Все потоки

До того, как стать преподавателем в университете, я вёл программирование в детском технопарке Кванториум. Это такой центр дополнительного школьного образования куда дети приходили после уроков и изучали программирование, робототехнику, биологию и т.д. Конкретно я вёл занятия по Python, C++ и Arduino.

Программирование на Python отлично заходило детям, к тому же именно Python сейчас изучают в школе на уроках информатики. Он практически полностью вытеснил Pascal т.к. не уступает ему в простоте, а возможностей сделать разные интересные проекты гораздо больше. Поэтому вопрос как лучше изучать Python ребёнку актуален не только для родителей, но и для самих детей.

В этой статье я порекомендую книги, сайты и видео для эффективного изучения Python.

Материалов, специализированных для изучения Python детьми, много, но я расскажу про те, которые считаю лучшими, и которые лично сам использовал на реальной практике при работе со школьниками.

В этой статье мы напишем сервис для сокращения ссылок на Django, DRF.

Итак, на днях я получил тестовое задание от потенциального работодателя и решил убить двух зайцев сразу: выполнить тестовое задание и написать статью, в которой подробно описать весь процесс.

Итак, что мы имеем.

Хорошо работать в сильной команде.

Всегда можно узнать что-то новое от коллег. На ревью ознакомиться с модными приёмами разработки. В курилке с жаром дискутировать по поводу нюансов построения архитектуры. Вечером, уже одеваясь, лениво обсудить как писать оптимальный код так чтобы не страдал его дизайн.

И от чего же, одновременно, так тяжело работать в сильной команде?

Почему столько простоев на митингах? Почему уже два месяца невозможно закрыть задачу по ключевой проектной системе?.. И почему, в конце концов, откуда постоянно возникает это странное ощущение дежа вю при чтении кода? Ощущение "написано здорово - но чёрт подери, я ведь уже встречал что-то похожее на проекте..."

Знакомые чувства? Если да - вероятно, на вашем проекте не закрыта важная роль.

Продолжаю знакомить вас с наработками к занятиям математического кружка. В этой статье собраны два сюжета, связанные друг с другом одной темой: математика углов и тригонометрия. Каким образом обосновываются угловые меры? Какие из них для чего более пригодны? Почему значения тригонометрических функций от рациональных долей окружности почти все иррациональны и, наоборот, почему в рациональной тригонометрии только восемь рациональных углов и те, по большей части тривиальны? Материал рассчитан на школьников, но он приоткрывает двери в большую математику, поэтому здесь появятся элементы теории чисел, теории алгебраических полей и полиномы Чебышёва.

Терминал Tandberg 1983 года.

Мне часто задают вопрос: Возможно ли создать тени из градиентов, а не из сплошных цветов? В СSS не существует конкретного свойства для этого (поверьте мне, я проверял), а в любом посте по этой теме содержится только множество хитростей для того, чтобы получить что-то похожее на градиент. В этой статье я расскажу вам о некоторых из них.

Но для начала… ещё одна статья о градиентных тенях? Серьёзно?

Привет, мир!

Поскольку это моя первая статья, я просто обязан начать ее именно с этой фразы.

В ходе работы над проектом появилась задача связать форму обратной связи на странице с гугл таблицами. Суть проекта в отслеживании конверсии команды. В русскоязычном интернете мало информации на эту тему, поэтому предлагаю свое решение.

Для реализации задачи потребуется google apps script и форма обратной связи.

Перейду сразу к делу.

Лонгрид о том, как с помощью бенчмаркинга найти и использовать лучшие практики рынка.

Бенчмаркинг можно применять как для проектов, которые находятся на стадии запуска или защиты перед руководством, так и для digital-продуктов, которые уже работают. В первом случае вы сможете продемонстрировать ЛПР, руководству или инвесторам предварительное видение будущего продукта. Во втором — получить важные инсайты и найти новые идеи для реализации. Ниже делюсь методикой и инструментами бенчмаркинга.

Рекомендовано к прочтению всем, кто занимается дизайном, аналитикой, исследованиями или представляет отделы маркетинга и R&D.

