Что выведет код?

👾 — [1, 2, 3, 0]
🔥 — [3, 4, 5, 0]
👍 — [1, 2, 0, 3]
🌚 — [-1, 1, 2, 3]

Proglib Academy #междусобойчик

🥺 Я работаю на скучной работе и мне норм

Пока одни бегут за карьерными ачивками и выгорают на хайпе, другие спокойно делают своё дело в страховых, банках и госпредприятиях — и, кажется, даже кайфуют. Без переработок, с хобби, семьёй и внутренним покоем.

Что в статье:

➡️ Почему «скучная» работа может быть секретом счастливой жизни

➡️ Мнения айтишников с Reddit: от FAANG до автопрома

➡️ Плюсы и минусы неспешной карьеры вне техгигантов

➡️ И напоминание: не всем нужно быть «звёздами», чтобы жить хорошо

🔗 Читаем и обсуждаем

ℹ️ Как пройти на позицию Junior Data Scientist (A/B-testing)

Федеральный ритейлер ищет младшего исследователя данных в департамент Big Data. Разбираем, что вам нужно для этой вакансии.

1️⃣ Знание A/B-тестов

▫️ Вам нужно уметь правильно ставить гипотезы, выбирать метрики и анализировать результаты.
▫️ Важно: глубокое понимание тервера и матстата.

2️⃣ Python + работа с данными

▫️ Опыт написания чистого, понятного кода.
▫️ Владение библиотеками для аналитики и ML: pandas, scikit-learn и др.

3️⃣ Навыки работы с инструментами

▫️ Spark для обработки больших данных.
▫️ Airflow для оркестрации пайплайнов.
▫️ MLFlow для управления экспериментами и моделями.
▫️ Docker для упаковки решений.
▫️ Git и DVC для контроля версий данных и кода.

4️⃣ Дополнительно ценится

✅ Опыт работы в Scrum-командах.
✅ Знание баз данных (Postgres).
✅ Понимание принципов ModelOPS (модели должны работать в реальных продуктах).

🔵 Чтобы получить оффер-мечты в Data Science, забирайте наш курс → «Математика для Data Science»

Proglib Academy #оффер_мечты

🚀 ТОП-38 Hover-эффектов для современного веб-дизайна в 2025 году

Сегодня просто красиво — уже не работает. Люди ожидают деталей, анимации, микровзаимодействий. Именно это и собрал автор: 38 hover-эффектов, которые делают интерфейс живым, современным и цепляющим.

Что в статье:

➡️ Подборка визуально эффектных решений

➡️ Примеры использования и разбор кода

➡️ Акценты на актуальные тренды 2025 года

🔗 Смотреть и вдохновляться

🐸 Библиотека фронтендера

🌐 Архитектура в коде: зачем понимать абстракции

Когда вы строите систему, каждая деталь должна быть готова к переиспользованию и расширению. И тут без понимания абстракций — никак.

Что важно:
— Абстракция должна скрывать детали реализации
— Хорошая абстракция минимизирует связность кода
— Расширение должно быть простым без переписывания старого

Когда абстракции слабые — код превращается в хрупкую башню из спичек. Когда правильные — вы спокойно масштабируете проект, не боясь, что всё развалится на проде.

Грамотная архитектура начинается там, где заканчиваются костыли. 🙃

🔵 Для полного понимания Архитектуры, забирайте наш курс → «Архитектуры и шаблоны проектирования»

Proglib Academy #буст

🖼 ТОП-5 структур данных для обработки изображений

Хотите разобраться, как обрабатывать изображения в компьютерном зрении или графике?

Всё начинается с правильных структур данных. Они помогают хранить и анализировать пиксели, их связи и расположение.

👉 В этой статье — подборка топ решений и советы, как их использовать.

Библиотека питониста

⚡️Команда дня: os.walk + fnmatch

Хотите быстро найти и обработать все файлы определенного типа на Python?
Вот минимальный скрипт:

import os
import fnmatch

for root, dirs, files in os.walk('.'):
    for file in fnmatch.filter(files, '*.py'):
        print(os.path.join(root, file))

➡️ Что делает:
— Рекурсивно обходит текущую директорию и все вложенные
— Ищет все файлы с расширением .py
— Выводит пути к найденным файлам

Добавьте проверку содержимого:

for root, dirs, files in os.walk('.'):
    for file in fnmatch.filter(files, '*.py'):
        path = os.path.join(root, file)
        with open(path, 'r', encoding='utf-8') as f:
            if 'TODO' in f.read():
                print(path)

Proglib Academy #буст

🚀 Старт в IT: разбор требований на вакансию Junior Python Developer

Компания ищет начинающего разработчика без опыта, но с желанием учиться. Разбираем, что вам нужно:

1️⃣ Базовые знания Python
▫️ Уверенно писать скрипты, понимать синтаксис, уметь работать с функциями, циклами, условиями.

2️⃣ Работа с API и базами данных
▫️ Умение отправлять запросы через requests, разбираться в JSON.
▫️ Основы работы с SQL (MySQL, PostgreSQL): SELECT, INSERT, UPDATE.

