Article original : Lone Wolf Dev turned Open Source Super Contributor Tom Mondloch [Podcast #190]
Tom Mondloch a arrêté la programmation après avoir terminé ses études au community college. Après quelques années de petits boulots, il a décidé de se remettre à la programmation et a découvert freeCodeCamp.
Il apprenait à sa manière et ne pensait pas que le programme linéaire de freeCodeCamp en vaudrait la peine. Mais il a persévéré, s'est perfectionné et a fini par contribuer à notre projet open source.
Depuis, il a rejoint l'équipe de freeCodeCamp et a conçu l'intégralité du programme sur les bases de données relationnelles de freeCodeCamp, que vous pouvez exécuter dans votre navigateur ou directement dans votre éditeur VS Code.
Tom partage des conseils pour :
Rafraîchir vos compétences en programmation après une pause de quelques années
Contribuer à l'open source
Utiliser les outils de génération de code par IA de manière judicieuse sans trop s'y fier
Il parle également du rôle de l'enseignement professionnel, de son amour pour le plein air et de la façon dont le télétravail lui permet de continuer à vivre dans une petite ville du centre des États-Unis sans avoir à s'installer dans une grande métropole.
Un immense merci aux 10 889 personnes bienveillantes qui rendent ce podcast possible en soutenant freeCodeCamp par un don mensuel. Rejoignez ces personnes et aidez notre mission en vous rendant sur https://www.freecodecamp.org/donate
Regardez le podcast ci-dessous ou écoutez-le sur votre plateforme de podcast préférée.
Liens mentionnés :
Les défis de code quotidiens de freeCodeCamp en Python et JavaScript : https://www.freecodecamp.org/news/introducing-freecodecamp-daily-python-and-javascript-challenges-solve-a-new-programming-puzzle-every-day/
L'article de Mrugesh sur le codage assisté par IA (que Tom a utilisé pour son projet de hackathon) : https://www.freecodecamp.org/news/how-to-become-an-expert-in-ai-assisted-coding-a-handbook-for-developers/
Jessica Wilkins, qui a aidé Tom pour son projet de hackathon, dans l'épisode #111 du podcast freeCodeCamp : https://www.freecodecamp.org/news/podcast-jessica-wilkins-classical-music-learning-to-code/
Actualités :
freeCodeCamp vient de publier ce cours complet sur le développement Front End où vous construisez votre propre éditeur de code par navigateur. Vous pouvez coder chez vous et créer votre propre environnement de développement d'applications monopages (SPA) avec des onglets pour éditer votre HTML, CSS et JavaScript. En chemin, vous apprendrez des techniques JS intermédiaires permettant un aperçu en direct instantané, afin de voir immédiatement les résultats de vos modifications de code. (Cours YouTube de 4 heures) : https://www.freecodecamp.org/news/code-your-own-code-editor/
J'ai également fait une brève annonce concernant des améliorations majeures de notre programme principal de développement Full Stack. En résumé, nous divisons nos nouveaux cours en une série de six nouvelles certifications que vous pouvez obtenir avant la certification finale. Celles-ci incluent Python, les bases de données relationnelles, les bibliothèques Front End, et plus encore. (Lecture de 5 minutes) : https://www.freecodecamp.org/news/introducing-freecodecamp-checkpoint-certifications/
freeCodeCamp vient également de publier ce nouveau cours qui vous aidera à réussir l'examen de certification Databricks Data Engineer Associate. Andrew Brown est un CTO qui a réussi pratiquement tous les examens DevOps existants, et c'est lui qui enseigne ce cours. Il vous présentera des concepts clés tels que les Clusters, le Structured Streaming, les Data Lakes, et plus encore. (Cours de 8 heures) : https://www.freecodecamp.org/news/prepare-for-the-databricks-data-engineer-associate-certification-exam-and-pass/
Profitez de cette lecture légère sur la similarité cosinus (Cosine Similarity) et le rôle qu'elle joue dans les grands modèles de langage (LLM). Comme le dit son auteur, Manish, la similarité cosinus est \"un pont entre le langage humain et la compréhension machine. Elle permet à un modèle de traiter le sens comme de la géométrie, transformant les questions et les réponses en points dans l'espace.\" Non seulement vous apprendrez les mathématiques impliquées, mais vous verrez également leur implémentation en code Python. (Lecture de 10 minutes) : https://www.freecodecamp.org/news/how-does-cosine-similarity-work/
Sketch de Krazam \"America's Next Top Model Context Protocol Server\" : https://www.youtube.com/watch?v=mVrCPo8eB3A
Chanson de la semaine : A Taste of Honey : https://www.youtube.com/watch?v=PhD58dP9kq8