd engine with a neural net library on top of it, weighing about ~50 LOC for the engine, ~50 LOC for the neural net library, and it's super cute and totally works. MicroGrad
Поизучайте ноутбук, это восхитительно :)
https://github.com/karpathy/randomfun/blob/master/MicroGrad.ipynb
Andrej Karpathy
ok I'm pretty sure I wrote the tiniest autograd engine with a neural net library on top of it, weighing about ~50 LOC for the engine, ~50 LOC for the neural net library, and it's super cute and totally works. MicroGrad
Поизучайте ноутбук, это восхитительно :)
https://github.com/karpathy/randomfun/blob/master/MicroGrad.ipynb
GitHub
randomfun/MicroGrad.ipynb at master · karpathy/randomfun
Notebooks and various random fun. Contribute to karpathy/randomfun development by creating an account on GitHub.
Парадоксальный момент в проектах машинного обучения такой, что тут много математиков, которые слегка изучили Python и умеют делать скрипты на 200 строк, формирующие хорошие модельки, однако общее понимание проектирования сложных систем у них находится на уровне pip install, и система рушится уже на двадцати одновременных пользователях.
Проектировать нагрузочную инфраструктуру ML надо прежде всего на базе хороших инженерных навыков из классического бэкенда.
Причём наиболее критичным становится concurrency. Я никогда не думал, что смогу такое посоветовать, однако всё же порекомендую для таких проектов ни в коем случае не Python, а Go :) Элегантные goroutines и вот это всё. Потому что для них есть вот такая классная open source platform for deploying machine learning models as production web services
https://cortex.dev
Проектировать нагрузочную инфраструктуру ML надо прежде всего на базе хороших инженерных навыков из классического бэкенда.
Причём наиболее критичным становится concurrency. Я никогда не думал, что смогу такое посоветовать, однако всё же порекомендую для таких проектов ни в коем случае не Python, а Go :) Элегантные goroutines и вот это всё. Потому что для них есть вот такая классная open source platform for deploying machine learning models as production web services
https://cortex.dev
Начался новый набор в ШАД Яндекса, все туда! 👍👍👍
http://yandexdataschool.ru
Школа анализа данных — это бесплатная двухгодичная программа для тех, кто хочет стать продвинутым датасаентистом или архитектором систем хранения и обработки больших данных, для тех, кто хочет заниматься исследованиями в этих областях или работать в IT-индустрии
http://yandexdataschool.ru
Школа анализа данных — это бесплатная двухгодичная программа для тех, кто хочет стать продвинутым датасаентистом или архитектором систем хранения и обработки больших данных, для тех, кто хочет заниматься исследованиями в этих областях или работать в IT-индустрии
Между тем Google приостановил набор новых сотрудников, но есть нюанс.
https://tjournal.ru/news/159680-google-priostanovila-priem-sotrudnikov
"Пресс-служба Google сообщила о продолжении приема на работу лишь сотрудников для небольшого числа стратегических областей"
Угадайте, что же это за "небольшое число стратегических областей"? Подсказка, одна из областей начинается на П и кончается на Е.
https://tjournal.ru/news/159680-google-priostanovila-priem-sotrudnikov
"Пресс-служба Google сообщила о продолжении приема на работу лишь сотрудников для небольшого числа стратегических областей"
Угадайте, что же это за "небольшое число стратегических областей"? Подсказка, одна из областей начинается на П и кончается на Е.
Неожиданный момент, что сегодня уже многие вычислительные научные проекты утыкаются отнюдь не в чистую производительность FLOPS, а в ввод-вывод IOPS, что вообще уже стало типичным bottleneck.
Например, анализ мозга котиков двухфотонным лазерным микроскопом даёт ежечасно 100 гигов, а электрокортограмма -- почти 300 гигов сырых данных. Моделирование плазмы -- 50 терабайтов в одном фрейме, которые надо впихнуть в многомерный массив.
