Современные технологии шагнули далеко вперед, и многие люди и хотели бы обучиться основам электроники, но считают такое обучение очень сложным, если вообще возможным, для непосвященного человека. С другой стороны, те же технологии позволяют создавать универсальные электронные наборы, с помощью которых можно собирать собственные умные устройства, с подключением к Сети, без знаний электрооники.

Проект Verve 2 от компании Inxus — это возможность получить знания по основам электроники, в процессе создания собственного умного устройства (это может быть система удаленного управления, система домашней безопасности и все прочее).

Представляю вашему вниманию очередной выпуск обзора наиболее интересных материалов, посвященных теме анализа данных и машинного обучения.

В 2012 году на Kickstarter появился проект с названием TinyDuino. Это мини-плата, совместимая Arduino, на основе которой можно создавать разного рода миниатюрные устройства. На запуск массового производства TinyDuino требовалось всего 10 тысяч долларов, но кампания в итоге собрала 109 тысяч долларов США.

Сейчас проект TinyDuino развивается, появились дополнительные модули, включая разного рода беспроводные чипы, сенсоры и т.п. Кроме того, этот же производитель на днях запустил еще одну кампанию по сбору средств на крохотный экранчик для своей миниатюрной платы. И проект набрал уже в два раза больше планируемого: 33 тысячи долларов вместо 15 тысяч. До конца сбора осталось 25 дней, так что кампания вполне успешна.

Но не будем отклоняться от темы: главное здесь не цена, а возможности комплекта TinyScreen + TinyDuino. По словам разработчика, дисплей за несколько секунд подключается к плате, после чего пользователь может создать собственные умные часы, очки, и прочие носимые устройства, по своему усмотрению.

Давно ли вы меняли свою работу? Если да, то возможно с вами или с вашими коллегами случалась такая ситуация — при переходе из одной компании в другую вы начинаете видеть те же самые проблемы, и пытаетесь, основываясь на предыдущем опыте, принимать решения, но в этом случае это только усугубляло ситуацию. Мало того, вы начинаете искать причины в том, что люди недостаточно хорошо работают и все получится, просто нужно подождать или еще что-нибудь. Короче, несмотря на всё окружение и сигналы свято верите, что вы правы. Ведь это кажется контр-логично – не доверять своему опыту. Это называется «Ловушка Эксперта» — вы становитесь заложником своего опыта, вам кажется что все просто и вы принимаете неподходящие решения, порой приводящие к глубокому кризису в управлении.

Например: была у меня такая история со знакомым. Он успешный проектный менеджер, который с успехом сделал несколько проектов, используя Scrum. Все было отлично — масштабирование работало отлично, заказчик был доволен, качество на высоте, команды на подъеме, релиз, планы и velocity стабильны и предсказуемы, в общем, все отлично. И тут его приглашают в другую крупную российскую компанию, и он видит там бардак, и первая его реакция – «так, Всем Scrum!»
А ситуация, конечно, по уровню беспорядка не сильно отличается от предыдущей, если только масштабом, а вот по специфике работы и взаимодействию людей – отличается, и результаты «Всем Scrumовской» политики, конечно, помогают, но не долго. Дальше начинается вой «Scrum ваш не работает» – и нашего, до недавнего времени, успешного менеджера уже намереваются уволить.

Что делать?

Выходит так, что мы должны уметь принимать решение и понимать, когда наш опыт это плюс и его стоит использовать, а бывает что минус и это только мешает нам принять подходящее контексту решение.
Именно по этому я хочу вам рассказать про фреймворк Cynefin/«Кеневин». Это один из основных методов компании Cognitive Edge, который позволяет руководителям взглянуть на вещи с новых точек зрения, усвоить сложные понятия, и решать реальные проблемы. Использование фреймворка «Кеневин» может помочь руководителям ощутить, в какой ситуации они находятся, так что они могут не только принять лучшие решения, но и избежать проблем, которые возникают, когда их стандартный стиль управления заставляет делать ошибки.

Проще говоря, Кеневин и Sensemaking (еще оно модное слово :)) вообще – нещадно разбивают все концепции General Management'a, которые преподаются на всеми любимых MBA программах или других курсах классического менеджмента. Хотите, чтобы ваша компания имела Бизнес Гибкость не только на уровне команды или IT-подразделения, а развивалась как Сложная Адаптивная Система, устойчивая к разному роду неопределенности? А неопределенности сейчас предостаточно на всех уровнях управления.

Прошло некоторое время с тех пор, как я писал про Центрифугу в предыдущий раз. Произошло множество изменений за этот период. Многое из того, что было описано в ранних статьях (1, 2) кануло в лету, но суть и идея проекта остались прежними — это сервер рассылки real-time сообщений пользователям, подключенным из веб-браузера. Когда на вашем сайте возникает событие, о котором вам нужно моментально сообщить некоторым вашим пользователям, вы постите это событие в Центрифугу, а она, в свою очередь, отправляет его всем заинтересованным пользователям, подписанным на нужный канал. В самом простом виде это показано на схеме:



Проект написан на Python с использованием асинхронного веб-сервера Tornado. Использовать можно даже если бекенд вашего сайта написан не на Python. Хотелось бы рассказать о том, что Центрифуга представляет собой на данный момент.

