Стать middle frontEnd разработчиком

Грокаем алгоритмы

Оптимизация производительности

Cypress. Конференция.

Чистый код. Роберт Мартин

1. Глава 1. Чистый код

2. Глава 2. Содержательные имена

3. Глава 3. Функции

4. Глава 4. Комментарии

5. Глава 5. Форматирование

6. Глава 6. Объекты и структуры данных

7. Глава 7. Обработка ошибок

8. Глава 8. Границы

9. Глава 9. Модульные тесты

10. Глава 10. Классы

11. Глава 11. Системы

12. Глава 12. Форматирование архитектуры

13. Глава 13. Многопоточность

14. Глава 14. Последовательное очищение

15. Глава 15. Внутреннее строение JUnit

16. Глава 16. Переработка SerialDate

17. Глава 17. Запахи и эвристические правила

Профилирование производительности React-приложений

Docker

1. завернуть фронт в контейнер

2. завернуть бек в контейнер

3. провести испытания на нашем реальном сервере фронта и бека

4. прикрутить базу данных с пользователями в приложение, чтоб тоже был в контейнере

Книгаю Идеальный программист. Роберт Мартин

1. Глава 1. Профессионализм

2. Глава 2. Сказать нет

3. Глава 3. Сказать Да

4. Глава 4. написание кода

5. Глава 5. Разработка через тестирование

6. Глава 6. Приемочное тестирование

7. Глава 7. Стратегии тестирования

8. Глава 8. Тренировка

9. Глава 9. Планирование

10. Глава 10. Оценки

11. Глава 11. Под давлением

12. Глава 12. Сотрудничество

13. Глава 13. Группы и проекты

14. Глава 14. Наставники, ученики и мастерство

ЛЭСО ДО ТЭЦ

1. аутентификация на сервере

2. перерисовать фронт

3. личный кабинет преподавателя

4. генерация из таблицы пользователей пользователей с логинами и паролями

5. роли пользователей

6. страница администрирования

7. авточистка логов старее 1 недели

8. Перенос новой версии на сервер. Release 2.0

Роберт Мартин. Идеальный программист

1. диаграмма Несии-Шнейдермана

2. автоматы Мили и Мура

3. Суметь написать процедуру быстрой сортировки, не обращаясь к описанию алгоритма

4. Таблицы Парнаса

Установить Python, Jupiter Notebook, Pandas, Numpy

Программирование на Python на степике

1. Операторы. Переменные. Типы данных. Условия

2. Циклы. Строки. Списки

3. Функции. Словари. Интерпретатор

Подтянуть знания CSS

1. SubGrid

2. Multi-Column Layout,

3. Exclusions

4. CSS Logical Properties

5. Scroll Snap

6. overscroll-behavior

7. overflow-anchor

8. touch-action

9. pointer-events

Введение в Data Science и машинное обучение

1. 1. Введение. О чем будет курс?

2. 1. Введение. Биг дэйта, дип машин лернинг, основные понятия

3. 1. Введение. Модель, нет, не супермодель, начнем с дерева

4. 1. Введение. Pandas, Dataframes, нет, панды тут ни при чем

5. 1. Введение. Фильтрация данных

6. 1. Введение. Группировка и агрегация, ничего, скоро привыкнем

7. 1. Введение. Визуализация, seaborn, почти также круто, как ggplot2

8. 1. Введение. Практические задания: Pandas

9. 1. Введение. Секретный гость

10. 1. Введение. Stepik ML contest - это еще что такое?

11. 1. Введение. Stepik ML contest - data preprocessing

12. 2. Решающие деревья. 2.1 Какого музыканта Beatles я загадал или entropy reduction

13. 2. Решающие деревья. 2.2 Немного теории и энтропии

14. 2. Решающие деревья. 2.3 Titanic: Machine Learning from Disaster

15. 2. Решающие деревья. 2.4 Обучение, переобучение, недообучение и кросвалидация

16. 2. Решающие деревья. 2.5 Последний джедай или метрики качества модели

17. 2. Решающие деревья. 2.6 Подбор параметров и ROC and Roll

18. 2. Решающие деревья. 2.7 Практика, Scikit-learn, fit, predict, you are awesome

19. 2. Решающие деревья. 2.8 ML на практике - Автокорректор ошибок правописания

20. 2. Решающие деревья. 2.9 Секретный гость

21. 2. Решающие деревья. 2.10 Stepik ML contest

22. 3. Random forest, нейронные сети, финал 3.1 Снова возвращаемся к деревьям

23. 3. Random forest, нейронные сети, финал 3.2 Random forest

24. 3. Random forest, нейронные сети, финал 3.3 Зачем знать что-то еще, если есть Random Forest?

25. 3. Random forest, нейронные сети, финал 3.4 Секретный гость

26. 3. Random forest, нейронные сети, финал 3.5 И на Марсе будут яблони цвести

27. 3. Random forest, нейронные сети, финал 3.6 Бонусный урок - нейроэволюция

28. 3. Random forest, нейронные сети, финал 3.7 Бонусный урок - трюки в Pandas

29. 3. Random forest, нейронные сети, финал 3.8 Вот и все, а что дальше?

30. 4. Stepik ML contest 4.1 Stepik ML contest

Разобраться с проект-менеджментом на гитхабе

Командная строка Linux. Уильям Шоттс

1. Глава 1. Команднаня оболочка

2. Глава 2. навигация

3. Глава 3. Исследование системы

4. Глава 4. Операции с файлами и каталогами

5. Глава 5. Работа с командами

6. Глава 6. перенаправление

7. Глава 7. Взгляд на мир глазами командной оболочки

8. Глава 8. Продвинутые приемы с клавиатурой

9. Глава 9. привилегии

10. Глава 10. Процессы

11. Глава 11. Окружение

12. Глава 12. Плавное веедение в vi

13. Глава 13. Настройка приглашения к вводу

14. Глава 14. управление пакетами

15. Глава 15. Устройство хранения

16. Глава 16. Сети

17. Глава 17. Поиск файлов

18. Глава 18. Архивация и резервное копирование

19. Глава 19. Регулярные выражения

20. Глава 20. Обработка текста

21. Глава 21. Формирование вывода

22. Глава 22. Печать

23. Глава 23. Компиляция программ

24. Глава 24. Создание первого сценария командной строки

25. Глава 25. начало проекта

26. Глава 26. Проектирование сверху вниз

27. Глава 27. Управление потоком выполнения

28. Глава 28. Чтение ввода с клавиатуры

29. Глава 29. Циклы while, until

30. Глава 30. Поиск и устранение ошибок

31. Глава 31. Case

32. Глава 32. Позиционные параметры

33. Глава 33. Цикл for

34. Глава 34. Строки и числа

35. Глава 35. Массивы

36. Глава 36. Экзотика

Книга Алгоритмы. Руководство по разработке. Стивен Скиена.

1. Глава 1. Введение в разработку алгоритмов

2. Глава 2. Анализ алгоритмов

3. Глава 3. Структуры данных

4. Глава 4. Сортировка и поиск

5. Глава 5. Обход графов