Книга, которая попала мне в самое сердечко: когда видно, насколько глубоко автор погружён в тему, как горит ей, и как изучает её со всевозможных сторон, не ограничивая себя какими-либо искусственными рамками. 

Новый подход? Давай проведём исследование! Эффективность подтвердилась? Добавляем в инструментарий! А вот тут ещё смотрите какой случай был! А вот почему в этом случае этот метод неэффективен (экскурс в нейробиологию и двойные слепые плацебоконтролируемые исследования). 

Очень нравится и близок мне подход, когда автор собирает максимально полную картину, для более глубокого и цельного понимания проблемы. Например, то, как он постепенно выходит на связь психики и тела, рассказывает, как они поняли, что травма там тоже отпечатывается, и как с этим можно работать. Подчёркивает связи между мозгом, телом, самоосознанием. Как на этом фундаменте происходит сборка самоощущения человека и его травмы, и как проходит процесс последующего исцеления и восстановления целостности.

Недавно я искал систему хранения для моей программы. Она представляет собой desktop-приложение, которому нужно хранить множество объектов и осуществлять поиск текста в них. И я подумал: "Почему бы не попробовать что-то новое". Вместо SQL базы данных типа SqLite я мог бы использовать документную базу данных. Но мне хотелось бы, чтобы для неё не требовался отдельный сервер, чтобы она работала с простым файлом. Поиск в Интернет подобных систем для .NET приложений быстро вывел меня на LiteDB. Здесь я хочу поделиться тем, что я нашёл в процессе работы с этой базой данных.

В последние несколько лет я работал в качестве архитектора решений по данным и владельца продукта для новой платформы данных (Data Platform); я многому научился и хотел бы поделиться своим опытом с сообществом.

Я буду писать не о подходе к управлению, основанном на данных (Data-Driven), а о том, как построить платформу, которая позволит компании реализовать его. Когда мы проектируем и строим платформу данных (Data Platform), то работаем над предоставлением возможностей и инструментов, которые нужны другим командам для развития их проектов. Я не забываю о данных, но считаю, что они должны быть услугой, а не продуктом. 

Без релизов в прямом смысле: приложение готово, оно работает, но заказчик по личным причинам пока не готов его публиковать. Проект при этом развивается, команда продолжает наполняет его фичами из бэклога. Просто... без единого релиза. Это приводит к неожиданным последствиям: команда начинает терять мотивацию, а заказчик перестаёт замечать изменения, которые происходят в продукте.

Рассказываем, как можно сохранить боевой дух и вовлечённость разработчиков и заказчика в условиях, когда проект никак не выйдет в релиз.

По нашей планете распространяется необычная и СТРАННАЯ человеческая психика - Western, Educated, Industrialized, Rich and Democratic (WEIRD) - западный, образованный, индустриальный, богатый и демократичный.

Render Loop крутится — кадры мутятся

Доброго времени суток, уважаемые читатели. Здесь я начинаю свой цикл статей о работе с графикой в iOS.

В моих планах разобраться с работой базовых механик отрисовки и углубиться к таким вещам как AVFoundation, Metal.

Но а пока хочется понять как работает из коробки отрисовка наших любимых кнопок, которые мы не устаем красить. Как достичь 60 кадров в секунду. Магические слова, что заставят возжелать наш интерфейс любого.

Я люблю научпоп. Это такой особенный жанр, он как бы и не научный, и не художественный, а что-то среднее. И вот тут загвоздка: чтобы написать хороший научпоп, надо уметь и в науку, и в художку, а таким сочетанием навыков обладают не только лишь все. Автор может владеть словом, но поверхностно разбираться в предмете, причиняя адскую боль куда более прошаренному читателю. Или наоборот - писать в полном соответствии с фактами, но так, что уже на пятой строчке клонит в сон. Формализовать искусство нельзя, но можно препарировать научно-популярный текст и проанализировать его особенности, что я и собираюсь сделать - прямо на примере этой же самой статьи.

