Вот что я тебе скажу: куда бы ты не пошел(на инженерию или it), тебе отобьют любое желание заниматься этим с вероятностью из полуинтервала [0.99;1). Так что или куда хочешь, но пойми, что на it тебя замучают базами данных, теорией графов и разными тонкостями в концепциях программирования(причем сделаем это человек, который за 40+ лет с момента выпуска имеет меньше 2 лет работы по специальности), а на инженерии будет много сопромата/теормеха/прикладного матанализа и лабы-лабы-лабы.
К сожалению, дать ответ трудно. Стоит пойти и поспрашивать тех, кто уже учиться в том месте, где ты хочешь поступить (никто другой не даст более точную информацию).
https://2ch.org/un/res/1082736.html
Тред про ИТ факультеты
https://2ch.su/un/res/1027532.html
Инженерные универы тред
https://2ch.org/un/res/1042099.html
>и гнить за ПК и работать с хер пойми каким прибором
Буквально сисадмин. Можешь потом вырасти в DEVOPS.
айтишка мертва. выбирай не связанные с айти направления
мимо безработный магистр прикладной математики и информатики
https://www.youtube.com/watch?v=KqQ4ZpDTQBI
Масштабирование упирается в дефицит качественных данных, синтетический контент ухудшает обучение, а reasoning-модели и AI-агенты остаются лишь надстройками над базовой статистикой.
В этом видео подробно разберем, почему замедлился прогресс нейросетей, как устроены LLM под капотом (от токенизации и эмбеддингов до матричных операций) и чем визуальные авторегрессионные модели отличаются от диффузии. А главное — я напишу и обучу собственную нейросеть с нуля на чистом коде, разберу влияние температуры на генерацию и покажу, почему реальный прорыв возможен только с переходом на принципиально новую архитектуру и биокомпьютинг вроде DishBrain.