Хекслет

ИИ сильнее всего помогает тем, у кого меньше опыта — это проверили на 5 тысячах сотрудников. Джуны, берем на заметку! Исследователи из Stanford и MIT изучили, что происходит, когда генеративный ИИ системно внедряют в реальной компании. В исследовании участвовали 5 172 сотрудника техподдержки. AI-ассистент анализировал разговор с клиентом и в реальном времени предлагал сотруднику варианты ответа. Ответ можно было принять, изменить или проигнорировать. Результаты: — в среднем производительность выросла примерно на 15%; — у менее опытных и менее квалифицированных сотрудников прирост доходил до 30%; — сотрудники, которые использовали ИИ с начала работы, уже через 2 месяца показывали примерно такую же производительность, как сотрудники без ИИ с опытом более 6 месяцев. То есть ИИ оказался особенно полезен для тех, кто только набирался опыта. Исследователи предполагают, что одна из причин в том, что модель фактически помогает распространять практики сильных сотрудников: менее опытные специалисты начинают быстрее использовать решения и паттерны, к которым эксперты обычно приходят только с годами опыта. Именно поэтому вокруг LLM появляется отдельный пласт разработки: AI-ассистенты, агенты, RAG, интеграции с API, базы знаний и системы проверки ответов. А ИИ сокращает путь от новичка до опытного сотрудника. Кстати, в Хекслет есть курс ИИ для новичков https://ru.hexlet.io/link/9XHIlQ и ИИ для разработчиков — https://ru.hexlet.io/link/zLJ7fC Так что можно сократить себе путь от джуна до мидла или переквалифицироваться из просто программиста в разраба, умеющего использовать ИИ и получать профит и буст.

ИИ в бизнесе: как внедрять эффективно и что требуют от LLM-разработчика На рынке пока немного специалистов, которые профессионально занимаются именно AI-разработкой. Сильные эксперты есть, причем уровень некоторых из них даже опережает текущие запросы бизнеса. Но особенно не хватает разработчиков, способных решать прикладные AI-задачи стабильно, быстро и в большом количестве. В результате спрос на такие кадры заметно превышает предложение, а зарплаты стартуют от 250 тысяч. При этом сами компании еще не до конца определились, какие именно специалисты им нужны. Рынок находится на стадии формирования, и даже название профессии пока не устоялось. В вакансиях можно встретить самые разные формулировки: AI-разработчик, AI-инженер, LLM-разработчик, AI-архитектор или даже AI-интегратор. Что нужно уметь? Разрабатывать на одном из языков программирования + понимать, как работать с LLM — это если коротко. А если чуть подробнее, то владеть RAG и MCP, иметь навыки работы с LLM разных размеров, уметь писать промпты и управлять контекстом. Также пригодятся знания оркестрации инструментов, построения AI-пайплайнов и владение основами безопасности и инфраструктуры. А о том, как вообще работают ИИ-агенты и RAG-системы в бизнесе и чем предстоит заниматься AI-инженеру рассказал в статье автор курса «Хекслет» Рустам Борханов https://ru.hexlet.io/blog/posts/ii-agenty-i-rag-kak-kompanii-vnedryayut-llm-v-biznes-protsessy

В июне 2026 года вышло интересное исследование Anthropic. Компания проанализировала 400 000 сессий Claude Code за октябрь 2025 — апрель 2026 года. Исследователи увидели разделение: человек принимал решения о том, что нужно сделать, а агент — как именно. При этом пользователи с предметной экспертизой чаще доводили работу до успешного результата и лучше восстанавливались после ошибок агента. То есть агенты для разработки не заменяют экспертизы. Именно знания специалиста позволяли агенту сделать больше полезной работы. Эксперты с навыками в программировании достигали успеха в два раза чаще. Сейчас время, когда появляются новые специальности, уже связанные с ИИ, а старые — трансформируются. Но необходимость в технических навыках никуда не делась. И это определяющий критерий, чтобы эффективно решать инженерные задачи хоть самостоятельно, хоть с ИИ-помощниками. Остается вопрос, куда идти? Направлений много, а сравнить их между собой негде. У каждого свои требования, зарплаты и сроки входа. Мы прогнали каждое направление через четыре критерия: сколько открыто вакансий, какая доля из них готова рассмотреть человека без опыта, как быстро растет зарплата и что будет с направлением спустя три года. Отбор прошли шесть, и все они на рынке в цене. А чтобы выбрать одну из шести, подготовили целый вебинар по профориентации. Разберем каждое направление подробно: бэкенд и фронтенд, тестирование, DevOps и, конечно, вайбкодинг и ИИ-автоматизацию — куда же без новых профессий? Вебинар состоится 26 августа в 19 00. Мы обсудим зарплаты, проекты и компании для новичков. Расскажем, как долго придется вкатываться и возможно ли устроиться без опыта. Отдельный пойнт — как расти дальше, вместе с ростом навыков увеличивая доход. Цель этого вебинара — помочь разобраться, какое направление выбрать к 2027 году именно вам в вашей ситуации, и с чего можно начать уже сейчас. Записывайтесь, чтобы не пропустить два часа пользы — узнаете, что же там происходит на рынке на самом деле: https://special.hexlet.io/career-guidance

