Неожиданно получил рассылку от Datalens с приглашением на AI-вебинар — пройти мимо не смог. Каково было моё удивление, когда среди спикеров увидел Кирилла Гурбанова: я слежу за его каналом ещё с тех времён, когда там было всего 50 подписчиков. До этого смотрел лишь отдельные фрагменты его выступлений, которые он выкладывал в сторис. Поэтому любопытно, как он ведет.

Вебинар разбит на четыре блока:

• Что такое языковые модели и как они работают;
• Как делать качественные запросы;
• Знакомимся с нейросетью Алисой
• Продвинутые задачи: рассуждающие модели, картинки, режим поиска и др.

Программа вебинара построена логично: прежде чем погружаться в продвинутые сценарии или настройки, важно разобраться в том, как вообще устроен искусственный интеллект и на чём базируется работа нейросетей и языковых моделей. Без основ сложно понять, как получать максимальную пользу от инструментов. Вот что отмечалось в первой части:

Что такое нейросети и языковые модели

• Модель можно представить как огромный «архив» текстов из интернета, сжатый до компактной формы
• Языковые модели (LLM — large language models) — это статистические инструменты, которые угадывают — следующие символы или слова
• «Алиса» — продукт Яндекса, работает на мощной модели Yandex GPT-5
• Модель обучается на большом объёме текстов из интернета, с основой в математических вероятностях.

Разобравшись с основами, Кирилл перешёл к сути: языковая модель просто угадывает, какие символы или слова вероятнее всего встретятся дальше по смыслу. Именно этот механизм лежит в основе всех ответов — будь то стихотворение, инструкция, перевод идиомы или совет по рабочему вопросу.

Такой подход звучит убедительно, но не лишён упрощений. Предсказание «следующего слова» — действительно суть базового алгоритма. Но, насколько я понимаю, современные модели, своего рода, трансформеры. Они анализируют ВСЮ последовательность слов, используют специальные механизмы внимания (attention), чтобы строить сложные внутренние представления мира, обнаруживают смысловые, логические и причинно-следственные связи, а не только ближайшее слово. Лучше заменить «угадывание» на «предсказание», что, как раз, отражает сложную структуру работы ИИ-модели.

Помимо технических нюансов, на вебинаре обсуждался и вопрос авторских прав на данные, на которых обучают модели. В целом, компании стараются не использовать защищённые авторским правом тексты, но на практике полностью исключить их проблематично, что часто приводит к разбирательствам в суде. В реальности существуют феномены — так называемые «утечки данных» (data leakage) и «запоминание на обучении» (memorization). При определённых запросах LLM могут «вытаскивать» длинные последовательности текста, вплоть до страниц или целых глав книг (например, «Алиса в Стране чудес» из Llama 3)

Много внимания уделено понятному объяснению: модель не «думает» как человек, она генерирует наиболее вероятные, а не всегда абсолютно верные ответы. Поэтому важно всегда перепроверять критически важную информацию, особенно в области медицины, права, финансов. Пользователь получает не истину в последней инстанции, а инструмент для ускорения работы и генерации быстрых черновиков и идей. Среди преимуществ, которые выделяли на вебинаре, отдельно отметили:

Бесплатный доступ к самой современной модели ЯндексGPT 5 Pro без ограничений и на русском языке. Для пользователей Алиса является самым доступным и удобным входом в мир больших языковых моделей в России.

Важные моменты использования
Для тех, кто только начинает, были выделены несколько практических советов:

1. Рекомендуется всегда создавать новый чат для новой темы для избежания путаницы в контексте.
2. Эффективный запрос (промт) — ключ к хорошему ответу:
   • Определять роль ИИ (например, «ты — главный бухгалтер»).
   • Давать подробный контекст и формат ответа.
   • Указывать требуемый стиль и количество деталей.
3. Ответы моделей всегда надо перепроверять, особенно если речь о медицинских, юридических, финансовых вопросах.
4. Модели склонны к галлюцинациям (недостоверным ответам), важно критически относиться к ответам.

Шпаргалка по эффективным запросам к искусственной интеллектуальной модели

Часто повторяется в этом блоке, что модель создана для работы с текстом, не с цифрами, калькулятора там нет. Тем не менее, стоит учитывать, что современные модели уже вышли за рамки исключительно работы с текстом. Последние поколения LLM интегрируют модули вычислений (например, с внешним калькулятором, или составляя промежуточные вычисления chain-of-thought), что повышает точность решения количественных задач.

Это можно увидеть сейчас в Perplexity или Deepseek. При расчете он всегда запускает код на питоне и считает. Для того, чтобы убедиться, в промт нужно добавлять самопроверку в видео от . Кирилл часто говорит про проверку результатов, но я бы не хотел весь день перепроверять каждый результат выдачи. Поэтому всегда в своих промтах прошу указывать цитаты и источники для них, особенно в редких тематиках.

Продвинутые возможности «Алисы»

1. Режим рассуждающей модели (режим «рассуждать»). Модель сначала генерирует внутренние рассуждения, чтобы дать более глубокий и структурированный ответ.
2. Инструменты расширения:

• Поиск в интернете — помогает получить актуальные данные и исключить устаревшую информацию.
• Загрузка изображений и документов — «Алиса» способна анализировать файлы и отвечать на вопросы по ним.
• Генерация изображений по описанию — легко создавать визуальные материалы.

Работа с файлами, поиском и генерацией изображений
Алиса поддерживает загрузку документов и изображений: можно анализировать содержимое пдф, офисных документов, фотографий товара, обложек книг, даже длинных транскриптов встреч. Всё это помогает быстро «разжевать» информацию и выдать сжатое резюме или полезную аналитику.

Инструмент «Поиск» позволяет получать исключительно актуальные ответы за счёт обращения к интернет-источникам в реальном времени — полезно для юридических, новостных, справочных кейсов.

Генерация изображений: Алиса умеет создавать иллюстрации по текстовому описанию, что удобно для презентаций, креативов и визуализаций любых идей.

Если говорить про общее впечатление и подачу материала. В целом понравился подход Кирилла: крутая преза и вообще весь визуал на экране почти как в телеке смотришь интервью. Не могу сказать, что для себя открыл что-то новое, но благодаря инфе про «архив интернета» еще раз перепроверил, как на самом деле работают модели.

Пока я смотрел видео, то меня не покидали ощущение внутреннее, что мне чет продают. С первых минут начала вебинара просят оценить свой уровень энергии. Шта? Я попал на выступление Тони Робинса?

Поэтому мне лично на подобных вебинарах не хватает глубины: часто всё заканчивается базовыми объяснениями и легкой «оберткой» в духе мотивационных тренингов. Конечно, для тех, кто уже активно использует ИИ в работе или интересуется устройством моделей на уровне архитектуры, такие мероприятия покажутся слишком поверхностными и даже немного рекламными.

