Почему? Вполне оправданное с точки зрения бизнеса решение. Сайт написан, проблемы с масштабируемостью решены, зачем им на данном этапе разработчики?
Сила реддита в аудитории, но она уже привлечена, проблема курицы и яйца успешно побеждена, конкурентов не предвидится, можно начать экономить. Экономика должна быть экономной, a dollar saved is a dollar earned.
Негативные последствия этого решения станут заметны через год-другой, ну так начальник к тому времени успеет получить свой бонус и свинтить эффективно управлять каким-нибудь другим бизнесом.
Их начальник говорит, что ему так ментор сказал. Что не все разработчики умеют собой самостоятельно управлять: «Sometimes it's based on whether an employee can effectively self-manage — some can, some don't ».
Дело тут даже не в том, сколько они потеряют, а в том, кто останется.
Те, кому есть куда уйти — уйдёт, а переедут только те, кому некуда больше податься. Начальник будет им заглядывать через плечо и вообще умело руководить.
Одно дело outsource, другое дело remote work/flextime. Удалённая работа продолжает набирать популярность даже в заскорузлых корпорациях. Не в последнюю очередь по соображениям COB (continuity of business). Когда ураганы были и пожары всякие, компании с налаженной удалённой работой меньше пострадали.
> Работодатели, ищущие специалиста в области данных, должны в первую очередь обращать внимание на математические специальности.
Это не так. Знание математики полезно, но не достаточно, и даже не является главным фактором успеха. Большинство современных алгоритмов численные, приблизительные, с использованием случайных выборок. Математика в чистом виде в их применении мало помогает.
Если человек всё знает про поля Галуа и функциональный анализ, но не знает, зачем нужен индекс в базе данных или что такое git, то работать по этой специальности ему будет сложно.
Чем дальше копаться в этой области, тем больше видно взаимосвязей. RandomForest случайным образом выбрасывает независимые переменные при обучении каждого дерева, dropout случайным образом выключает нейроны при обучении сети.
В качестве контрпримера приведу Netflix Prize. Товарищи потратили уйму денег и не один год, победители сделали ансамбль из сотни индивидуально подогнанных моделей, и из этого всего перформанса Netflix сейчас использует только пару компонентов и то не в полную силу. Потому что оказывается, что уменьшение среднеквадратичного отклонения на 0.01% позволяет выиграть конкурс, но пользователям на это наплевать. Им важнее знать, почему рекомендован вот этот фильм. Чёрный ящик ответа на этот простой вопрос не даёт.
Та ж фигня происходит в финансовой сфере. Каждый год прибегает новый стартап и пытается продать свою революционную модель. Big data, Hadoop, все трёхбуквенные сокращения, зашибись как работает на обучающей выборке. Почему — не знаем, чёрный ящик. Через год оно работать перестаёт, почему — тоже никто не знает. Чёрный ящик же. Причём часто перестаёт работать быстро и с катастрофическими последствиями. Которые никто не ожидал — чёрный ящик же, ничего внутри не видно, как там риски считать.
Там не один общий тренд, а два с противоположными знаками. Температура растёт, количество пиратов уменьшается. Соответственно корреляция отрицательная.
Зависит от мощности и частоты. Идея не нова, электромагнитное излучение уже используется в военных целях, ключевое слово для поиска — Active Denial System. При достаточной мощности можно сварить белок в глазу в катаракту.
Обычные движки без электроники не глушатся, но таких осталось мало. Дизель или не дизель — не важно. В старых системах зажигания бензиновых двигателей нет полупроводников, а накачать столько энергии, чтоб сжечь катушки и провода можно разве что ядерным взрывом.
Во всех современных двигателях управление электронное, поэтому подвержено воздействию снаружи. Но требуется приличная напряжённость поля, потому что металлический корпус работает клеткой Фарадея.
