Бегущий по лезвию данных

5 ошибок на пути к первому офферу

Наконец разобрал заявки на менторство, их было немало и это заняло какое-то время. Вместо одного человека решил взять троих - двое уже отобраны, третий на финальном этапе. Это разные истории и разные точки старта. Позже расскажу про ребят подробнее.

При разборе заявок обратил внимание на несколько повторяющихся проблем. Они связаны друг с другом и по сути это одна проблема, но просто в нескольких разрезах. Часть из них мне хорошо знакома - как говорится, индивидуального опыта в мире не так уж и много. Посмотрим же на этот перечень 🤕


1. Ищу работу, но не ищу

Абсолютный лидер. Большинство ребят пишут, что находятся в поиске, но в ответах на вопрос о конкретных действиях видим, что откликов буквально 0. Поиск застыл на этапе «готовлюсь к выходу на рынок». Хорошо, если человек в этой подготовке хотя бы работает с резюме, но чаще нет и этого. Сюда же я бы включил слишком избирательный подход к откликам - в духе 10 откликов за месяц.


2. Вечный студент

Есть база по SQL, Python и BI. Но надо ещё ML, A/B, новый курс и pet-project.
Кажется, что вот после этого уже точно можно искать работу. Потом находится следующий пробел. И ещё один.
В какой-то момент обучение просто становится удобным способом не выходить на рынок.
Думаю, многим знакомо. Но не переживайте про обучение - в IT вы будете учиться всю жизнь ❄️


3. Я ещё не готов

В заявках несколько раз встречается страх идти на собеседования из-за недостатка практики. Знания у человека уже есть, но он не уверен, что сможет показать их на собеседовании - особенно при решении задач.

Но чтобы научиться ездить на велосипеде - нужно ездить на велосипеде. Ты никогда не будешь готов, пока не упадешь достаточное количество раз.


4. Лечат не тот этап воронки

Человек отправляет сотни откликов, получает пару бесед с HR и идёт активнее учить Python.
Хотя Python у него ещё никто не проверял.
Если до собеседования дело почти не доходит, я бы сначала смотрел резюме, позиционирование и сами вакансии.


5. Обнуляют прошлый опыт

Это прежде всего касается тех, кто меняет профессию. «Опыта нет», а потом выясняется, что человек работал в продажах, руководил отделом, преподавал SQL, писал автоматизацию или занимался отчётностью.
При смене профессии очень легко мысленно начать карьеру с нуля. Хотя часто задача не получить опыт заново, а нормально упаковать уже имеющийся.


В качестве итога такая мысль -
сначала нужно понять, где именно ломается поиск работы, а уже потом что-то чинить.

Мало откликаешься? Откликайся больше и через разные каналы. Отклики все ещё бесплатны.

Не зовут? Смотри резюме, позиционирование и свой фильтр компаний.

Зовут, но не доходишь до технички? Фиксируй и разбирай собеседования с HR.

Проваливаешься на техничке? Добирай точечно знания и снова к откликам.

Конечно, осознавать проблему это только полдела, в корне проблем часто лежат ложные убеждения или страх неудачи, но об этом мы поговорим, когда я устану крутить таблички и открою сервис скорой психологической помощи для it-специалистов ❄️

Форма закрыта, было прислано больше 15 заявок. Ближайшие дни я буду их разбирать, чтобы выбрать одну историю.

Хотя уже сейчас видна основная проблема с поиском работы, которая повторяется практически у всех и о которой я расскажу в следующем посте.

Плата за рилс

Товарищ был уволен за рилс про сравнение двух банков.

Directed by Robert B. Weide

Помогу получить оффер бесплатно

Пришла осень, и взяла меня тоска по преподавательским временам) ☺️

Всё-таки я люблю не только учиться, но и учить: много обучал детей программированию, помогал знакомым готовиться к переходу в аналитику и нередко консультировал подписчиков.

В честь двухлетия канала возьму под свое менторство одного человека, который уже проходил курсы или занимался самостоятельно, освоил базовые инструменты и пытался найти работу, но пока остался без оффера ☔️

Из заявок выберу кейс поинтереснее. Вместе выясним, где всё застопорилось: в знаниях, практике, резюме, собеседованиях или стратегии поиска - и будем последовательно это исправлять 🤓

От менти нужны регулярные занятия и согласие на то, что история нашей работы станет материалом для постов (при желании - под псевдонимом) 🎹

Заявки оставляйте тут, через неделю сбор заявок будет закрыт

🎂 Каналу сегодня два года

Как-то незаметно «Бегущему по лезвию данных» исполнилось уже два года.
Я тут регулярно что-то рассказываю про себя и свою работу, а вот про вас знаю довольно мало. Поэтому предлагаю сегодня поменяться местами 🙂

Расскажите в комментариях, кто вы, чем занимаетесь и как вообще оказались в мире данных, что вам интересно читать здесь. Можно просто пару слов.

Пишите в комментарии, давайте знакомиться ✍

Сегодня Linux исполнилось 35 лет 🐧

25 августа 1991 года 21-летний Линус Торвальдс рассказал коллегам о своём проекте и попросил обратную связь. Так и началась история Linux.