Тем не менее, если смотреть шире, именно такие вебинары — отличный старт для тех, кто только погружается в тему искусственного интеллекта и не знает, с чего начать. Они дают общую картину, помогают разобраться с базовой терминологией и зачастую мотивируют попробовать сервисы, о которых раньше даже не слышал.

Хорошо, что такие «точки входа» вообще существуют. Пусть на старте аудитория просто «угадывает» ответы вместе с моделью, но именно в этом и заключается прелесть знакомства с новой областью: каждый когда-то начинал с азов. А дальше всё зависит от личной любознательности и готовности углубляться.

Бонус для тех, кто хочет подписку Алиса Про на два месяца

Еще по теме

• Конспект видео ai Nova Sapiens об эффективных промтах в 2025
• Конспект Нейрострима от Дани Трабуна

Есть у меня одно неписаное правило: если задача по BI кажется лёгкой, считай — внизу айсберга затаилась подстава. Вот и в этот раз история началась со знакомого: «Подумаешь, парсить JSON в Datalens, да на полчаса работы!» Наивный оптимизм, который в BI-среде заканчивается всегда одинаково: поджидает матрёшка, внутри которой прячется не одна неожиданность.

Когда DataLens не хочет видеть твой JSON, а ты уже переписал сотню запросов

Классическое заблуждение: «Сейчас за 30 минут сделаю»

Появилась у меня свежая задачка: клиент прислал данные, и надо бы обработать эти строки, чтобы потом строить красивые витрины. Захожу в Datalens — бодро, с энтузиазмом, настраиваю датасет... И тут DataLens строго возвращает мне: — Неподдерживаемый тип данных. Мда.

По сценарию, я уже должен погрузиться в дебри, но пока ещё надеюсь на победу простым SELECT. Пробую через QL-чарт посмотреть содержимое — снова ошибка. В голове ещё вертится уверенность: «Ну не может быть, что задание на полчаса станет историей на весь вечер…»

Понятно, надо лезть в базу. Смотрю поле и там указан тип JSON. Значит, поле должно парситься обычными запросами, например функцией JSON_UNQUOTE или (CAST(... AS CHAR). Но есть нюанс.

Содержание очень похоже на валидный JSON, хотя лучше убедиться. Через View Data копирую содержание строку. Это означает, что в поле хранится не настоящий объект JSON, а строка с дополнительным экранированием — по сути, JSON внутри строки, то есть:

"{\"successStatus\":true,\"leadDetail\":{\"smsValidationDatetime\":null,\"smsValidated\":false,\"smokerDeclaration\":true,\"mobilePhone\":\"+79234707710\",\"mobileOptIn\":true,\"marketingOptIn\":true,\"marketCode\":\"KRU\",\"leadSource\":\"Affiliate\",\"leadId\":\"00QNM00000CvtJIQOQ\",\"lastName\":\"NA\",\"language\":null,\"gender\":null,\"firstName\":\"Misha\",\"email\":\"misha98@icloud.com\",\"databaseOptIn\":true,\"country\":\"Russia\",\"city\":\"Novokuznetsk\",\"birthdate\":null,\"ageVerification\":true,\"affiliateLeadSource\":\"paid_russia\",\"acceptPN\":true},\"errorMessage\":\"\"}"

а не «трушный»:

{"successStatus":true,"leadDetail":{"city":"Novokuznetsk", ...}}

Моя ситуация — классический пример «скрытого двойного экранирования». Решение — очистить структуру до настоящего объекта JSON перед аналитикой. В идеале можно было бы еще использовать HEX-дамп, чтобы точно получить «сырое содержимое», которое может проходить валидность через JSON_VALID.

Почистим json

Выглядит сложно, но надо всего лишь (ха-ха) очистить кавычки и слэши:

• внешние кавычки “...”,
• внутри — кавычки экранированы через \”.

Самое простое — это очистить экранирование и извлечь данные:

• Используем TRIM(BOTH ‘“’ FROM ...), чтобы срезать внешние кавычки
• Используем REPLACE(..., ‘\\\“’, ‘\”’), чтобы превратить все экранированные кавычки обратно в обычные кавычки.

И вот оно — почти победа! С двумя этими операциями «луковица» нашего JSON стала похожа на подходящий объект. В тот момент, когда у меня получилось из этих частей собрать валидный JSON, я почти поверил в чудеса.

Архитектурные ограничения MySQL+DataLens

Но DataLens не так прост: даже после парсинга полей могут возникнуть ограничения. Далеко не всегда можно сразу строить визуализации по ключам, пока не приведёшь столбцы к строчному типу или не изобретёшь промежуточный «велосипед» — то есть выгрузишь-импортируешь результат, или построишь вычисляемые столбцы руками. И финальное:

SELECT
  id,
  CAST(JSON_UNQUOTE(
    JSON_EXTRACT(
      REPLACE(TRIM(BOTH '"' FROM <название_поля>), '\\\"', '"'),
      '$.successStatus'
    )) AS CHAR(4)) AS status
FROM <название_таблицы>

В CHAR(n) задаем только длину строки, с $ задаем нужно поле.

Эту же задачу также можно было бы решить с помощью функции SUBSTRING:

SELECT
  id,
  SUBSTRING(
    JSON_UNQUOTE(
      JSON_EXTRACT(
        REPLACE(
          TRIM(BOTH '"' FROM <название_поля>),
          '\\\"', '"'
        ),
        '$.successStatus'
      )
    ),
    1, 50
  ) AS status
FROM <название_таблицы>

В MySQL функция SUBSTRING принимает три аргумента: строку, позицию начала и длину подстроки. Значения 1 и 50 в конструкции означают:

• 1 — начальная позиция в строке, с которой начинается извлечение (нумерация символов в MySQL начинается с 1, то есть первый символ строки),
• 50 — максимальное количество символов для извлечения.

То есть такой запрос вернёт первые 50 символов строки (или меньше, если длина строки меньше 50) начиная с первого символа.

Почему таких кейсов много? Агентство, темп, техдолг

Если посмотреть шире — такие задачи для небольших агентств и команд с техническим контуром возникают сплошь и рядом.

• — Проекты стартуют максимально быстро, постоянно что-то «выгружается», мокапится, подгоняется «налету».
• — Между специалистами агентства и клиентом — минимум стыковки, иногда скорость важнее точности.
• — И каждый раз такие хаки, скрипты и обходные костыли — прямой плод технического долга: один не успел отладить процесс до конца, другому прилетело «разгрести это счастье», а BI-аналитику остаётся сочинять длинные SQL, чтобы хоть что-то зашевелилось.

