IT горячка в Сиэттле, эпизод 2

[Dweller]

Там где бонус тыщ 50 могут и сразу дать, а 150 конечно никто сразу не даст. Возвращать однако придётся и то и другое если не досидишь, помесячный большой возможно и prorated будет.

Насчёт клаудов и сертификатов - не имел и не имею. Читаю документацию по нужде, и сорцы. Если предполагается длительная и интенсивная работа с тулзом на большом проекте то можно прочесть и все сразу, я так делал с k8s, bigtable, Apache beam и пр. Уйдёт может 2-3ч сразу но окупиться тем что будешь знать все возможности и фичи сразу. Да в принципе и все подряд по aws/gcp можно прочесть.

[Сабина]

Неа, на работе обычно хватает интересных задач.

А какой фреймворк обычно предполагается использовать там типо Keras, Pytoch etc или домашний типо?

Все что можно быстро прикрутить
Java, scala, python based обычно легко

Я не датасатанист ни разу, но просто big data pipelines строить очень люблю. Для batch spark/Scala. Все лучшие connectors etc для этой парочки в наличии. Я с какими только data sources and sinks не работала последние года 4. А если нужен streaming - Кафка может все. Если ещё анфорсить Avro схемы - то в хозяйстве полный порядок. Написать коллекторы тоже несложно, они обычно данные собирают с rest api. А инфраструктура вся в облаках - у AWS и GCP есть все необходимое. Kuberbetes конечно тоже надо знать чтоб как Swiss knife под рукой, раз раз. Но у нас по иронии судьбы GKE не могут запустить, заморочки с гибридной сетью. Индусы что то там строят руками, но смысл ?
В целом в облаке все настолько удобно что сплошное удовольствие и девопсы девелоперу становятся практически не нужны.

Вот кстати статья прикольная. Golang нынче тоже с претензиями. Но мне Go больше Питона нравился всегда

https://medium.com/@michael.lyamm/why-g ... 7d2e8accb5

[Chessplayer]

Понятно, спасибо. В том и проблема, что не понятно, что именно из матчасти учить. Вроде как все и так знаю. Сейчас тренд - летать в облаках . Вот, наверное, это и нужно долбить. Правда, автор поста как то не особо подтвердил это. Опять же - это больше к МЛ девелопменту относится.

Не знаю насколько вам это поможет с поиском работы, но чисто для души возьмите курс по Deep Learning от Fast.ai (он бесплатный).

[Komissar]

Я не датасатанист ни разу, но просто big data pipelines строить очень люблю. Для batch spark/Scala. Все лучшие connectors etc для этой парочки в наличии. Я с какими только data sources and sinks не работала последние года 4. А если нужен streaming - Кафка может все. Если ещё анфорсить Avro схемы - то в хозяйстве полный порядок. Написать коллекторы тоже несложно, они обычно данные собирают с rest api. А инфраструктура вся в облаках - у AWS и GCP есть все необходимое. Kuberbetes конечно тоже надо знать чтоб как Swiss knife под рукой, раз раз.

Ну так научись задачки с литкода решать - и получишь з/п твоей мечты.

[Krys-Krys]

Я не датасатанист ни разу, но просто big data pipelines строить очень люблю. Для batch spark/Scala. Все лучшие connectors etc для этой парочки в наличии. Я с какими только data sources and sinks не работала последние года 4. А если нужен streaming - Кафка может все. Если ещё анфорсить Avro схемы - то в хозяйстве полный порядок. Написать коллекторы тоже несложно, они обычно данные собирают с rest api. А инфраструктура вся в облаках - у AWS и GCP есть все необходимое. Kuberbetes конечно тоже надо знать чтоб как Swiss knife под рукой, раз раз.

Ну так научись задачки с литкода решать - и получишь з/п твоей мечты.

Соглашусь с Коммисаром, наверное это будет полезней сертификата в наших краях, а в других краях наоборот сертификат.

[ingo]

Не поняла как 14 амазоновских принципов помогают пройти онсайт в Амазоне? Там все вопросы на базе этих принципов что-ли? Типа tell me about a time when you .. blah!

[Физик-Лирик]

Понятно, спасибо. В том и проблема, что не понятно, что именно из матчасти учить. Вроде как все и так знаю. Сейчас тренд - летать в облаках . Вот, наверное, это и нужно долбить. Правда, автор поста как то не особо подтвердил это. Опять же - это больше к МЛ девелопменту относится.

Не знаю насколько вам это поможет с поиском работы, но чисто для души возьмите курс по Deep Learning от Fast.ai (он бесплатный).

Спасибо, посмотрю. В принципе, практически весь МЛ я знаю на экспертном уровне, но всегда обрааю внимание на дополнительную информацию.

[Физик-Лирик]

Я не датасатанист ни разу, но просто big data pipelines строить очень люблю. Для batch spark/Scala. Все лучшие connectors etc для этой парочки в наличии. Я с какими только data sources and sinks не работала последние года 4. А если нужен streaming - Кафка может все. Если ещё анфорсить Avro схемы - то в хозяйстве полный порядок. Написать коллекторы тоже несложно, они обычно данные собирают с rest api. А инфраструктура вся в облаках - у AWS и GCP есть все необходимое. Kuberbetes конечно тоже надо знать чтоб как Swiss knife под рукой, раз раз.

Ну так научись задачки с литкода решать - и получишь з/п твоей мечты.

Так за мечту надо будет как на галерах? Какая же это мечта? Или это только для альтруистов?

[uncle_Pasha]

Ну так научись задачки с литкода решать - и получишь з/п твоей мечты.

