== Ненастоящие сеньор-девелоперы, или почему годы опыта ни о чем не говорят
https://habr.com/ru/company/alconost/blog/262831/

Если у вас нет ни одного старшего разработчика на руководящих позициях, то проект обречен. Команда отличных «середнячков» может завести вас довольно далеко, но дни продукта все равно сочтены. И в финале вас ждет либо сворачивание лавочки, либо рискованные и дорогостоящие переделки. Единственный, кто способен выбрать правильную технологию и платформу – это старший разработчик. Поэтому его отсутствие в проекте с первых дней серьезно вам повредит.

еще одно небольшое напоминание почему CS важно

== Причина увольнений из Twitter Причина увольнений из Facebook Продолжение
https://youtu.be/OiPkuFs5Ll0

иииии
таки купил курс
https://robotdreams.cc/course/data-engineering

Вастрик, ChatGPT3 и киберпанк
https://twitter.com/vas3k/status/1600138780198903808?s=12&t=Ns_ng46IRgQmGfcdPwqv8g

🎛 Nvtop - ещё одна *top утилита, но на этот раз для GPU.

https://github.com/Syllo/nvtop

#top #nvtop #будничное

задачка сгенерировать питон файлы с кодом питоном оказалась совсем не простой. прям совсем. оочень мало тулов для этого нашел. какбудто это никому никогда не надо было

вот это хорошая статья оказалась:
== Abstract Syntax Trees in Python
https://pybit.es/articles/ast-intro/

== Learn Python ASTs by building your own linter
https://deepsource.io/blog/python-asts-by-building-your-own-linter/

так же по сабжу
== Intro to Python ast Module
https://medium.com/@wshanshan/intro-to-python-ast-module-bbd22cd505f7

годнота по мягким скилам, жаль что мало

== Деловая переписка
https://www.youtube.com/playlist?list=PLFc6c8XU7GL3YfVXSA9ync3cEsISx54J0

== Писать хорошо
https://youtube.com/playlist?list=PLFc6c8XU7GL2KTRGLAWs4NjqxFNdztcMX

все просто. если планируется быстрый рост разрабов - то раст не для стартапа совсем. для стартапа лучше всех это питон) найти разарбов получается быстрей всех

== Rust в стартапе: поучительная история
https://habr.com/ru/post/704362/

Гугл приготовил не очень приятный сюрприз для всяких быстро обученных аналитиков, которых выпускают курсы и буткемпы. Основное умение такого аналитика, как правило, состоит в том, что он(а) может покрутить данные в разных опенсорсных моделях и выявить, например, аномалии или сформулировать простейшие предсказания. Без минимальных навыков программирования это невозможно, и именно эти навыки и продаются.
Но вот Гугл начал интегрировать возможности своего TensorFlow прямо в Sheets, называется это очень адекватно SimpleML. Теперь имея таблицу данных, можно безо всякого программирования напустить на данные машинное обучение, и простейшие его результаты получить не покидая Sheets.
Everything runs completely on the user browser. Your data doesn’t leave Google Sheets and models are saved to your Google Drive so you can use them again later.
И, похоже, это только начало: наверняка и более сложные сценарии тоже в итоге в таблицы интегрируют. Очень впечатляющая и реально полезная реализация no code подхода. https://venturebeat.com/ai/google-brings-machine-learning-to-online-spreadsheets-with-simple-ml-for-sheets/

очень позабавила стратегия увольнения 5% людей каждый год. и не важно насколько ты хорош. и в амазоне есть трюк "Hire to fire"

== Я ПОПАЛ НА PIP | Риск депортации| Что такое Performance Improvement Plan и как его избежать
https://youtu.be/ljzbl_olqSo

антипаттерны для коммуникации в комании

чот наткнулся на классическое видео с ODS конфы. эх. помню как после этого 19курсов по дс изучил

== Чем отличаются data analyst, data engineer и data scientist – Алексей Натёкин
https://youtu.be/lDkTNURDIaY
- как только сфера становится состоявшейся - появляются необходимость в узкозаточенных специалистах

== ML tutorial for NLP, Алексей Натекин
https://youtu.be/Ozm0bEi5KaI

Tasks
- Text Clustering
- Text categorization
- Text Generation
- Text summarization
- Question answering
- Information Retieval

Pipeline

Data & Problem
- Short or long texts ?
- Language specific tools
Data Preparation
- RegExp
- Tokenisation, doc splitting
- stop-words
- streaming lemmatization
- special words, symbols (EOS)
Feature Design
- Char or Word level ?
- POS, NER
- BoW, n-grams
- Similarities
- Embeddings
- Hand-Crafted
Ml Model
- Linear, sparse
- RNN, LSTM, seq2seq
- CNN on embed
Evaluation
- New words at test time
- Manually inspect results
- Try to compare against humans

наконец настал тот час когда через карго ставлю приложеньки)
и да. толковая утилита для поиска Жёп на диске

https://github.com/bootandy/dust

cargo install du-dust

dust -r -d 2

== Как устроен виртуальная машина SQLite
https://habr.com/ru/post/687994/