Armenian Code Academy

Ձեր տելեգրամի «Saved Messages»-ներն է՞լ եք որպես պահեստ օգտագործում ու մեջը պահում բառացիորեն ամեն ինչ, որ հետո նայեք։ Օրինակ՝ իմ պահեստում հիմա կան՝ 🔹3 YouTube-ի վիդեո՝ AI նոր գործիքների մասին, 🔹2 երկար-բարակ հոդված՝ «how to focus» թեմայով, 🔹Ու մի 5 անվճար դասընթացի հղում, որոնք «հաստատ մի օր պետք են գալու»։ Իրականում սրա համար մի շատ հետաքրքիր գիտական բացատրություն կա, որը կոչվում է «նախապատրաստական պրոկրաստինացիա» (preparatory procrastination)։ Մեր ուղեղը սիրում է մեզ խաբել. երբ մենք ինչ-որ օգտակար բան ենք գտնում ու սեղմում «save», ուղեղը դա արդեն գրանցում է որպես փոքրիկ հաղթանակ ու դոֆամին է բաց թողնում։ Մեզ թվում է, թե արդեն առաջ ենք շարժվել, բայց իրականում պարզապես հետաձգել ենք բուն սովորելը։ Բոլորս էլ նույն բանն ենք անում, ու սրա մեջ ոչ մի վատ բան չկա։ Բայց գուցե այսօր հենց այն օրն է, որ պետք է կոտրել այս շղթան։ Եկեք մի հատ փոքրիկ փորձարկում անենք. հենց հիմա բացեք ձեր Saved Messages-ները, ընտրեք ամենակարճ վիդեոն կամ հոդվածը ու ընդամենը 10 րոպե նվիրեք դրան։ Առանց մեծ սպասելիքների, ուղղակի սկսելու համար։

💡Ինչո՞ւ են սկսնակները երբեմն ավելի վստահ, քան պրոֆեսիոնալները Տեխնոլոգիական ոլորտում (ու ոչ միայն) հաճախ կարելի է հանդիպել մի պատկերի՝ սկսնակը վստահությամբ պնդում է իր տեսակետը, իսկ տարիների փորձով սենյոր մասնագետը երկար մտածում է ու պատասխանում՝ «կախված է իրավիճակից»: Սա ուղղակի բնավորության գիծ չէ, այլ մտածողության առանձահատկություն՝ Դանինգ-Կրյուգերի էֆեկտը (Dunning-Kruger effect): Դրա իմաստն այն է, որ ցանկացած նոր ոլորտ մտնելիս, առաջին մի քանի շաբաթում մեզ թվում է, թե ամեն ինչ պարզ է ու հասկանալի: Ուղեղը հեշտությամբ տրվում է գիտելիքի պատրանքին: Սակայն իրական բարդություններին ու պրակտիկային բախվելիս այդ պատրանքը կորչում է, ու նոր միայն սկսվում է իրական, հասուն աճը: Սա ֆիքսելը կարևոր է երկու պատճառով` 🔹Եթե նոր եք սկսում, պետք է պատրաստ լինել, որ առաջին էյֆորիայից հետո գալու է «ես ոչինչ չեմ հասկանում» փուլը։ Դա նորմալ է, բոլորն են անցնում դրա միջով։ 🔹Եթե արդեն փորձառու եք՝ ձեր կասկածներն ու «ինքնակոչի համախտանիշը» ոչ թե թուլության նշան են, այլ հակառակը՝ ապացույց, որ դուք արդեն տեսնում եք ոլորտի ամբողջ մասշտաբն ու բարդությունը:

🚀 Բաց հաստիքներ Product Manager-ների համար Հավաքել ենք այս պահին առկա ամենաթարմ հաստիքները՝ քո հաջորդ կարիերային քայլի համար։ Դիտիր ցանկը, ընտրիր քեզ համապատասխանը և դիմիր հիմա 👇 🔹Product Manager — Դիմել այստեղ 🔹Product Line Manager — Դիմել այստեղ 🔹Product Marketing Manager — Դիմել այստեղ 🔹Product Manager — Դիմել այստեղ 🔹Mid Product Manager — Դիմել այստեղ 🔹Lead Product Manager — Դիմել այստեղ 🔹Պրոդուկտ Մենեջեր (Ավանդներ) — Դիմել այստեղ 🔹Product Manager — Դիմել այստեղ 🔹Product Trainer — Դիմել այստեղ 🔹Product Marketing Specialist — Դիմել այստեղ 🔹Project Manager — Դիմել այստեղ 🔹Product Manager — Դիմել այստեղ 🔹Product Marketing Specialist — Դիմել այստեղ 🔹Lead Product Manager — Դիմել այստեղ 🔹Product Owner — Դիմել այստեղ 🔹Group Product Manager — Դիմել այստեղ 🔹Associate Product Manager — Դիմել այստեղ

Ինչպե՞ս «զրոն» դարձավ 6 միլիարդ դոլար 2011 թվականին Լուիս ֆոն Անին տանջում էր մի պարզ հարց. «Ինչո՞ւ են մարդիկ կիսատ թողնում սովորելը: Ի՞նչն է ստիպում հանձնվել:» 🔹Լուիսը ուսումնասիրեց մարդկանց ու նկատեց մի բան, որը ակնհայտ էր, բայց ոչ ոք չէր տեսնում: Մարդիկ դասը բաց էին թողնում ոչ թե ծուլությունից, այլ որովհետև կորցնելու ոչինչ չունեին: 🔹Լուծումը՝ նա ստեղծեց մի պարզ հաշվիչ (Streak), որն արձանագրում էր մարդկանց հաջողությունը ամեն օր։ Բայց կար մեկ պայման՝ եթե ընդամենը մեկ օր չէին մտնում հավելված, արդյունքը զրոյանում էր։ Այս պարզ լուծումը դարձավ այն շարժիչը, որն առաջ մղեց ամբողջ ծրագիրը՝ սովորական ուսուցումը վերածելով անդադար խաղի։ 🔹Սա հիմնված է Loss Aversion (Կորստից խուսափում) սկզբունքի վրա: Մարդկային ուղեղը ատում է կորցնելն ավելի շատ, քան սիրում է ձեռք բերելը: Մարդիկ սկսեցին մտնել հավելված ուշ գիշերին, կիսաքուն վիճակում՝ միայն թե իրենց 200-օրյա streak-ը չփոշիանա: Արդյունքում՝ ◽️ 500+ միլիոն օգտատեր ◽️ $6 միլիարդից ավել շուկայական արժեք ◽️ Աշխարհի ամենամեծ կրթական հարթակը Սա վառ օրինակ է, թե ինչպես PM-ի մեկ դիպուկ որոշումը կարող է հիմնովին փոխել պրոդուկտի ճակատագիրը և ապահովել հաջողություն:

Machine Learning & AI Engineering | Հայաստանյան շուկայի թարմ հաստիքները 🚀 Հավաքել ենք հայկական շուկայի ամենաթարմ և արդիական աշխատանքային հնարավորությունները 🛠 Founding & Lead Roles 🔸 Founding ML Engineer | Դիմել այստեղ 🔸 Lead AI Engineer | Դիմել այստեղ 🔸 Founding AI Platform Engineer | Դիմել այստեղ 🧠 AI, LLM & NLP Focu 🔸AI Engineer (NLP) | Դիմել այստեղ 🔸AI Developer | LinkedIn Link 🔸Generative AI Engineer | LinkedIn Link 💻 ML Infrastructure & Senior Positions 🔸 ML Infrastructure Engineer | LinkedIn Link 🔸 Machine Learning Engineer | LinkedIn Link 🔸 Data Engineer (BigQuery/Real-time) | Դիմել այստեղ