Возможное решение например https://daos-stack.github.io/ от Intel. Контейнеры со своим объектным адресным пространством и разными формами хранения и доступа к данным (файловая система, хранилище ключ-значение, таблица БД, массив, граф), и метаинформацией по схеме доступа, политике репликации и т. д., которые можно оптимально комбинировать под конкретную задачку.
Например, анализ мозга котиков двухфотонным лазерным микроскопом даёт ежечасно 100 гигов, а электрокортограмма -- почти 300 гигов сырых данных. Моделирование плазмы -- 50 терабайтов в одном фрейме, которые надо впихнуть в многомерный массив.
Возможное решение например https://daos-stack.github.io/ от Intel. Контейнеры со своим объектным адресным пространством и разными формами хранения и доступа к данным (файловая система, хранилище ключ-значение, таблица БД, массив, граф), и метаинформацией по схеме доступа, политике репликации и т. д., которые можно оптимально комбинировать под конкретную задачку.
500 бесплатных курсов по computer science от топовых университетов мира, с рейтингами, сгруппированные по темам
https://www.freecodecamp.org/news/free-courses-top-cs-universities/
По алгоритмам Стэнфорд и Принстон конкурируют, интересно, учтём :)
Из тамошних отзывов:
This course helped me get a job. Before doing this course, I had trouble clearing technical interviews. Infact, I couldn't even clear the phone interviews. "Algorithms: Design and Analysis, Part 1" (Stanford University) was instrumental in clearing my first technical interview and helped me get a job as a Software Engineer in Silicon Valley.
В мае начну по ним уточнять курсы. На первый взгляд, 70% темок у меня охвачено уже (спасибо ШАД Яндекса), но самое вкусное, конечно, в деталях.
https://www.freecodecamp.org/news/free-courses-top-cs-universities/
По алгоритмам Стэнфорд и Принстон конкурируют, интересно, учтём :)
Из тамошних отзывов:
This course helped me get a job. Before doing this course, I had trouble clearing technical interviews. Infact, I couldn't even clear the phone interviews. "Algorithms: Design and Analysis, Part 1" (Stanford University) was instrumental in clearing my first technical interview and helped me get a job as a Software Engineer in Silicon Valley.
В мае начну по ним уточнять курсы. На первый взгляд, 70% темок у меня охвачено уже (спасибо ШАД Яндекса), но самое вкусное, конечно, в деталях.
freeCodeCamp.org
1200 Free Computer Science Courses from the World’s Top Universities
In this article, we’ve compiled 1200+ online courses offered by the 60 best universities in the world for studying computer science in 2024. We first built the list in 2020 using a data-driven approach that we have used each year, including 2024. You...
В наше время мало быть хорошим учёным, полезно ещё быть и хорошим предпринимателем. Andrew Ng (топ-гуру машинного обучения) запилил в своём стартапе с незамысловатым названием Landing AI мониторинг социальной дистанции. Детали:
https://landing.ai/landing-ai-creates-an-ai-tool-to-help-customers-monitor-social-distancing-in-the-workplace/
Ну вообще, на мой скромный взгляд, это уровень умного студента :)
Понятно, что для продакшена нужно повозиться с настройками, с бэком, но в плане наукоёмкости... Amazon недавно что-то подобное запускал, а вот в прошлом году на схожую тему обсуждение идеологически похожих систем:
https://www.axios.com/ai-employee-surveillance-automating-humans-092f8c36-24bc-4efd-8d38-78f1c8a61e1f.html
Тогда ещё что-то говорили о приватности, ха-ха
По-моему, Ng просто хайпанул, и весьма удачно, многие именно о его стартапе написали. В его демке кстати виден логический баг, хорошо известный разработчикам игр, когда надо подсвечивать сближающиеся юниты: у Ng, едва два человечка сблизились менее чем на заданное расстояние, сразу подсветились красным, а как только разошлись, зелёным. И когда два юнита движутся примерно рядом, то начинают все время перемаргивать. Решается это временной задержкой смены цвета.