Сейчас уже даже не удивляет, что подобные «микро-подвиги» кажутся чем-то исключительным — на самом деле у большинства агентских BI-команд их целый табун, просто болит за всё сразу не у каждого.

В сухом остатке

И вот так час, другой... А задача, обещавшаяся уложиться «в полчаса», оборачивается:

• разгадыванием загадок экранирования;
• неожиданными трюками SQL;
• и осознанием, что архитектурные ограничения платформы всё равно тебя догонят.

Парадокс — простая BI-задача снова оказалась спиралью: чем дальше, тем больше находок и лайфхаков для будущего себя (и такого же бодрого оптимиста из другой команды). Такие json возникают в микро-проектах

«Нечестный» JSON в данных встречается чаще, чем хочется, но «быстро разобрать» можно только после нескольких попыток. Это как c автоматизацией — кажется, экономишь пару минут, но тратишь вечер.

В эпоху, когда ИИ-сервисы вроде Superwisper умеют быстро преобразовывать речь в текст, кажется, что большая часть работы уже сделана. Но в реальности именно после расшифровки начинается самая кропотливая часть — редактирование, структурирование и оформление текста. Даже если вы получили идеально распознанный фрагмент, без умения быстро перемещаться по документу, выделять, форматировать и исправлять, эффективность работы будет крайне низкой.

Знание базовых и продвинутых сочетаний клавиш — это не только про скорость. Это про контроль над текстом, про возможность сосредоточиться на содержании, а не на рутине.

Многие маководы и по сей день не используют даже половины возможностей своей клавиатуры, тратя время на мышь и лишние клики. А ведь освоить эти приёмы можно за пару дней, и они останутся с вами на годы.

В этой подборке — только полезные и простые команды, которые пригодятся каждый день. В качестве примеров — фрагменты из классической книги «Справочник издателя и автора» Аркадия Мильчина. Для начала важно различать два понятия: курсор (стрелка, управляемая мышью или трекпадом) и каретка (мигающий символ в тексте, который показывает, где будет происходить ввод или редактирование).

Command ⌘ — команд, Contol ⌃ — контрол, Option ⌥— опшен, Shift ⇧ — шифт

Перемещение курсора по странице

Используйте клавишу Command (⌘) и стрелки: в начало или конец страницы — ⌘+↑ и ⌘+↓, а также для быстрого перемещения влево или вправо — ⌘+→ и ⌘+←. Такой подход отлично работает в большинстве текстовых редакторов, например, в Google Docs или Pages: вы можете мгновенно перескочить к началу или концу документа, что особенно полезно при работе с длинными текстами.

Пример: если вы редактируете большой документ и хотите быстро вернуться к его началу, просто нажмите ⌘+↑.

В терминале macOS для перемещения в начало строки используется ⌃A — это удобно при работе с командами и скриптами.

Перемещение курсора по строчкам

Используем сочетания Option (⌥) со стрелками: выше/ниже ⌥+↑ или ⌥+↓, внутри строки между началом слов вправо или влево ⌥+→ и ⌥+←

Пример: если вы хотите быстро отредактировать только что набранное слово, используйте ⌥+←, чтобы мгновенно переместиться к его началу.

Приемы выделения строки

Чтобы выделить всю строку, используйте комбинацию ⌘⇧→ или ⌘⇧← в зависимости от положения каретки. Это особенно полезно, если вы хотите быстро применить форматирование ко всей строке, например, сделать её полужирной ⌘+B или курсивной ⌘+I.

Пример: выделите целую цитату и одним нажатием примените нужное форматирование.

Приемы выделения слов

Для выделения отдельного слова используйте ⌘⌥→ или ⌘⌥←. Это удобно, когда нужно быстро изменить стиль только одного слова, не затрагивая остальной текст.

Пример: выделите слово «книга» и сделайте его жирным (⌘+B), чтобы акцентировать внимание читателя.

Удаление слов

Обычная клавиша Delete удаляет символ слева от каретки. Чтобы удалить символ справа (аналог клавиши Delete на Windows), используйте Fn+Delete или ⌃D. Для удаления целого слова слева — ⌥+Delete, а справа — ⌥+Fn+Delete.

Пример: если вы ошиблись в слове, не нужно несколько раз нажимать Delete — используйте ⌥+Delete, чтобы удалить всё слово сразу.

Отмена и повтор действий

Без этих команд невозможно быстро работать с текстом. Отмена действия — ⌘Z, повтор — ⇧⌘Z. Это спасает, если случайно удалили или изменили важный фрагмент.

Пример: отмените случайное удаление абзаца с помощью ⌘Z, а затем повторите действие, если передумали, с помощью ⇧⌘Z.

Сначала отменяем жирность,а потом применяем

Добавить пустую строчку

Чтобы добавить новую строку ниже текущей позиции каретки, используйте ⌃O. Это удобно при структурировании текста, например, при добавлении новых пунктов в списке.

Добавление отступов

Для создания отступа используйте Tab, а для его удаления — Shift+Tab. В некоторых редакторах на Mac есть дополнительные шорткаты: ⌘{ для выравнивания по левому краю и ⌘} для правого.

Пример: быстро выровняйте цитату или блок кода по нужному краю, не используя мышь.

Эти приёмы значительно ускоряют редактирование текста и делают работу с большими документами более эффективной. Даже если вы только начинаете работать на Mac, эти сочетания помогут вам быстро освоиться и работать наравне с опытными пользователями.

В дополнении к шорткатам я настоятельно рекомендую использовать Popclip, aText или нативную функцию macOS автозамены для ускорения работы с текстом.

Еще по теме
Сочетания клавиш для редактирования текста в MacOS
Как быстро работать в редакторе Zed
Sublime Text для маркетологов и обычных людей
Быстрое распознавание текста на macOS

Закончил я этот курс со словами, что никогда больше не пойду учиться. Шучу, потому что я опять ищу курс по ИИ. Этот опыт многому меня научил и прежде всего пониманию, что перфекционизм — это плохо.

Оглавление

О курсе и опыт
Учебный процесс: модули и задачи
Тренажёр и Jupyter Notebook
Команда курса
Мастерская
Комьюнити
Гибкость: переводы и карьерный трек
Рекомендации
Диплом и мерч
Кому подойдёт

О курсе и опыт #

Старт: 14.09.2023
Конец: 14.04.2025 (плановый 29.09.2024)

Это третий и финальный пост о моих приключениях на Яндекс Практикуме. Учиться в 37 — тот еще квест, зато мозг бодрит, новые связи в голове прокладывает, а заодно добавляет пару пунктов в резюме.