Эта профессор писала про гибридные системы еще до хайпа с ИИ Этим летом команда «Хекслета» побывала на ULCAMP’26. Там выступала сама доктор наук, автор монографий и более 400 работ в области мягких вычислений, нечеткой логики и гибридных систем Надежда Глебовна Ярушкина. Многие идеи, которые сегодня обсуждают как новое направление развития ИИ, в ее работах появились задолго до нынешнего бума LLM. Профессор рассказала, какой должна быть платформа разработки ИТ-компании в эпоху генеративного ИИ. Суть в том, что ИИ сейчас меняет не только инструменты разработчика — он заставляет пересматривать весь процесс создания ПО и становится главным активом успеха компании. А может и не стать — при неправильном обращении. Главное — система. Именно от того, как ИИ встроен в рабочие процессы, зависит «взлетит» ли компания или останется в убытке. Но чтобы ИИ действительно стал конкурентным преимуществом, нужно суметь встроить его в реальную деятельность компании на разных уровнях. Для этого нужны многоагентные платформы, интеграция с корпоративными данными и сервисами, оркестрация сценариев, распознавание намерений пользователя и контроль над контекстом. То есть недостаточно использовать один условный агент для одного или двух процессов, это должна быть единая система. А еще нужно умудриться не забыть про когнитивный долг. ИИ позволяет генерировать код быстрее, но скорость сама по себе еще не гарантирует качество. Если разработчики перестают понимать архитектуру и последствия изменений, компания получает огромную кодовую базу, которую вскоре некому будет поддерживать. Потому что никто не сможет в ней разобраться — что тут костыль, а что важная архитектурная часть, без которой все рухнет? Как переписывать и дополнять этот код по мере необходимости? И кто это должен делать? Получается, фундаментальные инженерные практики никогда еще не были так важны как в нынешнюю эпоху агентной разработки. Вновь вспоминаем про архитектурное проектирование, тестирование, CI/CD, DDD, ревью кода и работу с требованиями. В этом всем ИИ может помочь, но усилив сильного инженера, а не заменив его. После выступления профессора вопросы продолжали сыпаться, даже за пределами сцены. К Надежде Глебовне подходили коллеги, выпускники и бывшие студенты — толпа желающих хотели получить ответы от любимого преподавателя. Кто-то даже вспомнил ее лекции по нейронным сетям и архитектуре программных систем, прочитанные еще два десятилетия назад. Этот ажиотаж — еще одно доказательство, что фундаментальные знания не устаревают с приходом ИИ в процессы. Лекции и работы Надежды Глебовны до сих пор помнят, они не потеряли актуальности. Меняются модели, интерфейсы и модные термины, но способность понимать, как устроена система, все еще остается основным профессиональным активом. Важно его не растерять! В заключение, Надежда Глебовна посоветовала разработчикам осваивать агентные фреймворки, следить за открытыми моделями, инвестировать в мультимодальность и регулярно пересматривать экономику использования ИИ. Только так, оставаясь на гребне волны и следя за технологическими прорывами можно оставаться востребованным специалистом.