3️⃣ Опыт с Flask или Django (плюс, но не обязательно)
▫️ Базовые CRUD-приложения, настройка маршрутов (@app.route), обработка форм.

4️⃣ Умение работать в команде
▫️ Ответственность, коммуникабельность и желание разбираться в чужом коде.

➡️ Что будет плюсом:
✅ Знание HTML/CSS для минимальных правок на фронте.
✅ Опыт с Docker (развертывание контейнеров) и Git (ветвление, pull request'ы).
✅ Интеграции с Telegram API, Google Sheets API — огромный бонус.

🔵 Начинайте свой путь в программировании и прокачивайте свои навыки с нашим курсом «Основы программирования на Python»

Proglib Academy #оффер_мечты

🤔📝 Псевдокод: когда преподы не шарят, а ты в тупике

Псевдокод может быть настоящим головняком, особенно если требования к нему кажутся непонятными или не совпадают с тем, что вы видите в реальной практике программирования.

Узнайте, как сделать псевдокод полезным инструментом, а не дополнительной нагрузкой.

➡️ Читать статью

🐸Библиотека шарписта

📈 Быстрое возведение числа в целую степень: алгоритм для новичков

Как компьютеры возводят числа в степень эффективно

🔵 Базовый способ:
— Умножаем число само на себя n раз.
— Просто, но медленно: O(n) операций.

def pow_naive(x, n):
    result = 1
    for _ in range(n):
        result *= x
    return result

🔵 Быстрый способ: возведение в степень через деление пополам (алгоритм "быстрого возведения в степень"):
— Сокращаем количество операций до O(log n)!
— Идея:
▪️ Если степень чётная → делим пополам.
▪️ Если нечётная → уменьшаем на 1 и снова работаем.

def fast_pow(x, n):
    result = 1
    while n > 0:
        if n % 2 == 1:
            result *= x
        x *= x
        n //= 2
    return result

🔵 Чтобы знать об алгоритмах все, забирайте наш курс «Алгоритмы и структуры данных»

Proglib Academy #буст

🔼 Оффер мечты в 2025: нужен ли диплом, чтобы стать разработчиком

Вопрос, который вечно всплывает на старте карьеры.

➡️ В 2025 году диплом — это просто бумажка, и вот почему

▪️ Компании смотрят на реальные навыки и портфолио.
▪️ GitHub с проектами важнее красного диплома.
▪️ Скорость обучения, умение решать задачи и soft skills — то, что ценится на собеседованиях.
▪️ Онлайн-курсы, буткемпы, pet-проекты — всё это давно заменяет классическое образование на старте.

Но: в некоторых крупных компаниях (особенно в банковском секторе или госсекторе) диплом все еще могут формально спросить. Хотя и там реальное умение кодить важнее галочки.

➡️ Разработчик провел классный тест: создал 2 одинаковых резюме на hh.ru. Одно — с дипломом техвуза, другое — выпускник онлайн-курсов.

Что вышло спустя неделю:

▪️ Кандидат с дипломом: 46 приглашений, 272 отказа
▪️ Кандидат без диплома: 44 приглашения, 310 отказов

✅ Оба получили одинаковое количество реальных приглашений — всего 5 штук.
✅ Разницы в шансах почти нет.
✅ Резюме без диплома получило даже больше показов.

Proglib Academy #оффер_мечты

✏️ Разбор задачи с экзамена ШАД

Условие: Существуют ли ортогональные кососимметричные матрицы 2019x2019?
А 2018x2018?

Решение: Ортогональная матрица обратима, а кососимметричная матрица A нечётного порядка 2n+1 вырожденна: 1️⃣. Поэтому не существует кососимметричных ортогональных матриц нечётного порядка. Примером кососимметричной ортогональной матрицы порядка 2n является блочно-диагональная матрица с n блоками 2️⃣

Ответ: Нет, да

🔵 Чтобы знать математику для Data Science, забирайте наш курс → «Математика для Data Science»

Proglib Academy #буст

❓ Зачем дата-сайентисту дисперсия

Дисперсия — ключевой статистический показатель, который помогает оценить изменчивость данных. Для дата-сайентистов она критична при:

👉 Оценке и интерпретации результатов моделей
👉 Понимании поведения алгоритмов машинного обучения
👉 Снижении ошибок при построении предсказаний

В этой статье разберём, как правильно использовать дисперсию в Data Science и как она влияет на работу алгоритмов, например, в модели Random Forest.

👉 Читайте, чтобы понять, как измерять и учитывать дисперсию: https://proglib.io/sh/GDKYJQdAI2

Библиотека дата-сайентиста

😼 Лучшие материалы для тех, кто только входит в айти в одной подборке

Собрали топовые материалы, которые наши подписчики сохраняют чаще всего.

Эту подборку мы будем регулярно пополнять, поэтому сохраняйте тонну пользы, чтобы не потерять!

1. CheckiO — учим Python и играем

2. Бесплатные курсы от Стэнфорда для тех, кто хочет ворваться в ML

3. Project-Based Learning для разработчиков

4. Интегралы, которые вы захотите решить

5. Проблема нового поколения: джуны, которые не умеют кодить

6. 13 ресурсов, чтобы выучить математику

7. Гайд по SQL: от новичка до про