Правда, про «востребованность на рынке» лучше забыть — маркетинговые сказки пусть рассказывают другим. Когда дойдете до блока про трудоустройство, сами поймете: кроме знаний, которые вы реально добыли своим потом, ничего не получите. А если просто списывали — считайте, зря тратили время. Корочка от Практикума — не билет в Яндекс и не пропуск в светлое будущее. Почему многие верят в обратное — загадка.

На курс меня вдохновил пост Саши Михайлова. Но чем дальше учился, тем сильнее ощущал: реальный Практикум и тот, о котором пишут в отзывах, — это две разные вселенные. Модули кое-где писали на коленке, а некоторые задачи будто бы не обновлялись годами. Система работает, но ощущение, что продают в первую очередь надежду и дедлайны, а не глубокие знания, не покидало до самого диплома.

Шел я на курс, чтобы прокачать аналитику и научиться автоматизировать рутину с помощью Python. Коллеги-выпускники удивлялись моему энтузиазму, но цель я все-таки выполнил: теперь умею веб-скрапить, работать с API и находить инсайты в данных. Даже несколько рабочих скриптов за время учебы написал — и это, пожалуй, лучший результат.

Про инструменты, фишки и лайфхаки я уже подробно писал в первом посте, многое из этого осталось актуальным. Сейчас хочу поделиться тем, что окружает тебя в процессе обучения после первого модуля: как устроена среда, кто рядом, как всё это влияет на опыт. Это не разбор этапов, а честный взгляд изнутри — про людей, платформу, поддержку и рутину, которые становятся частью твоей учебной жизни. Здесь только реальные жизнь и несколько советов для тех, кто еще думает начинать или нет.

Учебный процесс: модули и задачи #

После первого модуля становится понятно, что курс построен по принципу «от простого к сложному». Каждый модуль — это отдельная тема, которую разбираешь на практике. В начале всё кажется понятным, но с каждым следующим блоком задач становится больше, а времени — меньше.

Задачи бывают разного уровня: от простых, где нужно повторить код по образцу, до тех, где приходится искать решения самостоятельно.

Одни будут мотивировать учиться, а другие демонтировать так, что заходится нахрен отчилислиться и забыть по скорее про Практикум, как это было у меня в блоке по машинному обучению

Иногда встречаются задания, которые явно устарели или не совсем соответствуют реальным задачам аналитика. В такие моменты меня выручала в основном поддержка внутри платформы, а не сокурсники с преподавателями. Большую часть заданий я разбирался самостоятельно, копал документацию и искал ответы на Stack Overflow. И вот тут я снова вспомнил свою мысль из начала: если бы я не пытался всё делать идеально и не верил в волшебство курса, нервы бы сэкономил.

Особенно понравились практические задания, где нужно было работать с реальными датасетами. Такие задачи действительно учат думать и применять инструменты на практике. Однако встречаются и минусы. В некоторых заданиях слишком много однотипной, повторяющейся работы, которую в реальной жизни обычно автоматизируют. Это мало чему учит и иногда просто утомляет.

В целом, модули хорошо структурированы, но иногда не хватает актуальности и свежести материалов. Тем не менее, если относиться к заданиям как к тренировке, можно получить хороший опыт и понять, какие темы стоит изучать глубже самостоятельно.

Третье расписание за всю мою историю обучения на Аналитика данных

Посмотрим на самые низкие оценки:

SQL – не обновлялся и его большинство списывает. Задания в целом не очень интересные. Почему здесь нельзя было бы поискать более полезный и близкий к реальности кейс — загадка. Например, расчет средней конверсии в модуле Анализ бизнес показателей по месяцам/неделям был почти одномоменто с похожей задачей на работе. Не то, чтобы я с таким не сталкивался за 10 лет в интернет-маркетинге, но на питоне я этого действительно не делал.

Лайфхак от студентов: скипаешь теорию, решаешь только задачи, которые дают пропуск к практической. Прорешиваешь ее и возращаешься обратно к теории.

Больше всего обидно мне за курс по машинному обучению. Если практическая еще была полезна по анализу оттока клиентов в фитнес центре, то теория настолько была местами несвязной, с небольшим количеством примеров или иллюстраций — то почти в каждом блоке для отзывов я писал — какое лютое говнище вы сделали. Мало того, что местами абзацы просто идут огромными портянками без этой приятной тональности, а лютая научная шляпа. ААА, наверное потому что за предыдущих три модуля мы должны были дополнительно читать литературу наверное или посещать чаще встречи с наставником :D

После блока по SQL у меня началась легкая депрессия. Задачи и подача материала казались настолько бессмысленными, что я всерьёз начал спрашивать себя: «Зачем всё это?»

В чатах по аналитике часто пишут, что такие задачи не учат решать реальные рабочие кейсы. С этим сложно не согласиться. Неужели нельзя подобрать пример, который был бы ближе к реальной работе? Видимо, никто не хочет заморачиваться.

Самое забавное, что одна из задач по SQL из моего дипломного проекта потом попалась мне на собеседовании. Казалось бы, должен щёлкать её как орешки — ведь только что решал её на курсе. Но на практике растерялся и не смог нормально ответить. Тут и пришло осознание: просто пройти задание на курсе мало, если материал не встроился в голову и не стал чем-то естественным, как 2+2.

Всё равно не покидает ощущение, что материал можно было бы подать так, чтобы после всех этих упражнений он реально стал рабочим инструментом, который используешь автоматически. Но, увы, после тренажёра по машинному обучению, где мы прогнозировали лайки и комментарии на Facebook-страницах компаний, я так и не понял, что именно делал и зачем. Только в самом конце дали какое-то вялое объяснение, но к тому моменту мотивация уже где-то потерялась.

Когда кажется, что с заданиями уже разобрался, на сцену выходят технические нюансы, которые могут неожиданно усложнить жизнь

Тренажёр и Jupyter Notebook #

Тренажёр — это отдельная боль. Пока работаешь с простыми датасетами, всё вроде бы нормально. Но стоит задачам стать сложнее, появляются ошибки, зависания и вечное ожидание, пока код хоть как-то отработает. Самое неприятное, что всё это случается именно тогда, когда у тебя наконец-то появилось время заняться учёбой.

Jupyter — вишенка на этом торте. Контейнеры для студентов и ревьюеров падают в самый неподходящий момент. Особенно весело, когда после работы садишься делать проект, а платформа просто не запускается. В итоге пришлось поднять свой сервер с Ubuntu и работать там, но версии библиотек не совпадают, и при загрузке обратно в Практикум снова вылезают ошибки. На Mac с Apple Silicon возиться с этим вообще отдельный квест.

В итоге плюнул, теперь всё делаю на своём сервере — и рабочие задачи тоже.
Если не хотите тратить нервы, сразу настраивайте свой Jupyter с нужными версиями библиотек, как на платформе. Это реально экономит время и силы.

Типичный вечер студента курса по Аналитике данных

После всех технических приключений с платформой поговорим о тех, кто помогает (или не помогает) проходить этот путь — о команде курса.

Команда курса: кураторы, наставники, преподаватели, ревьюеры #

В Практикуме вокруг тебя всегда крутится целая команда: кураторы, наставники, преподаватели, ревьюеры. По идее, каждый должен помогать и поддерживать, но на деле это скорее разношерстная группа поддержки, где каждый отвечает за свой кусочек и работает по настроению:

Куратор — как классный руководитель: напомнит про дедлайны, иногда поможет с переводом между потоками, но чаще просто постит что-то для галочки, чтобы создать иллюзию коллективной движухи.

Когда куратор реально помог — редкий, но приятный момент

Наставники — это, пожалуй, самые полезные люди на курсе, если повезёт с человеком и временем. Формально они должны быть твоими проводниками в профессию, но на деле всё зависит от настроения, занятости и часового пояса. В одном потоке мои созвоны с наставником выпадали на субботу в 18:00 (когда уже не до учёбы), а в другом — на четверг в 23:00, когда мозг уже просит пощады. Самый запоминающийся случай был с первым наставником: человек с пятилетним стажем в Яндекс.Маркете перепутал нас с группой дата-инженеров и первую половину модуля рассказывал не совсем то, но мне даже зашло — про креды и API я узнал раньше, чем планировал. В общем, подача у всех разная: кто-то реально заряжает, кто-то просто отрабатывает часы. Единых стандартов нет, как повезёт.

Но если не лениться и вовремя приходить с вопросами, наставник может реально прокачать. Я, например, пожалел, что не показал свои рабочие А/Б-тесты для ревью — хотя это и не их обязанность, но обратная связь была бы полезна. Зато когда я принёс свой проект с парсингом веб-CRM через API Google Translate и простеньким классификатором, наставник дал дельные советы, которые потом пригодились и в работе. Это так меня замотивировало, что я реально переписал кучу кода, сделал предобработку данных удобнее и вообще почувствовал, что расту. В такие моменты понимаешь, зачем всё это затевал.

Комментарий наставника к моему коду — вот ради таких моментов и стоит терпеть все эти поздние созвоны

Преподаватели появляются редко, отвечают поверхностно, часто отправляют к агентам поддержки или в чат, так что проще сразу идти гуглить.

Ревьюеры — вообще отдельная мифология: попадётся нормальный — получишь подробный разбор, попадётся легендарный Василий — приготовься к бесконечному пинг-понгу «на доработку».

Каждый студент ждет этого письма

В итоге, вся эта команда больше напоминает марафонскую группу поддержки: кто-то подаст воду, кто-то махнёт флажком, но дистанцию всё равно бежать самому.

Мастерская #

Помимо стандартных модулей и задач, в Практикуме есть ещё одна «фишка» — мастерская. О ней стоит рассказать отдельно. Мастерская — это отдельная история, которую сильно рекламируют как «реальный кейс от партнёров Яндекса». На деле всё оказалось иначе. Если честно, вся эта «реалистичность» — шляпа.

Разрекламированная возможность решать настоящий бизнес-кейс в реальности превращается в работу с тем же самым датасетом, спарсенным с hh.ru, где нужно проанализировать вакансии аналитиков. Никакого отношения к реальному работодателю этот проект не имеет.

До меня и после меня с этим датасетом работали десятки студентов, и на GitHub можно найти кучу похожих работ — отличия только в цветовой гамме графиков. Некоторые даже грузят огромные неработающие портянки кода, и как их принимает ревьюер — загадка.

Комментарий проджект-менеджера мастерской в Яндекс Практикуме: за то, что прикрутил переносы в графиках, был удостоен отдельного комментария, что я первый, кто это сделал за всю историю задания

Сама задача полезная, чтобы понять одну простую вещь: после выпуска из Практикума ты никому не нужен, если не начнёшь делать что-то уникальное сам. Мастерская — хороший способ проверить, умеешь ли ты работать с реальными данными и собирать проект под себя, но иллюзий насчёт «кейса от Яндекса» лучше не питать. Вся эта «реальная практика» — шляпа, если не вкладываешься сам.

Что реально даёт мастерская?

• Прокачка самостоятельности и навыков поиска решений
• Опыт презентации результата
• Понимание, как делать портфолио
• Разочарование в «реальных кейсах» от онлайн-курсов

Что не даёт:

• Ощущения работы с настоящим бизнесом
• Уникального опыта, который отличит тебя от других выпускников

Конечно, обучение — это не только задания и проекты, но и люди, которые учатся рядом с тобой.

Комьюнити: кто учится рядом #

В каждом потоке обещают живое профессиональное сообщество, но на практике всё гораздо спокойнее. В группе обычно 40–50 человек, до финиша доходят только 10–15. Большинство предпочитает молчать: в чатах редко появляются вопросы или мемы, активность минимальная. Есть те, кто проходит всё за пару месяцев и быстро исчезает, а иногда встречаются «звёзды», уже работающие по специальности. Они заходят в чат, чтобы поделиться успехами или просто отметиться.

Снимите лучше заранее розовые очки. Хорошо, если вас возьмут джуном хотя бы в небольшую компанию

Если вы из региона, стоит учитывать, что большинство обсуждений и созвонов проходит по московскому времени. Иногда это неудобно, но со временем начинаешь больше полагаться на себя. В начале кажется, что без поддержки не справиться, но постепенно понимаешь: дойти до конца получится только за счёт собственной инициативы. Совет — не стесняйтесь писать в чат любые вопросы. Иногда так можно найти единомышленников или собрать небольшую команду для совместных проектов.

В целом, рассчитывать на активное комьюнити не стоит. Это не тусовка с постоянными обсуждениями, а скорее случайные попутчики на длинной дистанции. Если повезёт, можно познакомиться с интересными людьми и продолжить общение уже после курса.

Гибкость: переводы между потоками и карьерный трек #

В Практикуме есть одна действительно полезная штука — возможность спокойно переводиться между потоками. Если не успеваешь, заболел, уехал в отпуск или просто выгорел, пишешь куратору, и тебя без лишних вопросов переносят в следующий поток. Это реально спасает, когда понимаешь, что дедлайны уже догоняют, а сил нет совсем. Минус только в том, что снова оказываешься в новом чате, где все друг друга не знают, и комьюнити начинается с чистого листа. Но, если честно, большинство всё равно молчит, так что разницы особо нет.

Карьерный трек — отдельная песня. Я его так и не закончил, потому что в какой-то момент стало понятно: всё это больше формальность, чем реальная поддержка. Вроде бы обещают помощь с резюме, разбор вакансий, подготовку к собеседованиям, но на деле всё сводится к чек-листам и общим советам. Личного подхода я не почувствовал, а до реальных консультаций дело так и не дошло.