Презентация доклада Надежды Глебовны Ярушкиной на ULCAMP’26 Ответ на вопрос, какая платформа разработки ИТ-компании является активом успеха в эпоху генеративного ИИ? А о чем был доклад — рассказываем в следующем посте

Первая работа в IT начинается не после курса, а после поиска Когда обучение заканчивается, начинается новый этап: резюме, отклики, тестовые задания, собеседования. Именно здесь многие теряют запал и веру в себя. Через Хекслет.Карьеру прошло более 1300 человек. По данным Хекслета, около 25% участников, завершивших программу с начала 2026 года, сообщили, что нашли работу. Хекслет.Карьера помогает подготовить резюме, оформить портфолио, разобраться с откликами, пройти тренировочные собеседования, получить опыт в коммерческих проектах и двигаться в поиске с поддержкой карьерного консультанта. В новой статье подробно рассказываем, как устроен сервис, кому он подходит и как помогает сделать поиск первой работы более понятным и последовательным. 👉Читать статью Telegram | YouTube | AI Клуб

Конференции и воркшопы Завершился большой блок летних конференций, на которых я выступал последние две недели. Это были highload, teamlead, agentic dev и ai weekends. Два мастер-класса, фасилитация групповой работы c-level клуба, один доклад и два дня воркшопа с утра до вечера. В общем было не скучно. Познакомился со множеством крутых ребят, узнал что происходит в компаниях, куда движемся, как проходит ai трансформация и как настроения в целом. Что можно сказать про происходящее? Очень возрос интерес к ИИ, что было ожидаемо. Стрим по AI разработке был забит, многие просто не смогли зайти в зал чтобы послушать докладчиков. Мне было проще, как докладчик я слушал докладчиков в кулуарах :) Пока еще много базовых докладов и много людей, которые не перешли в режим кодинга без рук. Тех кто пишет код агентами не более 25%. Причины разные, нередко это корпоративные ограничения, когда запрещается использовать внешние модели, внутренняя экосистема еще не того уровня, чтобы делать все самостоятельно. Практически каждая крупная компания выделила команды под интеграцию LLM в SDLC. Здесь ребята занимаются всем от написания своего харнеса и сетапом моделей, до объединения всей информации через раги, mcp и тому подобное. Большой интерес у подхода Spec Driven Development. Мы снова возвращаемся в мощный водопад, когда сначала долго и упорно идет проектирование, а потом, на уровни ниже спускается все в готовом виде. В целом, несмотря на общий ажиотаж, многие отмечают что мало кто пытается по настоящему перестроиться под ai native. Что там говорить, мало кто понимает что это такое. Есть разные идеи и концепции того как мы будем работать, как поменяются процессы, как изменятся роли. Вплоть до довольно революционных идей, типа полного убирания код ревью как концепта. Много говорили про tiny teams, где команда буквально из нескольких человек делает все от и до. Набирает популярность концепт Product Engineer, где прямо совмещается две роли: продакт и девелопер. Что точно объединяет всех, так это непрерывный страх проиграть конкурентную борьбу. А если соседние компании что-то такое поменяют и внедрят, что станут в разы быстрее и эффективнее? Поэтому каждая компания пытается максимально вписываться во все ИИ движухи. Кстати, сравнивали текущую трансформацию с приходом Agile, сошлись на том, что это значительно более глубокая и сложная история. Agile менял только процессы, на самой разработке и инструментах это сказывалось не так сильно. Здесь же меняется все и сразу. И интересного для нас, мы увидели какие элементы стоит добавить и доработать, а так же запланировали старт нескольких новых курсов для новой эпохи. Но об этом в других постах :) Telegram | YouTube | AI Клуб

Из сертификации в тестировщики: как я совершил прыжок веры в эмиграции Михаил семь лет проработал в сертификации, а под Новый год уволился без плана, просто чтобы отдохнуть и подумать, куда двигаться дальше. Никакого запасного варианта, никакой новой работы на примете. Сам он называет это прыжком веры. Все происходило в эмиграции: несколько лет за границей, накопившаяся усталость от профессии и ощущение, что расти дальше некуда. Он перебрал фронтенд, Python и тестирование, выбрал последнее и прошел курс в Хекслете, а потом поработал на коммерческих проектах, чтобы набить руку. Параллельно пережил один из самых тяжелых периодов в жизни: травмы, депрессия, лечение. Работу нашел через нетворкинг: тестировщик понадобился знакомому техлиду из альпинистской компании. Как он прошел этот путь и что помогло ему справиться, читайте в новой истории: https://ru.hexlet.io/blog/posts/iz-sertifikacii-v-testirovshchiki Telegram | YouTube | AI Клуб

