Безопасность Linux

Интенсивно и качественно, если стараться Проходил курс "Инфраструктурная платформа на основе Kubernetes" в 2021-2022 году.Курс подаётся не просто как свой взгляд на документацию куба, а как полноценный продукт-идея, которую можно использовать для трансформации инфраструктуры где угодно.То есть вы не просто должны освоить лучшие практики по работе с кластером, но и можете адаптировать идеи, используемые в лучших компаниях разного масштаба, для того, чтобы провести переход к надёжному, быстрому и масштабированию состоянию вашей инфраструктуры. Этому посвящены некоторые лекции, включая вводную.Курс очень хорошо продуман и, очевидно, что над ним работали настоящие эксперты, которые погружены не только в данную технологию, но и в целом в области DevOps и SRE. Это большой плюс, так как по ходу курса, если ты заинтересован, то, делая шаг в сторону, перенимаешь многие интересные приёмы, решения и использование технологий, которые помогают развиваться и расширять кругозор в целом.Например, при прохождении домашки по CRD и операторам, начинаешь подглядывать в то, как реализован специально для этого задания написанный на GO код, который использует API куба, какая иерархия и т. п.Это также прослеживается, когда работаешь с очень глубокими темами типа сетевого взаимодействия, где речь заходит о маршрутизации, сетевых плагинах и eBPF.Это преимущество скрыто на первый взгляд, но очень важно, так как оно влияет на широту охвата, правильные переходы от общего к частному и знанию множества "выстраданных нюансов", которые обычно приходится искать на 10й вкладке stackoverflow.Интересно, что для ускорения работы с кубом в реальном мире используется множество утилит и каждый по факту с кластером работает по-своему: кто-то использует k9s, кто-то мейнтейнит кучу кластеров и постоянно переключается через kubectx. В курсе вам сразу демонстрируют все возможные способы, рекомендуя для понимания использовать сначала просто alias для kubectl, чтобы команды были "на кончиков пальцев", а потом уже переходить к высокоуровневым утилитам.Данной функцией не пользовался, так как не был заинтересован, но у отуса налажены контакты с разными работодателями, что позволяет по упрощённой процедуре попадать на собеседования по итогам успешного обучения.Также, в конце обучения выдают сертификат, однако, лучше сдать экзамен на CKA или CKD от Linux Foundation - некоторые вопросы теста в курсе не затрагиваются и их нужно будет отдельно прорабатывать, но большую часть вы легко закроете.Однако я в дополнение взял себе по скидке курс на udemy специально под сертификацию и использую другие ресурсы.Время.Если вы привыкли работать больше 8 часов в день, то, с данным курсом вам придётся изменить свой подход ибо для обучения потребуется очень много времени: нужно ввести привычку каждый день делать домашку во чтобы то ни стало. Без этого меня уходили выходные полностью, а если они тратились на другие дела, то отставание очень быстро росло. Мне пришлось переводиться на новый поток из-за отставания.Курс свёрстан в 19м году и многие вещи устарели - это очень расстраивает, так как приходится дебажить самому ошибки в эвентах и логах, тратить запланированное время не на обучение, а на гуглёж явной недоработки авторов.Типичный пример - дан кусок кода с объектом, который был сделан для api в бета версии. А сейчас он изменился, вышел из беты и имеет вообще другие поля.Персональная рекомендация: не пропускать лекции в онлайн, даже если вы отстали.Так вы точно будете хотя бы иметь представление, как и что работает, а также сможете задавать свои вопросы по ходу лекции.К сожалению, авторы курса и лекторы - это разные люди, и часто бывает, что на возникающие вопросы ответ сразу получить не получается - его переносят в слак или же просто забывают.Итого.Как и любое обучение, его качество зависит в первую очередь от ученика: если вы готовы уделять дополнительное время, решать все задачи со звёздочками, сознательно выбирать в какие темы углубляться в проектной работе, то, без сомнения, вы станете крутым специалистом - здесь созданы все условия для этого.С другой стороны, если вы сейчас не готовы нырять в нюансы, то, даже обязательных заданий, без проектной работы будет достаточно, чтобы работать с любым кластером и прекрасно ориентироваться во всех аспектах технологии.Будьте готовы тратить очень большое количество своего времени и выдерживать высокий темп.Кроме шуток - представьте себе, что вы берётесь за параллельную вторую работу, которая требует интеллектуальных усилий и её нужно делать максимально качественно.Успехов!

