Продолжение. Первая часть перевода была опубликована вчера.

---

Некого винить, кроме себя

Критики монополии частных издателей предлагают простое решение — журналы с открытым доступом. Так же, как и обычные журналы, они принимают статьи, организовывают процесс рецензирования и публикуют их. Но они не требуют денег за подписку — все статьи свободно доступны онлайн. Чтобы покрыть расходы, они берут с учёных, желающих публиковаться небольшой гонорар (в среднем около 2000 долларов). Рецензенты, которые решают, какие статьи стоит публиковать, не получают денег от журналов, чтобы избежать соблазна принимать всё подряд. В отличие от традиционных журналов, которые требуют исключительных авторских прав в обмен на возможность публиковаться, журналы с открытым доступом практически свободны от копирайтных ограничений.

Если университеты финансируют исследования, и их сотрудники как пишут, так и рецензируют статьи, то почему же они все до сих пор не переключились на журналы с открытым доступом? Успешных примеров таких открытых проектов как Public Library of Science пока очень немного. Всё дело в том, что сложившаяся научная культура делает такой переход очень трудным.

История публикаций в престижных журналах — необходимое условие продвижения по научной карьерной лестнице. Каждая статья, опубликованная в молодом и ещё не ставшим авторитетным журнале с открытым доступом, могла бы быть опубликована в таких флагманах рынка, как Science или Nature. И если ещё можно представить себе уже занимающего хорошую должность профессора-идеалиста, который готов пожертвовать частью своего престижа ради науки, то как насчёт его молодых соавторов, для которых статья в авторитетном журнале может значить всё?

От переводчика: Любой, кому приходилось искать в интернете статьи из научных журналов, наверняка сталкивался с тем, что за доступ к одной единственной статье издательство требует порядка 30 долларов. Иногда нужную статью удаётся найти в открытом доступе, иногда нет. На первый взгляд, в этом нет ничего удивительного — любой контент стоит денег. Однако научные статьи довольно сильно отличаются от фильмов, книг и музыки.

Большинство научных исследований сегодня делается на государственные, то есть на наши с вами деньги. Зарплату большинство учёных, как тех, кто написал статью, так и тех, кто её проверял и редактировал, тоже получают не от издателей. И, что интереснее всего, университетские библиотеки по всему миру, являющиеся основными подписчиками научной прессы, тоже платят очень большие деньги за подписку на журналы, которые они же сами и пишут. Настолько большие, что даже библиотека Гарвардского университета уже публикует открытые письма о своём бедственном положении.

Эта статья содержит подробный анализ ситуации с научной прессой и организацией научной работы вообще. Статья весьма объёмная, поэтому я разбил перевод на две части. Вот ссылка на вторую часть.

По роду занятий я часто общаюсь с различными русскими и западными командами. Очень частый вопрос — есть ли какая-нибудь специфика в работе наших и как это влияет на разработку?

Есть очень неплохая книжка о специфике работы русских вообще. Она называется «Русская модель управления». Ее написал А.П.Прохоров (другой, не олигарх). Не буду ее пересказывать. Основная идея в том, что русские по своей природе могут работать только в двух модах. В нестабильном состоянии они могут свернуть горы. В это время мотивация очень высокая. В стабильном расслабленном состоянии — когда никто не пинает — русские вроде как работают плохо и не сильно утруждаются.

Книга замечательная и действительно многое объясняет в нашей истории. Обязательно прочтите, если не читали. Но я не готов ее рекомендовать как непосредственное руководство к действию. Выводы из нее следуют довольно-таки однозначные и не очень лестные для страны в целом. Однако на самом деле все не так плохо. Наша специфика не является абсолютно контрпродуктивной. Она дает и преимущества и недостатки.

Еще один дисклеймер: на реальное поведение людей действует сложившаяся культура в а) команде б) организации в) стране. Причем именно в этом порядке. Есть «прозападные» компании, где влияние наших культурных кодов очень небольшое. В чисто российских компаниях оно просто огромно. Но реально заметить разницу можно только увидев, как различные культуры сталкиваются друг с другом.