Автоматизация бизнеса или LLM-разработчики наступают Антон Плешивцев, бывший разработчик Aviasales, разработал сервис по подготовке фотографий на визы разных стран (ishotaphoto [.] com), где применяется множество различных моделей для обработки фото. И когда его сервис начал набирать обороты и стал приносить денег, появилась операционка в виде помощи пользователям с неточностями в работе, возвратами денег (такое бывает у любого бизнеса) и ответами на разнообразные вопросы, которые летят на почту. В какой-то момент Антон заметил, что на это стало уходить несколько часов каждый день, поэтому он стал копать в сторону агентов и конкретно OpenClaw. После нескольких итераций у него получилось завести систему, в которой агент сам разгребает почту, отвечает пользователям там где безопасно, создает счета на возврат (но не делает возврат сам) и выполняет другие полезные задачи. Подробнее про это можно посмотреть в подкасте "организованное программирование". Конечно на объеме это не заменит реальных людей, но значительно сокращает их количество на всех этапах и позволяет бизнесу быть более быстрым и устойчивым к изменениям. И сейчас такого становится все больше, как на уровне солопредпринимателей так и на уровне крупных компаний, которые активно переводят часть своих технарей в роль llm-разработчик. Название пока не устаканилось, но фактически это программисты с опытом devops, некоторыми знаниями базы по llm и глубоко разбирающихся в том как строить агентные системы. Здесь появляется много интересного: роутинг, opengraph, rag, fine-tuning, workflow, human-in-the-loop, evals, guardrails и много других страшных слов. На Хекслете мы занимаемся ровно тем же самым, внедряем эти механики во все внутренние процессы и раскатываем на самом сайте. И естественным продолжением стало появление курса LLM-разработчик, первый поток которого стартует буквально на днях. А чтобы у вас было лучше понимание что это за направление и с чем его едят, сегодня в 19:00 по москве мы проводим вебинар, где подробно обо всем расскажет Рустам Барханов, Старший инженер‑программист отдела интеграции искусственного интеллекта АО «Финам». Записаться на вебинар можно по ссылке https://special.hexlet.io/llm-developer_webinar Трансляция будет доступна и в vk и в youtube Telegram | YouTube | AI Клуб

Курсы для всех и пусть никто не уйдет обиженным Делимся ближайшими планами по запускам и новым курсам. Пока акцент идет на ИИ, мы хотим до конца лета добить оставшиеся направления, которые нас просят запустить (и которые особо интересны в этом дивном мире). К ним относятся: ИИ Автоматизатор это как обычный автоматизатор, который интегрирует сервисы с помощью таких инструментов как n8n, но помноженный на создание и внедрение агентов на no-code платформах типа Yandex AI Studio. Запуск будет в конце июля Полный вайбкодинг Это расширенная версия текущего курса по вайбкодингу, который мы недавно запустили. Он будет идти 4 месяца и фактически будет похож на ии автоматизатора по изучаемым темам, но с упором и отдельным материалом по созданию продуктов. В общем это такой стартаперский заход. Дата старта пока определяется AI SDLC курс для лидов, сто и программистов, которые хотят меняться и менять компании на AI First (AI Native). Тут много про изменение организационной структуры и новым подходам к тому как происходит сбор требований, проектирование, реалзиация, верификация и эксплуатация. Стартует в августе. LLM-разработчик Это внедренец ИИ решений в бизнес процессы. Мы уже писал про этот курс, но не писали про вебинар Как войти в LLM-разработку: навыки, вакансии, кейсы внедрений , который будет 30 числа в 19:00 по Москве. https://special.hexlet.io/llm-developer_webinar Пока выглядит так, что сделав эти курсы, мы закроем все что надо по ИИ. Если мир к этому времени не подкинет нам снова каких-то сюрпризов, то мы возьмемся за классические программы и сделаем упор на навыковые курсы для повышения квалификации. Всем бобра, оставайтесь с нами Telegram | YouTube | AI Клуб

