logismikaro
BlogΚοινότηταMentoring

Χρειάζεσαι μαθηματικά για να δουλέψεις στο tech;

Όχι! Ναι, πολύ καλά διάβασες. Η απάντηση είναι όχι και θα σου εξηγήσω γιατί, έχοντας εμπειρία στο χώρο εργασίας και όχι απλά ακαδημαϊκά προσόντα και διπλώματα.
Για τους περισσότερους ρόλους γύρω από την τεχνολογία λογισμικού δεν χρειάζεσαι ανώτερα μαθηματικά. Η καθημερινή δουλειά θέλει αριθμητική, λογική σκέψη (αληθές ή ψευδές) και εκτιμήσεις μεγεθών, όχι παραγώγους, ολοκληρώματα στη νιοστή διάσταση ή γραμμική άλγεβρα δεύτερου έτους τριτοβάθμιας σχολής.
Η μόνη πραγματική εξαίρεση είναι τα data και το machine learning. Αν δεν στοχεύεις εκεί, ο φόβος «δεν είμαι καλός στα μαθηματικά, άρα δεν είναι για μένα» σε κρατάει πίσω από κάτι που δεν σου το ζητάει σχεδόν κανείς. Πάμε να δούμε τι σου ζητάει στ' αλήθεια.

Ποια μαθηματικά χρησιμοποιείς πραγματικά στη δουλειά;

Ας κάνουμε μια ειλικρινή απογραφή. Να τι πιάνεις στα χέρια σου σε μια κανονική εβδομάδα:
  • Αριθμητική. Ποσοστά, μέσοι όροι, πρόσθεση, πολλαπλασιασμός. Τα ίδια που κάνεις όταν βλέπεις αν σε συμφέρει μια προσφορά.
  • Boolean logic. if / else, AND, OR. Αυτό δεν είναι «μαθηματικά» με την έννοια που φοβάσαι, είναι λογική: αν ισχύει το Α και όχι το Β, κάνε το Γ. Το κάνεις ήδη στο μυαλό σου κάθε μέρα.
  • Εκτιμήσεις μεγεθών. Θα χωρέσει; Πόσο θα κοστίσει; Θα αντέξει; Χοντρικοί υπολογισμοί, όχι ακριβείς αποδείξεις.
  • Μονάδες. KB, MB, GB. Milliseconds. Requests ανά δευτερόλεπτο. Να ξέρεις τι είναι μεγάλο και τι μικρό.
Πιο συγκεκριμένα, να τρία πράγματα που μπορεί να κάνεις την πρώτη κιόλας εβδομάδα:
  • Διαβάζεις ένα cloud bill. Είναι ένα ποσοστό εδώ, ένας πολλαπλασιασμός εκεί: τόσα GB επί τόση τιμή, συν το άλλο. Μαθηματικά λογαριασμού, τίποτα παραπάνω.
  • Ρωτάς «χωράνε 10.000 χρήστες σε αυτόν τον server;». Μια διαίρεση και μια στρογγυλοποίηση σου δίνουν την απάντηση σε δέκα δευτερόλεπτα.
  • Κοιτάς ένα error rate: «το 2% των requests αποτυγχάνουν». Ένα ποσοστό. Το ίδιο νούμερο που καταλαβαίνεις όταν σου λένε «έκπτωση 2%».
Το βλέπεις πού πάει αυτό. Είναι τα μαθηματικά του λογαριασμού της ΔΕΗ και τα ρέστα ποτ σου δίνουν στο περίπτερο, όχι τα μαθηματικά των πανελληνίων. Αν μπορείς να συγκρίνεις δύο πακέτα κινητής με βάση την τιμή ανά GB, έχεις ήδη τα μαθηματικά για το μεγαλύτερο κομμάτι της δουλειάς.
Και μια παγίδα με τις λέξεις: όταν μια αγγελία γράφει «analytical thinking», δεν εννοεί ούτε εξισώσεις, ούτε να έχεις περάσει λογισμό 3 με τουλάχιστον 9,5. Εννοεί να παίρνεις ένα αφηρημένο πρόβλημα και να το σπας σε κομμάτια που βγάζουν νόημα, με λογική. Αυτό είναι δεξιότητα που χτίζεις με την πράξη, όχι ταλέντο που σε ξεδιάλεξε στα 17 και δεν πέρασες στο πολυτεχνίο. Και δεν το χτίζεις λύνοντας ασκήσεις, το χτίζεις δουλεύοντας πάνω σε αληθινά προβλήματα: σε ένα terminal, μέσα σε logs, βλέποντας γιατί ένα request επέστρεψε λάθος αποτελέσματα. Αν θες να δεις πώς μοιάζει η πραγματική δουλειά σε terminal πριν πειστείς, εκεί ζει, όχι σε ένα βιβλίο άλγεβρας.