Энергия пропорциональна произведению тока и напряжения. Если при неизменном токе напряжение уменьшить, энергия тоже уменьшится (а КПД, соответственно, возрастёт).
Скорее наоборот, такого рода оптимизация имеет смысл разве что в ядре операционной системы или в компиляторе (которые всё равно пишутся или по крайней мере подгоняются под конкретный процессор).
А в прикладных программах эти трюки попадают под определение premature optimization.
А потом кто-то изобретёт 128-битный процессор. На нём этот код будет продолжать компилироваться без ошибок и предупреждений, но работать не всегда правильно. Как код от Ариан-4 на Ариан-5.
А приведённый автором код из книжки Кернигана и Ричи будет продолжать работать без изменений на любом процессоре, от PDP-11 до самых современных. Вне зависимости от набора инструкций. И скорость выполнения у него та же O(1).
Сила реддита в аудитории, но она уже привлечена, проблема курицы и яйца успешно побеждена, конкурентов не предвидится, можно начать экономить. Экономика должна быть экономной, a dollar saved is a dollar earned.
Негативные последствия этого решения станут заметны через год-другой, ну так начальник к тому времени успеет получить свой бонус и свинтить эффективно управлять каким-нибудь другим бизнесом.
Их начальник говорит, что ему так ментор сказал. Что не все разработчики умеют собой самостоятельно управлять: «Sometimes it's based on whether an employee can effectively self-manage — some can, some don't ».
Те, кому есть куда уйти — уйдёт, а переедут только те, кому некуда больше податься. Начальник будет им заглядывать через плечо и вообще умело руководить.
Это не так. Знание математики полезно, но не достаточно, и даже не является главным фактором успеха. Большинство современных алгоритмов численные, приблизительные, с использованием случайных выборок. Математика в чистом виде в их применении мало помогает.
Если человек всё знает про поля Галуа и функциональный анализ, но не знает, зачем нужен индекс в базе данных или что такое git, то работать по этой специальности ему будет сложно.
В качестве контрпримера приведу Netflix Prize. Товарищи потратили уйму денег и не один год, победители сделали ансамбль из сотни индивидуально подогнанных моделей, и из этого всего перформанса Netflix сейчас использует только пару компонентов и то не в полную силу. Потому что оказывается, что уменьшение среднеквадратичного отклонения на 0.01% позволяет выиграть конкурс, но пользователям на это наплевать. Им важнее знать, почему рекомендован вот этот фильм. Чёрный ящик ответа на этот простой вопрос не даёт.
Та ж фигня происходит в финансовой сфере. Каждый год прибегает новый стартап и пытается продать свою революционную модель. Big data, Hadoop, все трёхбуквенные сокращения, зашибись как работает на обучающей выборке. Почему — не знаем, чёрный ящик. Через год оно работать перестаёт, почему — тоже никто не знает. Чёрный ящик же. Причём часто перестаёт работать быстро и с катастрофическими последствиями. Которые никто не ожидал — чёрный ящик же, ничего внутри не видно, как там риски считать.
Во всех современных двигателях управление электронное, поэтому подвержено воздействию снаружи. Но требуется приличная напряжённость поля, потому что металлический корпус работает клеткой Фарадея.
Насколько я понял смысл в том, чтобы заряжать топливные элементы от сети (как аккумуляторы) вместо того, чтобы их выбрасывать (как обычные батарейки).
while (n) {
++count;
n &= (n-1);
}
Прямо из Кернигана и Ричи. Процессоров с переменной разрядностью я пока не встречал, так что это константа.
А в прикладных программах эти трюки попадают под определение premature optimization.
А приведённый автором код из книжки Кернигана и Ричи будет продолжать работать без изменений на любом процессоре, от PDP-11 до самых современных. Вне зависимости от набора инструкций. И скорость выполнения у него та же O(1).
Это верно только в том смысле, что у велосипеда бесконечного веса камера сплющится полностью и обод коснётся земли.