https://landing.ai/landing-ai-creates-an-ai-tool-to-help-customers-monitor-social-distancing-in-the-workplace/
Ну вообще, на мой скромный взгляд, это уровень умного студента :)
Понятно, что для продакшена нужно повозиться с настройками, с бэком, но в плане наукоёмкости... Amazon недавно что-то подобное запускал, а вот в прошлом году на схожую тему обсуждение идеологически похожих систем:
https://www.axios.com/ai-employee-surveillance-automating-humans-092f8c36-24bc-4efd-8d38-78f1c8a61e1f.html
Тогда ещё что-то говорили о приватности, ха-ха
По-моему, Ng просто хайпанул, и весьма удачно, многие именно о его стартапе написали. В его демке кстати виден логический баг, хорошо известный разработчикам игр, когда надо подсвечивать сближающиеся юниты: у Ng, едва два человечка сблизились менее чем на заданное расстояние, сразу подсветились красным, а как только разошлись, зелёным. И когда два юнита движутся примерно рядом, то начинают все время перемаргивать. Решается это временной задержкой смены цвета.
Рейтинг школ 2020, работающих с одарёнными детьми.
https://raex-a.ru/rankings/school_2020
На первом месте СУНЦ МГУ (Школа им.А.Н.Колмогорова)
Но вообще, их задачки 10-го класса по информатике совсем не что-то уж космическое. Ну, судя по примерам, что выложены на сайте СУНЦ МГУ.
Найти все маршруты короля на шахматной доске из одного угла в другой, просканировать двумерный массив без вложенного цикла, закодить Сапёр... На первом курсе любого хорошего нашего университета ребята уже куда сложнее программы пишут.
P.S. Третий Челябинск! Дико уважаю.
https://raex-a.ru/rankings/school_2020
На первом месте СУНЦ МГУ (Школа им.А.Н.Колмогорова)
Но вообще, их задачки 10-го класса по информатике совсем не что-то уж космическое. Ну, судя по примерам, что выложены на сайте СУНЦ МГУ.
Найти все маршруты короля на шахматной доске из одного угла в другой, просканировать двумерный массив без вложенного цикла, закодить Сапёр... На первом курсе любого хорошего нашего университета ребята уже куда сложнее программы пишут.
P.S. Третий Челябинск! Дико уважаю.
Из наших инсайдерских источников 😃
"Мы (AliExpress Россия) несмотря на происходящую ситуацию в этом году хотим нанять где-то 200-250 программистов.В Alibaba в основном используется Java стек везде кроме поиска, там C++ стек. Нам в принципе ок если вы не знаете Java, но готовы быстро изучить его или Kotlin.Работать придется много, сломанные процессы чинить на ходу, т.е. те, кому нужна спокойная работа по устоявшимся процессам, скоре пока не к нам, приходите года через два.
Мы понимаем, что такие люди дороги, и считаем что сейчас для нас на этом этапе осмысленно чуть-чуть переплатить."
Конкретные вакансии и контакты легко находятся на hh.ru
Проекты у них кстати во многом на машинное обучение завязаны.
"Мы (AliExpress Россия) несмотря на происходящую ситуацию в этом году хотим нанять где-то 200-250 программистов.В Alibaba в основном используется Java стек везде кроме поиска, там C++ стек. Нам в принципе ок если вы не знаете Java, но готовы быстро изучить его или Kotlin.Работать придется много, сломанные процессы чинить на ходу, т.е. те, кому нужна спокойная работа по устоявшимся процессам, скоре пока не к нам, приходите года через два.
Мы понимаем, что такие люди дороги, и считаем что сейчас для нас на этом этапе осмысленно чуть-чуть переплатить."