Что самое главное в агентном программировании? Представьте что вы поставили себе хорошего агента, например, opencode, настроили проект, добавили agents.md и начали работать. Возникает вопрос, насколько результат который вы получаете с агентом оптимален? Не только с точки зрения готового кода, но и самого процесса вазимодействия с агентом. Как часто его надо направлять, насколько он тупит и генерирует не рабочее решение. Можно сказать что очень важно уметь работать с контекстом. Это абсолютная правда, нужно объяснить детали задачи, прожарить (grill-me), подгрузить нужные документы, проанализировать код (агентом) и в конце концов реализовать задачу. Без этого никак, но этого условия недостаточно. Если агент в процессе не может верифицировать то что он делает, то на выходе получится код, который скорее всего не запустится. Более того, нередко сам подход к решению может оказаться не запускаемым в принципе, но агент про это не знает, так как не может сам в этом убедится. В итоге получается что он будет постоянно останавливаться с фразой в духе "я все сделал, но проверить не могу, глянь сам". По сути, ключевым элементом во всей этой системе являются механизмы автоматической проверки кода на работоспособность. Что сюда входит? • Статическая типизация • Линтеры • Тесты (в первую очередь интеграционные) • Возможность выполнить код проекта (например через repl) • Сборка Причем агент должен знать когда и что запускать и делать это автоматически. В идеале добавить хуки в git, которые как минимум не позволяют пушить код, который не проходит базовые проверки (линтеры и проверку типов). Telegram | YouTube | AI Клуб

Модель, агент или харнес? До сих пор существует путаница, кто есть кто и как это все вместе работает. За что отвечает модель и что может модель? Как модель выполняет разные задачи и при чем тут агент? В двух словах, модель умеет только выдавать текст на базе входящего текста. По пути там еще идет преобразование в токены, но это ничего принципиально не меняет. А как тогда работают действия (тулы)? Как модель ищет в интернете, работает с файлами и выполняет команды через api сервисов? Вот за это отвечает агент, в котором соединяется обвязка (харнес) в виде различных инструментов выполняющих задачи во внешней среды + сама модель. Подробнее об этом в статье, которую мы бережно перевели для вас: https://ru.hexlet.io/blog/posts/anatomiya-agentnogo-harnessa-obvyazki И конкурс :) Кирилл Мокевнин выступает в понедельник на Podlodka AI Crew (кого я обманываю, я сам пишу этот пост). А за это нам дали пару проходных билетов на халяву. Собственно давайте их разыграем. Напишите в комментариях как вы используете ИИ или какие задачи вы решаете с помощью него. Самый залайканый комментарий на понедельник 10 утра получит секретный код с доступом к конференции. Лайк, шер, алишер. Telegram | YouTube | AI Клуб

☀️ Популярные программы июня от Хекслет Для действующих разработчиков: — Курс «LLM-разработчик» со скидкой, старт 25 июня; Профессии с нуля: — Курс «DevOps-инженер с нуля»; — Курс «Golang-разработчик с нуля»; — Курс «Фронтенд-разработчик» с нуля; Навыки, учим в быстром темпе, всё самое важное в сжатом виде: — «ИИ для разработчиков»: дебаг, рефакторинг, проектирование архитектуры, работа с документацией и Git, добавляем ИИ в каждый этап. — «DevOps для разработчиков»: автоматизации, контроль деплоев, сборки; — «Вайб-кодинг на Claude Code»: все самое актуальное от профессионалов в ИИ-разработке; Ждем вас на наших программах. Не можете определиться с выбором? Напишите нам Telegram | YouTube | AI Клуб

Хотим мы этого или нет, но разработка в современном мире поменялась и продолжает активно развиваться в сторону ИИ инструментов. Как бы мы не пытались и не хотели, разговоры всегда и везде сводятся к навыкам работы с ИИ. Что ж, пришло время сказать, что мы перестаем этому сопротивляться. Наш клуб теперь официально "Хекслет AI Клуб". Здесь мы говорим про AI SDLC и внедрение ИИ в задачи бизнеса. При этом мы не скатываемся в истерию и фанбойство. Все по серьезке, но через новую призму. Ссылка на клуб: @hexletclub Клуб теперь открыт для всех желающих. Бот при этом останется для разных полезных действий, которые мы настроим чуть позже. Telegram | YouTube | AI Клуб

