Учиться никогда не поздно: берёшь — и учишься. А всё, что я накопал отовсюду за времена сомнений, заключается в том, что в современной IT‑индустрии нынче не до сантиментов. Нередко читаю о том, что вакансий меньше, чем соискателей, что рынок труда всё более склоняется к работодателю, конкуренция среди junior‑специалистов зашкаливает. Кипят страсти в комментариях к статьям о поиске работы после курсов — весь спектр эмоций: от «никому не нужны эти полчища „вайтишников“» до чего‑то вроде «если ты отважный, работоспособный и фанатичный, то IT‑джунгли тебя зовут».

Кстати, не потому ли FAQ порталов на вопрос о трудоустройстве после обучения отвечает мне обиняками, расплывчато, перекладывая ответственность на самого студента, но так, чтобы этот студент сразу не убежал. А на главной‑то странице столько песен про зарплату на первый‑пятый‑десятый год работы.

Hello, Панда!

Учимся для того, чтобы работать. А потом работаем, чтобы иметь средства переучиться, если сил и времени хватает. Такое бывает. В мои годы и при моей карьерной колее, кажется, что поздно и не нужно себя мучить учением (учить мучением). Вытянуть репку непросто — сколько народу с ней настрадалось. Но интересно же! Толкает что‑то к новому и захватывающему. Может, я пересмотрел в детстве фантастики или слишком серьёзно вчитывался в истории об Ийоне Тихом? А вдруг случится нечто из длинного хвоста распределения? Тянем‑потянем за этот хвост…

«Basic Python». Может быть, исследования данных в датафреймах и не слишком (пока) похоже на мечты о фантастических технологиях из книг Лема. Однако, я действительно беззаветно люблю таблицы со времён знакомства с Excel, и любовь эта только усилилась при знакомстве с python и pandas.

От «Hello, World!» одним print`ом, чем так гордятся «питонисты», через списки и
словари к прекрасно задокументированному pandas, с помощью которого всё то же
самое, что только что было сделано циклами и условиями делается одной строчкой
кода. Обожаю логическую индексацию! df[df['bear'] == “Панда”]Не знаю, почему именно к ней питаю нежные чувства. Наверно, из‑за чувства простоты и интуитивности понимания. Спасибо, Python и Pandas! Вы, ребята, как Чип и Дэйл, скрасили мои унылые будни, избавив от рутины. Не покидает ощущение, что у питона всегда найдётся какой‑нибудь import do_everything_for_me, чтобы сделалось хорошо. И вот уже показались первые ростки фантастики!

Учусь. Система, принимающая ответы, подбадривает, шутит, хвалит. Я почти не ведусь на её комплименты. Хотя, нет. Когда вижу зелёную галочку после проверки своего кода, то чувствую себя немного собакой Павлова, рефлекторно появляется удовольствие, даже за самое незначительное задание.

Сила восклицательного знака

Знатоки говорят, что дата сайентист постоянно должен учиться и держать нос по ветру, как, наверно, и все айтишники. Вот я принялся баловаться математикой. Пусть пока и «два плюс два». Благо, есть бесплатный курс среди прочих, тестирующий базовую математику. Особенно хорошо пошла комбинаторика.

Есть отдельное удовольствие в процессе подсчёта количества сочетаний, размещений, вариантов всего, чего угодно. Факториал — это синоним человека на взводе: всегда на повышенных тонах, постоянно с восклицательным знаком, и не самое большое число раздувается так, только порядки успевай считать, водя пальцем по экрану. А все эти невероятные возможности сочетать и располагать (с повторами и без, с учётом порядка и без) кажутся такими странными и даже ненужными: знай только умножай на калькуляторе кучи чисел. И что с того? А ведь угрожают, что без этого даже маршрут по городу не построишь — надо знать все возможные варианты. В общем, поверил на слово.

Конечно, порой трудно уместить у себя в голове сразу столько возможностей вынуть шарики, заказать напиток, объехать города и т.п. Но практикой можно довести до автоматизма — и щёлкать тренировочные задачки. Может, тоже пригодится, например, на каком‑нибудь собеседовании?

Математика — странная штука: кажется, что без неё никуда, и при этом зачастую трудно понять каким боком её можно применить в реальном мире. Ну, зачем мне знать, что 10 книжек можно положить на полку 3 628 800 способами? Я уж как‑нибудь так раскидаю их, как получится. В быту вопросы решаются просто и обыденно, но на высоких уровнях, с большими числами и большими данными всё может быть контринтуитивно. Так что, спасибо комбинаторике за уйму вариантов.

Что посеешь…

Узнал о принципе GIGO, применяемом в сфере обработки и анализа данных. Звучит грубовато: «garbage in — garbage out». Если уж насобирался в датасет мусор, то обрабатывай его, моделируй, очищай, а на выходе будет… понятно что. Кончено, можно подкрутить что‑нибудь, вспомнить про распределения и статистику, навести марафет на данные. Не знаю, помогает ли такое. Есть ли и тут волшебный питоновый импорт чего‑нибудь, чтобы из корявых данных вышел не корявый ответ? Это и интересно. Тут и фантастика.

Вот и учишься — мозги кипят. А как погляжу вперёд, сколько там ещё всего — попеременно то дух захватывает, то руки опускаются. Тут не только панды с питонами померещатся! В общем, пока — одни восклицательные знаки.