Πόσα μαθηματικά θέλει κάθε ρόλος;

Ας το πάμε ρόλο-ρόλο, γιατί εδώ κρύβεται όλη η αλήθεια. Πάτα πάνω στον χάρτη και δες τι κάνει κάθε οικογένεια ρόλων όλη μέρα και τι εργαλεία ακουμπάει. Πρόσεξε τι λείπει από κάθε λίστα: calculus.
Product Engineering
Frontend
Backend
Fullstack
Mobile
Platform & Ops
DevOps
SRE
Platform Engineer
Cloud Engineer
Data
Data Analyst
Data Engineer
Data Scientist
ML Engineer
Quality & Security
QA / Test Engineer
Security Engineer
Product & People
Product Manager
UX / UI Designer
Engineering Manager
Frontend
Τι κάνει: Χτίζει ό,τι βλέπει και πατάει ο χρήστης στην οθόνη — components, forms, καταστάσεις.
Δηλαδή: HTTP requests, browser, καθαρός κώδικας σε ομάδα με Git.
Στο χαμηλό άκρο, εκεί που ζει η μεγάλη πλειοψηφία των θέσεων, τα μαθηματικά σχεδόν δεν φαίνονται:
  • Frontend. Χτίζεις αυτό που βλέπει ο χρήστης. Layout, καταστάσεις, δεδομένα που έρχονται και φεύγουν. Λογική, όχι εξισώσεις.
  • Backend / CRUD και business logic. Το 90% είναι «πάρε αυτό, αποθήκευσέ το, βγάλ' το πίσω με τους σωστούς κανόνες». Λογική και βάσεις.
  • QA. Σκέφτεσαι τι μπορεί να πάει στραβά και το δοκιμάζεις. Καθαρή αποσύνθεση προβλήματος.
  • Support. Καταλαβαίνεις το πρόβλημα του χρήστη και το ξεμπλοκάρεις. Επικοινωνία και λογική.
  • DevOps / cloud / SRE. Καθημερινά δουλεύεις με συστήματα και εργαλεία, όχι με μαθηματικά. Το μόνο «νούμερο» που ακουμπάς συχνά είναι το κόστος: αριθμητική λογαριασμού, την ίδια που είδαμε πιο πάνω.
Στο ψηλό άκρο υπάρχει η πραγματική εξαίρεση, και αξίζει να την ονομάσουμε καθαρά για να μη σε κοροϊδεύει κανείς:
  • Data science / machine learning. Εδώ τα μαθηματικά είναι δουλειά, όχι φόβητρο: στατιστική και γραμμική άλγεβρα, στ' αλήθεια. Αν πας εκεί, θα τα χρειαστείς.
  • Niche περιοχές. Graphics και game engines (γεωμετρία, διανύσματα), quant στα χρηματοοικονομικά (βαριά στατιστική). Λίγες θέσεις, πολύ συγκεκριμένες.
Ένα πράγμα να το κρατήσεις, γιατί εδώ μπερδεύονται οι πάντες: οι τίτλοι είναι ρευστοί, όχι νόμος. Τα όρια των ρόλων μετακινούνται με το μέγεθος και την κουλτούρα της εταιρείας, και οι αγγελίες είναι ασυνεπείς. Ένας «data analyst» συνήθως θέλει SQL και ποσοστά, ενώ ένας «data scientist» θέλει πραγματική στατιστική, όμως η ίδια αγγελία μπορεί να λέει το ένα και να εννοεί το άλλο. Μη διαβάζεις την ταμπέλα, διάβασε τι ζητάει η θέση. Και μην υποτιμάς κανέναν ρόλο: το ότι ένας support ή ένας analyst δεν λύνει εξισώσεις δεν τον κάνει «λιγότερο», απλώς η αξία του είναι αλλού.