Плюсы: Курс высокого качества Грамотный системный подход Всё виде кода Работа с major cloud-ами Содержит цель и идею, что заставляет чётче понять смысл происходящего Прохождения курса достаточно, чтобы легко работать практически в любой компании

Минусы: Многое устарело и требует исправления Некоторые темы проработаны поверхностно Отнимает очень много времени (+-) Обратная связь часто медленная

MLpro и MLops в Отус 2022 - полезные, дали знаний и указали путь развития С декабря 2021 по сентябрь 2022 я обучался в Отус на курсах:MLpro - "Machine Learning. Professional" (36 лекций)MLops - "Промышленный ML на больших данных" (50 лекций). Опишу свой опыт, не плюсами и минусами, а по темам.- Порог вхождения (необходимые знания) для курсов.В описании каждого курса есть требования им желательно соответсвовать.Лучше соответствовать требованиями курсов и иметь небольшой опыт работы с инструментами изучаемыми на курсе, тогда на обучение будет уходить около 3-5 часов в неделю, кроме 4 часов на 2 лекции.Если прийти с почти нулевыми знаниями, то можно лекции послушать, но на выполнение заданий будет уходить более 20 часов в неделю на самостоятельное изучение и дополнительные тренировки рассматриваемых инструментов. - Задачи для самостоятельной работы.Очень понравились задачи на обоих курсах.На курсе MLpro каждое задание, как мини проект со статичными данными по одной из тем курса (EDA + построить модели + провести небольшое сравнение между моделями).На курсе MLops все задания являются частями одного большого проекта. При решении всех этих заданий надо пройти полный цикл разработки ML проекта:- построение модели, - поступление новых данных по расписанию, - и регулярное переобучение модели, - все это с большими данными и в облаке.Иногда возникали задержки в проверке самостоятельных работ. Думаю Отус это поправит.- Общение в Отус.У меня общение проходило в Слаке, сейчас Отус развивается еще в Discord и telegram.По ходу обучения можно было писать вопросы в общий чат одногруппникам и тегать преподавателей. Преподаватели не сразу, но отвечали на вопросы.- Преподаватели.Один курс ведет несколько предподавателей.3-4 основных перподавателя, если нужна замена то иногда могут попросить преподавателей с других курсов. 1 лекцию курса MLops читал руководитель направления DS в Отус (что было очень приятно), а 14 февраля 2022 был был специальный семинар для влюбленных в NLP))).Все преподаватели, которые у меня вели имели большой опыт и высокий уровень знаний, кроме одного, который провел 2 слабых занятия, но после жалоб слушателей его заменили и предоставили дополнительные лекции в качестве компенсации.Я лично из 86 лекций, только этими 2-мя лекциями был не доволен, остальные лекции были очень полезными для меня.После каждой лекции в Отус собирают обратную связь от слушателей.- Материалы после лекций, остаются в лючном кабинете слушателя.---Код. В MLpro все лекции, в MLops большая часть лекций были с ноутбуками(ipynb) или с разбором кода, который остается доступным слушателям из личного кабинета. Оставшийся код, был одним из важных инструментов моего самообучения (разбирал его и модифицировал под себя).---Слайды и видео материалы. Пропускал некоторые лекции и смотрел их в записи, а некоторые были настолько важными, что смотрел по несколько раз.- Постоянное совершенствование Отус'а.Курсы = лекции и материалы изменяются и модифицируются. У меня знакомый проходил на поток раньше MLops, он по другому тогда назывался и там было больше scala. Сейчас в Отус появился отдельный курс Spark Developer.Отус как платформа связывающая выпускников не стоит, а развивается. В 2022 году был первый шахматный турнир на Lichess, так же проводятся дополнительные семинары по трудоустройству и выстраиванию коммуникаций между выпускниками.Итог.Кажется все супер. Подвох в том, что учиться очень тяжело (после 30), если недостаточно требуемых знаний для старта обучения, но оно того стоит (мое мнение).Для MLpro надо знать Python и математику для DataScience (линейную алгебру, теорию вероятности, статистику).Для MLops надо быть знакомым с Linux, Docker, Git, иметь опыт решения ML задач и построения веб-сервисов на python.Мне Отус:- дал базу знаний и некоторый опыт, - позволил понять мои силы, - показал мне направления дальнейшего развития.

Плюсы: Вусокий уровень преподавателей, интересные задания, материалы лекций доступны после занятий, общение в разных платформах

Минусы: проверка самостоятельных заданий хромала, высокий порог вхождения