5 תשובות
א. רפואה לא שווה בכלל
ב. תלמדי מדעי המחשס
ב. תלמדי מדעי המחשס
שואל השאלה:
כן אבל מה בהייטק זה כללי מדי
כן אבל מה בהייטק זה כללי מדי
אנונימית
בהכל אפשר להרויח ואפשר לא אם יש לך המון כוחות להשקיע דעתי בחומרה אין הרבה שיודעות ויש ביקוש
אבטחת מידע בחברה נחשבת בהייטק צריך להשקיע וללמוד
הייטק, ליתר דיוק- סייבר (אבטחת מידע או צוות תקיפה, אבל אנשים בצוותי תקיפה לא צבאיים הם מאוד נדירים ולא חוקיים)
גם ai מקבל שכר דומה. טבל זה נושא רחב יותר, אני ממש לא מבין בו, אבל אכתוב מה שאני מבין.
יש לך 3 בוגים של ai:
ai- בינה מלאכותית, לומד לבצע בחירות ע"פ סטטיסטיקה שקיבל.
ml- מכונת למידה (machine learning) הוא לומד מדברים הדומים לחושים שלנו כגון תמונה ווידאו שמדמים חוש ראיה, audio input לשמיעה, וחיישנים אחרים משמשים לדברים אחרים, הוא לומד יותר מהר מהקודם, אבל צורך resources גבוהים בהרבה בשביל ללמד אותו, וגם הוא לומד טכנית סטטיסטיקה.
dl- לימוד עמוק (deep learning) הוא ע"י הרצה של נודים (nodes) שהם למעשה מחשב מבודד, שכל נוד מסמן תא במוח, והם מסודרים לפי המבנה של המוח האנושי, הוא לומד מהר מאוד אבל תורך resources בכמויות מגוחכות, כי כל תא שווה מחשב, לכן בדר"כ משתמשים בקונטיינרים (מיני מחשב וירטואלי שרץ בתוך מחשב קיים, דומה לvms אבל הרבה יותר טוב וחדשני) ובכדי לנהל כמות גדולה כ"כ של קונטיינרים משתמשים לרוב ב kubernetes.
כל אלו נכללים בתוך עבודה שנראת data science או בקיצור ds, וגם data analysis.
אם כבר זכרתי קונטיינרים וקובטנטיס, אזכיר גם עבודה נוספת בשם devops, שזה ניהול ויצירת infrastructures למערכות קוברנטיס, ממש לא בהכרח בשביל אבטחה, אלא כיום הם נמצאים בכל מקום, היום הכל רץ על קונטיינרים (גם אפליקצית סטיפס, וגם האתר שלה כנראה) אז זה גם עבודה לא רעה, מתחילים בנ כם 11-13, מגיעים לסכומים הרבה יותר גבוהים. ואגב- זה לא בהכרח צורך תכנות בכלל. ההבדל בין צוות dev ל devops (שאגב, הם עובדים תמיד זה לצד זה), הוא שדב מתכנתים בפועל, והם מרויחים ע"פ הנסיון שלהם וע"פ היכולת שלהם להפעיל את המוח ולחשוב מחוץ לקופסה. devops לעומת זאת צריכים ידע, הרבה ידע, בנוסף לנסיון, אם יש להם את הידע הנצרך והם שומרים הכל כמו בssd (או nvme) במוח שלהם, הם יהיו הרבה יותר יעילים מאשר אם הם ידעו לחשוב, וזה יעלה להם במשכורת ובדירוג עם הזמן.
גם ai מקבל שכר דומה. טבל זה נושא רחב יותר, אני ממש לא מבין בו, אבל אכתוב מה שאני מבין.
יש לך 3 בוגים של ai:
ai- בינה מלאכותית, לומד לבצע בחירות ע"פ סטטיסטיקה שקיבל.
ml- מכונת למידה (machine learning) הוא לומד מדברים הדומים לחושים שלנו כגון תמונה ווידאו שמדמים חוש ראיה, audio input לשמיעה, וחיישנים אחרים משמשים לדברים אחרים, הוא לומד יותר מהר מהקודם, אבל צורך resources גבוהים בהרבה בשביל ללמד אותו, וגם הוא לומד טכנית סטטיסטיקה.
dl- לימוד עמוק (deep learning) הוא ע"י הרצה של נודים (nodes) שהם למעשה מחשב מבודד, שכל נוד מסמן תא במוח, והם מסודרים לפי המבנה של המוח האנושי, הוא לומד מהר מאוד אבל תורך resources בכמויות מגוחכות, כי כל תא שווה מחשב, לכן בדר"כ משתמשים בקונטיינרים (מיני מחשב וירטואלי שרץ בתוך מחשב קיים, דומה לvms אבל הרבה יותר טוב וחדשני) ובכדי לנהל כמות גדולה כ"כ של קונטיינרים משתמשים לרוב ב kubernetes.
כל אלו נכללים בתוך עבודה שנראת data science או בקיצור ds, וגם data analysis.
אם כבר זכרתי קונטיינרים וקובטנטיס, אזכיר גם עבודה נוספת בשם devops, שזה ניהול ויצירת infrastructures למערכות קוברנטיס, ממש לא בהכרח בשביל אבטחה, אלא כיום הם נמצאים בכל מקום, היום הכל רץ על קונטיינרים (גם אפליקצית סטיפס, וגם האתר שלה כנראה) אז זה גם עבודה לא רעה, מתחילים בנ כם 11-13, מגיעים לסכומים הרבה יותר גבוהים. ואגב- זה לא בהכרח צורך תכנות בכלל. ההבדל בין צוות dev ל devops (שאגב, הם עובדים תמיד זה לצד זה), הוא שדב מתכנתים בפועל, והם מרויחים ע"פ הנסיון שלהם וע"פ היכולת שלהם להפעיל את המוח ולחשוב מחוץ לקופסה. devops לעומת זאת צריכים ידע, הרבה ידע, בנוסף לנסיון, אם יש להם את הידע הנצרך והם שומרים הכל כמו בssd (או nvme) במוח שלהם, הם יהיו הרבה יותר יעילים מאשר אם הם ידעו לחשוב, וזה יעלה להם במשכורת ובדירוג עם הזמן.
באותו הנושא: