Учим Питон

Двойная подача Я тут начал практиковать двойную подачу резюме на вакансии. В чём её суть? Сначала я откликаюсь на вакансию со своим обычным резюме. Затем в течение 10-20 минут подаю отклик с другого аккаунта, используя объективно слабо подходящее резюме. Второе резюме должно практически гарантированно получать отказ. К примеру, в моём случае я отправляю резюме бывшего дизайнера на позицию разработчика без релевантного опыта и профильных курсов. Проделав такую подачу насколько раз, можно сделать определенные выводы. Что же даёт двойная подача? Если говорить в общем, мы хотим понять, насколько наше резюме работает лучше, чем объективно плохое. Так как резюме подаются практически одновременно, то велика вероятность, что они попадут в один кластер просматриваемых резюме. Затем мы смотрим на время ответа работодателя. И тут возможны несколько вариантов. Вариант 1. Оба резюме не получают отклика или получают отказ (практически) одновременно. Это плохой вариант: он означает, что наше основное резюме работает не лучше плохого и не может пройти первичный фильтр. Стоит отдельно отметить, что первичный фильтр может быть разным — ключевые слова, время отклика и т.д. Вариант 2. Основное резюме получает отказ через несколько дней после отказа по плохому резюме. Это означает, что наше резюме прошло самый первичный отбор, но было отклонено на одном из последующих этапов. На мой взгляд, хорошее резюме в большинстве случаев должно следовать именно этому паттерну. Вариант 3. Оба резюме получают приглашение на следующий этап. Тут всё просто: вероятнее всего, вакансия — скам. Вариант 4. Хорошее резюме получает отказ, а плохое не получает ответа. Я считаю, что это тоже хороший вариант. Самый первичный фильтр пройден, а на следующем этапе было принято решение отказать. Плохое же резюме не прошло даже первичный отбор. В общем, как видите, если человек не может найти работу, он найдёт чем заняться, пока ищет работу 😅

Раз уж меня в чате спросили, по каким направления я подавал резюме, думаю, что и здесь можно поделиться моим экспериментом.

Совместное прохождение SQL Пока что приостанавливаем прохождение на пару недель, потому что мне надо подготовиться к интервью. Первому интервью за 6 месяцев рассылок резюме. Интервью на позицию разработчика встраиваемых систем, а я ничего по этой теме не помню. Ну, хотя бы получу практику прохождения интервью🙈 В общем, через две недели вернемся к прохождению курса по sql, чтобы пройти еще два важных раздела.

Совместное прохождение SQL Я вижу, что часть людей активно проходит вторую главу, поэтому в эту неделю проходим задания из 2.4. Вступайте в класс, чтобы я мог отслеживать прогресс: https://stepik.org/join-class/ac4adbfbe848a0919b3fa687e1e9ad5be6ff7de2

Как вы пишите SQL запросы? (к примеру, для курса по SQL)

Совместное прохождение SQL Чуть не забыл. Проходим задания из 2.4. Вступайте в класс, чтобы я мог отслеживать прогресс: https://stepik.org/join-class/ac4adbfbe848a0919b3fa687e1e9ad5be6ff7de2

Совместное прохождение SQL Ставлю цель: нам нужно допройти вместе 2 главу. Поэтому в эту неделю продолжаем проходить курс-тренажер по SQL: задания 2.1-2.3. Это самая база, с ней мы сможем окунуться в то, что сейчас наиболее востребовано. Вступайте в класс, чтобы я мог отслеживать прогресс: https://stepik.org/join-class/ac4adbfbe848a0919b3fa687e1e9ad5be6ff7de2

Пять месяцев поиска работы. Итак, коротко подведу итоги пяти месяцев поиска работы. Все эти пять месяцев я откликался на англоязычные позиции аналитика данных и UX исследователя. Подходящих было совсем мало (22), и по ним я получил ровно ноль приглашений на интервью. На большую часть из них я не получил даже отказов. Кроме этого, готовы первые результаты эксперимента. Напомню, что я решил проверить, до какого уровня нужно подтянуть язык, чтобы стали чаще приглашать на интервью. Я подготовил резюме для направлений Embedded, Data Analytics и User Research с двумя уровнями языка: B2 и C1. Каждое резюме подогнано под направление. Итоги двух недель эксперимента: 25+ откликов, 6 отказов, 0 (ноль) приглашений на интервью. Особенно я был удивлен отказам в embedded: не помогли ни три года реального опыта, ни две практики в Google Summer of Code, ни диссертация, в которой был разработан модуль ядра Linux. Что же делать дальше? У меня есть несколько вариантов. Во-первых, я почти закончил писать заявку на грант с одним из профессоров, поэтому есть небольшой шанс на успех через шесть месяцев. Во-вторых, я и дальше буду учить немецкий язык, повторять Python, SQL и embedded-разработку. В-третьих, я начинаю посматривать в сторону стартапов — что интересного я там могу сделать, что могу предложить миру. И есть одна идея. Идея для стартапа достаточно проста. Есть некоторые отрасли в нашей жизни, в которых доступ в интернет невозможен, равно как и использование мобильного телефона: медицинские ассистенты, девайсы для работы в трудных условиях, устройства для военных. При этом все равно хотелось бы иметь возможность общаться с таким девайсом — давать ему голосовые команды, получать от него простейшие пояснения. Так почему бы не сделать некий прототип, который будет иметь возможность обрабатывать данные с датчиков и иметь встроенную простейшую LLM? И с этим прототипом уже можно будет кататься на всякие хакатоны и искать реальные применения. Заодно и технические скиллы вспомню, и пет-проект появится. Подведу итог. Вакансий мало. Повышение уровня языка в резюме до свободного пока не дало плодов. Однако у каждой медали есть две стороны. К примеру, отсутствие работы подталкивает делать что-то своё — работы-то по факту почти нет. Поэтому если вы работаете в медтехе или промышленной автоматике — делитесь реальными проблемами, которые я мог бы решить. Если у вас есть идеи, как подойти к поиску работы, тоже делитесь в комментариях :)

