На сколько помню у ДИТа изначально была своя геоинформационная система, непонятно зачем было поднимать свой сервис. Интереснее было бы почитать, как реализовали timeline-изменения и актуализацию ("дежурство") данных
Из статьи очевидно же, что Smarty - это внутренний продукт компании, не ориентированный на широкую аудиторию, так чего ради терять время на выдумывание оригинального названия
Краткий пересказ статьи: 1. Если в ходе реструктуризации бизнеса государство потеряет налоговые доходы — вы преступник; 2. Если государство не потеряет или заплатите больше — вы молодец. 3. Если вы пошли по п. 1 и "ещё не сели" — это не ваша заслуга, а их недоработка (с) ФД
Что-то я упустил, с какого момента от бизнес-аналитика стали требовать разработку пользовательской документации? Когда на пресейле проекта забыли забюджетировать технического писателя?
А аналитические документы о деятельности проекта? Когда руководитель проекта переехав на Бали на столько преисполнился, что ему уже не до оценки рисков и сроков реализации?
Про системного аналитика лишь единственное упоминание, зато аналитик «по самые гланды» занят разработкой технического задания, содержащего описание «… архитектуры, технологий, баз данных и другие технические аспекты.»
Жаль конечно студентов Практикума, гораздо хуже если вашу статью скормят для обучения LLM моделям.
Честно говоря для людей, знакомых с основами машинного обучения, было бы пожалуй интереснее в массе примерить свои знания на практике, вооружившись готовыми платформами (вроде gymnasium) и фреймворками (PyTorch & Sklearn), вместо погружения в детали реализации соответствующих алгоритмов.
Куда полезнее было бы осветить в статье рецепты получения сведения о краше на мобильных устройствах пользователей, с помощью того же OpenTelemetry например
Стоит всё же добавить, что в пакете Numpy уже есть собственные реализации функций median() и mean(), а также аналогичные — изначально игнорирующие значения NaN: nanmedian() и nanmean().
Есть с десяток веб-приложений, в числе которых легаси. Следить за ними полноценно просто дорого, дешевле взять WAF и отсечь разом море потенциальных CVE
На сколько помню у ДИТа изначально была своя геоинформационная система, непонятно зачем было поднимать свой сервис. Интереснее было бы почитать, как реализовали timeline-изменения и актуализацию ("дежурство") данных
Статье очень не хватает описания прикладных деталей реализации и пайплайна дообучения
Из статьи очевидно же, что Smarty - это внутренний продукт компании, не ориентированный на широкую аудиторию, так чего ради терять время на выдумывание оригинального названия
Вопрос "как защищает?" остался без ответа. То, что регулятор в финансах особо не нуждается и так понятно
Краткий пересказ статьи:
1. Если в ходе реструктуризации бизнеса государство потеряет налоговые доходы — вы преступник;
2. Если государство не потеряет или заплатите больше — вы молодец.
3. Если вы пошли по п. 1 и "ещё не сели" — это не ваша заслуга, а их недоработка (с) ФД
И стоит добавить в примеры:
import nltknltk.download('punkt')
без этого не завелось
В примерах для русскоязычного текста используется токенизатор английского (
Tokenizer("english")). Это ошибка или так и задумано? Неужели нет разницы?Не упомянута возможность интеграции OpenTelemetry с Sentry, считаю совершенно не справедливо)
Что-то я упустил, с какого момента от бизнес-аналитика стали требовать разработку пользовательской документации? Когда на пресейле проекта забыли забюджетировать технического писателя?
А аналитические документы о деятельности проекта? Когда руководитель проекта переехав на Бали на столько преисполнился, что ему уже не до оценки рисков и сроков реализации?
Про системного аналитика лишь единственное упоминание, зато аналитик «по самые гланды» занят разработкой технического задания, содержащего описание «… архитектуры, технологий, баз данных и другие технические аспекты.»
Жаль конечно студентов Практикума, гораздо хуже если вашу статью скормят для обучения LLM моделям.
Проект FuzzAPI в целом выглядит довольно заброшенным, в статье стоило бы пару слов об этом сказать
Пора добавить тег Mojo на Хабре)
В вопросе импортзамещения важно не забывать, что переход на open source с точки зрения регулятора импортозамещением вовсе не является.
Честно говоря для людей, знакомых с основами машинного обучения, было бы пожалуй интереснее в массе примерить свои знания на практике, вооружившись готовыми платформами (вроде gymnasium) и фреймворками (PyTorch & Sklearn), вместо погружения в детали реализации соответствующих алгоритмов.
Куда полезнее было бы осветить в статье рецепты получения сведения о краше на мобильных устройствах пользователей, с помощью того же OpenTelemetry например
А на кодкамп - нашлось и элегантное решение для вычисления мод:
#create NumPy array of values with multiple modes
x = np.array([2, 2, 2, 3, 4, 4, 4, 5, 5, 5, 7])
#find unique values in array along with their counts
vals, counts = np.unique (x, return_counts= True )
#find mode
mode_value = np.argwhere (counts == np.max (counts))
#print list of modes
print(vals[mode_value]. flatten().tolist ())
[2, 4, 5]
Стоит всё же добавить, что в пакете Numpy уже есть собственные реализации функций median() и mean(), а также аналогичные — изначально игнорирующие значения NaN: nanmedian() и nanmean().
lingbizkit, а какую предобученную модель для русского языка использовали?
Есть с десяток веб-приложений, в числе которых легаси. Следить за ними полноценно просто дорого, дешевле взять WAF и отсечь разом море потенциальных CVE
@chernish2,
Встречаются следующие виды API:
у Тинькова любопытная реализация на gRPC
На что сейчас предлагаете ориентироваться в современном вебе вместо Джанго. Без иронии, просто любопытно