Best Practices

Послушайте, я понимаю. Вы уже некоторое время пишете код, разбираетесь в нотации Big O и вполне уверены, что сможете создать алгоритм сортировки, который заставил бы самого Кнута гордиться. То бинарное дерево поиска, которое вы реализовали в колледже? Просто отлично. Конечно, вы готовы покорять большие лиги и создавать собственные алгоритмы для продакшна, верно? Ну, притормозите-ка, Алгоритмическая Анни. Прежде чем начинать изобретать велосипед (или, что ещё хуже, квадратный велосипед), давайте поговорим о том, почему большинству из нас, вероятно, стоит придерживаться проверенных алгоритмов, которые умные люди уже усовершенствовали....

Let me start with a confession that might make some of you reach for the pitchforks: I’ve shipped production code with global variables. I’ve committed directly to main. I’ve written functions longer than a CVS receipt. And you know what? Sometimes it was the right choice. Before you close this tab and question my sanity, hear me out. The software development world has become obsessed with best practices to the point where we’ve created a new form of cargo cult programming....

Начну с признания, которое может заставить некоторых из вас схватиться за вилы: я отправлял в продакшн код с глобальными переменными. Я совершал коммиты прямо в main. Я писал функции длиннее, чем чек из аптеки. И знаете что? Иногда это было правильным выбором. Прежде чем вы закроете эту вкладку и усомнитесь в моём здравомыслии, выслушайте меня. Мир разработки программного обеспечения стал одержим лучшими практиками до такой степени, что мы создали новый вид программирования в стиле карго-культа....

Picture this: You’re a talented developer who just discovered machine learning. Your excitement is through the roof, and suddenly you think, “Hey, I bet I could write a better neural network than those fancy libraries!” Before you dive headfirst into implementing backpropagation from scratch while muttering about gradient descent, let me save you months of debugging nightmares and existential crises. Here’s the uncomfortable truth: most developers shouldn’t write their own machine learning algorithms....

Представьте: вы талантливый разработчик, который только что открыл для себя машинное обучение. Ваш энтузиазм зашкаливает, и внезапно вы думаете: «Эй, держу пари, я мог бы написать более эффективную нейронную сеть, чем те, что предлагают модные библиотеки!» Прежде чем с головой погрузиться в реализацию обратного распространения ошибки, бормоча что-то о градиентном спуске, позвольте мне спасти вас от месяцев отладки и экзистенциальных кризисов. Вот неприятная правда: большинству разработчиков не стоит писать свои собственные алгоритмы машинного обучения....