Nice post but i would do it a little different.
1. Pick a language first, git or github is something you learn at the same time very quickly.
1b. Learn basic linux (filesystem, basic commands, streams).
2. Learn SQL and relational databases in general.
3. Practice different categories of algorithms (not leet code, just understand how they work and practice some of them)
3b. Learn design patters for POO.
4. Learn NoSQL like MongoDB and Redis
4a. Understand AWS EC2 + S3 + VPC + ALB/ELB + IAM concepts
4b. Learn system design through courses and books and then build your own system.
4c. Learn WebSockets and practice
4d. Learn about Microservices and Serverless
5. Learn how to build AI agents. You can use langchain to build your first agents.
6. Learn observability and better practices (well architected framework - have monitoring (logs, traces, errors, evals for ai).
7. Cost Management - understand pricing and choose services comparing features and pricing.
probably some more missing but I believe is pretty covered.
Hace unos días estuve en nerdearla y me puse a charlar con unos chicos que recién empezaban en programación y les comentaba lo siguiente como para darles una mano.
Hoy en día pienso que un gran diferencial para los programadores es aprender system design e infra, particularmente para los JR/SSR. De hecho, siempre lo fue, y para todos los roles, pero ahora con la IA se ve más la necesidad. Un buen libro para empezar es el de System Design Interview de Alex Xu, (podes seguir a Alex Xu en LinkedIn y X, saca contenido muy bueno).
Con respecto a infra, a mi me sirvió en su momento hacer un curso para certificar para AWS. Ese curso estuvo muy bueno porque te da un pantallazo general sobre los diferentes servicios. Por ejemplo, cómo y cuando elegir cada servicio, manejo de costos, que es una VPC, subneteo, CDN, serverless, containers.
Todo esto te va disparando nuevos temas para aprender que no sabias como cuando usar microservicios, cuando usar serverless, por qué necesitaría una CDN, entre otros.
Espero que te sirva!
@jorgecarrera_es Si le pones ganas a linkedin conseguis entrevistas. Tener un CV dedicado para cada empresa, un perfil de linkedin que haga match con tu cv y no cuente otra cosa. Borrar cosas que hacen ruido (trabajos de 3 meses) y crear contenido te van a ayudar.
@EsTendenciaEnX Ahora que lo veo digo, que bueno que viví así. Antes del ciber estaban los fichines y el metegol. Jugamos al King of fighters un par de fichas y después a jugar a la pelota.
@santiegomez1 Se ve muy bueno. Una recomendación es que tendrias que inicialmente tener un conjunto de componentes que sea independiente de AWS/Azure. En las entrevistas system design, en general se habla en genérico y luego entras en detalles como si AWS o Azure o si usas una X base u otra.
@LoopandPixels With SVN, your code lived on your computer, and when you committed, it went to the server. We didn't have an intermediate state. You had trunk (master/main) and branches.
@m3mbrillo_ Si, fue una de las charlas que más gustó. Me preguntaba si el modelo de detección YOLO tiene la precisión como contar cabezas de personas en un recital por ejemplo.
@DamianCatanzaro Lo que es system design, infra, entender del producto, entender que bases de datos usar. Todo eso va a seguir. Por más que la IA pueda hacer cosas por vos sin saber mucho, los líderes técnicos no van a contratar gente que no sabe. Lo que sí pasa es que se contrata menos cantidad
@itsmissdosmil Yo veo que solo se enfocan en que no hablas con una persona, pero no ves que la empresa así valida la gente mas rápido porque no pone personas a hacer lo que puede hacer una máquina. Exámenes con IA tienen que tender a contrataciones mas rápidas. Mejor es prepararse que quejarse.
@ArtuGrande@grok Lo que vi es que se pusieron a producir antes de pensar el negocio y que vender. Hasta que apareció @Codie_Sanchez, era todo un desorden. Parecía más un proyecto de facultad entre compañeros de a ver que hacemos.
Más allá de eso, las charlas entre medio estuvieron buenas.
@cjzafir Hi John, where companies see a difference between train a particular model and have a knowledge base to query data when they need? thanks for sharing btw.
@MansiCodez We can do both but first I would ship directly features that are quick wins or easy to check first. After check a few iterations feature flag workflow works in the team, you can start to deploy more complex features.
@yashmp2004 First check the query with EXPLAIN, identify if is using the right indexes. To check quickly if the index is right, you should check how many numbers of items scanned against the numbers returned.