Что вы имеете ввиду под "научиться решать задачки"?
Гуглобуки имеют банк вопросов, и они отслеживают, если вопрос уже "слит". Такие вопросы все еще будут использоваться на mock interviews, но шансы нарваться на них на реальном интервью не велики. Да если и нарветесь, интервьюер же не дурак, поймет что вы с этим вопросом уже сталкивались.

Единственная польза от литкода - это научиться выдавать решение в ограниченное время, по дороге сопровождая его устными коментариями (а не как на работе - погулял, подумал, кофейку попил, и т.д.).

[mikeG]

Не поняла как 14 амазоновских принципов помогают пройти онсайт в Амазоне? Там все вопросы на базе этих принципов что-ли? Типа tell me about a time when you .. blah!

Да, в каждом интервью дают один вопрос на один из принципов из списка.

[voyager3]

Я не датасатанист ни разу, но просто big data pipelines строить очень люблю. Для batch spark/Scala. Все лучшие connectors etc для этой парочки в наличии. Я с какими только data sources and sinks не работала последние года 4. А если нужен streaming - Кафка может все. Если ещё анфорсить Avro схемы - то в хозяйстве полный порядок. Написать коллекторы тоже несложно, они обычно данные собирают с rest api. А инфраструктура вся в облаках - у AWS и GCP есть все необходимое. Kuberbetes конечно тоже надо знать чтоб как Swiss knife под рукой, раз раз.

Ну так научись задачки с литкода решать - и получишь з/п твоей мечты.

Так за мечту надо будет как на галерах? Какая же это мечта? Или это только для альтруистов?

Тогда только сидеть по универам, пописывая статьи про нереализуемую хрень в рецензируемых мурзилках, и выносить студентам мозг, что в индустрии одно тупое быдло, и вообще, CS - фи, а истинные джентльмены должны быть чистыми математиками.

[Сабина]

Я не датасатанист ни разу, но просто big data pipelines строить очень люблю. Для batch spark/Scala. Все лучшие connectors etc для этой парочки в наличии. Я с какими только data sources and sinks не работала последние года 4. А если нужен streaming - Кафка может все. Если ещё анфорсить Avro схемы - то в хозяйстве полный порядок. Написать коллекторы тоже несложно, они обычно данные собирают с rest api. А инфраструктура вся в облаках - у AWS и GCP есть все необходимое. Kuberbetes конечно тоже надо знать чтоб как Swiss knife под рукой, раз раз.

Ну так научись задачки с литкода решать - и получишь з/п твоей мечты.

Так за мечту надо будет как на галерах? Какая же это мечта? Или это только для альтруистов?

Он вообще не понял зачем я потратила время и это расписала. Некоторые в этой теме ничего кроме $$$ не видят. Чтобы заслушать тех, кто работает с подобными технологиями и пообщаться. Потому что это действительно интересно. Мечта у меня совсем другая - попасть на проект где все это используется без ограничений и чтобы команда была нормальна, diversed, а не одни индусские h1b расталкивающие всех локтями в погоне за куском побольше.
Про leetcode и так все понятно, поэтому комментарий бесполезный абсолютно

[mikeG]

Что вы имеете ввиду под "научиться решать задачки"?
Гуглобуки имеют банк вопросов, и они отслеживают, если вопрос уже "слит". Такие вопросы все еще будут использоваться на mock interviews, но шансы нарваться на них на реальном интервью не велики. Да если и нарветесь, интервьюер же не дурак, поймет что вы с этим вопросом уже сталкивались.

Единственная польза от литкода - это научиться выдавать решение в ограниченное время, по дороге сопровождая его устными коментариями (а не как на работе - погулял, подумал, кофейку попил, и т.д.).

Да, слитые вопросы отслеживаются и банятся, поэтому на интервью будут другие.
С другой стороны, новую неслитую задачу (чтобы нетривиальная, но можно за 20 минут решить) придумать сложно, поэтому обычно будут вариации на те же самые темы с leetcode.
И таки нужно тренироваться выдавать решение на доске с объяснениями за 20 мин. Зубрить готовые решения без толку, конечно.

[voyager3]

Ну так научись задачки с литкода решать - и получишь з/п твоей мечты.

Что вы имеете ввиду под "научиться решать задачки"?
Гуглобуки имеют банк вопросов, и они отслеживают, если вопрос уже "слит". Такие вопросы все еще будут использоваться на mock interviews, но шансы нарваться на них на реальном интервью не велики. Да если и нарветесь, интервьюер же не дурак, поймет что вы с этим вопросом уже сталкивались.

Так было раньше. Теперь всё выродилось, и первоначальный смысл этих задач - посмотреть, как человек думает над тем, с чем не сталкивался, давно утерян. Теперь литкодеры с таймером собеседуют других литкодеров с таймером.

[Сабина]

Тогда только сидеть по универам, пописывая статьи про нереализуемую хрень в рецензируемых мурзилках, и выносить студентам мозг, что в индустрии одно тупое быдло, и вообще, CS - фи, а истинные джентльмены должны быть чистыми математиками.

Хаха, а ведь и правда и таких хватает , сын и меня сейчас например работает на такого. Правда он именно CS, PhD в американских ебенях пишет про использование блокчейнов в нетрадиционных меркантильных целях.
Если серьезно мне кажется DS и ML вот для таких «математиков» это глоток свежего воздуха. Особенно для «рукастых». CS быдло далеко не все полезет формулы зазубривать, а у математиков будет возможность «схватить их кусь пирога» . Помните из Люиса Кэролла