LifeInTech

Ügyvédből Data Analytics Engineer? A LifeInTech podcast legújabb epizódjában Petróczi Tamás, Software Enginer meséli el, hogyan indította el tech karrierjét az EPAM Campus program segítségével. Szó esik az egyedül tanulás nehézségeiről, a data minőség és elemzés összefüggéseiről, valamint arról is, miért maradt pótolhatatlan az emberi hozzáadott érték az AI korában. Ismerd meg Tamás történetét!

📌 Hasznos linkek:

Tudj meg többet az EPAM Campus programról: https://epa.ms/pNUJmx

További epizódok: https://open.spotify.com/show/5uSqakpD7f8i68trtQM0UO

LifeInTech podcast by EPAM Facebook csoport: https://www.facebook.com/groups/882633616403649

LifeInTech blog: https://epa.ms/lifeintechblog

0:00 – Bevezető és a mai téma: Data Analytics

1:31 – Mit takar a Data Analytics az EPAM-nál?

3:13 – Karrierváltás: ügyvédből hogyan lett Data Analytics Engineer?

5:34 – Miért az EPAM Campus programot választotta?

8:37 – Milyen egy EPAM Campus képzés a gyakorlatban?

11:22 – Miért pont a data terület volt a vonzó?

13:35 – Hogyan változtatta meg az AI a tanulást és a fejlesztést?

16:03 – Mi az emberi hozzáadott érték az AI korában?

20:03 – Miért fontos Tamás számára, hogy ma már mentorként segítsen másokat?

22:11 – Mik a leggyakoribb hibák a junior fejlesztőknél az AI használata során?

25:34 – Data quality és analízis: hogyan épül fel a terület

29:36 – Kinek való a data engineer pálya?

32:07 – Merre lehet továbbfejlődni a data analytics területén

34:25 – Záró gondolatok

Hogyan lesz egy frontend fejlesztőből full stack szakember, és mit jelent ma fejlesztőként rendszerben gondolkodni? Hegyi Dávid, az EPAM lead full stack fejlesztője a frontendtől a team lead szerepen át az AI-alapú vállalati megoldásokig vezető útjáról, a folyamatos tanulásról, az AI szerepéről és arról is mesél, miért fontos, hogy a technológiai tudás mellett a nagy képet is lássuk.00:00 – Frontendből full stack: melyik mit jelent?04:30 – Campus programból az első EPAM projektre09:00 – Miért érdemes full stack fejlesztőként rendszerben gondolkodni?14:00 – Szakosodás vagy szélesebb tudás? Merre tart az IT-piac?19:00 – AI a fejlesztésben: gyorsítja vagy nehezíti a tanulást?25:00 – AI és a könyvek? A folyamatos tanulás és a „slow dopamine”31:00 – Több sapka, több szerep: mentorálás, team lead és a fejlesztői karrier következő lépcsői

Mit csinál pontosan a Security Champion? Hogyan kapcsolja össze a fejlesztőcsapatot és a security szakembereket, és milyen tudásra van szükség ahhoz, hogy valaki ezen a területen dolgozzon? Lukács Krisztián, Senior Systems Engineer volt a vendégünk.Az adásban többek között arról is beszélgettünk, hogyan került Krisztián a kiberbiztonság területére, milyen szerepet tölt be a Security Champion a fejlesztési folyamatban, és miért fontos, hogy valaki ne csak egy-egy technikai részletet, hanem az egész rendszert átlássa biztonsági szempontból.00:00 Mi a Security Champion szerepe?01:58 Kapcsolat a fejlesztők és a security csapat között03:17 Hogyan lesz valakiből Security Champion?07:38 Mit jelent a security a napi fejlesztési munkában?10:01 Milyen tudás és készségek kellenek hozzá?13:32 Biztonság, ügyfelek és üzleti szempontok18:01 AI a securityben – és mit hoz a jövő?