«AI-ը կփոխարինի»-ն մենք շատ հաճախ սկսել ենք լսել UX/UI դիզայնի մասին. դրա համար եկել ենք ասելու մի քանի կարևոր բան, որ AI-ը հաստատ չի անի դիզայների փոխարեն Բայց այստեղ կան մի քանի կարևոր «բայց» 👇 Ինչո՞ւ AI-ը չի փոխարինի լավ UI/UX մասնագետին 🔶 Էմպատիա և հույզեր AI-ը չի զգում, թե ինչ է ապրում օգտատերը, երբ չի գտնում «Գնել» կոճակը կամ շփոթվում է ինտերֆեյսում։ Դիզայնը մարդկանց մասին է, իսկ մարդուն իսկապես հասկանում է մարդը։ 🔶 Ռազմավարական մտածողություն Դիզայնը միայն «սիրուն» վիզուալ չէ։ Այն բիզնես խնդիրների լուծում է։ AI-ը կարող է առաջարկել տարբերակներ, բայց ճիշտ ընտրությունը կատարում է դիզայները՝ հաշվի առնելով լսարանը, նպատակը և կոնտեքստը։ 🔶 AI-ը գործիք է, ոչ թե մասնագետ Ինչպես Photoshop-ը չփոխարինեց դիզայներին, այնպես էլ AI-ը չի փոխարինի նրան։ Այն արագացնում է գործընթացները, բայց չի ստեղծում իմաստ։ 🔶 Առավելությունն այսօր Այսօր առավել մրցունակ դիզայները նա է, ով գիտի՝ ինչպես աշխատել AI-ի հետ, ոչ թե մրցել նրա դեմ։ 🚀Ի դեպ՝ մեկնարկում է UX/UI դիզայնի մեր 5-ամսյա A-Z դասընթացը։ Միացիր հիմա ու սովորիր ստեղծել լավագույն կայքերի ու դասընթացների դիզայնը 🔗 Գրանցվի՛ր այստեղ՝ https://bootcamps.aca.am/ux

Վերսկսում ենք ACA մասնագիտությունների մասին հետաքրքիր ինֆորմացիայով կիսվելու շարքը 🚀 Machine Learning-ի ոլորտում այսօր հետաքրքիր պատկեր է ձևավորվել 👇 աշխատատեղերը շատ են, մասնագետները՝ քիչ։ LinkedIn-ի տվյալները ցույց են տալիս, որ աշխարհում հարյուր հազարավոր թափուր հաստիքներ կան, և շուկան դեռ չի կարողանում դրանք համալրել բավարար որակավորված կադրերով։ Արդյունքում պահանջարկը շարունակում է աճել, իսկ մրցակցությունը՝ թեժանալ։ Սա պատահական չէ։ Machine Learning-ը վաղուց դուրս է եկել նեղ կիրառություններից և դարձել է տեխնոլոգիա, որը կիրառվում է ամենուր։ 🔸 Այսօր խոսքը միայն չաթբոտների մասին չէ։ Զարգանում են համակարգեր, որոնք կարողանում են ինքնուրույն որոշումներ կայացնել և գործողություններ իրականացնել։ 🔸 Այս փոփոխությունը արդեն զգացվում է նաև աշխատաշուկայում։ Հայաստանում կրտսեր ML ինժեներները հաճախ ստանում են բարձր աշխատավարձ, քան փորձառու Full-stack ծրագրավորողները։ Պատճառը պարզ է՝ պահանջարկը գերազանցում է առաջարկը։ 🔸 Բայց կա մի կարևոր նրբություն․ ML մոդելների մեծ մասը չի հասնում production փուլ։ Խնդիրը սովորաբար մաթեմատիկան չէ, այլ այն, որ քիչ են մասնագետները, ովքեր կարողանում են մոդելները դարձնել աշխատող և կայուն համակարգեր։ Այստեղ է, ո առանձնանում է MLOps-ի դերը։ Արդյունքում շուկան գնահատում է ոչ միայն գիտելիքը, այլ նաև այն կիրառելու կարողությունը։ Հարցը պարզ է 🤔 ուզո՞ւմ ես պարզապես օգտագործել AI-ը, թե՞ ստեղծել այն։ Եթե ուզում ես ձեռք բերել գործնական հմտություններ և մտնել պահանջված ոլորտ, հիմա ճիշտ ժամանակն է սկսել։ 🚀 Գրանցվի՛ր այստեղ՝ https://bootcamps.aca.am/ml