Весь вопрос в заглавии. Мне это интересно и я искал информацию, но везде вода и пару строк содержания. Кто-то, кто разбирается в этой теме, может рассказать все подробно(или дать информацию для размышлений).

Что нужно знать и уметь человеку, претендующему на позицию программиста-джуниора (в моём случае на Python)?

Компания «Открытая мобильная платформа» ищет DevOps-инженера в команду для развития и поддержки систем CI/CD. Обязанности:

• Развитие и поддержка инфраструктуры разработки Sailfish Mobile OS RUS и Sailfish Cloud RUS
• Внедрение инструментов автоматизации процессов разработки, контроля качества, подготовки к выпуску и развертыванию релизов

Требования:

• Уверенное владение bash
• Базовые знания высокоуровневых языков программирования;
• Опыт работы с системами управления конфигурацией (Ansible/Chef/Puppet/SaltStack)
• Опыт использования vcs (git/svn)
• Опыт работы с системами виртуализации (vSphere/Xen/KVM), контейнерной изоляции (Docker/rkt/LXC)
• Опыт сборки пакетов DEB/RPM
• Опыт внедрения систем непрерывной интеграции (Jenkins/Bamboo/TeamCity/GitLab CI), понимание принципов CI/CD pipeline
• Знание принципов построения распределенных систем, понимание сервисно-ориентированной архитектуры приложений

Плюсами будут:

• Опыт работы с системами сборки Linux-дистрибутивов (OBS/Koji/buildd), инструментами сборки образов ОС и кросс-компиляции (Packer, Buildroot, BitBake, ScratchBox2, debootstrap, pbuild)
• Опыт работы с облачными платформами (AWS/GCE/Azure/vCloud/OpenStack/Kubernetes/Mesos)
• Опыт работы с системами мониторинга (Zabbix/Nagios/Prometheus), анализа и визуализации логов (ELK)
• Опыт работы с системами распределенного хранения конфигурации и обнаружения сервисов (etcd/ZooKeeper/Consul)
• Опыт работы с системами автоматизированного тестирования

Условия:

• Конкурентный уровень заработной платы (обсуждается с успешным кандидатом)
• Работа в команде профессионалов высокого уровня с возможностью карьерного и профессионального роста
• Гибкий рабочий график 5/2
• ДМС
• Отсутствие дресс-кода
• Офис в шаговой доступности от м. Парк Победы
• Возможность влиять на проект хорошими идеями и видеть свой вклад в конечном продукте
• Возможность обучения за счёт компании
• Возможность участия в международных конференциях за счёт компании

Резюме на почту: y.gimatdinova@omprussia.ru (Юлия)

По версии HH https://hh.ru/article/24621

Senior Python developer в Санкт-Петербурге, от 250 тыс., Senior Frontend developer в Москве (170–260 тысяч) и разработчики C++ в Калининграде (170–220 тысяч).

Никогда серьёзно не занимался моделированием, всегда всё делалось на коленке, побыстрее посчитать, опубликовать и забыть.

Сейчас подумал вот что. Моделирование иногда связывают с понятием численного эксперимента. При этом есть род погрешности, связанный с несовершенством модели. То есть мы можем провести моделирование несколько раз (или один раз, но получить набор однотипных величин, например, вероятностей квантовых переходов между однотипными уровнями) и собрать набор значений. На выходе нам нужно одно число, так что мы берём среднее. Помимо среднего у нас, конечно, будет дисперсия.(зачёркнут бред) Так вот, каков её статус? Несёт ли она какую-нибудь пользу? Например, некоторые экспериментальные ошибки неустранимы и связаны с физическими эффектами (особенно статистическими или квантовыми), типа уширения линий и т.п., и несут в себе определённую информацию. А несут ли в себе информацию ошибки моделирования?

Вряд ли то, что я написал, достаточно легко понять, но немножко лень формулировать мысль более чётко, вдруг и так сойдёт.

Вопрос возник в связи с моделированием штарковской лестницы методом матриц переноса.

EDIT

Итак, прошло две недели, и я смог сформулировать вопрос: «Как по величине расхождения теории и результатов моделирования можно судить о пригодности модели? Какое расхождение считать допустимым, а какое говорит о том, что выбранные приближения не годятся?»

Немного подробностей про источник проблемы: Моделирование, численный эксперимент и погрешность (комментарий)

Посоветуйте хорошую книгу по математике. Интересует мат. анализ и линейная алгебра. Чтоб нормы были, ряды, дифуры и т.д. Хочу чтобы формулы в документации к библиотекам для машинного обучения, шифрования или статистики выглядели знакомо. Математика в университете была, но если углубляться в определенные дисциплины, то чувствую, что не хватает. Например, ряды у нас, так получилось, вообще не преподавали. Несколько статей в интернете поправили ситуацию, но качество такого обучения оставляет желать лучшего. Книгу желательно на английском и написанную современным языком.