21 мая 2022 г.

Ищу Python разработчиков

JD

Моииим коооорешам из диджитал агентства в России нужно собрать бэкенд команду. Я сам работал в этой компанией несколько лет - опыт крайне позитивный.
Проект до конца этого года. Предпочтение кандидатам из России (требование не политическое - так просто проще платить).

Технологии и компетенции:
  • Python 3.9/3.10
  • Опыт работы с Django и FastApi
  • Опыт работы с DRF
  • Умение писать асинхронный код с использование Asyncio
  • Опыт работы с технологиями Redis, Docker, k8n
  • Опыт создания Web services и REST
  • Git
  • PostgreSQL
  • Bash/Zsh/etc
  • Понимание принципов микросервисной архитектуры
  • Знание PEP8 и понимание для чего он нужен
  • Понимание The Zen of Python
  • Умение, и главное, желание создавать pythonic code
  • Желание развиваться и создавать высоконагруженные сервисы
Если вы тот самый человек, или хотите кого-то порекомендовать - пишите мне в LinkedIn.

24 дек. 2018 г.

Data Analyst VS Data Scientist VS Data Engineer

Эти 3 роли во много пересекаются и не всегда очевидно как они связаны с Machine Learning и чем отличаются друг от друга?
Итак, модели для машинного обучения довольно сложно строить без базового понимания принципов обработки и сэмплинга сырых и/или больших наборов данных. Большинство отличий между ролями в том, какую часть работы они выполняют для получения конечного результата. Результатом может быть не один найденный ответ на какой-то бизнес вопрос, но и процесс непрерывано обрабатывающий данные.
Data Analyst - находит в данных новые ответы и смыслы, и доносит эти смыслы до бизнеса, визуализируя найденное (еще проще "делает правильные запросы к хранилищу данных" и "рисует графики").
Data Scientist - анализирует данные и моделирует системы использую статические методы и машинное обучение. Этот "парень" умеет в SQL, R, Python (еще проще "умеет machine learning").
Data Engineer - создает и поддерживает системы обработки данных больших и/или не структурированных данных. Это такой админ / devops, который умеет построить pipeline на правильных инструментах. Часто он делает возможной работу Data Analyst и Data Scientist, решая задачи по получению, обработке, очистке и нормализации, хранению данных, в виде пригодном для анализа.

24 окт. 2018 г.

DigitalOcean Managed Databases

DigitalOcean запускает Managed Databases. Пока только PostgreSQL, но позднее будет еще и MySQL. Решение называется DBaaS - DB as service по аналогии с PaaS.
Набор функций похож на GCP CloudSQL:

  • кластеризация
  • много баз внутри одного кластера
  • дублирование кластера (для быстрой настройки стейджей, например)
  • автоматизированная отказоустойчивость
  • объелинение соединений в пул
  • автоматизированные бэкапы
  • one-click обновление до новой версии СУБД
  • горизонтальное масштабирование для чтения
  • легкое переключение и перенос между ДЦ
  • шифрование на диске и при передаче по сети
  • модный мониторинг
Предполагается, что DigitalOcean будет дешевле аналогов, но убедится в этом пока нельзя. По скриншоту также можно предположить, что для кластера можно будет выбирать мощность узлов (CPU, RAM, HDD, etc).
У DigitalOcean есть Cloud амбиции. Недавно был анонс запуска поддержки kubernetes, теперь вот DBaaS.