Совместное прохождение SQL Продолжаем проходить курс-тренажер по SQL. Давайте начнем проходить вторую главу, задания 2.1-2.2. Не страшно, естли вы не прошли 1.6-1.7 — это были задания для закрепления. Нам же пора двигаться дальше. Вступайте в класс, чтобы я мог отслеживать прогресс: https://stepik.org/join-class/ac4adbfbe848a0919b3fa687e1e9ad5be6ff7de2

Совместное прохождение SQL Я виже, что немало людей начали проходить 1 главу. В общем, давайте попробуем пройти за эту неделю первую главу, включая тренировочные задания 1.6-1.7 — там самое веселье. Вступайте в класс, чтобы я мог отслеживать прогресс: https://stepik.org/join-class/ac4adbfbe848a0919b3fa687e1e9ad5be6ff7de2

Совместное прохождение SQL К классу присоединились новые люди, поэтому проходим до конца этой недели главу 1. Для тех, кто не начиал — отличная возможность нагнать. SQL требуется практически везде. Вступайте в класс, чтобы я мог отслеживать прогресс: https://stepik.org/join-class/ac4adbfbe848a0919b3fa687e1e9ad5be6ff7de2

Совместное прохождение SQL Началась новая неделя, а это значит, что мы продолжаем проходить наш SQL тренажере. Проходим до конца этой недели главу 1. Вступайте в класс, чтобы я мог отслеживать прогресс: https://stepik.org/join-class/ac4adbfbe848a0919b3fa687e1e9ad5be6ff7de2

Совместное прохождение SQL Последний раз напоминаю, что мы начинаем повторять SQL на курсе-тренажере. Проходим до конца этой недели главы 1.1-1.3, а потом пойдем дальше и добиваем первую главу. Вступайте в класс, чтобы я мог отслеживать прогресс: https://stepik.org/join-class/ac4adbfbe848a0919b3fa687e1e9ad5be6ff7de2

Пост на английском про оптимизацию запросов для больших данных: https://towardsdatascience.com/14-ways-to-optimize-bigquery-sql-for-ferrari-speed-at-honda-cost-632ec705979/

Опрос А каких AI-помощников вы используете для написания кода? Или для аналитики данных? Как вы их используете? Сколько они стоят? Пишите в комментариях, а я попробую за пару недель протестировать разные решения и написать небольшой пост о своем опыте.

BigQuery BigQuery — это облачное хранилище данных (Data Warehouse) от Google, предназначенное для хранения и анализа больших объемов информации (петабайты) с помощью обычного SQL. С помощью BigQuery мы можем делать эффективные запросы выборки данных и строить модели анализа данных. Вот плейлист с доступным объяснением на английском: https://www.youtube.com/playlist?list=PLJnkyVAO-LM7D_9kbeI47P7hJ0SjHj1VQ

Свойства метрик. Прежде я выкладывал ссылку на плэйлист по AB-тестированию и несколько постов про метрики. Первый плейлист я все так же рекомендую. А вот одно видео оттуда по свойствам метрик: https://youtu.be/tLYfYliU6oU?si=I1dgdiUd-xv6mxB3

Совместное прохождение SQL Напоминаю, что сегодня мы начинаем повторять SQL на прекрасном курсе-тренажере. Одновременно, я буду подкидывать какие-то дополнительные статейки. Вступайте в класс, чтобы я мог отслеживать прогресс: https://stepik.org/join-class/ac4adbfbe848a0919b3fa687e1e9ad5be6ff7de2 Как всё будет проходить Раз в неделю я буду анонсировать, что мы прошли и что будем проходить. Под постами и в чате в тг можно задавать вопросы по курсу.

Метрики: pLTV (Predictive Customer Lifetime Value) Недавно мы поговорили о метрике Lifetime Value (LTV). Это ретроспективная метрика, которая показывает , сколько прибыли приносит компании клиент за определенный промежуток времени. Но нам ведь интересно узнать, сколько денег еще принесет клиент, сколько продуктов купит и с какой вероятностью он останется с нами (нужно ли тратить на его удержание деньги). Для этого и сущестует pLTV. Чтобы его рассчитать, можно использовать несколько методов и эвристик. О паре таких методов говорится в этом видео: https://www.youtube.com/watch?v=HgQ1TbgCI3Y

Метрики: Retention Rate. Retention Rate (коэффициент удержания клиентов) — это показатель удержания клиентов, который информирует, какой процент людей от общего числа пользователей возвращается за повторными покупками и/или продолжает пользоваться коммерческими продуктами бренда. Я сделал небольшую картинку с формулой для расчета, в сети же часто можно увидеть слегка измененную формулу.