Прошу прощения, что сразу с критикой, но тут получился не очень хороший перевод весьма посредственной статьи.
Буквально каждый абзац содержит диковинные тезисы, мало связанные с реальностью, и уж точно не помогающие никому понять что такое Hadoop и MongoDB (и почему вообще именно про них разговор, как они связаны?).
Wtf:
В отличие от других вариантов хранилищ, таких как расшаренные сетевые папки, у вас остается доступ к данным даже в офлайне.
Distributed File-System обеспечивает Hadoop высокой вычислительной мощностью, необходимой для быстрых вычислений.
YARN предоставляет разработчикам эффективный способ разработки приложений и управления большими наборами данных. С помощью Hadoop YARN можно реализовать интерактивную, потоковую и пакетную обработку.
Странно конечно вводить понятие живые/неживые коллекции, когда DOM API просто возвращает либо каждый раз новый объект (querySelectorAll), либо вы берёте ссылку на один и тот же объект (element.children). Разумеется при добавлении/удалении дочернего элемента в element.children ваша коллекция изменится, ведь это ровно тот же самый объект:)
Верно, корень проглядел.
Очень интересно они это все затеяли, явно зная про этот прикол. Неужели им там на ревью не ткнут носом в это?
Оффтоп: вот о таких вещах хочется видеть посты на Хабре:)
В котором кстати рассказаны как раз интересные подробности (которые горе-пересказчики даже не заметили). Цитирую: «An interesting property of our model is that it is able to generate solutions that are exactly equivalent, but written in different ways».
То есть можно сказать что модель немного поняла математику:)
Shadow Ban применяется в основном для ботов и автоматических регистраций, а не для простых одиночных юзеров. Им как раз всегда явно сообщается когда и за что его забанили.
Конечно мы стараемся «хороших» пользователей не трогать.
Хотя и не всегда вообще возможно отличить «хорошее» от «плохого».
Но и системы и люди, которые их делают, иногда ошибаются, поэтому у нас есть несколько изолированных систем для «самоконтроля».
Например отдельный «классификатор честности», обученный определять только хороших пользователей по их положительным характеристикам.
Для случаев когда например и хороший и плохой юзер сидят с одного IP адреса, и оба допустим рассылают ссылки на YouTube (плохой юзер рекламирует гадость, а хороший показывает видео со своей собачкой), или даже сидят с одного компьютера (интернет кафе), у нас есть детектор «аномалий», который умеет определять что хороший юзер попал в «плохую компанию» случайно, и мы не будем его банить только из-за этих совпадений.
Плюс разные сплит-тесты, ручные проверки и прочий контроль качества.
Ну и помимо блокировки, у нас есть промежуточные «санкции», которые мы используем чтобы убедиться, что перед нами живой человек: можем попросить юзера пройти верификацию по телефону или по фотографии. А для некоторых ботов — это равносильно бану.
И да, вы правы, спамеры часто пишут в поддержку, что они не спамеры и «вы всё врёти», надеясь что это прокатит, и один из аккаунтов случайно разбанят.
Предотвращение взлома аккаунтов — это большая тема, достойная отдельного доклада.
Если вкратце — то мы внимательно следим за логинами пользователя, и если в его логине есть что-то необычное: не то устройство, странная геопозиция, или еще какие либо отклонения от обычного поведения, то мы такому юзеру сразу показываем экран дополнительного подтверждения, по сути второй фактор авторизации, и юзер должен подтвердить, что владеет номером телефона или соц.сетью привязанной ранее.
При строгой типизации, когда вы создаёте переменную, нужно сначала сказать, какого типа будет эта переменная.
Уважаемый автор, нет, это не так называется. То, что вы описываете — это «явная + статическая» типизация, а вовсе не «строгая».
см. habrahabr.ru/post/161205
Автор, а зачем у вас в качестве заглавной картинки какие-то рендеры, какого-то частного концепта, а не настоящий iPhone X, экран которого выглядит совершенно иначе?