Привет, Хабр. Мы стали спонсорами RailsClub 2014 и хотели бы рассказать о нашем проекте по автоматизации ручного тестирования Teatro.io.

Иногда так бывает: задачу можно решить чуть ли не арифметически, а на ум прежде всего приходят всякие интегралы Лебега и функции Бесселя. Вот начинаешь обучать нейронную сеть, потом добавляешь еще парочку скрытых слоев, экспериментируешь с количеством нейронов, функциями активации, потом вспоминаешь о SVM и Random Forest и начинаешь все сначала. И все же, несмотря на прямо таки изобилие занимательных статистических методов обучения, линейная регрессия остается одним из популярных инструментов. И для этого есть свои предпосылки, не последнее месте среди которых занимает интуитивность в интерпретации модели.

Введение

Наша команда занимается автоматизацией нескольких заводов и, понятное дело, новые станки и информационные системы сильно влияют на работу людей и их взаимодействие. В этой статье я решил разобраться в основных методологиях управления производством на заводах. Обзор методологий сделан с акцентом на концепции, с которыми мне доводилось иметь дело лично.

В XX веке доминировала методология управления производством получившая название «Фордизм», по имени своего основоположника Генри Форда. Фордизм — модель массового производства стандартизированных товаров на сборочных конвейерах с использованием низкоквалифицированных работников, занятых простыми операциями и объединенных на крупных фабриках. Такое производство обладает «эффектом масштаба» и отличается низкой себестоимостью единицы продукции, доступной массовому потребителю. Один из основных постулатов фордизма: «Производить большие партии изделий выгоднее, чем мелкие», прочно укоренился в головах управленцев XX века.

На мой взгляд, сейчас пришло время, когда выпускать большие партии изделий могут только гиганты, а основная масса мелких и средних заводов должна быть гибкой, производя небольшие партии изделий под запросы своих клиентов.

Рождение новых методологий

Со второй половины XX века (после второй мировой войны) предпринималось множество попыток модифицировать фордистскую модель. В частности на заводах «Тойота» в 50х годах стали ставить эксперименты, адаптируя американские концепции массового производства к реалиям послевоенной промышленности Японии. Тогда была переделана система крепления прессового инструмента, чтобы сделать его замену более быстрой. Потом были и другие новаторские решения и открытия, со временем сложившиеся в новую методологию — Lean Manufacturing (LM) – Бережливое производство.

В 80х и 90х появился целый зоопарк методологий и парадигм по управлению производством, среди которых подробнее остановлюсь на двух: Quick Response Manufacturing (QRM) – Быстрореагирующее производство и Agile Manufacturing (AM) – Активное производство. Современные, более гибкие по сравнению с фордизмом методологии, часто объединяют термином «постфордизм».

Важнейшие различия между фордизмом и постфордизмом заключаются в том, что фордизм основан на продукте и больших объёмах производства, новые методологии ориентированы на клиента и возможность выпуска небольших партий за счет гибкой переналадки оборудования.

В постфордизме рабочая сила выступает носителем компетенции и источником развития, работает командой, в отличие от фордизма, где люди нанимаются на отдельные места. В фордизме допускается определенный уровень брака, тогда как новые концепции предполагают абсолютное качество. И ради его достижения инновации могут вносить не только специалисты, но и все рабочие производства.

Ниже приведена таблица основных отличий фордисткой и постфордисткой концепций промышленного производства [1].

Признак	Фордизм	Постфордизм
Базисная ориентация	Продукт	Клиент
Снижение стоимости единицы продукции	За счет объёмов	За счет быстрой переналадки оборудования
Работник	Рабочая сила (Узкие, малоквалифицированные рабочие)	Носитель компетенций (вектор развития, многофункциональные специалисты)
Организационная форма	Отдельные рабочие места	Командная работа
Отношение к браку	Допустимый уровень	Абсолютное качество
Инновации осуществляются	Специалистами	Всем персоналом

Сейчас подробнее о каждой из рассматриваемых новых методологий

Мы любим изучать города и особенности жизни в них. Обнаруживать проблемы городских жителей и предлагать решения в продуктах 2ГИС. Например, чтобы люди быстрее находили компании, мы подготовили данные о входах в миллион компаний страны.

Решая одну проблему, мы обнаружили другую. Да, теперь 2ГИС приводит пользователей прямо к двери, но что если организация или банкомат находятся внутри большого здания?



По сути, мы бросили человека с его проблемой, так и не показав, где именно находится объект его поиска. Нужно было срочно искать решение.

Так появилась идея, которую мы назвали «Этажи».

Помимо истории новой возможности в 2ГИС хочется поделиться нашим подходом к её созданию, рассказать об участниках и особенностях процесса создания. Поэтому познакомьтесь с ролями, которые будут появляться на каждой ступеньке формулирования продукта.

Короче, решил я замутить свой стартап.

Стартап — это когда ты много работаешь, а тебе даже денег не платят. Хе хе. Знакомо? Тогда послушайте мою историю.

