46 ответов в теме

[Ripple]

Очень нишевая вещь. Реальных вакансий на ней практически нет, больше популярная в data science и среди java-разрабов: у них там большие данные, хадуп и прочая шняга. Для первого языка (и даже для второго, вероятно) она не подходит. 

Все верно, scala хорошо идет в большие данные, это востребовано, но там дополнительных скилов вагончик нужен.

[Zolha]

Типа а в довесок к чему нить хотя бы SQL на минимальном уровне понять не полезно? Оно там не так что бы сложно, но сам подход работы одновременно и у себя в программе и с использованием внешней базы данных он сильно расширяет кругозор.

[JessZ]

Время все это действо пожирает просто адово. Ну и силы, особенно если работаешь, и работа твоя не столь уж близка к этому всему. 

Я с весны 2020 го пытался "заехать"  на Python, кое-как осилил яндексовскую первичку по Data Science и понял, что рубиться мне еще с этим добром несколько лет (с учетом работы, которая напрямую не связана с этим), ибо очень хорошо переделывать чужой код, меняя там пару переменных (чем я и занимаюсь в R - ggplot2, boot, influ и прочих прекрасных пакетах, изучал сам, нормально кодить не умею), но что-то делать капитально - это уже надо что-то соображать немного на другом уровне.

 

Все эти "Data Science для чайников" (с остальным, вероятно, тоже) , обещающие вкачать в 5 сумермега профу за не более чем год, часто подразумевают, что ты уже как минимум знаешь основы статистики, вышмат, способен читать на английском и все такое, ну и можешь посвящать этой мозгомойке не 1-2 ч в неделю, а все 3-4 ч, и не в неделю

 

Но поток желающих срубать как минимум 100 тыс. р. после года учебы наверняка не иссякнет. 

[Xiemargl]

так то математическое образование включает в себя и основы статистики и теории вероятностей и курс программирования и

англ.яз

 

вышмат это просто обрезки для непрофильных

[unti1x]

Типа а в довесок к чему нить хотя бы SQL на минимальном уровне понять не полезно? Оно там не так что бы сложно, но сам подход работы одновременно и у себя в программе и с использованием внешней базы данных он сильно расширяет кругозор.

*SQL - это всё дополнительные инструменты. Помимо обычных реляционных баз, если ещё и тонна других видов хранилищ: документно-ориентированные (mongodb/couchdb), ключ-значение (redis), графовые (neo4g, graphdb), вертикальные aka колоночные aka аналитические (vertica, clickhouse) - тыщи их. Для разных задач - разные. Оно, конечно, нужно и полезно, но работа с ними - это отдельный скилл. Как правило для реляционных нужно понять ооп и нормализацию данных, научиться писать обычные выборки, джоины и группировки, а потом просто пользоваться ORM, а на запросы только в логах смотреть, если что-то не работает.

 

Но нужно ли вообще это осваивать, зависит от того, чем будет заниматься ОП потом. Если уйдёт в веб-разработку, то обязательно, если в геймдев - то зависит от направления, может и не нужно будет, для обычных десктопных приложений тоже это нужно не каждый раз

Время все это действо пожирает просто адово. Ну и силы, особенно если работаешь, и работа твоя не столь уж близка к этому всему. 

Я с весны 2020 го пытался "заехать"  на Python, кое-как осилил яндексовскую первичку по Data Science и понял, что рубиться мне еще с этим добром несколько лет (с учетом работы, которая напрямую не связана с этим), ибо очень хорошо переделывать чужой код, меняя там пару переменных (чем я и занимаюсь в R - ggplot2, boot, influ и прочих прекрасных пакетах, изучал сам, нормально кодить не умею), но что-то делать капитально - это уже надо что-то соображать немного на другом уровне.

 

Все эти "Data Science для чайников" (с остальным, вероятно, тоже) , обещающие вкачать в 5 сумермега профу за не более чем год, часто подразумевают, что ты уже как минимум знаешь основы статистики, вышмат, способен читать на английском и все такое, ну и можешь посвящать этой мозгомойке не 1-2 ч в неделю, а все 3-4 ч, и не в неделю

Собственно, заезжая в data science ты больше заезжаешь в математику, а не в программирование, поэтому python - это просто инструмент для решения задач. С тем же успехом можно было бы использовать Java или Scala. Важно понимать базовые вещи и примерно представлять, что могут твои инструменты, а остальное уже решили за тебя в гуглах и документации
 

[JcJet]

Писал на C#, давно.
Перешел на Python и немного R.
Больше мне ничего не надо.
Пишу на этом и дисер по глубоому обучению, и биржевого бота, и на коленке ботов для онлайн игр.

[Tanhausser]

18+