Hogyan alakítja át az AI a Cloud és DevOps területét, és milyen tudásra lesz szüksége a jövő mérnökeinek? Jusztin Ádám (Director, Cloud Engineeing), az EPAM egyik 120 fős csapatának vezetője beszél az AI mindennapi használatáról, a juniorok jövőjéről, az ügyfelek alkalmazkodásáról és arról, miért nem kell félni az AI-tól.00:00 – Hogyan változtatja meg az AI a mérnöki munkát?04:39 – Mi a Cloud és a DevOps szerepe?06:27 – Az AI mint a kódolás új absztrakciós szintje08:47 – Milyen tudás tesz jó mérnökké az AI korában?10:57 – Mi lesz a juniorokkal?11:53 – Hogyan alkalmazkodnak az ügyfelek az AI-hoz?15:10 – Hogyan változik a mindennapi fejlesztői munka?18:07 – Hol tartanak a cégek az AI bevezetésében?20:35 – A félelem kezelése és az AI-képzések24:25 – Hogyan használja egy vezető az AI-t?26:18 – Jusztin Ádám AI-krédója

Hogyan változik a People Management szerepe a gyorsan változó technológiai világban - erről beszélt legújabb LifeinTech epizódunkban Branyiczki Imre (Director, Head of People). Szó esett bizalomról, tudásmegosztásról, a kérdezés kultúrájáról, pszichológiai biztonságról és arról is, hogyan lehet felkészülni az AI által turbó gyorsaságra kapcsolt változásokra.

00:00 – Mit jelent ma a People Management

05:05 – A vezető mint People Manager

07:19 – Hogyan működik a People Partner rendszer

09:27 – Miért fontos, hogy az embert is lássuk

11:20 – Tudásmegosztás és bizalom

13:09 – Hogyan mérhető a bizalom és a munkatársi elégedettség

17:04 – Hibrid munkavégzés: működik-e a bizalom távolról

22:24 – Tudásmegosztás, kérdezés és pszichológiai biztonság

30:05 – Miért fontos jól kérdezni

35:09 – AI, változás és alkalmazkodás

40:23 – Megjósolható-e a jövő

43:39 – Hogyan alkalmazkodjunk a bizonytalansághoz

Pércsi Botonddal (Lead Software Test Automation Engineer) beszélgetünk arról, hogyan alakult át az automata tesztelés az elmúlt években, milyen szerepet játszik ma az AI a mindennapi munkában, és miért fontosabb, mint valaha a tesztelők szakmai tudása, kíváncsisága és problémamegoldó szemlélete.Ha szeretnéd te is elindítani karriered Automated Testing területen, csekkold az EPAM Campus ingyenes, online programjait:https://epa.ms/pNUJmxTovábbi epizódok: https://open.spotify.com/show/5uSqakpD7f8i68trtQM0UOLifeInTech podcast by EPAM Facebook csoport: https://www.facebook.com/groups/882633616403649LifeInTech blog: https://epa.ms/lifeintechblog00:00 Mi az automata tesztelés, és hogyan változtatja meg az AI a szakmát?03:40 Hogyan segíti a mesterséges intelligencia a tesztelők mindennapi munkáját?07:12 Milyen készségek kellenek ahhoz, hogy valaki jó automata tesztelő legyen?10:20 A minőség iránti szemlélet és a tesztelői gondolkodásmód12:40 Elveszi vagy éppen megsokszorozza a munkát az AI?15:05 Karrierutak és fejlődési lehetőségek automata tesztelőként az EPAM-nál20:25 AI-ügynökök, szakmai közösség és a tesztelés jövője29:20 Mit tanít a repülés és a búvárkodás a minőségről és a tesztelői szemléletről?

LifeInTech podcast vendége Apponyi Zsolt, Lead AI Engineer, akivel arról beszélgettünk, milyen mindennapi feladatai vannak az AI Engineer-nek, milyen tudásra és készségekre van szükség ehhez a szerepkörhöz, miként épül be a mesterséges intelligencia a szoftverfejlesztésbe. Mit jelent az AI Engineer szerepkör? Az AI Engineering a klasszikus szoftverfejlesztési életciklus kiterjesztése. Míg egy átlagos felhasználó a mesterséges intelligenciát csupán eszközként használja, addig egy AI Engineer magát az AI-t integrálja a nagyvállalati szoftverekbe aktív, döntéshozó komponensként. A szerepkör betöltéséhez elengedhetetlen a stabil szoftverfejlesztői háttér, a rendszerszintű problémamegoldó képesség és a folyamatos kíváncsiság az új technológiák iránt.Ha szeretnél Te is AI Engeer-ként dolgozni, nézd meg nyitott pozícióinkat itt: https://epa.ms/4L6eD8További epizódok: https://youtube.com/playlist?list=PLK23pc56HERNHx_dMmz_znsbuhpk5C8le&si=bkEFqNcK3_W8Gt8XLifeInTech blog: https://epa.ms/lifeintechblog00:00 – Mit jelent az AI Engineering?01:16 – Mit csinál egy AI Engineer?04:20 – Milyen út vezet az AI Engineer szerepkörig?06:41 – Milyen tudás és készségek szükségesek?09:18 – Mi az a RAG, és hogyan működik?11:29 – Hogyan lehet valakiből AI Engineer?16:00 – Az AI Engineer mindennapi feladatai20:33 – Kinek való ez a szerepkör, és mit hozhat a jövő?

