В комментах уже сильно закидали топикстартера помидорами. Добавлю еще немного.
Стоило бы написать, на какую позицию вы ищите.
У вас вот пример хорошего резюме явно на джуна. Упоминания книг, курсов.
И еще непонятен источник резюме — вам их присылали, или вы их находили? Это совершенно разные ситуации!
Странный пост. Не понятно, причем тут программисты.
Инженер, спроектировавший западающую педаль газа — виновен, или нет?
Или все же те, кто разрабатывал ТЗ, принимал проект, ОТК?
Если в таких историях виновен исполнитель, то это просто означает очень большой бардак в R&D. И следовательно покупать продукты такой компании не следует в принципе.
Рекомендую делать библиотеку под уже существующую платформу, например под GATE или UIMA. В конечном итоге будете реализовывать то, что уже там есть.
Например, для практической обработки очень полезно сохранять оригинальный текст «как есть». А слова/токены/предложения представлять в виде интервалов(спанов) + данных.
Там еще замечательный alt: In the 60s, Marvin Minsky assigned a couple of undergrads to spend the summer programming a computer to use a camera to identify objects in a scene. He figured they'd have the problem solved by the end of the summer. Half a century later, we're still working on it
Кажется, про топ-10 профессий очень Вы чересчур оптимистичны. Ничего принципиально в рейтингах не увидел. Опять же, вопрос не в том, как называется профессия и связанный с этим ажиотаж, а что по сути.
Важно отличать, что произносится как иностранное слово, а что уже как русское. Все это имеет смысл, если говорящий хочет сказать именно английское слово. А все эти странные варианты — это процесс адаптации иностранных терминов. Далеко не все из них выживут, разумеется. Но вот «киии» вместо «кей» мне лично режет ухо. Так же как «налл» вместо «нулл». Хотя бы потому, что «нулл» гораздо ближе к «нуль» (нуль-модемный кабель, например), нежели, чем в «налл». Опять же у «нал» есть совершенно другое значение в русском языке, пусть и ненормированное.
Спасибо. О таких манипуляциях с классификаторами мало пишут, видимо, предполагается, что это очевидно. Тем не менее, вполне действенный способ для практики улучшить показатели. То же самое можно проделать и с SVM, например, когда цена ошибки велика.
Ну во-первых, мозг и искусственные нейронные сети — очень разные вещи. Когда говорят про нейронные сети, то обычно понимают сети прямого распространения, где сигнал передается от уровня к уровню. Но есть еще и другие типы сетей, например — рекуррентные, где сигнал может передаваться и на предыдущие уровни.
Во-вторых, научные статьи и промышленное применение — разные вещи. Всегда есть этап докручивания и допиливания до результата.
У компаний обычно очень маленький временной горизонт. А научные исследования зачастую приносят практические результаты только в перспективе.
Кроме того есть существенное различие между прикладными исследованиями R&D компаний и фундаментальными исследованиями в институтах и университетах.
Практическая ценность НКА -> ДКА (очень) быстро матчить простые регулярки например
Смутила вот эта фраза "Любой алгоритм можно представить в виде конечного автомата."
С помощью КА без памяти нельзя проверить правильность скобочной последовательности же.
Стоило бы написать, на какую позицию вы ищите.
У вас вот пример хорошего резюме явно на джуна. Упоминания книг, курсов.
И еще непонятен источник резюме — вам их присылали, или вы их находили? Это совершенно разные ситуации!
Инженер, спроектировавший западающую педаль газа — виновен, или нет?
Или все же те, кто разрабатывал ТЗ, принимал проект, ОТК?
Если в таких историях виновен исполнитель, то это просто означает очень большой бардак в R&D. И следовательно покупать продукты такой компании не следует в принципе.
Теперь видимо можно будет и JSON-bomb сделать :-)
Например, для практической обработки очень полезно сохранять оригинальный текст «как есть». А слова/токены/предложения представлять в виде интервалов(спанов) + данных.
Но вот пока все похоже вот на это:
Там еще замечательный alt: In the 60s, Marvin Minsky assigned a couple of undergrads to spend the summer programming a computer to use a camera to identify objects in a scene. He figured they'd have the problem solved by the end of the summer. Half a century later, we're still working on it
Во-вторых, научные статьи и промышленное применение — разные вещи. Всегда есть этап докручивания и допиливания до результата.
Кроме того есть существенное различие между прикладными исследованиями R&D компаний и фундаментальными исследованиями в институтах и университетах.