Действительно, задача в статье упрощенная, чтобы нагляднее показать подход. Идея как раз в том, чтобы на простом примере сразу увидеть результат плюс сильные и слабые стороны.
Если у вас есть пример реальной задачи (не очень большой, чтобы результаты были очевидными), буду только рад попробовать ее пропустить через тот же процесс. Есть шанс сразу поймать, где подход лажает- интересно.
Если скинете описание- сделаю и выложу результат в ответе. Думаю, многим будет полезно посмотреть, где ИИ прокалывается.
Да, я автор Project Calc, и это был не просто эксперимент ради эксперимента- мне было важно проверить, как ИИ работает вживую внутри системы. Но эта статья в первую очередь про то, как GPT справляется с задачей оценки проекта. Если кому-то интересен сам инструмент, есть контакты, но основная цель- поделиться опытом.
Я думаю, что если бы его такую работу попросил сделать кто-то из соседей, автор бы не стал говорить, что там делов на 10 минут. Он бы сказал, что надо сначала понять, что там с электричеством, подготовлено ли место, хватает ли шлангов и если ли у него все необходимые инструменты. Да и вообще, стоит ли за это браться (а вдруг потом протечет). Именно так отличается "интуитивная оценка" от системного подхода.
Верно подмечено! У Макконнелла, которого я упомянул в статье, есть определение конуса неопределенности. По сути это те самые умножители, только с привязкой к некой стадии проекта. Макконнелл говорит, что коэффициент ошибки при оценке проекта может достигать 4х, если, например речь идет о стадии, когда проект только формулируется. Соответственно, по мере дальнейшего уточнения проекта и движения к функциональным требования, технической спецификации, дизайну- коэффициент падает.
Можно использовать для этой задачи Google MediPipe, Pose landmark. Работает очень быстро, но нельзя обучать (насколько я знаю). Я использовал такой подход для выявления позы вейкбордистов, работает хорошо, но не любит, например, когда фигура человека частично перекрыта.
Все равно надо писать на Питоне: из полученного в качестве параметра числа он должен сделать программу на C, скомпилировать ее, запустить и вернуть результат.
Но глобально хотелось бы то же самое, но на микросервисах..
А можно ли как-то оценить, какое минимальное количество достигнутых результатов при заданной Альфе может быть рассмотрено как статистически значимое?
Например, у нас два лендинга A и B, на оба генерируются переходы по рекламе, переходы 50 на 50. Результат, это если посетитель нажал на кнопку на лендинге. Реклама пошла, через неделю есть 100 нажатий (в пропорции, скажем 60 на 40). Этот уже статистически значимый результат? Есть ли вообще способ оценить минимальный выход, необходимый для принятия решения, что A скорее всего работает лучше, чем B?
Ну смотрите, вы начинающий стоматолог и вам все сложно и все непонятно. Хотите, чтобы вам такой стоматолог лечил зубы по аджайлу?
Конечно, стоматология это не ИТ, но моя метафора показывает, что модель Кеневина не слишком подходит для оценки, так как, например, не оценивает риски и не учитывает последствия.
Каждый раз читаешь статью про квантовое шифрование. Каждый раз в статье приводятся железные аргументы, что взломать, не нарушив физику нельзя, что MITM атака невозможна. А потом "атака ярким светом", а потом оказывается, что для передачи на большие расстояния нужно много фотонов и повторители по дороге, а потом оказывается что для предотвращения MITM нужен еще один канал связи и так будет продолжаться, судя по всему, до бесконечности..
Не хватает "микрофона"- чтобы надиктовывать, так результат получится быстрее и будет интереснее
Вам не угодишь, очевидно. Но я вам тоже благодарен!
Действительно, задача в статье упрощенная, чтобы нагляднее показать подход. Идея как раз в том, чтобы на простом примере сразу увидеть результат плюс сильные и слабые стороны.