В теории блок с навыками сразу после опыта, а у ревьюера перед блоком Обо мне.

Отдельно хочется вспомнить про резюме и вечную войну форматов. Это, наверное, не критично, но когда ты делаешь резюме по одному образцу, а потом получаешь правки по другому — в голове начинается диссонанс.
Ещё раз: не то чтобы это прям катастрофа, но такой момент добавляет минус к общему впечатлению от курса.

Как человек, который потратил два часа на подготовку резюме, я совсем не хочу видеть в первом пункте рекомендаций требование «нужен PDF», если в самом задании чётко написано присылать в DOCX. От этого у меня реально бомбило: честно написал ревьюеру, что после её рекомендаций стало только хуже, и что они, по сути, бессмысленны.

Я хотел бы получить советы по содержанию, а не просто увидеть, как кто-то меняет блоки местами. Такие рекомендации можно указывать где-нибудь в конце или вообще вынести в теорию. Хотя в целом, конечно, советы общие.

Самым большим профитом, когда резюме стало востребованным был звонок с наставником, который «прожаривал» наши резюме и давал очень-очень много полезных вещей. О нюанса с добавлением ТГ в контакты до того, как можно зачесть предыдущий опыт. Наш звонок с ним длился почти 3 часа и за это время он дал каждому рекомендации и показал как сделал свое. Пройдя весь этот путь, хочется поделиться несколькими советами тем, кто только собирается на курс.

Рекомендации #

Это в каком-то смысле мои рекомендации самому себе, если бы я проходил курс еще раз:

Спрашивайте, спрашивайте и не бойтесь белого листа. Когда в комментариях в окончанию темы никто не пишет. Тут либо они все умные, либо списывают из интернетов.

Конспектируйте куда вам будет удобно. Я изначально это делал в Notion, потом в заметки от Эпл. Это ни раз меня выручало не только в учебе и работе. Особенно, когда забыл какую-то редкую команду. Сделайте так, чтобы было удобно искать справочную информацию и тогда вы будете ни раз к ней обращаться, как я даже когда пишу этот пост.

Напишите тем, кто проходил курсы Практикума. Спросите их, что им понравилось или нет. Если вы собираете менять профессию, то спросите как долго у них занял поиск работы и чтобы они посоветовали.

Как человек, который не просто ходил на собесы, а даже что-то и проходил дальше третьего этапа. То скажу так: маркетинговый аналитик должен знать все маркетинговые метрики и показатели, продуктовый — а/б-тесты, статистику, тервер и ML, универсальный все вместе, НО ВСЕ они должны уметь решать алгоритмические задачи SQL

Если вы видите, что материал слабый, то не пишите об этом на самой платформе. Вместо этого идете к куратору и постарайтесь донести причины. Это самый эффективный метод изменений на платформе.

Решайте задачи из теории по возможности в отдельном Юпитере, запущенным локально или поднятым на VPS. Это гарантирует не зависеть от платформы. Не забудьте только ставить версию и библиотеки такие же, как и в Практикуме. На момент выхода поста это conda-forge с Python 3.9.5. В зависимости от версии исполнение кода может отличаться.

Разбирать все непонятные задачи или учебный материал с Perplexity или любом доступном вам AI-сервисе. Это в отличии от преподавателя будет доступен вам 24/7, а если вы еще ему зададите роли в промте, то будьте уверены, что его экспертиза будет выше, чем у вашего преподавателя.

Если вам пообещали бесплатный доп.курс — то вероятно его не включают сразу, а нужно побегать с запросами, чтобы его дали.

Диплом и мерч #

Диплом присылают в электронном виде примерно в течение недели. Оригинал диплома обычно идет до месяца. Выглядит все очень красиво и можно даже повесить это на стену или куда-то еще. А какие еще плюшки? Практикум дарит легендарную футболку со значком, но чтобы ее получить нужно заполнить отдельную форму. Чтобы получить дополнительный мерч, как шоппер или подписку нужно оставить на сервисах отзывов свой комментарий. За текстовый отзыв подписка, а за видео — физический мерч.

Отправили 29 апреля, получил я его 30 мая

Кому подойдёт #

Не рекомендую проходить курс, работающим специалистам. Если вы настроены глубоко и серьезно изучать, то лучше увольтесь, а иначе будете выглядеть вот как, когда я сдавал SQL в очередной летний выходной:

Автор учиться в удовольствии и видно, что о нем позаботились

Так что, как и в самом начале, повторю: перфекционизм не спасает, маркетинговые обещания — это просто фон, а реальный результат зависит только от тебя. Если у вам не нужно каждый день думать о том, чтобы у вас скварчало в сковородке и не нужно думать о том, как заработать деняк, то рекомендую проходить курс если вы также любите данные как и я.

Напоследок рекомендация от Алены Владимирской:

«Вам сейчас во все уши разные инфобизы и онлайн-образования говорят: «учись на программиста, или учись, там, я не знаю, ещё на кого-то, учись на промт-инженера да, и так далее, и так далее.» На самом деле, понимаете, что это шелуха, которая на вас зарабатывает. Главное, что как надо выбирать вашу профессию и как выбирать компанию. Смотрите, у нас получается то, что нам нравится, и обратно, нам нравится делать то, что у нас получается. Найдите то, что вам нравится и получается, и, несмотря на весь вот этот вот шум, занимайтесь именно этим. И через несколько лет вы станете много успешными, если не предадите себя, чем те, кто пошли в модные профессии. Слушайте себя и занимайтесь тем, что вам нравится и получает.»

Еще по теме

• Как я прошел вводный курс Аналитик данных
• Как я прошел первый модуль Аналитика данных

Вот честно: если вы до сих пор ищете, как оплатить подписку нейросети или сервис по оплате зарубежных подписок – просто остановитесь. Перепробовали кучу способов обойти ограничения, мучились с VPN, переживали за блокировки? Всё это уже не нужно.

Perplexity работает в России без трех известных букв, без костылей и без ограничений по языку. Просто заходите на сайт или ставите приложение — и у вас под рукой сразу несколько топовых моделей: GPT-4o, Claude 3, Llama 3, Deepseek, Grok-2, DALL-E 3 и другие. Всё это бесплатно, без регистрации и смс, как говорится, но конечно в бесплатном варианте с ограничениями.

Перечислю, что внутри:

• GPT-4o, o1, o3 mini (High)
• Deepseek r1
• Llama 3.1
• Claude 3.7 Sonnet
• Grok-2
• Flux.1, DALL-E 3, Playground v3, Stable Diffusion XL

Если уж прям надоедают ограничения, то идёте в черный рынок рунета (плей маркет) и покупаете подписку за 500 рублей на год — это проще, чем искать, где оплатить подписку нейросети через сервис по оплате зарубежных карт. Но, честно, Perplexity в базовой версии уже перекроет все ваши задачи: поиск, генерация текстов, анализ изображений, перевод, структурирование информации, работа с файлами. Картинки там тоже есть, но это супер долго и часто не удачно. Хотя мою проверку с буквой Л он проходит отлично в отличии от Грока:

Автор пользуется Slidepad, чтобы по шорткату открывать окно и писать промты

В общем, перестаньте усложнять: заведите себе Perplexity — и забудьте про все эти схемы с оплатой зарубежных сервисов. Всё работает, всё доступно, всё просто.

Решил попробовать новый подход — на свежем MacBook не ставить привычный 1Password (1P), а использовать встроенный менеджер паролей от Apple. Оказалось, что это не так просто, как кажется на первый взгляд.

Как переносил пароли

Приложение Apple Passwords «Эпл пароли» было представлено на WWDC 2024 (10 июня 2024 года) в iOS 18, iPadOS 18, visionOS 2, macOS Sequoia (macOS 15)

Я экспортировал из 1Password около 1600 паролей. Импорт в Apple Passwords занял примерно 20 минут через файл CSV. Меня только расстроил 1P тем, что он не дает выгрузить отдельный сейф, а только все целиком. Все временные коды (2FA) перенеслись корректно, и никаких проблем не возникло.

Особенно приятно удивило, что Apple Passwords сам распознаёт поля для временных кодов, и автозаполнение работает без лишних кликов — например, на GitHub после ввода логина и пароля сразу появляется предложение ввести код, и всё подставляется автоматически. В 1Password для этого часто приходилось вручную вызывать отдельное окно.

Что понравилось

• В Safari пароли подставляются мгновенно, без задержек и лишних действий
• Даже если на одном сайте несколько аккаунтов, Apple Passwords предлагает выбрать нужный логин — всё выглядит органично
• В попапах веб-авторизация работает точно также, как на 1P через меню Автозаполнение;
• За месяц использования не было ни одной ошибки при сохранении или автозаполнении паролей. В 1Password на маке у меня часто возникали сбои — иногда пароли не сохранялись, иногда слетала авторизация

Важно: идеально всё работает, если у вас стандартные сценарии — один сайт, один логин. Если аккаунтов на одном сайте много, Apple Passwords тоже справляется, но не так гибко, как 1Password.

Сравнение автозаполнения паролей в Safari в macOS Sequoia (15.4.1)

Автозаполнение в сторонних приложениях

В Zoom автозаполнение у Apple Passwords работает не так удобно, как у 1Password. Посмотрите, как реализовано универсальное автозаполнение у 1P с помощью одного шортката.

Я настроил жест на трекпаде через BetterTouchTools, чтобы Apple Passwords сразу открывал мини-окно. Дальше всё просто: выбираю нужный логин и пароль, а временный код копирую вручную через режим редактирования — иначе автозаполнение вставляет только первую цифру.

Что не понравилось

• Apple Passwords не сохраняет адреса сайтов с параметрами (например, для входа в JupyterLab с токеном). Всё, что идёт после основного адреса, просто отсекается
• Нет возможности хранить SSH-ключи, лицензии, документы – только логины и пароли. Всё остальное придётся записывать в заметки
• Нет отдельных папок или сейфов для личных и рабочих паролей
• Для некоторых приложений автозаполнение не работает – например, в Zoom. В 1Password это реализовано удобнее.

Краткая таблица сравнения

Итоги и личные впечатления

Apple Passwords хорошо подойдёт тем, кто пользуется только техникой Apple и хранит обычные пароли. Всё работает быстро, бесплатно и не требует дополнительных настроек. На iOS автозаполнение реализовано ещё более плавно, чем на macOS. Если вы продвинутый пользователь или часто храните лицензии, SSH-ключи и документы, возможностей этого приложения может не хватить.

В таких случаях придётся искать обходные пути или использовать сторонние решения, например, Keychain Access или стандартные заметки. В последней версии iOS 18.3.1 дизайнеры обновили меню выбора паролей для домена. Теперь список стал компактнее в отдельной странице, а поиск нужного логина занимает меньше времени.

Если вы хотите сэкономить и не платить за подписку, а ваши задачи ограничиваются хранением паролей, Apple Passwords станет отличным выбором. Тем, кому нужна гибкость и расширенные функции, лучше обратить внимание на 1Password.

Еще по теме

• Организация и хранений паролей в Apple Passwords
• Как использовать 1Password по-умному
• Про переезд на Макбук Про M4

Когда переезжал с MacBook Air M1 на новый MacBook M4, сразу вспомнил, как раньше казалось сложным подключить рутокен: драйверы, плагины, куча лишних телодвижений. На деле сам рутокен Type-C — это просто: вставил в порт и забыл про переходники. Мультипортовые адаптеры реально надоели — то забыл, то потерял, то просто неудобно. А тут — воткнул напрямую и пользуешься. Красота!

На Озоне такие продаются ≈3000₽

Но есть нюанс: в налоговой инспекции до сих пор нет переходников, и КЭП записывают только на обычные USB-носители. Поэтому всё равно пришлось докупить переходник, чтобы записать подпись. Кстати, опять забыл про дистанционный перевыпуск КЭП — обязательно воспользуйтесь этой возможностью, чтобы не бегать в инспекцию. Но если оформляете КЭП впервые, всё равно придётся сходить лично.

Теперь о главном — не в самом рутокене дело, а в ПО для работы с ЭЦП на маке. Вот что понадобится для корректной работы:

• Браузер Яндекс (можно и Хром и даже Арк);
• Последняя версия приложения КриптоПро CSP 5.0 R3 на 5 мая 2025 это ru.cryptopro.csp-cades-5.0.13455.dmg;
• Плагин CryptoPro Extension for CAdES Browser Plug-in

Без КриптоПро CSP ничего работать не будет — именно это ПО отвечает за корректное чтение и работу с электронной подписью на Mac. Установка несложная, но важно скачать актуальную версию и не забыть про плагин для браузера. И мы конечно не забудем, что лицензия для веба от КриптоПро стала платной и нужно раскошелиться еще на 1800₽.

Лайфхак

Если вы пользуетесь сервисами Контура (у меня, например, это Эльба для ЭДО), всё можно сделать в одном окне. Сервис сам скачает нужные компоненты, останется только подтвердить установку кодом-паролем. В итоге, если заранее подготовиться и не бояться новых форматов, работа с рутокеном на MacBook M4 — это уже не квест, а понятная процедура. Главное — учесть нюансы с налоговой и переходниками!