Αφού τα μαθηματικά στο σχολείο είναι δύσκολα

Ας τα πούμε στα ίσια, γιατί είναι ο πραγματικός λόγος που πολλοί δεν ξεκινούν καν. Στην Ελλάδα ο βαθμός στα μαθηματικά κουβαλιέται σαν ισόβια ταμπέλα. Οι γονείς, κάποιοι καθηγητές, όλη η κουλτούρα του «άριστα ή τίποτα» σε έμαθαν να βλέπεις τον βαθμό στα μαθηματικά ως το μοναδικό κριτήριο επιτυχίας: αν δεν το πέρασες, τελείωσε.
Δεν είναι, όμως, έτσι... Και να γιατί.
Οι πανελλήνιες σε επιβραβεύουν για ταχύτητα κάτω από πίεση: να θυμηθείς μια απόδειξη, να λύσεις ένα ολοκλήρωμα σε τρία λεπτά, να μην κολλήσεις. Η δουλειά επιβραβεύει το αντίθετο. Θέλει υπομονή για να σπάσεις ένα πρόβλημα σε κομμάτια, να διαβάσεις ένα μήνυμα λάθους με ψυχραιμία, να ψάξεις κάτι που δεν ξέρεις χωρίς να ντραπείς. Κάποιος που κόπηκε στην τριγωνομετρία μπορεί να είναι εξαιρετικός στο debugging, γιατί είναι δύο τελείως διαφορετικά πράγματα.
Και δεν είναι θεωρία. Άνθρωποι που ήρθαν από φιλολογία, μαθηματικό, οικονομικά γράφουν κώδικα κάθε μέρα και πληρώνονται γι' αυτό. Ο άνθρωπος που θα σε πάρει συνέντευξη δεν θα σε ρωτήσει ποτέ τον βαθμό σου στα μαθηματικά. Θα σου δώσει ένα πρόβλημα και θα σου πει βρες τη λύση. Εκεί κρίνεσαι: στο πώς σκέφτεσαι και πώς φτάνεις στη λύση, όχι στο τι έγραψες στις εξετάσεις πριν δέκα χρόνια.

Τι να μάθεις αντί να φοβάσαι τα μαθηματικά;

Η πραγματική δυσκολία για μια πρώτη δουλειά junior δεν είναι τα μαθηματικά, είναι πράγματα που το σχολείο και το πανεπιστήμιο δε σου έδειξε ποτέ και οι αγγελίες τα ζητούν όλες: Linux και terminal, βασικό networking, HTTP, Git. Αυτά σε ξεχωρίζουν, όχι τα μαθηματικά III στο πέμπτο εξάμηνο.
Εδώ είναι και η μεγάλη παγίδα. Μπορεί να ξέρεις σύνταξη Python απ' έξω και να μένεις χωρίς δουλειά, επειδή δεν έχεις αγγίξει ποτέ έναν πραγματικό server, δεν ξέρεις τι είναι ένα request, πως ταξιδεύει στο δίκτυο, δεν έχεις κάνει ποτέ ένα commit. Η θεωρία που ξέρεις και η δουλειά που σου ζητούν είναι δύο διαφορετικά πράγματα και το κενό ανάμεσά τους δεν το γεμίζει επιπλέον θεωρία ή και άλλα βιντεάκια.
Αν θες να καταλάβεις πώς να σκέγτεσαι και τι προαπαιτείται πριν ξεκινήσεις καν να μαθαίνεις React ή Spring Boot, αυτό ακριβώς είναι το πρακτικό μονοπάτι από το πρώτο terminal μέχρι το cloud: τα εργαλεία που υεωρούνται αυτονόητα από την πρώτη μέρα ακόμα και για όποιον δεν έχει δουλέψει ακόμα στον κλάδο.
Και μια πρακτική αλήθεια για να σταματήσεις να αναβάλλεις: ένα συγκεντρωμένο βράδυ πάνω στο terminal σε πάει πιο μπροστά από έναν μήνα «θα ξαναδιαβάσω πρώτα λίγα μαθηματικά για να προετοιμαστώ». Το δεύτερο δεν είναι προετοιμασία, είναι αναβλητικότητα με καλό άλλοθι.

Πώς ξεκινάς από το μηδέν;

Απλά. Διάλεξε το μονοπάτι των συστημάτων, όχι της βαριάς θεωρίας της πληροφορικής: επιβραβεύει το να κάνεις πράγματα με τα hands-on, όχι το να αποστηθίζεις. Ξεκίνα από το terminal. Δούλεψε μέσα στον browser, χωρίς ακριβό setup και χωρίς κανένα προαπαιτούμενο μάθημα μαθηματικών.
Και ο μόνος κανόνας που έχει σημασία στην αρχή: κάνε, μη βλέπεις. Δέκα λεπτά που πληκτρολογείς εντολές μόνος σου αξίζουν περισσότερο από τρεις ώρες tutorial που απλώς παρακολουθείς.
Ξέρεις πια ότι τα μαθηματικά δεν είναι το αναγκαίο και απαραίτητο μέτρο σύγκρισης για να ξεκινήσεις την καριέρα σου στο tech. Το επόμενο βήμα είναι να πιάσεις το terminal στα χέρια σου.
Ξεκίνα με το Tech Survival Kit
Σε βάζει μπροστά σε πραγματικό terminal, με hands-on labs στον browser, να μάθεις τα εργαλεία που ζητάει κάθε αγγελία για junior, από κάποιον που τα δουλεύει καθημερινά.