Мероприятия
Блог
Подписаться на рассылку
Блог HR
Все записи

Состоялась вторая встреча сообщества JUG.EKB

Напоминаем, JUG - это Java User Group, встречи JUG.EKB - это обсуждение различных технологий из мира Java, обмен опытом, а также просто интересное общение!

Вниманию слушателей были представлены два доклада:

- Хитрин Андрей, компания Naumen , с докладом «Оковы тяжкие падут: как перевести сборку проекта с Ant на Gradle?»

- Елизаров Роман, специально приглашенный гость из Санкт-Петербурга, компания Devexperts, с докладом «Миллионы котировок в секунду на чистой Java».

Доклады вызвали волну вопросов, так, что их обсуждение продолжилось даже на афтепати. Также с успехом прошла серия коротких докладов - lightning talks.

Ознакомиться с докладами подробнее можно на сайте http://jugekb.ru/, а фото с мероприятия в группе ВКонтакте http://vk.com/jugekb?z=album-61807294_199836894

Если у кого-то не получилось прийти, мы выложим видео на сайте или в группе ВК.

С нетерпением ждем Вас на следующей встрече JUG.EKB!

Похожие новости

Подборка материалов: что почитать тестировщику

Собрали в одном месте материалы о разных сторонах работы тестировщика: от проверки требований и верстки до инструментов и коммуникации внутри команды. Будет полезно и тем, кто только начинает работать в тестировании, и тем, кто уже в профессии и хочет узнать, как к знакомым задачам подходят коллеги.

Пет-проекты: как собрать портфолио,
если нет опыта

Знания становятся ценными, когда их можно применить для решения реальных задач. Начинающим специалистам такую возможность дают пет-проекты. Они помогают проверить идеи, разобраться в технологиях и получить первый опыт разработки продукта.

Даже небольшой проект помогает показать, как ты подходишь к решению задач: какие технологии выбираешь, какие решения принимаешь и как справляешься с ограничениями.

Мы много работаем со студентами и видим, какие задачи помогают развивать реальные навыки. Поэтому собрали список примеров, которые можно реализовать в пет-проекте.

Ошибки при работе с ИИ. Часть 1

Бывает, что ИИ выдает совсем не тот результат, который мы ожидали. И дело не всегда в возможностях самой модели: даже хороший инструмент может отвечать хуже, если смешать контекст, нечетко поставить задачу или передать лишние данные.

Пообщались с Константином, экспертом по ИИ в Naumen, и собрали несколько частых ошибок, которые встречаются в работе с нейросетями. 

В первой части нашего материала говорим о контексте, постановке задачи и конфиденциальных данных: почему не стоит решать все в одном чате, как задавать рамки и что проверять перед загрузкой рабочих материалов.

Все новости