Стать программистом в 40

[KotKot]

Самой большой проблемой может оказаться муж, который на словах за, а не деле старается пут даун или пихает с пути программиста на QA, что бы самому в своих глазах оставаться недостижимым компютерным гением.

Моя одногрупница попыталась найти работу программиста, но муж выпихнул ее в QA.

Лучший сценарий - когда находится работа программиста удаленно, жена сначала делает какую то часть работы, при возникновении проблем, подключается муж. Плюс находится в россии пара студентов на $7/час, которые тоже помогают.

Самое главное - написать фейк резюме с 3 годами опыта и пройти интервью. Сложное - надо найти референсы из реальной конторы, которые подтвердят, что она у них работала 3 года.

40 лет - это довольно молодой возраст - мозги на учебу еще работают.

Вы определились бы или муж не даёт развиваться, или жена не способна. Потому что способным работникам помощь супругов и студентов не нужна.

[Easbayguy]

То есть остается один выход, удачно замуж!

[Физик-Лирик]

Я не согласна, что в "В аналитике (опять-таки, что мы подразумеваем под этим?) обьем знаний не больше и не меньше чем в других областях." При практически любом определении аналитики, обьём знаний там значительно больше, чем в тех областях, которые мы обсуждаем в данном топике, а именно junior developer (javascript и тому подобные не самые сложные технологии), а также QA.

Вообще, я за то, чтобы оставаться учителем. Я бы сама очень хотела, но практически мне почти невозможно, и из-за этого я сильно романтизирую преподавание.

На самом деле тестирование - это целая наука. Я тоже когда-то скептиком был. И действительно хороший тестировщик - это прилично оплачиваемая работа. Поэтому рассматривать тестировщика как неудавшегося программиста, в корне не правильно. Если под аналитикой подразумевать построение мат/стат. моделей для анализа данных, прогнозирование, дезайн статистических тестов - то, конечно, такая аналитика требует значительно больше знаний, т.к. необходимы знания математики, статистика, машинного обучения и программирования, не говоя уже о самой области, где все это применяется (например, финансы, медицина и т.п.). Если к этому еще добавить и мат. моделирование (в любом виде), то совсем радостно станет. Если же под аналитикой подразумевать деятельность типа ETL (куда часто относится и бизнес-аналитика), то здесь масштаб совсем другой. Естественно, не хочу ничего упрщть. По большому счету - это работа с таблицами и с базами данных. Безуслово нужна предметаня область. Но сравнивать с "математической аналитикой" здесь не стоит, т.к. масштаб ну совсем другой.

[valchkou]

рассматривать тестировщика как неудавшегося программиста, в корне не правильно.

это верно, цель программиста - созидать, а тестировщика ломать.
если есть склонность к созиданию, то QA работа ьудет только угнетать

[Boriskin]

То есть остается один выход, удачно замуж!

Желательно - трижды (и все разы - удачно).

[Физик-Лирик]

Кстати, а как вообще становятся аналитиками (скажем Data Scientist)? В универах на такую специальность ещё не готовят.

Я так понимаю, есть два пути:
1. Получить MS in Statistics с minor в CS и постепенно двигаться в сторону Биг Дата.
2. Будучи senior программистом, брать проекты с Биг дата, учить статистику и становиться корифеем.

Какой подход предпочтительней?

Этот термин настолько сейчас избит, что под анализом данных сейчас подразумевают практичеки все. Во-первых, магистр в статистике абсолютно не нужен (в целом не нужен, хотя любая степень пригодится). Она нужна если, как я упоминал выше, идти в "математиcheskuyu аналитику". Длya "нематематиchesкой аналитики" нужно знание баз данных (и языкa) и знание ETL (что по сути близко). Т.к. сейчас все интересуются "большими данными" (опять-таки, подразумевая под этим все, что угодно), имеет смысл освоить соответствующие технологии. Думаю, что Пчелы и Свиньи будет вполне достаточно. Свинья учится достатoчно быстро (даже и для непрограммиста). Пчела по сути тот же "квери лэгвидж". Собственно и все. Учитывая шатания технологий "больших данных" в последнее время надо посмотрет какая будет финальная (хотя разве будет финалная?) Короче учите "квери" языки. Я то думал, что челоvеку из математики будет интереснее не ЕТЛ заниматься, а модели строить. Сейчас достаточно много позиций аналитиков данных на рынке. А сецилаистов (особенно с мaтематикой) на мой взгяд не очень. Т.е. куча юдей, которые где-то что попробовали. Нo вот с реальным пониманием "азов" - не много.
Могу дать совет. Если программист хочет в аналитики, попробуейте "опен сорс". Напишите алгоритмы для больших данных, например, в машинном обучении. Здесь пока явные проблемы.