Внезапно

Прописка в IT или кот в мешке за миллион рублей?

Привет, коллеги! Хочу поинтересоваться вашим мнением про IT-магистратуры, а конкретно про онлайн программы (в партнёрстве с разными школами программирования или без оного).

Такие сейчас есть практически во всех топовых вузах. Основная фишка – это не заочка, а очный онлайн и большинство студентов совмещают его с работой. Стоимость у них плюс-минус одинаковая – около миллиона рублей, но есть и дороже. Наборы там большие, экзамены не сильно суровые и, кажется, люди активно идут – особенно те, у кого не профильная вышка и хочется это исправить, чтобы крепче стоять на ногах в новой реальности, или из-за отсрочки, или чтобы закрыть гештальт, или человек просто любит учиться и ищет «фундаментального» образования (нужное подчеркнуть).

Поделитесь личным опытом, если он имеется, и расскажите, что думаете о таких программах?

сделай красиво, да

🐴 Что такое Harness?

Когда мы говорим про ChatGPT, Claude или DeepSeek, легко представить, что почти всё зависит от самой LLM. Но модель — это только часть системы.

Сама по себе LLM работает с контекстом и генерирует ответ. Она не открывает файлы, не запускает Python, не ищет информацию в интернете и не выполняет команды в терминале.

Чтобы модель превратилась в агента, вокруг неё нужна инфраструктура. Эту инфраструктуру и называют harness.

Само слово здесь довольно говорящее: harness буквально переводится как «упряжь». То есть harness «запрягает» LLM — подключает к ней инструменты, управляет её действиями и организует выполнение задачи.
Если сильно упростить архитектуру:

Пользователь → Harness → LLM → Harness → инструменты → результат → LLM

Что именно находится внутри этой «упряжи»?

1. Context manager — управляет контекстом
Решает, что именно сейчас должна увидеть модель: системные инструкции, историю диалога, содержимое файлов, результаты предыдущих действий.
Контекст конечен, поэтому старую информацию приходится удалять, сжимать или заменять кратким summary.

2. Tool layer — даёт модели инструменты
Например: read_file(), search_code(), run_sql(), execute_python(), web_search()

Важно, что LLM сама ничего из этого не выполняет.
Она лишь генерирует запрос на использование инструмента. Harness распознаёт его, вызывает нужную функцию и возвращает результат обратно модели.

3. Agent loop — превращает один ответ в процесс
Обычный чат работает примерно так:
запрос → LLM → ответ

У агента появляется цикл:
LLM → действие → результат → LLM → действие → результат → ...
Именно поэтому агент может самостоятельно прочитать код, запустить тест, увидеть ошибку, исправить её и попробовать снова.

4. State / Memory — хранит состояние
Harness следит за тем, что агент уже сделал: какие файлы прочитал, какие команды запускал, какие результаты получил и на каком этапе задачи находится.
Без этого каждый следующий вызов модели был бы почти новым разговором.

5. Permissions и guardrails — определяют границы
Прочитать файл — можно.
Изменить файл — можно.
Сделать git push — возможно, сначала спросить пользователя.
Выполнить DROP TABLE — не сегодня.
То есть harness отвечает не только за возможности агента, но и за то, что ему делать нельзя.

Постепенно помимо гонки моделей начинается гонка харнессов. Например, на днях DeepSeek выпустили собственный Harness (DSH) с подходом, что все есть плагин. Короче, разработчики моделей начинают конкурировать уже не только качеством самих LLM, но и тем, какую среду для работы вокруг них они могут построить.

Отчасти LLM превращается в заменяемый движок, в некоторых случаях можно использовать более дешёвую модель с продвинутым харнессом.

На мой взгляд, среди обычных юзеров большАя часть возможностей современных агентов определяется уже не столько моделью, сколько харнессом и его фичами.

Про отпуск

Последние несколько лет получается так, что я хожу в отпуск один раз в году. В прошлом году мы никуда не поехали, потому что ждали появления нового члена семьи и весь отпуск ушел на знакомство с ним. В этом году решили отправиться на Селигер – очень уж хотелось тишины. Дом, в котором мы живём, переживает эпоху капитального ремонта, поэтому уже несколько месяцев мы слышим попеременно детский плач и многочасовую работу перфоратора. И если к первому мы привыкли, то второе просто измотало нас, поэтому хотелось поехать в очень тихое место, чтобы перезагрузиться. На Селигере действительно тихо – леса, озера, чудесные закаты и облака – все это в наличии. И практически никакого интернета. К сожалению, на этом плюсы заканчиваются, потому что весь регион находится в каком-то забытьи – из черных окон заброшенных домов глядят столетние призраки, да и не только из окон. Поэтому бонусом к тишине мы в каком-то смысле получили небольшое путешествие во времени. Однако один из нас остался в полном восторге от контраста этих озёрных мест с мегаполисом – вот он хохочет и убегает из кадра.

3,934,137 rows affected

Чтобы закрыть эту таску я использовал простой советский...