Если у вас есть пример реальной задачи (не очень большой, чтобы результаты были очевидными), буду только рад попробовать ее пропустить через тот же процесс. Есть шанс сразу поймать, где подход лажает- интересно.
Если скинете описание- сделаю и выложу результат в ответе. Думаю, многим будет полезно посмотреть, где ИИ прокалывается.
Да, я автор Project Calc, и это был не просто эксперимент ради эксперимента- мне было важно проверить, как ИИ работает вживую внутри системы. Но эта статья в первую очередь про то, как GPT справляется с задачей оценки проекта. Если кому-то интересен сам инструмент, есть контакты, но основная цель- поделиться опытом.
Я думаю, что если бы его такую работу попросил сделать кто-то из соседей, автор бы не стал говорить, что там делов на 10 минут. Он бы сказал, что надо сначала понять, что там с электричеством, подготовлено ли место, хватает ли шлангов и если ли у него все необходимые инструменты. Да и вообще, стоит ли за это браться (а вдруг потом протечет). Именно так отличается "интуитивная оценка" от системного подхода.
Верно подмечено! У Макконнелла, которого я упомянул в статье, есть определение конуса неопределенности. По сути это те самые умножители, только с привязкой к некой стадии проекта. Макконнелл говорит, что коэффициент ошибки при оценке проекта может достигать 4х, если, например речь идет о стадии, когда проект только формулируется. Соответственно, по мере дальнейшего уточнения проекта и движения к функциональным требования, технической спецификации, дизайну- коэффициент падает.
Да, совершенно согласен, сложностей и тонкостей значительно больше. И опять согласен, для хранения настроек точно не стоит заморачиваться.
А не является ли более правильным вариантом использовать indexDB? Есть версионность, разные приложения можно разнести по разным базам.
Можно использовать для этой задачи Google MediPipe, Pose landmark. Работает очень быстро, но нельзя обучать (насколько я знаю). Я использовал такой подход для выявления позы вейкбордистов, работает хорошо, но не любит, например, когда фигура человека частично перекрыта.
Все равно надо писать на Питоне: из полученного в качестве параметра числа он должен сделать программу на C, скомпилировать ее, запустить и вернуть результат.
Но глобально хотелось бы то же самое, но на микросервисах..
Еще есть densepose.org, не пытались сравнивать?
ChatGPT 3.5 пока справляется лучше. Например
Класс! Кто первый напишет почтовый ящик, работающий внутри письма?
Не отправляет в Россию
Спасибо!
Присоединяюсь к вопросу, поделитесь, если можно, где можно напечатать с таким качеством?
А можно ли как-то оценить, какое минимальное количество достигнутых результатов при заданной Альфе может быть рассмотрено как статистически значимое?
Например, у нас два лендинга A и B, на оба генерируются переходы по рекламе, переходы 50 на 50. Результат, это если посетитель нажал на кнопку на лендинге. Реклама пошла, через неделю есть 100 нажатий (в пропорции, скажем 60 на 40). Этот уже статистически значимый результат? Есть ли вообще способ оценить минимальный выход, необходимый для принятия решения, что A скорее всего работает лучше, чем B?
Ну смотрите, вы начинающий стоматолог и вам все сложно и все непонятно. Хотите, чтобы вам такой стоматолог лечил зубы по аджайлу?
Конечно, стоматология это не ИТ, но моя метафора показывает, что модель Кеневина не слишком подходит для оценки, так как, например, не оценивает риски и не учитывает последствия.
С обещаниями все не так, маркетинг на уровне цифровых цыган- обещают ту самую магию.
Каждый раз читаешь статью про квантовое шифрование. Каждый раз в статье приводятся железные аргументы, что взломать, не нарушив физику нельзя, что MITM атака невозможна. А потом "атака ярким светом", а потом оказывается, что для передачи на большие расстояния нужно много фотонов и повторители по дороге, а потом оказывается что для предотвращения MITM нужен еще один канал связи и так будет продолжаться, судя по всему, до бесконечности..