Алгоритмы сортировки данных широко используются в программировании для решения различных задач. В этой статье мы рассмотрим несколько основных алгоритмов сортировки данных в массиве.

Мы уже не раз говорили о том, что в нашей компании работает отдел карьерного консультирования — мы рекомендуем студентов в ведущие IT-компании, с которыми сотрудничаем. И в процессе работы мы столкнулись с тем, что разработчики очень творчески подходят к оформлению резюме, что скорее вредит им, чем помогает.

Сегодня поговорим об одной концепции, которая распространена в разных фреймворках обработки данных и является очень важной для дата-инженеров, разрабатывающих системы потоковой аналитики.

В продолжение прошлой заметки. Сохранение отчётов в пейджес и использование темплейта для merge request всё-таки не совсем удобно. Ибо нужно разработчику не забывать выбирать темплейт, и если несколько разных веток, то редактировать индексную страницу в пейджес. И тут неожиданно осенило — ведь у Gitlab есть API и там много всего интересного, например, есть редактирование merge request.

В июне 2019 года компания Amazon выложила в открытый доступ замечательный инструмент — GluonTS, позволяющий максимально быстро и эффективно строить, оценивать и использовать модели временных рядов, основанные на глубоком обучении и вероятностном подходе.

Массив — набор определённого числа однотипных элементов. Использование массива позволяет нам не создавать большое количество переменных, а создать всего лишь одну переменную, имеющую вид массива. В отличие от стандартных переменных массивы содержат больше, чем одно значение. В программировании это очень важно, ведь при разработке софта может потребоваться огромное количество данных.

Продолжаем публиковать статьи по материалам подкастов DevOps Дефлопе, проводимых инженерами компании «Экспресс 42» Виталием Хабаровым и Андреем Александровым. Предлагаем вам аудиорасшифровку некоторых интересных моментов выступления Евгения Россинского, технического директора онлайн-кинотеатра ivi и докладчика на TeamLeadConf 2019.

В предыдущей заметке мы начали разговор о книгах, полезных для руководителя. Теперь предлагаем вам ознакомиться с теоретическим блоком. Не стоит думать, что это скучно и малополезно, ведь, как говорил немецкий физик Роберт Кирхгоф: «Нет ничего практичнее хорошей теории».

В предыдущем посте я рассказал, как развернуть Harbor — репозиторий для хранения докер образов со встроенной проверкой на уязвимости (Clair). Логично собрать конвейер, который при получении очередного пуша в feature branch производит все необходимые проверки и выдаёт отчёт.

Что такое качество данных? Это что-то абсолютное или относительное для каждой задачи? В чём измерять качество данных?