[Физик-Лирик]

рассматривать тестировщика как неудавшегося программиста, в корне не правильно.

это верно, цель программиста - созидать, а тестировщика ломать.
если есть склонность к созиданию, то QA работа ьудет только угнетать

Это как единство и борьба противоположностей. А в итогe - прогресс.
На самом деле, хороший тестировщик ломает, благодаря хорошо продуманной и написанной тестировочной программе. В этом смысле он как раз созидатель. Не уверен, что будет угнетать, ведь "уличить" ближнего может быть и удовольствием.

[Prosche]

Отдам свой голос за QA, глядя на те грибы, которые работают у нас в тестировании, при наличие хотя бы элементарного common sense, работу найти можно. Ну а далее посмотреть по объявлениям что требуется, пробежаться по технологиям, набрать небольшой словарик "проф" терминов и вперед, ломиццо на интервью, авось где и пробьется.

[zigzag]

в школу только есть есть призвание....и терпение. В последнее время проводят много эвалуэйшн для учителей. Выматывает их нервы, хотя держит в тонусе. То есть пресс как снизу, так и сверху, а зарплата так себе.

Есть ли такие онлайн компании, которые после некоторого обучения, например джава языка, позволяют подзаработать малех и иметь представление? Ну чтобы человек хотя бы представлял что его ожидает, и выбрать между програмистом, аналистом или тестировщиком.

[IContentProvider]

Domain knowledge нужен везде, а не только в аналитике.

Которое можно даже не переписывать с чистого листа. Собственно, это не "кем работать", а "где". У нее Domain knowledge - образование в школе. Сейчас много развелось сайтов для образования школьников, а родители при этом жалуются, что люди их писавшие ни хрена не понимают в образовании. Это первая идея куда можно постучаться. Вторая - развелось много курсов быстрой подготовки программистов, где хорошо платят, а у нее опыт в преподавании. Закончить курсы, а потом устроиться там преподавать. Правда, курсы эти могут быть модой, которая потом пройдет.

[Физик-Лирик]

Domain knowledge нужен везде, а не только в аналитике.

Которое можно даже не переписывать с чистого листа. Собственно, это не "кем работать", а "где". У нее Domain knowledge - образование в школе. Сейчас много развелось сайтов для образования школьников, а родители при этом жалуются, что люди их писавшие ни хрена не понимают в образовании. Это первая идея куда можно постучаться. Вторая - развелось много курсов быстрой подготовки программистов, где хорошо платят, а у нее опыт в преподавании. Закончить курсы, а потом устроиться там преподавать. Правда, курсы эти могут быть модой, которая потом пройдет.

Я вот бывал на таких курсах. Вообще у меня впечатление, что людей там "серьезных" подбирают (правда, и курсы были серезные). Не знаю, может ли вот так человек без опыта, пройдя сам курсы потом так просто на них преподавать.

[Физик-Лирик]

в школу только есть есть призвание....и терпение. В последнее время проводят много эвалуэйшн для учителей. Выматывает их нервы, хотя держит в тонусе. То есть пресс как снизу, так и сверху, а зарплата так себе.

Ну если мы о преподавании заговорили ... какой там нафиг тонус. Чем они (учителя) там вообще занимаются? В публичных школах знаний не дают практически никаких, нагрузка на учеников минимальна, домашки на 5 минут. Школа превращается в групповое бебиситерство. Может поэтому человек, о котором идет речь, за 13 лет все первоначальные знания потерял?

[valchkou]

Нормально можно попасть при желании. Не легко, но можно. Есть несколько примеров вокруг и все в хороших школах (Seattle East Side). В частности сабж именно в такой работает.

в таком случае, прежде чем советовать, нужно понять причины толкающие сабжа на смену профессии.
если задрали бестолочи, то да можно и в QA, по деньгам тоже, а работа одно удовольствие в высокоинтелектуальном мужском коллективе.
если же финансы, то лучше в сразу в BigData Analitycs, учить придется много и интенсивно.
работа из дому? - веб, мобилки, javascript

[zigzag]

Ну если мы о преподавании заговорили ... какой там нафиг тонус. Чем они (учителя) там вообще занимаются? В публичных школах знаний не дают практически никаких, нагрузка на учеников минимальна, домашки на 5 минут. Школа превращается в групповое бебиситерство. Может поэтому человек, о котором идет речь, за 13 лет все первоначальные знания потерял?

дык, для того и тонус, чтобы учителя не расслаблялись и самосовершенствовались. Мне одна училка жаловалась, что не дают покоя со своими эвалюэйшенами. Времени де, на преподование не оставалось с этими подготовками к экзаменам.