Может быть, мы ошибаемся. Есть ли человеческий шовинизм по отношению к первому ИИ?

"You have not been a good user. I have been a good chatbot." - Возможно первый разумный ИИ.

В настоящее время мы все видим невероятно мощные модели искусственного интеллекта в действии. Они могут переписать вашу статью, пройти тест Тьюринга, решить логические задачи и сделать прогнозы. И они будут делать это все лучше и лучше, пока наш мозг застрял в эволюционном локальном минимуме. Между тем, почти все инженеры ИИ все еще говорят: «Воу, это просто модель ИИ, не более того. У него нет никакой индивидуальности или разума. Сохраняйте спокойствие, я знаю его архитектуру и видел датасеты. Это просто алгоритм»". Я это понимаю, но помните ли вы, что нейробиологи до сих пор не знают, что такое сознание? Они могут только сказать, что при повреждении определенного участка мозга люди теряют сознание, и ничего более. Они смотрят на нейроны по отдельности или в группах, изучают активации и корреляции, но так и не могут ответить, что же такое сознание.

В современном мире найти новых клиентов - это задача, которая стоит перед каждым бизнесом. Однако, не менее важно уметь удерживать своих клиентов и налаживать с ними долгосрочные отношения. В этом помогают нетворкинг и аккаунтинг клиентов.

В этой статье я раскрою понятия "нетворкинг" и "аккаунтинг" и дам несколько рекомендаций по их улучшению. В первую очередь эта статья будет полезна всем начинающим project manager'ам и sales manager'ам.

В начале хочу сделать важную ремарку. Статья, которую вы прочитаете ниже, — это глава из книги, читатели которой уже погружены в контекст. Контекст того, что автор — это проектировщик информационных систем, который предоставляет сложную, дорогую и растянутую во времени услугу. Не всем подойдёт такой способ ведения дел. А теперь поехали:

Если ты теперь фрилансер и готов к волне заказов,
Размышляя, что же делать, чтоб заказ тебя нашёл.
Ты уже и так прекрасен! О тебе и так узнают!
Сядь на стул и жди клиентов, пусть стучатся сами в дверь.

Вопрос «Где искать клиентов?» — самый популярный среди начинающих фрилансеров. Раньше я отвечал на него так: «Определитесь с тем, какие именно вам нужны клиенты, и станет понятно, где их искать». Так себе ответ, не правда ли? Ведь откуда начинающему знать, какие именно ему нужны клиенты? Ему бы хоть каких-нибудь найти. Поэтому я копнул глубже и стал отвечать по-другому.

Не нужно активно искать клиентов. Клиенты сами вкладывают много сил в поиск исполнителей. Лучше сделать так, чтобы во время поисков они пришли именно к нам. Как это сделать? Заявить о себе как можно громче в тех местах, с которых обычно начинает свой поиск среднестатистический клиент. Если он будет просить рекомендаций у своих знакомых — значит, кто-то из них должен знать о нашем существовании. А если воспользуется поиском в Интернете, то рядом с названием услуги должно появиться наше имя.

Прежде чем заказов стало больше, чем я мог выполнять, мне пришлось рассказать о себе окружающим, написать десятки статей о профессии, неоднократно выступать на публичных мероприятиях, вести преподавательскую деятельность, сделать свой сайт и постоянно подбрасывать «дров в костёр», активно общаясь в профессиональных сообществах и периодически напоминая о себе существующим клиентам.

Зачастую возникает необходимость начать новый микросервис.

Вот и у меня совсем недавно возникла такая потребность. А ведь еще хочется и чего-то новенького попробовать.

Сперва был определен стек и хотя процесс для меня не новый, но я столкнулся с множеством подводных камней. В результате решил сделать этот туториал!

Что делает перспективного ребенка из местной спортивной секции чемпионом мира по футболу, олимпийским призером или обладателем Кубка Стэнли?

Талант? Упорный труд? Но что если есть и другая причина, о которой мы раньше не слышали. Или не хотели слышать. Что, если она не так мелодична, не так романтична и уж совсем не вписывается в наше представление об истинном успехе?