Уровни зрелости использования ИИ в разработке. От "пишу все руками" до "ии интегрирован в SDLC". Где вы на этой шкале? Уровень 0. Не использую Код пишется руками, документация ищется в браузере, Stack Overflow открыт в соседней вкладке. Уровень 1. Чат рядом ChatGPT или Claude в отдельном окне. Спросил, скопировал, вставил, поправил. Удобно для объяснений, шаблонов и вопросов в духе "как сделать X". Контекст проекта модель не видит, поэтому мы держим его в голове и в промптах. Уровень 2. Автодополнение в IDE (NES) Copilot и аналоги работают прямо в редакторе. Подсказки появляются по ходу набора, автодополняются целые функции. ИИ переехал из вкладки в рабочий процесс, но все еще дописывает за вами. Уровень 3. Агент пишет код и занимается дебагом Cursor, Claude Code, Codex. Задача ставится агенту, и дальше он ведет ее сам: собирает контекст по кодовой базе (читает нужные файлы, ищет зависимости), строит план, реализует, прогоняет тесты и проверяет себя, а в конце готовит коммит и PR. Уровень 4. Агент интегрирован в инфраструктуру Агент работает не только с кодом, но и с окружением вокруг него: CI/CD, деплой, логи, метрики. Может прогнать пайплайн, выкатить ветку, посмотреть, что упало на проде, и почему. Уровень 5. Интеграция в SDLC Агент встроен в процесс целиком. Делает triage входящих тикетов, сам собирает контекст: читает тикет, его аттачменты, переписку в комментариях, ходит в базу знаний и документацию, поднимает связанные PR и историю. На основе этого решает, что нужно сделать, берется за задачу, сам коммитит, создает реквесты и исправляет по ревью. А на каком уровне находитесь вы? Напишите в комментариях Telegram | YouTube | Сообщество

Я у мамы фаундер или почем вайбкодинг? Мы долго избегали этой темы, но вайбкодинг таки пришел в нашу жизнь. Во-первых многие захотели попробовать стать предпринимателями, а во-вторых, сам процесс стал сильно ближе к разработке, чем просто пиу промпт пиу. Поэтому 28 мая мы стартуем курс "Вайбкодинг на Claude Code". Идеально для тех кто не совсем программист, но очень хочет что-то замутить. Что там будет? Будем пилить готовые решения, от лендингов со сбором заявок и автоматическом анализе конкурентов, до mvp сервиса по кросс-публикации постов в разные соцсети. Курс небольшой на месяц, поэтому он скорее вводный для тех кто хочет по быстрому попробовать. Тут мы даем минимально необходимую базу по моделям и агентам, а так же техническим штукам, без которых будет совсем тяжко. Программа и цены по ссылке => https://ru.hexlet.io/programs/vibecoding-claudecode p.s. Хотя там написано claude code, по факту его можно проходить с любым другим инструментом Telegram | YouTube | Сообщество

Как учиться новичкам в эпоху ИИ? Сейчас такими советами весь интернет завален. Хотите правду? Да ничего принципиально не поменялось. Если стоит задача что-то по быстрому сделать, то ии конечно помогает и позволяет не погружаться туда, куда не хочется. Но если вы решили стать профи в какой-то области, то разобраться придется иначе решение любой задачи превратится в метод тыка. И это не какое-то новое веяние, такое было всегда, просто не так часто. Поэтому одни люди добавились чего-то серьезные, другие не особо. Нам вообще кажется, что сейчас целеустремленным и тем кто действительно пытается разобраться в том чем занимается станет легче, потому что ИИ делает людей ленивыми и в глубь копает все и меньше людей. А значит найти глубоких спецов становится сложнее. Нужно ли при этом уметь пользоваться ИИ? Да, безусловно. От быстро что-то навайбкодить, до целенаправленно решить сложную задачу с контролем не только внешнего поведения, но и того что получилось по итогу в коде. Влияет ли это как-то на знание каких-то фундаментальных вещей от принципов работы операционных систем до многопоточного программирования? Совсем нет. Хотя какие-то знания конечно будут уходить в небытие, но это тоже не новое, современные программисты с точки зрения старых разработчиков (которые писали на более низком уровне и знали сильно больше деталей) вообще ничего не понимают в этой жизни 🙂 Если воспринимать ИИ как помощник, то все становится проще. С его помощью действительно проще и быстрее находить ошибки не зависая над проблемой на часы и дни теряя мотивацию. Но важно не превращать это в метод тыка. Нужно вместе с ИИ строить гипотезы, шаги по их проверке и так далее. В общем после такой сессии вы должны выходить новым человеком, с новым багажом знаний. Что касается написания нового кода, то тут придется себя регулярно останавливать и заставлять писать код самостоятельно. Тут только рефлексия и самоконтроль. p.s. Пока писал пост, пришла идея видео, где мы это продемонстрируем 🙂 Telegram | YouTube | Сообщество