Конкретные вакансии и контакты легко находятся на hh.ru
Проекты у них кстати во многом на машинное обучение завязаны.
Российские школьницы выиграли три золотых и одну серебряную медали на IX Европейской математической олимпиаде для девочек. В этом году олимпиада проходила онлайн. Всего в соревновании участвовали девушки из 53 стран мира.
Золотые медали получили Розалина Миргалимова (Казань), Елизавета Неустроева (Москва) и Таисия Коротченко (Санкт-Петербург). Серебро выиграла Ралина Юсупова из Казани. Подготовкой девушек занимались Алина Сафиуллина, Ольга Нечаева и Кирилл Сухов. Благодаря успеху российских школьниц сборная выиграла и неофициальный командный зачёт, обогнав Сербию и Румынию.
Задачки:
https://www.egmo.org/egmos/egmo9/paper-day1-Russian.pdf
https://www.egmo.org/egmos/egmo9/paper-day2-Russian.pdf
Золотые медали получили Розалина Миргалимова (Казань), Елизавета Неустроева (Москва) и Таисия Коротченко (Санкт-Петербург). Серебро выиграла Ралина Юсупова из Казани. Подготовкой девушек занимались Алина Сафиуллина, Ольга Нечаева и Кирилл Сухов. Благодаря успеху российских школьниц сборная выиграла и неофициальный командный зачёт, обогнав Сербию и Румынию.
Задачки:
https://www.egmo.org/egmos/egmo9/paper-day1-Russian.pdf
https://www.egmo.org/egmos/egmo9/paper-day2-Russian.pdf
Про спортивных программистов.
https://meduza.io/slides/programmirovanie-eto-sport-ne-verite-seychas-dokazhem
На одного спортивного программиста приходится почти 70 "промышленных". На этих редких профессионалов большой спрос, и их труд оплачивается выше. Среди спортивных программистов есть свои звезды. Главные технические разработчики ВКонтакте и Telegram — Николай Дуров и Андрей Лопатин — дважды чемпионы мира по спортивному программированию. Другой призер ICPC — интернет-предприниматель Тони Шей. Спустя всего три года после победы в чемпионате он заработал 265 млн долларов (его баннерообменную сеть LinkExchange купила Microsoft), а затем создал онлайн-магазин одежды Zappos.com (в 2009 году Amazon заплатила за нее 1,2 млрд долларов). Также среди победителей чемпионата — сооснователь Facebook Адам Ди Анджело, бывший директор по технологиям
Google Крейг Силверстайн и один из нынешних ведущих инженеров компании Петр Митричев. Победители ICPC делают карьеру не только за границей, но и в России: например, Федор Царев руководит питерским офисом хедж-фонда Игоря Тульчинского WorldQuant (фирма управляет инвестициями на 5 млрд долларов).
https://meduza.io/slides/programmirovanie-eto-sport-ne-verite-seychas-dokazhem
На одного спортивного программиста приходится почти 70 "промышленных". На этих редких профессионалов большой спрос, и их труд оплачивается выше. Среди спортивных программистов есть свои звезды. Главные технические разработчики ВКонтакте и Telegram — Николай Дуров и Андрей Лопатин — дважды чемпионы мира по спортивному программированию. Другой призер ICPC — интернет-предприниматель Тони Шей. Спустя всего три года после победы в чемпионате он заработал 265 млн долларов (его баннерообменную сеть LinkExchange купила Microsoft), а затем создал онлайн-магазин одежды Zappos.com (в 2009 году Amazon заплатила за нее 1,2 млрд долларов). Также среди победителей чемпионата — сооснователь Facebook Адам Ди Анджело, бывший директор по технологиям
Google Крейг Силверстайн и один из нынешних ведущих инженеров компании Петр Митричев. Победители ICPC делают карьеру не только за границей, но и в России: например, Федор Царев руководит питерским офисом хедж-фонда Игоря Тульчинского WorldQuant (фирма управляет инвестициями на 5 млрд долларов).