Последние недели я всё больше погружаюсь в тему эффективных промтов. ИИ давно стал для меня не просто игрушкой — это и рабочий инструмент, и помощник в жизни. Даже на недавней встрече с наставником в Практикуме обсуждали, как правильно задавать роли для ИИ, например, когда оформляешь резюме.

И тут мне попалось отличное видео от канала ai Nova Sapiens — парень разобрал гору свежих исследований по промт-инжинирингу за 2025 год. Смотрю и понимаю: многое из того, что он советует — например, задавать роль или чётко прописывать структуру — я и сам делал интуитивно. Но автор пошёл дальше: он показал, что для разных задач стоит использовать разные подходы к формулировке промта.

Я решил записать для себя не просто теорию, а сделать понятный чеклист — чтобы, открыв его, сразу было ясно, как писать промт под свою задачу, а не разбираться в абстракциях.

Анатомия промта

Всё просто: для каждой задачи у промта есть свои «кирпичики». Вот основные типы задач и что важно учитывать для каждой из них:

Аналитика — когда нужно проанализировать данные или провести исследование;
Креатив — когда задача придумать текст, идею, сценарий;
Обучение — когда надо что-то объяснить, донести суть.

Вместо абстрактных формулировок из авторского текста я перефразировал рекомендации в виде простых вопросов. Так стало легче понять, что именно важно учесть при составлении промта для каждой задачи.

Как это работает на практике

Возьмём аналитическую задачу. Вот как промт разбивается по смыслу:

Несколько советов, чтобы промты работали лучше

• Порядок важен: иногда даже перестановка частей промта меняет ответ ИИ (см. сравнение на скриншоте из видео);
• Подбирайте метод под задачу: для сложных кейсов используйте цепочку рассуждений (Chain-of-Thought), дерево мыслей (Tree of Thoughts) или промежуточное резюмирование;
• Задавайте конкретные вопросы: избегайте «размытых» инструкций;
• Делайте промт пошаговым: если задача большая, разбивайте её на этапы и просите ИИ делать промежуточные выводы. Особенно актуально, если пишете код.

Универсальная структура промта

Вдохновившись видео и свежими исследованиями, я вывел для себя универсальный шаблон. Вот как его можно упростить, чтобы не запутаться:

Даже если вы не эксперт, такой подход позволяет быстро и понятно составить промт для любой задачи – просто отвечайте на конкретные вопросы и не усложняйте. Автор также сделал телеграм-бота для подбора рекомендаций под вашу задачу, а ещё предлагает купить саммари-книгу со всеми исследованиями за 1990₽.

Сравнение ответов AI в зависимости от порядка слов в промте

Последние месяцы я ловил себя на мысли, что мой старый ноут (а это была 4 года назад пушка — Air M1 16/512) уже не тянет задачи, которые я решаю через иишку. Решился на апгрейд — и вот я с новым MacBook Pro M4 (16/512). Было страшно, дорого и очень интересно. Записал свои впечатления от работы спустя неделю.

Выглядит почти так же как мой первый ноут в 2012, но ощущается иначе

Всё началось с раздражающей мелочи: работа в Slidepad с AI-сервисами (DeepSeek, Perplexity, Grok) превратилась в танцы с бубном. Промт отправил — ждёшь, страница моргает, текст кусками, скролл — как будто ты в 2009-м на старом нетбуке. А ведь задачи не космос: проверить код на питоне, перевести текст, собрать инфу. Потом — поездки. Батарея уже не держит, как раньше: три-четыре часа активной работы, и всё, ищи розетку.

Каждый раз думал: ну, неужели, нельзя проще? Я не из тех, кто покупает новое ради галочки. Тем более, когда на носу имплантация зубов за 2025 почти на миллион. Но тут на я.маркете подвернулся вариант за 131 тыс. С подпиской Плюс — 136, у серовозов — 135, у авитологов — 135. А из Дубайска на Микролесе без доставки и пошлины выходит 150.

Долго думал: может, ещё год на M1 посидеть? Но после очередного дня с лагами понял: хватит

Что было важно лично для меня?

• скорость,
• автономность,
• компактность.

Сначала смотрел на Air — но когда понял, что там частота 60 герц, вопрос закрылся. Разница в весе смешная (pro 1,55 кг / air 1,29 кг), а экран — просто космос. Плюс давно хотел побольше диагональ. Первое ощущение — материалы. Внутренний кинестетик кайфует: клавиатура, трекпад, даже звук нажатий.

Удивить меня сложно — это четвёртый мак, меняю раз в 4-5 лет. Последний раз удивлялся, когда вышел M1 — это была революция. Сейчас — уже эволюция, но очень приятная. Техноблогеры пусть сравнивают железо и тесты, я про ощущения. Три открытия за неделю:

1. Отпечаток пальца — работает мгновенно без лагов;
2. Пуши с айфона для приложений, которых нет на маке — удобно;
3. Image Playground — генерация картинок через AI из коробки, прикольно.

Кажется, что MacBook Pro M4 — это не просто апгрейд, а новый виток комфорта. Да, дорого. Да, не без нюансов (арабская вилка, гравировка, отсутствие гарантийного обслуживания в России). Но если ты работаешь с AI, кодишь, мотаешься по городу — это реально другой уровень.

А вы уже пробовали новые маки на M4? Что вас удивило или разочаровало? Пишите в комменты — разберём по-честному 😈

P.S. Если бы мне кто-то год назад сказал, что буду кайфовать от кнопки отпечатка — не поверил бы. Но вот он я, сижу, кайфую.

Еще по теме
Быстрая настройка новой macOS

Только ради этого

Изначально я думал под старые игры взять отдельный ноут, но тут вспомнил, что у мой девушки прошка 2017 года на интеле и понеслась. Мне надо-то пару раз в год поиграть и вспомнить эти ощущения из 10-11 класса, когда любой свободный день я всю ночь играл Command & Conquer: Generals, которая, кстати, до сих пор считается лучший RTC-игрой.

Собрал образ для нативной установки через ассистента Boot Camp, купил ключик на Маркете за 67 рублей и поставил минут за 20. И вот я захожу в режим онбординга винды, а он говорит: «давай подключимся к Wi-Fi». В идеальном сценарии с WIN 10 есть специальный установщик с драйверами, но так как образ был пересобран, то он просто там отсутствовал. Пробовал несколько раз выбирать папку с драйверами — ноут автоматически перезагружался до того же этапа.

Первая же ссылке в Гугле приводит, что мы не одиноки в мире с такой проблемой. Самое простое решение — запустить любой телефон (Айфон не подойдет) в режиме USB-модема. О, чудо! У моей девушки был старенький Самсунг. За 2 минуты все драйвера обновились и все закончилось.

Тачбар работает, звук есть, картинка плавная и никаких проблем. Можно задротить с кайфом :)