TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1075 · 20.02

Айтишный опыт очень нелинейно конвертируется в деньги. Если у вас 3-5 лет опыта, и вы занимались развитием своих навыков, то можете получать зарплату мидла, пусть это будет X денег. За 10 лет опыта при продолжающемся развитии вы становитесь сеньором (кто-то быстрее, кто-то дольше), и тогда вы получаете 1.5X денег, ну может 1.75X, при очень большом везении 2X денег. Но если у вас 15-20 лет опыта, вам 2X+ никто не даст, и уж тем более 2.5-3X. Бывают отдельные случаи, когда какой-нибудь Бобук с офигенно раскрученным личным брендом получает миллионы (и то, на порнухе и казино), но глобально ситуация по рынку понятная. Получается, что после 10 лет опыта вы уже как бы достигли своей финансовой вершины в айти. Можно сместиться в руководство, но, во-первых, не каждому хочется, а, во-вторых, это требует иных навыков, которые тоже не у каждого есть. Да и не будет руководящих должностей на всех. А как там с другими профессиями? У некоторых профессий есть категории, разряды или формальные уровни квалификации, которые влияют на зарплату. Если вы сварщик шестого разряда или учитель высшей категории, то один этот факт будет добавлять к зарплате некоторый процент. Очень понятный путь прокачки. Но всё равно, когда упёрся в левел-кап, дальше уже роста не будет. А есть ли за что платить? Будет ли строитель с 20-летним опытом сильно больше уметь, чем строитель с 10-летним? Интуитивно кажется, что да, потому что 10 лет это типа 3-4 больших объекта, довольно мало. Уж точно 6-8 больших объектов звучат сильно солиднее. Видимо, зависит всё-таки от формата и сложности работы. У врачей, кажется, вообще никогда нельзя упереться в предел опыта. И по ощущениям тоже врач с 20 годами должен получать больше, чем с 10 (если в комментах есть врачи, расскажите, так ли это). Но в айти престарелые (по меркам айти) сеньоры сидят и тухнут. Я так BG3 бросил в середине третьего акта, потому что прокачка остановилась. К счастью, опыт в работе у меня складывался более интересный: сначала я пять лет пилил свои проекты с разной степенью успеха, потом пять лет был фрилансером, а теперь вот пять лет в энтерпрайзе. Точно есть, куда расти, и по навыкам и по деньгам. Существует ли ещё какая-то форма занятости? Свой айтишный бизнес, пожалуй, но тут уж совсем особые умения нужны. #life

Hashtags

Резултати

Намерени 3 подобни публикации

Търсене: #quantization

当前筛选 #quantization清除筛选
GitHub Trends

@githubtrending · Post #14747 · 25.05.2025 г., 11:30

#python#deep_learning#intel#machine_learning#neural_network#pytorch#quantization Intel Extension for PyTorch boosts the speed of PyTorch on Intel hardware, including both CPUs and GPUs, by using special features like AVX-512, AMX, and XMX for faster calculations[5][2][4]. It supports many popular large language models (LLMs) such as Llama, Qwen, Phi, and DeepSeek, offering optimizations for different data types and easy GPU acceleration. This means you can run advanced AI models much faster and more efficiently on your Intel computer, with simple setup and support for both ready-made and custom models. https://github.com/intel/intel-extension-for-pytorch

GitHub Trends

@githubtrending · Post #15091 · 24.08.2025 г., 11:30

#python#comfyui#diffusion#flux#genai#mlsys#quantization Nunchaku is a fast and efficient engine that runs 4-bit neural networks using a special method called SVDQuant, which compresses models to use less memory and speed up processing by 2 to 5 times compared to older methods. It supports advanced AI models for tasks like high-quality text-to-image generation and image editing, working best on modern NVIDIA GPUs. You can easily install and use it with ComfyUI, and it has active community support on Slack, Discord, and WeChat. This means you can generate or edit images quickly with less computing power, saving time and resources. It also offers tutorials and example workflows to help you get started smoothly. https://github.com/nunchaku-tech/ComfyUI-nunchaku

GitHub Trends

@githubtrending · Post #15385 · 02.01.2026 г., 12:30

#python#deep_learning#inference#openai#quantization#speech_recognition#speech_to_text#transformer#whisper Faster-Whisper is a fast version of OpenAI's Whisper that transcribes audio up to 4x quicker with the same accuracy, using less memory on CPU or GPU—benchmarks show it beats original Whisper (e.g., 1m03s vs 2m23s for 13-min audio on GPU). Install via `pip install faster-whisper`, no FFmpeg needed, and use simple Python code like `WhisperModel("large-v3").transcribe("audio.mp3")` for segments with timestamps. You benefit by getting quick, efficient speech-to-text for real-time apps, saving time and resources on long files or batches. https://github.com/SYSTRAN/faster-whisper