Хороший обзор того, что происходит с профессией программиста и советы, как с этим быть.
1. Что станет с джунами?
2. Какие навыки качать?
3. Какова роль программиста, когда код пишет машина?
4. Специализация или человек-оркестр?
5. Что насчет университетского образования?
Автор Адди Османи из Гугла, бывший глава разработки Хрома.
Интересно, что будет с джунами?
ИИ может серьёзно ускорить сеньора, пишущего продакшн-проект.
Если уже знаешь, что и как сделать, то с использованием нейросетей можно написать тот же самый код в несколько раз быстрее, чем без него. Об этом говорят суперзвёзды типа Джона Кармака, это подтверждают мои знакомые крутаны.
Раньше мы учились программировать, набирались опыта, делая эту работу руками (и получая за это отличную зарплату!).
Кажется, что постепенно ИИ учится делать примерно ту же работу, что и джуны, только дешевле.
Как изменится процесс обучения? Откуда возьмётся следующее поколение опытных программистов?
Можно пофантазировать, что если индустрия перестанет хорошо платить джунам, то в профессию опять, как и в начале, будут идти только те, кто её по-настоящему любит. Станет меньше «пойти в айти».
Получится, что ИИ увеличит расслоение — тем, кто любит программировать и хочет этому научиться, — он поможет научиться. А вот тех, кто хочет просто решить задачу, — запрёт в «посредственности ИИ».
У нас в компании джунов почти нет, к нам обычно приходят сеньоры или мидлы, которые хотят стать сеньорами. Интересно было бы послушать тех, кто работает с джунами на потоке: какой эффект нейросети имеют уже сейчас?
Интересно, что думает про этот пост один из лучших программистов и техдиров, которых я знаю, Егор Хмелев.
Форвардну его сообщение ниже целиком.
“Другой автор отлично раскрывает эту идею, он пишет: «если раньше по коду новичка я мог догадаться, что он понимает, а что нет, мы могли обсуждать его решение, и моя обратная связь была обучающей, то теперь мне приносят код, сгенерированный нейросетями, который выглядит хорошо, но сломан странным образом, и, когда я указываю на ошибку, мне приносят абсолютно новый код (примерно как LLM)».”
Мне вообще кажется, что происходит смена парадигмы, и что старые подходы и образ работы перестают работать. В конкретном случае, автор должен был думать не как обучать интернов, а как сделать так, чтобы интерн обучался сам работая с репозиторием. Потому что человек — это бутылочное горлышко, если интерн может обучаться сам и получать мгновенную обратную связь, то он будет обучаться гораздо быстрее. А если LLM, с которым работает интерн в конкретном репозитории, допускает ошибки, то обучающий момент должен быть направлен на LLM (добавление правильного “контекста” в репозиторий). Интерны/джуны больше не будут иметь путь, который они имели раньше, путь будет другим (это тоже часть смены парадигмы). И возможно все еще не совсем так работает как должно, но через 6-12 мес это будет вариантом нормы и нам надо принимать это во внимание. 90% Claude Code’а пишет Claude Code — вот она смена парадигмы.
Как пример, похожая смена парадигмы происходит с EV. Владельцы ICE спрашивают как долго заряжать машину на станциях зарядки сравнивая это с заправками и своей устоявшейся рутиной, когда в реальности у владельцев EV просто нет такой проблемы, нет такой рутины — машина находится всегда заряженной, потому что заряжается дома ночью. А станции зарядки нужны только в длительных поездках и там 20-30 мин это нормальная остановка для нормального человека после 3-4 часов пути. И возможно, иногда, машине надо 40 минут, а не 20-30 — не совсем так работает как должно, но через 3-5 лет зарядка будет занимать 5-10 минут.
Просто скорость развития AI/LLM на порядки выше, чем скорость развития чего бы то ни было, и это и супер интересно и пугает одновременно.
Наконец-то появилось видео, которое помогло мне составить ментальную модель того, как выглядят и как работают под капотом современные нейросети.
Например, в случае системы распознавания изображений, можно показать всё «пространство смыслов» нейросети в виде наглядного атласа, где рядом находятся изображения схожих по смыслу объектов. Перемещаясь в этом пространстве, легко сделать фотографию человека постарее, помоложе или более феминной, например.
А ещё автор наглядно демонстрирует экстенсивность развития нейросетей от первых вычислительных экспериментов в конце 90х до современных GPT — как для улучшения результатов нужно всё больше данных и всё большие вычислительные ресурсы.
В общем, отличное 17-минутное образовательное видео-эссе, рекомендую!
(На английском, но очень понятном и иллюстрации во многом говорят за себя)
После начала войны многие задумались, как бы поскорее выучить английский для переезда или удаленной работы.
Разбираемся с опытным учителем английского и руководителем разработки курса «английский для программистов» в Яндекс практикуме Юлей Беймлиной, как лучше учить английский, в особенности — для программистов.