В ноябре 2021 года в некоторых пабликах социальных сетей проскальзывала новость о том, что ковиду-19 уже исполнилось 2 года. Достаточно солидный срок – некоторые детишки в это время уже вовсю бегают и лопочут на своем малышином языке. Ковид же за это время, если так можно выразиться, не просто встал на свои ножки, но заматерел и превратился в настоящего монстра, перед которым трепещет вся планета.

20 января «Интерфакс» публикует новость, что ФСБ убедило главу Центробанка РФ (ЦБ) Эльвиру Набиуллину поддержать полный запрет на криптовалюты и майнинг. Эту информацию издание получило от внутренних источников Bloomberg, которые объясняют инициативу ФСБ ростом популярности выплат в адрес российской оппозиции и СМИ-иноагентов. В тот же день ЦБ представляет общественности 37-страничный отчёт по криптовалютам, в котором предлагает запретить майнинг и криптовалюты в РФ, а также усилить надзор за их оборотом. Мы сделали выжимку из этого документа с основными тезисами и последними данными по статистике рынка криптовалют, представленными ЦБ.

Простые числа, согласно известному определению – такие числа, которые делятся только на 1 и само себя. Иначе, число считается составным, и его можно разложить на произведение простых чисел. Единица формально соответствует определению простого числа, но это число принято не относить ни к простым, ни к составным.

Как искать простые числа? Можно действовать напрямую, применяя определение: просто делить каждое данное число N подряд на все числа m<N.Такая стратегия тоже имеет смысл, и ее можно обсуждать, и даже думать о том, как ее совершенствовать, но сегодня у нас будет другая история.

Как и большинство птиц, вороны – тетрахроматики. Это значит, что, вместо свойственного людям RGB, они воспринимают четыре цветовых канала. Так что это для вас вороны – чёрные, а друг для друга они очень даже цветные.

Разрешение вороньего глаза – как пространственное, так и временное – весьма высокое. То есть, по разрешению экрана и по FPS врановые играючи уделывают кожаных мешков. Днём. А вот в темноте хуманы имеют серьёзное преимущество: с ночным зрением у вранов всё плохо. Это плата за хорошее цветовосприятие и высокую разрешающую способность.

Сейчас существенная часть машинного обучения основана на решающих деревьях и их ансамблях, таких как CatBoost и XGBoost, но при этом не все имеют представление о том, как устроены эти алгоритмы "изнутри".

Данный обзор охватывает сразу несколько тем. Мы начнем с устройства решающего дерева и градиентного бустинга, затем подробно поговорим об XGBoost и CatBoost. Среди основных особенностей алгоритма CatBoost:

• Упорядоченное target-кодирование категориальных признаков
• Использование решающих таблиц
• Разделение ветвей по комбинациям признаков
• Упорядоченный бустинг
• Возможность работы с текстовыми признаками
• Возможность обучения на GPU

В конце обзора поговорим о методах интерпретации решающих деревьев (MDI, SHAP) и о выразительной способности решающих деревьев. Удивительно, но ансамбли деревьев ограниченной глубины, в том числе CatBoost, не являются универсальными аппроксиматорами: в данном обзоре приведено собственное исследование этого вопроса с доказательством (и экспериментальным подтверждением) того, что ансамбль деревьев глубины N не способен сколь угодно точно аппроксимировать функцию . Поговорим также о выводах, которые можно из этого сделать.

Привет! Понадобилось процедурно генерировать сложную 3D модель, и пока я копал, как это делается, нашёл несколько статей от Diego Gangl, cg артиста и разработчика Блендера. Они славные для новичка, понимающего в моделировании, но не умеющего (почти) в код. Это перевод одной из них. Неточности и ошибки автора я поместил под спойлеры.

В этом туториале Диего покажет, как создать скрипт, рисующий двумерную сетку: отличный способ понять, как python взаимодействует с Блендером.