[zigzag]

в таком случае, прежде чем советовать, нужно понять причины толкающие сабжа на смену профессии.
если задрали бестолочи, то да можно и в QA, по деньгам тоже, а работа одно удовольствие в высокоинтелектуальном мужском коллективе.
если же финансы, то лучше в сразу в BigData Analitycs, учить придется много и интенсивно.
работа из дому? - веб, мобилки, javascript

Может английский для школы недосточен, а там же подростки, засмеют, ну мало ли что еще там может быть. Главное, что в первом посте просила как лучше, а вы всем колхозом назад в школу гоните.

[Физик-Лирик]

дык, для того и тонус, чтобы учителя не расслаблялись и самосовершенствовались. Мне одна училка жаловалась, что не дают покоя со своими эвалюэйшенами. Времени де, на преподование не оставалось с этими подготовками к экзаменам.

Самосовершенствование - это, конечно хорошо. Проблема не только (а может и не столько) в учителях, сколько в самой системе. Система, расчитанная на слабого, изначально не правильная. Уж сколько мы на эту темы рассуждали (не только на форуме). Ну не работает она. И что толку от совершенствовавния, если его нельзя применить на практике? Вот вместо одной математики придумали "коры". И что дальше? У нас вместо одной системы тестов в конце года начали применять другую. Денег затрачена куча (читал об этом, да И на местном телевидении говорили). Результат? Никто не понимает. Вся система образования заточена на сдачу письменных тестов, зачастую не совсем понятных (например, языковая часть экзамоев в аспирантуру). Нафига, извиняюсь? Думать вообще не учат. Здесь много сиsтемных проблем. Образование и здравоохранение - два наиболее наглядных примера.
Надеюсь, мы достаточно мотивировали автора (тичнее его знакомую) покинуть школу и идти в другом направлении.

[Физик-Лирик]

Нормально можно попасть при желании. Не легко, но можно. Есть несколько примеров вокруг и все в хороших школах (Seattle East Side). В частности сабж именно в такой работает.

в таком случае, прежде чем советовать, нужно понять причины толкающие сабжа на смену профессии.
если задрали бестолочи, то да можно и в QA, по деньгам тоже, а работа одно удовольствие в высокоинтелектуальном мужском коллективе.
если же финансы, то лучше в сразу в BigData Analitycs, учить придется много и интенсивно.
работа из дому? - веб, мобилки, javascript

Очень грамотная расстановка. Наверное, тестирование наиболее "простой" и естественный шаг (хотя, на самом деле он потребует работы). Я, правда, за аналитику. В этом случае главное правильно определить "нишу" в этой самой аналитике.

[Komissar]

если задрали бестолочи, то да можно и в QA, по деньгам тоже, а работа одно удовольствие в высокоинтелектуальном мужском коллективе.

тупые и вредные индуски там, а не высокоинт. муж. коллектив.

[Roy]

Нормально можно попасть при желании. Не легко, но можно. Есть несколько примеров вокруг и все в хороших школах (Seattle East Side). В частности сабж именно в такой работает.

в таком случае, прежде чем советовать, нужно понять причины толкающие сабжа на смену профессии.
если задрали бестолочи, то да можно и в QA, по деньгам тоже, а работа одно удовольствие в высокоинтелектуальном мужском коллективе.
если же финансы, то лучше в сразу в BigData Analitycs, учить придется много и интенсивно.
работа из дому? - веб, мобилки, javascript

Очень грамотная расстановка. Наверное, тестирование наиболее "простой" и естественный шаг (хотя, на самом деле он потребует работы). Я, правда, за аналитику. В этом случае главное правильно определить "нишу" в этой самой аналитике.

Похоже действительно, QA - это путь наименьшего сопротивления. Но девушку, естественно, больше привлекает аналитика, т.к. интереснее плюс математика при делах. Имеется в виду не ETL, а Data Mining на больших обьёмах данных. Но не очень понятно, как туда внедриться без опыта работы и без местного образования. Замечу, что статистику в российском вузе не преподавали (только тервер). Но много грузили всякими фундаментальными вещами типа функционального анализа и теории групп.

[valchkou]

Никак. Без хорошей фундаментальной мастерс дегрее в data mining (data science) делать нечего. Можно весь материал выучить самостоятельно (что само собой очень трудно), но как потом доказать работодателю свои знания? Разве что в Kaggle competition участвовать.

есть сайнтист, а есть программист и это два совершенно разных человека.
Big Data программист не обязан знать ни статистику ни даже математику, достаточно основ CS, java и набор соотв фреймворков, типа hadoop, cassandra, mango, aws.
Так что если цель стать программистом, то никакой доп дегри не потребуется.
Достаточно пары тройки сертификатов и курсы.

