С одной стороны, это реально логичный апдейт. Люди и так уже привыкли сначала спрашивать у нейронок, а потом отдельно идти в поиск перепроверять. А тут это наконец объединили в одном месте
Ranges решают проблему композиции алгоритмов. Вместо того чтобы городить вложенные циклы или создавать временные контейнеры на каждом шаге, строишь пайплайн ленивых вычислений, а это плюс жизнь производительности потому что данные обрабатываются за один проход, но ценой читаемости
Проще и безопаснее написать обычный for с if внутри. Да, не так модно и не в одну строчку, зато код будет читать даже джун, а не только три с половиной человека из комитета по стандартизации
Комитет C++ собирается в Кройдоне, чтобы решить, как переименовать sat_ в saturation_. От этих решений зависит судьба высокопроизводительных вычислений во всем мире. Запомните этот коммент
Если вы пытаетесь продать фреймворк критикуя конкурентов, будьте готовы, что к вам придут евангелисты этого конкурента с актуальными исходниками и размажут ваши аргументы :)
Отсутствие глубокой интеграции с Django ORM (как в DRF) это и плюс, и минус DMR. Плюс - вы можете юзать SQLAlchemy или сырые запросы. Минус - вам придется руками писать маппинг из ORM-моделей в Pydantic-схемы, что возвращает нас к тоннам бойлерплейта, от которого мы хотели уйти
Сомнительная затея с миграцией старого проект с DRF на эту новую штуку. Скиллы для агентов может и напишут вам рыбу кода, но бизнес-логику в сериализаторах DRF они точно сломают
А вот для новых проектов выглядит как отличная альтернатива связке FastAPI + SQLAlchemy, если вам нужна админка и ORM от Джанги из коробки)
Ага, очень просто) Особенно когда физлицо пару раз продало крипту через p2p, получило возврат за покупку от магазина по реквизитам и разделило счет в ресторане. Алгоритм эту простоту разметит как коммерческую деятельность
В статье написано про "сработал критерий рисков", т.е. это обычная скоринговая модель. Никто не будет смотреть на расхождения в три копейки, триггер настроят на аномалии
Естественный язык хорош, пока задача маленькая и все ещё помнят, что имелось в виду. Как только проект разрастается, каждая недосказанность начинает мстить
Чистый эксперимент тут вообще трудно сделать. Даже если закрыть интернет, модель всё равно обучена на огромном корпусе текстов и фактически уже содержит ответы на подобные вопросы
Я бы посмотрел тот же эксперимент, но с длинной памятью между сессиями. Потому что сейчас каждая сессия всё равно почти "новый экземпляр", который просто читает лог
С одной стороны, это реально логичный апдейт. Люди и так уже привыкли сначала спрашивать у нейронок, а потом отдельно идти в поиск перепроверять. А тут это наконец объединили в одном месте
Ага, прайс-лист на такие премии обычно рассылают вместе с коммерческим предложением от пиар-агентства
Из этих шести тысяч стабильно работает дай бог половина. Остальные ждут инкассацию или запчасти, которых теперь фиг достанешь
Ranges решают проблему композиции алгоритмов. Вместо того чтобы городить вложенные циклы или создавать временные контейнеры на каждом шаге, строишь пайплайн ленивых вычислений, а это плюс жизнь производительности потому что данные обрабатываются за один проход, но ценой читаемости
Проще и безопаснее написать обычный for с if внутри. Да, не так модно и не в одну строчку, зато код будет читать даже джун, а не только три с половиной человека из комитета по стандартизации
Комитет C++ собирается в Кройдоне, чтобы решить, как переименовать sat_ в saturation_. От этих решений зависит судьба высокопроизводительных вычислений во всем мире. Запомните этот коммент
Если вы пытаетесь продать фреймворк критикуя конкурентов, будьте готовы, что к вам придут евангелисты этого конкурента с актуальными исходниками и размажут ваши аргументы :)
Отсутствие глубокой интеграции с Django ORM (как в DRF) это и плюс, и минус DMR. Плюс - вы можете юзать SQLAlchemy или сырые запросы. Минус - вам придется руками писать маппинг из ORM-моделей в Pydantic-схемы, что возвращает нас к тоннам бойлерплейта, от которого мы хотели уйти
Сомнительная затея с миграцией старого проект с DRF на эту новую штуку. Скиллы для агентов может и напишут вам рыбу кода, но бизнес-логику в сериализаторах DRF они точно сломают
А вот для новых проектов выглядит как отличная альтернатива связке FastAPI + SQLAlchemy, если вам нужна админка и ORM от Джанги из коробки)
Ага, очень просто) Особенно когда физлицо пару раз продало крипту через p2p, получило возврат за покупку от магазина по реквизитам и разделило счет в ресторане. Алгоритм эту простоту разметит как коммерческую деятельность
В статье написано про "сработал критерий рисков", т.е. это обычная скоринговая модель. Никто не будет смотреть на расхождения в три копейки, триггер настроят на аномалии
Достаточно сместить дату платежа на пару дней или разбить сумму на 20 и 30, чтобы алгоритм перестал видеть здесь систематичность
Это какой же дата-центр нужно поднять для аналитики такого потока. Запрос мотивированный у них будет, ага, скриптом по крону
Объём будущего легаси сейчас генерится просто с промышленной скоростью)
И любой бытовой спор будет падать с syntax error где-то на середине фразы
Естественный язык хорош, пока задача маленькая и все ещё помнят, что имелось в виду. Как только проект разрастается, каждая недосказанность начинает мстить
Я думаю, тут скорее работает эффект антропоморфизма
Чистый эксперимент тут вообще трудно сделать. Даже если закрыть интернет, модель всё равно обучена на огромном корпусе текстов и фактически уже содержит ответы на подобные вопросы
Я бы посмотрел тот же эксперимент, но с длинной памятью между сессиями. Потому что сейчас каждая сессия всё равно почти "новый экземпляр", который просто читает лог
Самое неприятное, что IDE иногда это подсвечивает только в коде, а в yaml/json или конфиге легко пропустить