Библиотека собеса по DevOps | вопросы с собеседований
3.43K subscribers
211 photos
9 videos
2 files
671 links
Вопросы с собеседований по DevOps и ответы на них.

Учиться у нас: https://clc.to/nLEtvA

По рекламе: @proglib_adv

Для обратной связи: @proglibrary_feeedback_bot
Download Telegram
👀 Что такое TCP window scaling

TCP window scaling — это механизм в протоколе TCP, который позволяет увеличивать максимальный размер окна передачи данных. Стандартное окно ограничено 16 битами, что позволяет передавать только 65,535 байт данных. В высокоскоростных сетях этого может быть недостаточно.

С помощью window scaling и сдвига масштаба окна размер окна можно увеличить до 1 ГБ, что улучшает использование пропускной способности и снижает задержки. Этот механизм особенно полезен для высокоскоростных и высоконагруженных сетей, обеспечивая более эффективную передачу данных.


🐸Библиотека собеса по DevOps
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥 Курс «Разработка ИИ-агентов» стартовал, но вы еще успеваете присоединиться!

Мы только начали, а первый практический воркшоп пройдет только 23 июля. До этого времени вы спокойно успеете изучить материалы и нагнать группу.

💼 Главная фишка: финальный проект в портфолио:

В финальном проекте вы сможете выбрать один из двух вариантов: реализовать свою идею или решить задачу от партнера курса — крупной российской финтех-компании. Вы будете работать с датасетом, построенным по реальным сценариям, получите бизнес-контекст и продовые ограничения. В результате соберете AI-агента, который станет сильным проектом для портфолио.


🎁 Упомяните менеджеру специальное предложение «3 курса по цене 1»: Берете VIP-тариф — получаете курс «Разработка ИИ-агентов», хардкорный «AgentOps» и ещё один курс на выбор. Выгода 129.000 ₽!

Двери потока вот-вот закроются окончательно. Успейте забрать стек курсов и начать работу над реальным проектом

🔗 Занять место и забрать 3 курса
🫡 Один и тот же запрос к AI можно выполнить двумя способами — и получить совершенно разный результат.

1️⃣ способ — просто попросить написать код. Модель может сгенерировать рабочее решение, но именно на этапе проверки часто всплывают пропущенные edge case’ы, ошибки обработки или проблемы с тестами.

2️⃣ способ — дать агенту цикл Think → Act → Observe. Он не останавливается после первой попытки: планирует действия, проверяет результат и, если находит ошибку, исправляет её и пробует снова.

Самое интересное, что разница здесь не столько в модели Claude, GPT или другая LLM могут быть одинаковыми. Разницу создаёт инженерная система вокруг них.

📅 Именно это разберём 23 июля в 19:00 (МСК) на бесплатном вебинаре с Алексеем Жиряковым (Executive Director в Сбере, GenAI Data Platform, ex-CTO Stream и KION).

На живом демо покажем, как один и тот же запрос работает без агентной системы и с ней 🔥

🔗 Регистрация

🏃‍♀️ Proglib Academy
Please open Telegram to view this post
VIEW IN TELEGRAM