В своих предыдущих статьях я рассказывал о том, как помочь парализованным людям общаться с внешним миром: сообщать о своих желаниях, писать письма, лазить по интернету, используя лишь свои глаза и устройство, отслеживающее направление взгляда (айтрекер). При этом физически человек всё равно остаётся ограничен миром компьютера и постели.

Здесь я расскажу о простейших (на мой взгляд) способах самому менять что-то во внешнем мире: включить свет или гирлянду на новогодней ёлке, поуправлять вездеходом на радиоуправлении, заставить моторизованную коляску двигаться в нужном направлении.

Флешмоб ALS Ice Bucket Challenge захватил весь мир за считанные дни и заслужил звание pr-акции года. Условия флешмоба: если вам бросили вызов, вы должны окатить себя ледяной водой из ведра, и заснять процесс на видео, а в конце передать эстафету нескольким друзьям. Если вы выполнили задание, сумма пожертвований на исследования заболевания БАС (боковой амиотрофический склероз) для вас — $10, если не решились — $100. На сегодня в нем уже приняли участие такие звезды мировой IT-индустрии, как Сергей Брин, Билл Гейтс, Марк Цукерберг, Тим Кук, Майкл Делл, Марисса Майер и многие-многие другие. Мы хотим поделиться мыслями Аарона Фридмана на тему того, почему именно эта кампания захватила мир, фактически став вирусом №1. Статья написана от первого лица. Ко мнению эксперта по маркетингу и SEO мы добавили несколько видео российских участников флешмоба. Наслаждайтесь!

Довольно часто нас спрашивают, почему мы не устраиваем соревнований дата-сайентистов. Дело в том, что по опыту мы знаем: решения в них совсем не применимы к prod. Да и нанимать тех, кто окажется на ведущих местах, не всегда имеет смысл.



Такие соревнования часто выигрывают с помощью так называемого китайского стекинга, когда комбинаторным способом берут все возможные алгоритмы и значения гиперпараметров, и полученные модели в несколько уровней используют сигнал друг от друга. Обычные спутники этих решений — сложность, нестабильность, трудность при отладке и поддержке, очень большая ресурсоёмкость при обучении и прогнозировании, необходимость внимательного надзора человека в каждом цикле повторного обучения моделей. Смысл делать это есть только на соревнованиях — ради десятитысячных в локальных метриках и позиций в турнирной таблице.