Из колонии во фронтенд Зацепили? Это не шутка! Наш студент работал в колонии (не сидел), а теперь в Модульбанке. Вообще мы давно не выкладывали историй успеха, а они есть, каждую неделю кто-то трудоустраивается что не может не радовать. Вакансий меньше, запроса меньше, но при должном усилии и щепотке магии коммерческих проектов Хекслета можно попасть и на стажировку (о которых публично не о собо пишут) и на работу. Интро Дима не из тех, кто в детстве разбирал компьютеры и мечтал о стартапе. Последние годы он был дежурным помощником начальника учреждения и отвечал за все, что происходило в смену, от ночных происшествий до обхода постов. После службы можно было выбрать спокойный путь. Он выбрал другой. Четыре года самостоятельной учебы. Потом Хекслет, курс на 10 месяцев прошел за шесть. Потом 350 откликов и 8 месяцев поиска почти без ответов. Параллельно работа мастером в газораспределении, усталость, обычная взрослая жизнь. А потом тестовое за три вечера и стажировка в Модульбанке. => https://ru.hexlet.io/blog/posts/iz-raboty-v-kolonii-vo-frontend-kak-ya-v-42-goda-popal-na-stazhirovku-v-modulbank Telegram | YouTube | Сообщество

В каких компаниях искать работу Вокруг одни бигтехи. Где работать если я устал от банков? Вот такой твит я увидел неделю назад и опечалился. Даже в реплаях было сплошное "а чо ты хотел", "такой мир". Есть и другой мир черт побери. Сначала небольшая историческая справка. Действительно со временем присходит консолидация, крупные компании поглощают мелкие и выстраивают целые экосистемы замыкая на себе все до чего могут дотянуться. Сервисы типа читалок книг, кино, машины и многие другие были независимыми. Со временем их скупил яндекс и другие ребята. Куда не ткни в b2c, там на фоне обязательно какой-нибудь крупняк, который им владеет. Ну а торговля вообще уехала в маркетплейсы, больше никто не делает интернет-магазины на заказ (почти). И понятно почему это происходит, такие проекты сложно и дорого масштабировать (с бизнесовой точки зрения), а крупные экосистемы имеют свои каналы дистрибуции, что позволяет достаточно легко выходить на очень большие аудитории. В таких случаях у частников просто никаких шансов. Какому нибудь сберу достаточно разместить кнопку в своем приложении и уже миллионы пользователей. Однако это не отменяет того, что даже если сервисом владеет какой-то крупняк, значит он обязательно работает по формату бигтеха. Со всеми вытекающими. В любом случае даже бигтехов больше, чем может показаться. Существует рейтинг https://smartranking.ru/ru/ranking/big-tech/, где можно посмотреть их список, кто сколько зарабатывает и возможно найти себе будущего работадателя. А куда еще можно податься? Из всех направлений я бы выделил четыре Компании где ИТ имеет важную роль, но это все таки обслуживание, а не основа бизнеса. Например нефтянка, заводы и всякое другое. Я плохо знаком с этим направлением (хотя когда то нанимал c++ девов с завода и дивился тому как у них там работает). Аутсорсеры/агенства/студии - Вот тут реально много разработчиков и эти компании живут тем что чем больше девелоперов тем больше зарабатываем (если есть заказы естессно). Тут обычно зп ниже, но зато можно поработать с кучей разных технологий и проектов. Откуда про них узнавать? И тут есть свой рейтинг https://digirate.ru/. Можно по нему посмотреть сайты компаний и раздел вакансий. Там всегда что-то висит Стартапы. Тут вообще может быть все что угодно, главное что стартап эпично растет и кому-то продается. Сейчас их число в рф подозреваю сильно сократилось, но когда экономика на подъеме и доступны дешевые деньги, стартапы расцветают и появляется много работы. И мое любимое, это независимые (но не всегда) SaaS решения, как правило b2b направленности Вот про последних хочется чуть больше. Вам что нибудь говорят названия AmoCRM, Mindbox, Timepad, Tutu, Все инструменты, Мой Склад или Roistat? Конечно все знают Aviasels и многие ТуТу, но остальные вообще врядли слышали. А между тем, я как и большинство владельцев цифовых бизнесов пользуюсь либо ими либо их аналогами. То есть существует большой блок b2b сервисов и небольшой b2c, в котором есть частные компании, где разработчиков от нескольких до сотни человек (может сотен в редких случаях) и где совершенно другое ощущение от работы (меньше бюрократии, близость к бизнесу, к собственнику). Если вы про эти компании ничего не знаете, то самое время познакомиться тут https://digirate.ru/saas p.s. Вы работаете в бигтехе или как раз в одном из таких частных проектов? Telegram | YouTube | Сообщество