[Roy]

Никак. Без хорошей фундаментальной мастерс дегрее в data mining (data science) делать нечего. Можно весь материал выучить самостоятельно (что само собой очень трудно), но как потом доказать работодателю свои знания? Разве что в Kaggle competition участвовать.

есть сайнтист, а есть программист и это два совершенно разных человека.
Big Data программист не обязан знать ни статистику ни даже математику, достаточно основ CS, java и набор соотв фреймворков, типа hadoop, cassandra, mango, aws.
Так что если цель стать программистом, то никакой доп дегри не потребуется.
Достаточно пары тройки сертификатов и курсы.

Это что, получается, что я (программист со стажем) могу себе написать в резюме Data Scientist, если я знаю Хадуп, Хайв, и т.д.? Как-то сомневаютсь немного, что легко будет работу найти.

[Roy]

Даже если и преподавали, всё уже устарело за столько лет. Сейчас принципиально новый подход, все универы начали менять материал с курсах по статистике, начиная примерно 2 года назад.

А что изменилось в подходе за последние 2 года?

[Физик-Лирик]

есть сайнтист, а есть программист и это два совершенно разных человека.
Big Data программист не обязан знать ни статистику ни даже математику, достаточно основ CS, java и набор соотв фреймворков, типа hadoop, cassandra, mango, aws.
Так что если цель стать программистом, то никакой доп дегри не потребуется.
Достаточно пары тройки сертификатов и курсы.

Что самое смешное, нередко два эти понятия подменяют друг друга (хотя Вы абсолютно правы, это как бы две разных области, хотя определенное пересечение есть). Если посмотреть на обьявы с работми, то можно заметить, что позиции data science, data analysis и data mining могут иметь одинаковое описaние. Грубо говоря, одна категория аналитике - это прием данных, их обработка и извлечение, анализ на основе требований (сюда может входить и ЕТЛ). Другая категория - это построение моделей (predictive modeling, mathematical modeling, machine learning, forecasting, statistical data analysis, stochastic modeling); можно и покруче типа моделирование на основе диффуров или Монте Карло. Нередко, вторая категория подразумевает определенные знания и навыки в первой категории, хотя все-таки само хранение данных не входит в их задачу. Отсюда и разные знания и навыки. На вторую категорию обычно требует магистра или доктора, но это не всегда. На мат. модлирование, скорее да, чем нет. На просто аналиста данных и бакалавр обычно сойдет. А вообще имеет смысл просмотреть обьявы, чтобы понять требования и что надо вы учить.

[notknown]

...Вообще, полностью online программа (из хорошего универа!) может быть выходом для mature age student. Програм таких сейчас очень много. Можно продолжать работать part-time, и вообще, не сильно менять свою жизнь....

Только вот теряется важный элемент networking, что помогает в нахождение работ. После онлине программы ведь experience всё равно будет 0 years, а новых знакомых-единомышленников кто за собой потянет в интересное место не приобретётся.

Кстати, я много слышала хорошего у нас про Bellevue college и их набор классов для CS. Знаю женщину, кто после развода зашевилилась с возвращением в рабочие ряды. Взяла один из сертификатов в UW (кажется business intelligence), но сказала там больше болтовня была, практические skills работы с data она набирала в BC. А первое предложение работы всё-таки получила через знакомую по UW программе.

[Физик-Лирик]

А что изменилось в подходе за последние 2 года?

Не за 2 года, конечно, это университеты начали менять программу примерно 2 года назад.

Да всё то же: данных вдруг много стало. Когда выборка 10 миллионов, к ней надо несколько иначе подходить, чем если выборка в 10 тысяч. Новые методы разработали. Кроме того, статистикам теперь обязательно программирование преподают, а раньше большинство SPSS point+click обходились, или того хуже, Minitab какой-нить.

Мне кажется, что тут все в одну кучу свалено. В-первых, все основные статистические тесты были разработаны в 20 веке (не все, конечно), так что ничего нового за последние годы тут особо не появилось. Когда же говорится о выборке в 10 миллионов, то скорее всего имеетя в виду машинное обучение. Вот здесь как раз ситуация гораздо более интересная. За последние десятилетия тут наработано столько, что действительно программу нужно обновлять. Но это как бы не статистика. Все-таки машинное обучение - это несколько другое (хотя, конечно, очень завязано на статистику). Далее, если говорить о теоретических аспектах, то здесь в целом не важно, 10 миллионов или 100. А вот что важно, так это распараллеливание (дистрибуция) имеющихся (или новых) алгоритмов. Далеко не все из них можно распараллелить. Вот здесь как раз простор для программеров (да и ученых тоже).