⬛️⬜️⚫️⚪️ обновил дизайн на soer.pro, почти все сделано на DeepSeek. Получилось быстро и дёшево, насколько качественно судить вам.
Лично моё мнение - результат офигенный, с учётом затрат.

Моя целевая аудитория и типовые ошибки

Больше всего проблем возникает из-за недопонимания, в этом посте я бы хотел обозначить важные моменты, которые помогут вам сэкономить свое и мое время. 💡💡💡

В первую очередь нужно понять, что у моих идей есть конкретная целевая аудитория — это мидлы и сеньеры, которые уже добились финансовой стабильности и уперлись в профессиональный «стеклянный потолок», при этом хотят строить дальнейшую карьеру в IT.

Многие, кто пытается критиковать мои идеи, аргументируют свою точку зрения тем, что моя стратегия развития не подходит новичкам. Это не совсем так, правильнее сказать, что многие вопросы не актуальны на старте, но буквально через 2–3 года после устройства на работу все меняется.

Другой момент, который часто вызывает споры, — прокачка и монетизация хардскилов. Тут складывается ощущение, что люди вообще не слышат, что я говорю. Несколько примеров типовых ошибок:

Пример 1.
«Инженер на технически сложном стеке, недавно остался без работы и уже год не может найти новую работу» — довольно частая история и типовая ошибка. Люди считают, что хардскилы — это когда ты знаешь какие-то технически сложные вещи, которые нужны буквально в паре мест на рынке. Я уже устал повторять, что моя стратегия развития предполагает следующее: найти востребованный стек, прокачать личный бренд, развить сеть знакомств для нетворкинга.
Т. е. люди делают ровно противоположное — не качают личный бренд, закапываются в узкоспециализированные детали, теряют контакт с коллегами и потом приходят с вопросом «Что я сделал не так, как ты говорил?» Да примерно чуть больше, чем «всё».

Пример 2.
"Новичок выбрал стек JavaScript + React, через пару лет попал под сокращение и не может найти работу. Начинает учить архитектуру, пытается читать умные книжки, а ситуация становится только хуже". Это еще одна типовая проблема, человек хочет просто восстановить свою предыдущую должность на изменившемся рынке, он не пытается расти по карьере, а просто хочет снова получать свою айтишную зарплату. Проблема в том, что выбранный им стек находится под двойным ударом — это очень популярный стек, его выбирают куча новичков, отсюда огромная конкуренция, а с другой стороны это еще и стек, который активно поглощается ИИ. В итоге человек зачем-то учит архитектуру, когда в его ситуации нужно сфокусироваться на прохождении собесов.

Пример 3.
"Я не хочу использовать ИИ, я отличный верстальщик, твои советы не работают". Это небольшой процент ретроградов, которые научились делать отлично свою работу и не хотят ничего менять. Проблема в том, что вы можете быть отличным специалистом (как Левша, который мог подковать блоху), но при этом на рынке есть решения, которые могут легко заменить вас с незначительной потерей качества, не получится удержаться на рынке, если ваши услуги никому больше не интересны.

Есть и другие примеры, проблема общее у них одно — люди не пытаются понять, о чем я говорю, но упорно пытаются говорить, что мои идеи не работают.

Поэтому давайте еще раз:

👑 Харды можно и нужно монетизировать (я это делаю за счет консультаций, публичного бренда, карьерного роста), но нужно выбирать релевантный стек;

👑 Если вы хотите оставаться востребованным, то не пытайтесь продавливать рынок, это невозможно, а поймите современные тренды и двигайтесь с ними;

👑Не бегите вперед паровоза, сначала устройтесь на работу, освойтесь, закройте свои финансовые проблемы, потом начните качать карьеру. Не пытайтесь сразу сесть на все стулья.

Если только начал, то паттерны стоит отложить на потом, начать нужно с базовых концепций:

👑 Low Coupling/High Cohesion

👑 Закон Деметры (или "не разговаривай с чужаками)

👑 Разобраться с устойчивостью клссов (это хорошо описано в чистой архитетуре)

👑 Разобраться с RFC (Response For a Class) — количество методов, которые могут быть вызваны в ответ на один запрос к классу.