Специалисты компании Quantum Xchange, занимающейся обеспечением «квантово-устойчивой» кибербезопасности, опубликовали в корпоративном блоге пятёрку кратких отраслевых прогнозов, связанных, в основном, с развитием квантовых компьютеров. Вот что, по мнению экспертов, приобретает в этом году чрезвычайную актуальность на фоне стремительного приближения «квантового поворота».

В этой статье я описываю, как создать систему, в которой абсолютно каждое действие можно выполнять, как с помощью Websocket, так и с помощью обычных запросов на входные точки REST.

До 2022 года варианты SARS-CoV-2, вызывающие новые волны COVID-19, возникали примерно с полугодовыми интервалами. И была надежда на то, что после очередной волны, вызванной вариантом Дельта, наступит какое-то затишье. Тем более что в некоторых странах к началу этой волны было вакцинировано уже почти всё население. Но неожиданно быстрое распространение варианта Дельта принесло две новости – плохую и хорошую. Плохая новость заключалась в том, что иммунизация любыми нынешними вакцинами плохо защищает от инфицирования этим новым вариантом вируса. А если и защищает, то ненадолго. Хорошая – это то, что всё-таки защищает, но преимущественно от развития тяжёлых форм пневмонии. И существенно снижает летальность. В результате массовая вакцинация и увеличение количества переболевших почти не влияют на распространение вируса, но неплохо снижают смертность от COVID-19.

Появление варианта Омикрон в целом не изменило ситуацию. Но влияние вакцинации уменьшилось, а сочетание имеющегося коллективного иммунитета с большей контагиозностью и меньшей летальностью самого вируса вселило надежду на то, что очередная волна эпидемии станет более массовой, но менее кровожадной. Т.е. сможет сформировать коллективный иммунитет со сравнительно небольшими потерями населения, что позволит надеяться на лучшее – на переход эпидемии в тлеющий режим, не требующий экстраординарных мер от здравоохранения. При этом готовиться нужно к худшему – к появлению новых высококонтагиозных вариантов SARS-CoV-2 и к «штормовому» течению пандемии, при котором последовательность новых волн эпидемии утратит сезонную упорядоченность и они начнут чередоваться всё чаще и чаще, накладываясь друг на друга.

Моя история лишь одна из множества схожих и начиная ее писать, я понимаю, что это не история успеха отдельного человека или жизнеописание, а лишь изложение прожитого опыта, временного промежутка длиною в несколько десятилетий. Я считаю ее успешной так как в отличии от немногих мне удалось войти в IT в возрасте 40+ лет. Оглядываясь в прошлое и забегая вперед могу сделать вывод, что помогли мне в этом любознательность, тщеславие и незаурядное упорство.

В детстве я мечтал быть инженером, с завистью смотрел на радиолюбителей и даже посетил местный радиокружок в провинциального городке в котором я родился и вырос, первое и последнее занятие состояло в попытке спаивания огромным, как мне тогда казалось паяльником, медной проволоки в колечко после чего я приносил эти колечки учителю, он с легкостью разрывал их в месте пайки, а я в очередной раз

Привет! Меня зовут Елдар, я – Machine Learning Engineer в компании Beeline Казахстан и студент магистратуры в Университете Цукуба. Работаю дистанционно из Японии, занимаюсь улучшением моделей аутентификации лиц.

В моей работе, как и в исследованиях, важно следить за научным прогрессом и понимать ключевые особенности нейронных сетей. Поэтому я решил обучить, сравнить и рассмотреть возможные методы улучшения двух архитектур нейросети: полносвязную сеть и сверточную нейросеть LeNet 5.

Чтобы написать эту статью, я реализовал полносвязную многоуровневую сеть и архитектуру LeNet 5 в TensorFlow и протестировал на наборе данных MNIST по таким характеристикам как время обучения, время вывода (inference time), точность (accuracy) и потери (loss). А также сравнил полученные показатели с современными методами.  Время обучения включает проверку на валидационной выборке после каждой эпохи. Время вывода показывает время, необходимое для вывода результата после вскармливания одного изображения.