Год назад я работал руководителем направления CRM систем в компании Мегаплан. Не знаю у кого как, а мой ритм жизни в Москве был простым. Днем работа, вечером работа для удовольствия. Работой для удовольствия было изучение сначала Windows Phone, потом Xamarin и системы iOS. Ну не пиво же пить, в самом деле.

Так как программировать абы что было не интересно, я решил сделать что-нибудь что бы помогало в моем втором хобби

Робот гексапод — это платформа, использующая для передвижения шесть ног. После просмотра множества видео в интернете, стало ясно, что очень интересно наблюдать за передвижением подобных роботов. И тут возникло желание сделать что-то похожее, но с одноплатным компьютером BeagleBone Black (далее BBB) на борту, потому что подобных проектов еще не было. Информацию о таких роботах было найти непросто, особенно, что касается программной составляющей. Некоторое время было непонятно с чего начинать, но вскоре было решено начать с изготовления конструктива робота — шасси и электронной составляющей, а затем заняться программированием того, что получилось.

Приветствую всех, уважаемые харбажители!
В данном посте речь идет о том, как подружить карты яндекса и javascript framework angular.js для их совместной работы. Можно, конечно, использовать и google map, но для стран СНГ их качество оставляет желать лучшего.
Немного погуглив, и не найдя готового решения, пришлось писать свое. Кому интересно, добро пожаловать под кат.

Так называется пост на гигаоме, который рассказывает о том, что скоро всё может сильно измениться.

Вкратце:
Команда учёных в Стенфорде создала новую плату, прозванную NeuroGrid, которая содержит 16 вычислительных ядер, способных эмулировать более миллиона нейронов и миллиарда синапсов. Они предполагают, что массовый выпуск таких устройств возможен при расходах около $400 за каждый юнит, что делает весьма привлекательным их применение во всевозможных устройствах, начиная с роботов, заканчивая искусственными конечностями, чтобы значительно повысить их вычислительные мощности, сократив при этом энергопотребление.

Салют, Хабр!

По статистике, новый таск-трекер появляется раз в 2 недели. «Но мой умеет варить капучино!» — скажет вам разработчик. — «А другие трекеры делают чай такого же качества, как у проводницы поезда „Москва-Геленджик“, либо заваривают только Копи Лювак». Значит, если бы можно было перепилить краник, чтобы из него лилось капучино, вы бы не стали писать новый таск-трекер? «Ну конечно! Просто капучино — мой любимый напиток»…

О том, что общего между кофеварками и Оптимусом Праймом, зачем нам программируемый таск-трекер и как перепиливать краник — читайте под катом.

.

Хочу рассказать вам про то как имея в интернете свой VPS-сервер можно поднять туннель в домашнюю сеть. И не платить при этом за статический IP провайдеру, и даже находясь за NAT, все равно сделать доступными в интернете свои домашние сервисы.

В прошлом посте (tl;dr метод поиска сотрудников через конкурсы с денежными призами в интернете, а не по классической схеме «резюме, отдел кадров, работа») с первого комментария началось обсуждение рентабельности подхода, а именно – не слишком ли дорого такие поиски работников обойдутся. Постараюсь ответить на этот вопрос, ну и вообще рассказать, что получилось.

Напомню вкратце общие положения:

• Всем желающим предложена задача на языке Си;
• Программист, приславший хорошее решение с первого раза, получает $500, без каких-либо обязательств;
• Со второго и более раза – $250;
• Трудоустройство (в т.ч. удаленная работа) предлагается при наличии взаимной симпатии;
• Никаких резюме, «холодных» рассылок через LinkedIn и т.п. фигни.

Одной из главных болевых точек большинства интернет-магазинов является склад. Содержать его – дело довольно затратное, но даже если склад у вас есть, правильно организовать его работу крайне нелегко. Мы в Аудиомании сами столкнулись со многими сложностями складской логистики и выработали ряд подходов, которые позволяют эффективно решать наиболее часто встречающиеся складские проблемы.

Пересказ с www.technologyreview.com/featuredstory/513736/supergrids. MIT опубликовал список самых прорывных технологий за 2013 год.

В докладе рассказывается о том, как мы извлекаем сущности (например, имена людей и географические названия) из текстов и запросов. А также об извлечении фактов, т.е. связей между объектами. Мы рассмотрим несколько подходов к решению этих задач: формулирование правил, составление словарей всевозможных объектов, машинное обучение.

Лекция рассчитана на старшеклассников — студентов Малого ШАДа, но и взрослые смогут с ее помощью восполнить некоторые пробелы.

http://video.yandex.ru/users/e1coyot/view/4/

Многим уже надоело лазить по куче сайтов и скачивать js библиотеки и плагины. Да и таскать когда-то скачанные, но уже давно протухшие версии не очень круто. Эти проблемы решает bower.

Но с ним тоже многое нужно делать вручную: следить за components каждого проекта, руками дёргать bower install. После pip с requirements.txt это делать даже как-то лень.

Поэтому представляю вам django-bower, который берёт на себя установку и обновление bower пакетов по списку из settings и прозрачную работу с staticfiles.