Я буду приводить влияние разных факторов в порядке их важности и силы влияния. Чем выше — тем сложнее это изменить и тем больший эффект это оказывает.

Разница менталитетов и национальных деловых культур – тема вечная и актуальности своей не теряющая: чужая душа – по-прежнему потемки, а чужая заокеанная душа – еще и неиссякаемый источник курьезов и недопониманий. Поэтому хочу остановиться на одном принципиальном различии в мировоззрении двух культур. Сразу скажу, в данном сравнении речь пойдет только о русских и американцах (или, точнее, носителях русской и американской культур и ментальности). По англичанам мой опыт несколько другой, а по другим нациям не столь большая выборка, чтобы делать какие-либо выводы.

Это различие не столь критично, когда американцы являются вашими заказчиками. Но когда вы работаете с ними в одной команде, понимать, что ожидать от партнера, просто необходимо для общего успеха.

Наверное, я мог бы попробовать сформулировать разницу в одном предложении, но для полного понимания приведу красивую теоретическую базу, подтверждающую опыт.

Моя стажировка в Microsoft Windows Azure началась ровно два года назад, сразу после колледжа, и проходила она в той же команде, с которой я проработал последние восемь месяцев.

Недавно мне в голову пришла мысль подвести определенный итог и рассказать о некоторых принципах, которым я научился за эти восемь месяцев. Читателю может показаться, что они делают работу не самой приятной — но нет, это не так. Я-то уже понял, что ровно те же самые проблемы есть во всех больших компаниях, и большая часть замеченного мною касается не только Microsoft — вдобавок, у каждой компании есть еще и свои собственные проблемы.

Не могу сказать, чтобы я был несчастлив, и не хочу ни на что жаловаться… но в колледже об этих вещах меня никто не предупреждал.

Итак, поехали.

Все плохо в родной стране, лишь за рубежом цветы цветут, налоги собираются, ученых не обижают, да высокие технологии продвигают. В Европе, куда мы все, разумеется, стремимся, были много лет тому назад приняты Рамочные программы (Framework Program), представляющие собой план совместных действий стран ЕС по развитию науки; последняя, седьмая, завершается в этом году, и на смену ей придет новая программа развития общеевропейской науки – Горизонты 2020. В программах прописываются цели и ориентиры, задаются приоритеты в научных исследованиях, определяются правила кооперации коллективов и пр. Это – показатель, что, куда и как.

Вступление

Эту статью я уже публиковал на другом ресурсе (autolynch.ru), но не могу не поделиться ею с сообществом Хабра. Когда я писал её, я выбрал такого автопроизводителя как Вольво и постарался собрать в одном посте по крупицам всю информацию о самых передовых технологиях, которые они придумали и будут внедрять в автомобили в ближайшие 10 лет.
К 2020 году ни один человек не погибнет в машине Вольво. Задумайтесь об этом на секунду. Даже для компании, которая ставит безопасность во главу угла, такой как Вольво, это практически невыполнимая задача. Но это то, к чему она стремится.

Весной 2012 г., Питер Тиль (Peter Thiel), один из основателей PayPal и первый инвестор FaceBook, провел курс в Стенфорде — «Стартап». Перед началом Тиль заявил: «Если я сделаю свою работу правильно, это будет последний предмет, который вам придется изучать».

Один из студентов лекции записывал и выложил транскипт. В данном хабратопике mg1 переводит девятнадцатое занятие, редактор astropilot.