Meduza
Программирование — это спорт Не верите? Сейчас докажем — Meduza
При слове «программист» обычно в голове возникает образ сотрудника какой-нибудь технологической корпорации, который целыми днями пишет длинный код для сложной программы. Многие программисты действительно этим и занимаются. Но есть и другие — спортивные программисты.…
Вышел PyTorch 1.5
https://github.com/pytorch/pytorch/releases
В доках программисты понаписали про several major new API additions, стыковку с C++ и т. д. Но в целом это уже "взрослый" апдейт, который нацелен прежде всего на стабильный продакшен корпоративного уровня, над ним ударно поработали инженеры из Amazon и Facebook: добавлена поддержка TorchServe (удобная работа с модельками, экспортированными из питорча) и TorchElastic Kubernetes (понятно из названия, о чём это, распределённое обучение).
А конкуренты из Гугла тем временем выпустили профайлер для TensorFlow, а главное, обновлён рантайм TensorFlow RunTime (точнее, текущий полностью заменён на TFRT), и теперь модельки TF могут эффективно работать на ещё большем числе устройств, в самых разных процессорных архитектурах.
https://blog.tensorflow.org/2020/04/tfrt-new-tensorflow-runtime.html
Для этого был даже разработан компилятор MLIR, который, утверждается, "Syntactically similar to LLVM", ну и судя по тому, где он хостится, это действительно так :-)
https://mlir.llvm.org/
https://github.com/pytorch/pytorch/releases
В доках программисты понаписали про several major new API additions, стыковку с C++ и т. д. Но в целом это уже "взрослый" апдейт, который нацелен прежде всего на стабильный продакшен корпоративного уровня, над ним ударно поработали инженеры из Amazon и Facebook: добавлена поддержка TorchServe (удобная работа с модельками, экспортированными из питорча) и TorchElastic Kubernetes (понятно из названия, о чём это, распределённое обучение).
А конкуренты из Гугла тем временем выпустили профайлер для TensorFlow, а главное, обновлён рантайм TensorFlow RunTime (точнее, текущий полностью заменён на TFRT), и теперь модельки TF могут эффективно работать на ещё большем числе устройств, в самых разных процессорных архитектурах.
https://blog.tensorflow.org/2020/04/tfrt-new-tensorflow-runtime.html
Для этого был даже разработан компилятор MLIR, который, утверждается, "Syntactically similar to LLVM", ну и судя по тому, где он хостится, это действительно так :-)
https://mlir.llvm.org/
Агентство национальной безопасности США под давлением общественности открыло в public domain свой курс по Python, который, по неофициальной информации, делал сам автор питона Guido van Rossum.
https://nsa.sfo2.digitaloceanspaces.com/comp3321.pdf
Тут ценен не столько сам контент, он везде одинаков, сколько структура курса, последовательность и форма подачи, формат обучения, рекомендации инструктору, какие примерчики задачки, какие базовые технологии/пакеты (Pandas, Tkinter, JSON/XML ...), вот это всё.
Внимательно изучаю и полезные фишки добавляю в мои курсы, не только по питону.
Интересно например, что обучение ООП в АНБ сразу начинается с практического анализа понятия класса как типа, ещё даже до описания простейшего класса с минимальной структурой.
https://nsa.sfo2.digitaloceanspaces.com/comp3321.pdf
Тут ценен не столько сам контент, он везде одинаков, сколько структура курса, последовательность и форма подачи, формат обучения, рекомендации инструктору, какие примерчики задачки, какие базовые технологии/пакеты (Pandas, Tkinter, JSON/XML ...), вот это всё.
Внимательно изучаю и полезные фишки добавляю в мои курсы, не только по питону.
Интересно например, что обучение ООП в АНБ сразу начинается с практического анализа понятия класса как типа, ещё даже до описания простейшего класса с минимальной структурой.