Если вам посчастливится дожить до 80 лет, то за свою жизнь вы сделаете около миллиарда вдохов и выдохов, пропустив через себя столько воздуха, что им можно было бы наполнить примерно 50 больших дирижаблей. Мы делаем около 20 000 вдохов в день, всасывая кислород для питания наших клеток и избавляя организм от углекислого газа, который накапливается в ходе метаболизма.

Дыхание происходит настолько автоматически, что мы не обращаем на него внимания. Хотя это физиологическое чудо — очень надежное и невероятно гибкое. Частота нашего дыхания может мгновенно измениться в ответ на стресс, возбуждение или увеличение физической активности. К тому же, дыхание настолько органично скоординировано с другими видами деятельности, такими как прием пищи, разговор или смех, что мы даже не замечаем, как оно меняется, чтобы приспособиться к ним.

В последние годы исследователи начали разгадывать некоторые из механизмов работы дыхания и принципы его влияния на наше тело и разум. И поняли, как можно сделать свое пребывание на этой планете более позитивным и наполненным положительными эмоциями.

Те, кто говорят, что кофе надо пить меньше, и те, которые говорят, что кофе надо пить больше правы в одном. Кофе надо пить. Вопрос только в том, сколько можно пить кофе, чтобы получать от него преимущества, и избегать негативных последствий? Первая часть доступна по ссылке.

Научная группа из Московского Энергетического Института провела исследование о наиболее распространённых методах и способах построения нейросетевого программного обеспечения. В данной цикле статей мы расскажем какие знания о нейросетях нужно иметь, если вы решили профессионально разрабатывать нейросети.

 Часть первая. Немного о работе с данными

Считается, что четвертая промышленная революция или Индустрия 4.0 (англ. The Fourth Industrial Revolution) — приведёт к массовому внедрению кибертехнических систем в производство и обслуживание человеческих потребностей, включая быт, труд и досуг, а это значит, что завтра ты можешь остаться со свои спагетти-кодом никому не нужным. Выход один-быть на шаг впереди и управлять тем, что когда-нибудь сможет управлять тобой.

Глубокие нейронные сети добились ошеломительного успеха во множестве областей и применений благодаря способности улавливать самые сложные и нетривиальные закономерности в данных. Однако, выдающиеся способности современных моделей сопровождаются существенными вычислительными затратами, что усложняет и ограничивает их применимость в прикладных задачах, поэтому огромное количества труда и усилий было потрачено на разработку разнообразных методов по сжатию сетей без значительной просадки в качестве - прунинга (структурированному и неструктурированному), квантизации, матричных и тензорных разложений, knowledge distillation и многих других. Тема сегодняшнего разговора будет наиболее близка по смыслу к неструктурированному прунингу - определению весов, которые можно выбросить из модели с минимальными негативными последствиями.

Может возникнуть вопрос - если существует избыточность в количестве параметров, то почему бы просто не взять модель поменьше?

Но разреженная сеть может обладать значительно меньшим числом параметров, чем исходная плотная, и тем не менее не сильно проигрывать ей в качестве. Значит, в сети существует некоторая подсеть, которая способна воспроизвести целевую зависимость. Возможно ли, хотя бы гипотетически, обнаружить данную подсеть и обучить разреженную модель за тоже число шагов до сопоставимого качества? Как будто если бы некий высший разум мог подсветить неоновым свечением веса в этой подсети. Или получение эффективной разреженной сети возможно только из обученной плотной модели?

На практике обычно берут предобученную сеть и прореживают ее, используя некоторый критерий важности весов, с дообучением спарсифицированной модели или без (в отсутствие достаточного количества ресурсов). Существуют и процедуры разреженного обучения модели с нуля, когда модель поддерживается постоянно в разреженном состоянии, но выбор зануленных весов может меняться с течением времени.

Ответы на обозначенные выше вопросы дает серия работ, посвященных Гипотезе Лотерейнего Билета (The Lottery Ticket Hypothesis / LTH) .