Az epizód vendége Fejes Róbert (Director, Delivery Management), akivel arról beszélgettünk, hogyan alakítja át a mesterséges intelligencia a szoftverfejlesztést, a csapatok működését és a vezetői szerepeket. Szó esik az AI által kínált lehetőségekről, a bizonytalanság kezeléséről, a változásmenedzsmentről és arról is, hogyan lehet egy szervezetet felkészíteni a technológiai átalakulásra.00:00 – Miért nem kell feltalálni a kereket?01:04 – Mit csinál a Delivery Manager?07:13 – Hogyan változott a szoftverfejlesztés az elmúlt években?12:41 – Az AI megjelenése és az első nagy fordulópont17:20 – Miért nem elegendő, ha az AI tud kódot írni?21:03 – Félelem vagy lehetőség? Az AI emberi oldala28:22 – Kísérletezés, tanulás és alkalmazkodás a szervezetekben39:12 – Dark Factory és a szoftverfejlesztés jövője45:27 – Hogyan kommunikáljuk a bizonytalanságot?

Tőzsér Barnabással (Business Analysis Manager) a kis és nagy nyelvi modellek közötti különbségekről, a valódi üzleti értékteremtésről, az adatbiztonsági és fenntarthatósági szempontokról, valamint az AI-rendszerek várható jövőjéről beszélgetünk.

00:00 Mik azok a kicsi és nagy nyelvi modellek?

00:47 Mi az a nyelvi modell és hogyan működik valójában?03:12 Az AI fejlődése és az OpenAI szerepe a piac átalakulásában

08:56 Hol vannak még lehetőségek az AI-piacon és miért bukik el sok projekt?

11:15 Kicsi vagy nagy modell? A költség–teljesítmény dilemma

14:51 Valós üzleti példák

19:42 Szuverén AI, adatbiztonság és helyben futó modellek

24:42 Green AI: mennyire környezetterhelő egy AI-kérdés?28:01 Mikor kell valóban nagy nyelvi modellt használni?

30:58 A jövő: hibrid rendszerek, ahol a nagy és kis modellek együtt dolgoznak

32:49 AGI, szuperintelligencia és az AI következő nagy ugrása

Az EPAM-nál a május a well-being hónapja. 💙

Mit tehetünk a mentális és fizikai jóllétünkért? Hogyan tartsuk meg a kapcsolatot önmagunkkal ebben a gyorsan változó világban és milyen módon oldjuk fel a szorongásunkat az AI-jal kapcsolatban?

A #LifeInTech podcast legújabb adásában Kárpáti Judit beszélgetőtársai Kertész Máté (Senior Client Engagement Manager) és Olajos Zsolt (Associate Manager, Talent Development). A fókuszban a munkahelyi jóllét, a bizonytalanság elfogadása és a gyakorlati megküzdési stratégiák állnak.

Timetags: 

0:00 – Teaser és bevezető: Mit jelent ma a vállalati és egyéni jóllét?

4:03 – Kinek a felelőssége a well-being? Munkahelyi környezet és egyéni döntések

9:43 – A vezetők szerepe és a megosztott felelősségvállalás

12:14 – Hogyan nézzünk szembe a bizonytalansággal és a félelmekkel?

16:51 – Mesterséges intelligencia (AI) okozta szorongás a mindennapokban

21:11 – Kapcsolódás a testünkhöz: Az elfojtott érzelmek fizikai hatásai

25:47 – Gyakorlati tipp a mindennapokra: Kétperces testpásztázás

28:13 – A meditáció valódi célja és az érzelmek megélése

33:16 – A tökéletes mentális jóllét csapdája és az önegyüttérzés ereje

38:00 – Idealizált életképek és a negatív érzelmek elfogadása

43:23 – A munkahelyi jóllét társadalomformáló hatása és zárógondolatok