Занятие 1: Вызов будущего
Занятие 2: Снова как в 1999?
Занятие 3: Системы ценностей
Занятие 4: Преимущество последнего хода
Занятие 5: Механика мафии
Занятие 6: Закон Тиля
Занятие 7: Следуйте за деньгами
Занятие 8: Презентация идеи (питч)
Занятие 9: Все готово, а придут ли они?
Занятие 10: После Web 2.0
Занятие 11: Секреты
Занятие 12: Война и мир
Занятие 13: Вы — не лотерейный билет
Занятие 14: Экология как мировоззрение
Занятие 15: Назад в будущее
Занятие 16: Разбираясь в себе
Занятие 17: Глубокие мысли
Занятие 18: Основатель — жертва или бог
Занятие 19: Стагнация или сингулярность?

Моя машина меня устраивает почти всем. Есть практически все, что нужно. В комплектации блютусный телефон, кнопочный климат-контроль, электростеклоподъемники на всех дверях, подогрев сидений, подогрев, регулировка и складывание зеркал, чип-ключ, CD-чейнджер на 6 дисков, но без MP3 и линейного входа. Вот этот прискорбный факт и привел меня к мысли начать собрать свой CarPC на базе андроида. Начал рассматривать варианты и покатился… появилось много идей.

Джереми Ховард — президент и «главный по науке» компании Kaggle, превратившей статистическое прогнозирование в спорт.

Peter Aldhous: Kaggle называет себя онлайн-биржей мозгов. Расскажите об этом.

Джереми Ховард: Это веб-сайт, на котором размещают конкурсы по статистическому прогнозированию. Мы провели много удивительных конкурсов. Например, разработка алгоритма оценки студенческих рефератов. Или вот недавно закончился конкурс на разработку системы обучения Microsoft Kinect жестам. Идея состояла в том, чтобы показать контроллеру жест один раз, а алгоритм должен обучиться распознавать такие жесты в будущем. Еще один конкурс — прогнозирование биологических свойств молекул при скрининге на возможные наркотические свойства.

Привет, Хабр!
Становится традицией публиковать отчёты команд после выступления на соревнованиях “Робокросс”.
В прошлом сезоне были отчёты команд НАМТ и MobRob, а сейчас, мне хотелось бы рассказать о работе нашей команды.

Я расскажу про то, как мы делали робота, и почему мы его сделали именно так. Надеюсь, это будет интересно участникам других команд, или просто увлекающимся подобной тематикой.

I. Предисловие.

Когда-то давно мне запал в память эпизод из киберпанковского романа: один герой показывает другому экран, на котором быстро сменяют друг друга пиксели. Каждое состояние экрана представлено определённым числом, программа постепенно перебирает варианты.

Можно представить, что рано или поздно на таком экране могли бы появиться разные удивительные вещи: страница из «Войны и мира», «Джоконда», первые такты «Лунной сонаты», гениальное решение известного уравнения, фотография любого человека, эта страница Хабра, сообщение о безвестном событии прошлого или подробное предсказание будущего.

С тех пор я периодически пытался сделать что-то по касательной, были какие-то мелкие поделки на Perl. А недавно захотелось сделать что-то подобное на JavaScript.

Октодеревом называют древовидную структуру данных, каждый узел которой имеет восемь потомков. Октодеревья применяются для пространственной индексации, обнаружения столкновений в трехмерном пространстве, определения скрытых поверхностей, в трассировке лучей и методе конечных элементов.

О графических форматах

Как известно существует большое количество разных типов файлов:

• Текстовые (TXT, ...)
• Программные (EXE, DLL, BAT, COM, ...)
• Архивы (ZIP, GZ, ARJ, RAR, ...)
• Графические (BMP, JPEG, PNG, GIF, ...)
• Видео (AVI, MPEG, MP4, MKV, ...)
• Звуковые (WAV, MP3, OGG, WMA, FLAC, APE, ...)
• И другие

Графические в свою очередь делятся на векторные (WMF, CDR, SVG, ...) и растровые (BMP, JPEG, PNG, TIFF, RAW, ...).

А вот растровые я бы поделил ещё на две группы: 

• Для хранения и обработки (RAW, BMP, HDR, TIFF, PSD, XCF и другие)
• Для публикации (JPEG, GIF, PNG и другие)

Форматы для хранения и обработки хранят информацию с большей точностью и достоверностью, чем форматы для публикации. Они занимают больший объём и, чаще всего, имеют более  простую структуру.