👑 Fan-In / Fan-Out
- Fan-In: сколько классов используют данный класс
- Fan-Out: сколько классов использует данный класс

Эти принципы помогают делать маленькие, гибкие классы. При этом можно начать с анализа того что уже написано, а потом писать новые небольшие приложения, желательно не зависать на одном и том же коде, а брать разные темы и писать с нуля. Потому что иначе глаз быстро замыливается и прогресс теряяется.

Любую проблему можно решить введением дополнительного уровня абстракции, кроме одной — слишком большого количества уровней абстракции.

Иногда слушаешь человека, вроде и говорит хорошо, вроде и по делу, а потом он брякнет что-то типа «идентификатору присвоили значение 10», и хочется плакать, ведь даже чат-бот знает, что с идентификатором значение можно только ассоциировать (или слинковать, кому как нравится), а присвоить значение можно только переменной.

Хуже становится, только если особо гениальный ум скажет: «Так переменная — это и есть идентификатор», сразу становится понятно, что человек не понимает разницы между семантикой языка программирования и его синтаксисом. Для многих открытие, что переменная и идентификатор — это термины, которые существуют на разных уровнях абстракции. Да чего там, сам факт, что в программировании - всё есть абстракции, выглядит для человека как непосильная для осмысления и анализа мысль.

💡 Поэтому просто запомните, что переменная принимает и хранит значения, можете спросить у ИИ, почему это так, а идентификатор — это имя, которое обозначает переменные, функции, объекты, по сути, это просто ссылка. Идентификатор существует на уровне синтаксиса языка программирования, немного на уровне семантики (например, при определении области видимости).

Когда уместно говорить «идентификатор», когда «переменная»? В случаях, когда речь идет о синтаксисе языка, можно говорить «идентификатор», а можно «имя переменной», что есть одно и то же, но когда речь идет об алгоритме, то правильно говорить «переменная».

Надеюсь, мое объяснение поможет лучше разобраться и не использовать термины не по назначению.

Раньше можно было быть просто фронтендером или тестировщиком и жить спокойно. Сейчас так не работает — все хотят универсалов, которые умеют и код писать, и в облаках разбираться, и с ИИ работать.

Часть людей по привычке хватается за соломинку, мол: "Всё равно ваш ИИ не сможет сделать так же круто и чётко, как я" 🙅‍♂️. Но это, конечно, тупиковый путь мышления. ИИ не "заменит", а вытеснит специалистов, которые ограничены своими замкнутыми стеками .

Может, внешне ситуация кажется похожей, но если вдуматься:
- "Заменит" — значит, будет иметь такую же функциональность, делать что-то похожее.
На самом деле процесс изменится — он станет более подходящим для ИИ, а не для человека.

Поэтому подстраиваться придётся нам с вами 💪. А это значит — надо активно осваивать гибридные области, чтобы оперативно реагировать на изменения рынка 🔥💡.

Многие айтишники ищут более престижные места работы или хотят повышения на текущем месте, но задайте себе вопрос "почему именно вы достойны повышения или нового места работы?".

Проблема в том, что честный ответ на этот вопрос приведёт к пониманию - принципиально вы ничем не отличаетесь от сотен других кандидатов. Чтобы претендовать на интересную должность нужно выделиться на фоне других кандидатов, даже если по факту работа, которую предстоит делать, не очень сложная, все равно нужно создать ощущение, что именно вы сможете сделать её лучше других.

Те, кто хочет добиться высокой должности, делают свою ставку на нетворкинг 💡, публичный бренд 💡, OpenSource 💡 и т.д. Все это делается с единственной целью - выделиться на фоне других, чтобы получить более выгодные предложения.

Самая большая ошибка - думать, что если вы хорошо решаете рабочие задачи, то вас заметят и повысят, это 100% не работает, потому что человек который отлично справляется со своими задачами и не проявляет интереса к смежным областям, по мнению работодателя, находится на своём месте.

При этом если сильно долго сидеть на одном месте, то постепенно происходит профессиональная деградация, из-за чего найти другую работу становится ещё сложнее, не говоря о повышении.

👑 Поэтому для карьерного роста важно развиваться не только "в глубину", но и продвигать себя как специалиста на рынке.

👑 важно отслеживать те требования и тренды, которые возникают в индустрии и своевременно корректировать свои знания.

Тогда шансы на успех в построении карьеры сильно возрастают.