Ни для кого не секрет, что программист — востребованная профессия по всему миру. Многие программисты не против получить оффер из-за рубежа, но для того, чтобы это стало реальностью, желательно не только быть первоклассным специалистом в своей области, но и знать, помимо английского языка, язык страны иммиграции. Одна из популярных у русскоязычного населения в сфере IT стран для иммиграции — Германия. Так что, язык №1 в цикле моих статей — немецкий. Для того, чтобы изучать язык, в современном мире развитого интернета существует множество различных бесплатных способов — особенно если речь идет о начальных уровнях, где не столь важно нарабатывать разговорную практику, сколько вообще — понимать структуру языка, его отличительные особенности и т.д. В данной статье будут предоставлены ссылки для бесплатного изучения немецкого языка онлайн в первый месяц обучения.

Вдохновленная названием сериала от Netflix “How to sell drugs online (fast)”, я решила написать данный пост, который повлечет за собой в дальнейшем серию постов о том, как учить иностранные языки онлайн и (!) быстро. Эти посты будут содержать в себе полезные ссылки на ресурсы и позволят, при поступательном чтении и выполнении всех рекомендаций и заданий, освоить язык с нуля до довольно приемлемого уровня, позволяющего общаться на иностранном языке, читать литературу, смотреть сериалы. А сейчас — несколько советов о том, как вообще учить языки.

Постановка задачи

Задача ставилась следующим образом: написать телеграм-бота, который распознавал бы вопросы о том, какая сегодня погода в том или ином городе и выдавал информацию о погоде.

DialogFlow

Для распознавания человеческой речи как нельзя лучше подходит фреймворк DialogFlow, уже имеющий встроенный в него ML. Давайте приступим к работе.

Библиотека ASE

Библиотека ASE — это python-библиотека для проведения атомных манипуляций и вычислений. В данной статье мы будем создавать наночастицы с помощью этой библиотеки.

Установка

Устанавливается ASE стандартно через pip: pip install ase.

Введение

Недавно был опубликован анонс новой YOLOv5, которая идейно дает гораздо лучший процент распознавания на датасете COCO, чем предыдущие версии. Автор решил испробовать новую модель на задаче распознавания марок автомобилей.

Данные

Перво-наперво нам необходимы данные. Датасет был собран вручную, путем фотографирования стоящих на стоянке автомобилей с видимым значком марки (для этого пришлось выйти из дому в 5 утра, дабы не пугать удивленных прохожих). Разметка данных производилась с помощью инструмента labelImg. Всего было размечено 118 фотографий автомобилей следующих марок: Lada, Kia, Nissan, Volkswagen, Chevrolet, Ford, Mitsubishi, Renault, Hyundai, Opel. Довольно оптимистичная цель — пытаться обучить нейросеть на таком небольшом наборе данных, — однако, только практика покажет!