Прошу прощения, что сразу с критикой, но тут получился не очень хороший перевод весьма посредственной статьи.
Буквально каждый абзац содержит диковинные тезисы, мало связанные с реальностью, и уж точно не помогающие никому понять что такое Hadoop и MongoDB (и почему вообще именно про них разговор, как они связаны?).
Wtf:
Странно конечно вводить понятие живые/неживые коллекции, когда DOM API просто возвращает либо каждый раз новый объект (querySelectorAll), либо вы берёте ссылку на один и тот же объект (element.children).
Разумеется при добавлении/удалении дочернего элемента в element.children ваша коллекция изменится, ведь это ровно тот же самый объект:)
Крутейшая статья!
Приходите в Скиллбокс, научу вас апгрейдить BMW:)
Ну там, разбиение датасета на test/train/control, как обычно
Очень интересно они это все затеяли, явно зная про этот прикол. Неужели им там на ревью не ткнут носом в это?
Оффтоп: вот о таких вещах хочется видеть посты на Хабре:)
В котором кстати рассказаны как раз интересные подробности (которые горе-пересказчики даже не заметили). Цитирую: «An interesting property of our model is that it is able to generate solutions that are exactly equivalent, but written in different ways».
То есть можно сказать что модель немного поняла математику:)
Сам себе и отвечу: есть! По ссылке на статью на arxiv: с. 10, п. 4.6 «equivalent solutions»
Я не эксперт, но кажется уравнению на картинке никакая модель не нужна, это же отношение полиномов, там есть примеры посложнее?
Ещё, о разных левелах и зарплатах в разных компаниях и странах можно узнать на levels.fyi или на teamblind.
Glassdoor тоже подойдёт.
Не хочу портить вашу рекламу, но вакансии в FAANG лучше смотреть на сайте компании или в linkedin.
Это тоже сгенерировано ruGPT-3 ?
Всем оставаться на своих местах! Это же троллинг! Очень толстый!!!
15 раз в минуту? А расскажите о причинах, как вы к этом пришли?
Конечно мы стараемся «хороших» пользователей не трогать.
Хотя и не всегда вообще возможно отличить «хорошее» от «плохого».
Но и системы и люди, которые их делают, иногда ошибаются, поэтому у нас есть несколько изолированных систем для «самоконтроля».
Например отдельный «классификатор честности», обученный определять только хороших пользователей по их положительным характеристикам.
Для случаев когда например и хороший и плохой юзер сидят с одного IP адреса, и оба допустим рассылают ссылки на YouTube (плохой юзер рекламирует гадость, а хороший показывает видео со своей собачкой), или даже сидят с одного компьютера (интернет кафе), у нас есть детектор «аномалий», который умеет определять что хороший юзер попал в «плохую компанию» случайно, и мы не будем его банить только из-за этих совпадений.
Плюс разные сплит-тесты, ручные проверки и прочий контроль качества.
Ну и помимо блокировки, у нас есть промежуточные «санкции», которые мы используем чтобы убедиться, что перед нами живой человек: можем попросить юзера пройти верификацию по телефону или по фотографии. А для некоторых ботов — это равносильно бану.
И да, вы правы, спамеры часто пишут в поддержку, что они не спамеры и «вы всё врёти», надеясь что это прокатит, и один из аккаунтов случайно разбанят.
Предотвращение взлома аккаунтов — это большая тема, достойная отдельного доклада.
Если вкратце — то мы внимательно следим за логинами пользователя, и если в его логине есть что-то необычное: не то устройство, странная геопозиция, или еще какие либо отклонения от обычного поведения, то мы такому юзеру сразу показываем экран дополнительного подтверждения, по сути второй фактор авторизации, и юзер должен подтвердить, что владеет номером телефона или соц.сетью привязанной ранее.
Уважаемый автор, нет, это не так называется. То, что вы описываете — это «явная + статическая» типизация, а вовсе не «строгая».
см. habrahabr.ru/post/161205
Бывают и исключения;)