Ну и просто интересный разговор о языках и культурных особенностях разных народов.
Слушайте и подписывайтесь: Apple, Google, Яндекс, Spotify, Castbox, Overcast, веб-версия.
Каково это – стать лучшим программистом в мире? По крайней мере, по версии ICPC. Сколько часов в неделю нужно тренироваться, в каком возрасте начинать, как попасть в сильную команду и что происходит после финала? Обо всем этом говорим с чемпионом ICPC Димой Егоровым.
Это — бонусный эпизод нашего подкаста запуск++. Подписывайтесь в Apple Podcasts и на Patreon.
P.S. Завтра сделаю финальный пост про то, кто стал чемпионом и можно на год забыть об этом виде спорта :)
Обсуждаем с моим бизнес-партнером, техническим директором Федей Борщёвым в подкасте, как стать программистом. Я делюсь своим путем, Федя — своим, звоним вместе нашему слушателю и вспоминаем истории из жизни.
Книги или онлайн курсы? Какие языки учить? Стоит ли пытаться стать программистом гуманитарию или если тебе за 40? Куда податься новичку без связей в индустрии?
А ещё я вспоминаю загадку про волка, козу и капусту и объясняю, почему она ближе к математике, чем большинство школьных уроков, по недоразумению называемых так же.
Душевный выпуск.
Слушайте везде: Apple, Google, Castbox, Яндекс, Spotify, Overcast, ютуб и веб-версия.
Новый эпизод подкаста — про машинное обучение.
В гостях: Самер Фатайри — главный по ML в adjust.com, одной из главных компаний по атрибуции мобильного трафика и Петя Ромов, который в своем стартапе GOSU.ai помогает геймерам лучше играть в доту (не шутка).
Запись летняя, так что я очень много смеюсь в микрофон, зато гости классные, рассказывают интересные вещи и звукорежиссер в этот раз сделал крутую интерактивную врезку и ending.
Подписывайтесь в приложениях, там все выпуски выходят в четверг утром, как часы: Apple, Google, Castbox, Spotify, Яндекс.
Ссылки из подкаста (даже те, что не вошли в финальную версию):
- курс по машинному обучению для школьников, где анализируют ДОТУ!
- русское slack сообщество по машинному обучению open data science — лучшее в мире
- мощная школа анализа данных Яндекса, если хотите заняться ML всерьез
- у нашего партнера, онлайн-школы Яндекс.Практикум тоже есть курс по ML
- голуби учатся распознавать рак.
NYTimes опубликовала учебные материалы своего курса по работе с данными, пишет NiemanLab. На трехнедельных курсах они учили журналистов как использовать анализ данных в свои расследования и техническим приемам работы с массивами информации.
Курс начинается с подсказок как удобнее пользоваться маком и хромом. По таким мелочам видно, что курс практичный, сделан с любовью, пониманием предмета и специфики журналистов. Внутри: как фильтровать, сортировать, считать разные статистические показатели в гугл-таблицах и экселе, что такое пивот таблиц и многое другое.
Список умений, подневный план и все остальные учебные материалы доступны в папке Google Docs.
С этими материалами можно многому научиться самому и даже построить свой курс. Очень жаль, что нет видео записей занятий.
❤️
P.S. Факультеты журналистики, не пропустите — это учебный курс мирового уровня.
Нашёл классный способ выбрать по одному представителю из группы в SQL.
❧
SQL — cтруктурированный язык запросов, изначально — SEQUEL, «структурированный английский язык запросов» к базам данных родом из 1974го (да, IBM). Почти все технари и аналитики на нем описывают, какие столбцы и строки из таблиц мы хотим получить, как их отфильтровать, отсортировать и преобразовать.
В SQL мы описываем не что сделать, но какой результат мы хотим получить (декларативная парадигма программирования). Большинство программирования в мире происходит по-другому: мы перечисляем компьютеру, какие шаги нужно выполнить (императивная модель). Переключиться на другой режим мышления непросто. Порой при написании большого запроса я чувствую, что «мозги скрипят» - как при решении математической задачи.
Умение пользоваться различными парадигмами, осознанно выбирать более подходящую в данный момент — то, что отличает по-настоящему крутого специалиста. Учите SQL! В конце концов, думать над запросами просто приятно :)
Продакты и аналитики! Научитесь SQL и сможете сами, без программиста отвечать на многие вопросы про проект.
Вот четыре супер классных интерактивных курса (бесплатно без СМС): побогаче, полапидарнее, с довольно сложными задачами в конце и очень красивыми фабулами.
В мои годы таких курсов не было, так что я учился по официальной документации PostgreSQL. Это один лучших технических текстов, что я видел (хороший русский перевод).
❧
На сладкое для заинтересованных:
- хороший туториал по написанию своей базы данных, где разобраны основные концепции на примере клона SQLite;
- доклад создателя SQLite о том, как работают базы данных (ютуб): подача так себе, но в теме чувак разбирается очень хорошо, поэтому интересно.