А вот форматы для публикации имеют своей целью показать какую-нибудь особенность при минимальном объёме. Например:

Здравствуйте. Частая фраза: «мой первый пост» :). В нем хочу вам рассказать о своем небольшом проекте по отслеживанию объекта по его цвету. Сейчас это имеет довольно широкую область применения, например те же джойстики от Wii и Playstation 3. Основой для работы послужила разработка Андрея Кириллова Aforge.NET – довольно мощная штука для самопальной обработки изображений.
Код не претендует на «истину в последней инстанции», многое было упрощено (в одном месте, в некотором смысле даже допущено дублирование – для быстрого доступа к пикселам я создал свой класс, хотя аналогичные наработки были и в Aforge). Но тем не менее, код работает, отслеживает объект, выдает информацию о местоположении, позволяет динамически вычислять оттенок объекта (на случай изменения освещения).

Для заинтересовавшихся — прошу под кат.

Многие из нас размышляли об установке камеры на летательный аппарат. Вот я и прошел этот путь. Углубившись в тонкости видеополетов от первого лица (FPV), делюсь полученными знаниями с теми, кто тоже хочет испытать новые ощущения.

Пост состоит из 2 частей. В первой — ответы на основные вопросы. Их легко найти в интернете по-отдельности, но сложно вместе: дальность полета (чем ограничивается и какая максимальная), качество картинки, грузоподъемность, стоимость и сроки (от выделения бюджета до первого полета).

Вторая часть (сейчас в процессе) — о сборе конкретной системы со всеми тонкостями, какие мне только удалось найти и испробовать. Что именно и где купить, как расположить на модели, зачем и что экранировать, где требуются ферритовые кольца, а где виброгасители.

Ну что же, перейдем сразу к делу.

В данном посте я хочу описать простую методику пиксельного искажения изображения на «чистом» javascript в 2D-Canvas без использования специальных библиотек и шейдеров, путём прямого доступа к пикселям изображения. Надеюсь, это будет интересно и полезно как для общего развития, так и для решения каких-то задач.

Привет всем еще раз! Я решил сразу попробовать выпустить две статьи, практически в одно время, чтобы не прерывать цепь повествования, т.к. начало данной статьи очень важно!
Итак, многие ждали примеры моей программы и объяснения ее работы с точки зрения написания кода. Я же рассказываю последовательно, чтобы каждый смог ее повторить у себя на компьютере. Обращайте внимание побольше на обильные комментарии в коде, в них сила! И не бойтесь мега-мелкого скролла, т.к. информации много. Передислоцируйтесь в место с хорошим интернетом, в статье много схем и фотографий!

Здравствуйте, уважаемые хабрачитатели и хабракритики. Этот пост я хотел бы посвятить такой актуальной на сегодняшний день теме, как обнаружение объектов на изображениях.
В качестве одного из алгоритмов такого обнаружения рассмотрим выбор порога быстрым и эффективным методом Оцу.

Технологию, которую я собираюсь Вам представить, я не встречал в найденных мной методах определения расстояния до объекта на изображении. Она не является ни универсальной, ни сложной, суть её заключается в том, что видимое поле (будем считать, что мы используем видеокамеру) калибруется линейкой и затем сопоставляется координата объекта на изображении с отметкой на линейке. То есть измерение ведётся по одной линии или оси. Но нам не нужно хранить отметку на линейке для каждого пикселя, алгоритму для калибровки нужно только знать размер линейки в пикселях и в метрах, а также координату пикселя, который является фактической серединой линейки. Очевидное ограничение — работает только на плоских поверхностях.

Кроме самого метода в статье рассмотрена его реализация на языке Python с использованием библиотеки OpenCV, а также рассмотрены особенности получения изображений с вебкамер в Linux, используя video4linux2 API.