Начитавшись рекламных статей из цикла «умная дача», и испытав достаточно сильную фрустрацию от качества контента и «адекватности» предлагаемых технических решений, решил поделиться своим опытом автоматизации загородного дома.

Весна! Нет, не так – весна!!!! Пару раз день как минимум я смотрю при помощи камеры на то, что происходит у меня на участке, строю планы, прикидываю бюджет и расстраиваюсь. На следующий день все повторяется снова.

Подробный рассказ о том, как я свой дом и сад сделал умными. С фото, техническими деталями, стоимостями и выводами на будущее.

Год назад я уже поднимал тему лучших бесплатных инструментов для OSINT, которые используются в нашем департаменте расследований. Прошлый год был тяжелый, но интересный. Некоторые разработки перестали работать в России. Многие, напротив, были созданы в нашей стране. В этой статье мы рассмотрим всевозможные инструменты, каждый день находящие свое применение в нашей компании. Итак, поехали!

Прошлый 2022 год заставил много компаний пересмотреть свои предпочтения в выборе программного обеспечения. Все чаще встречаются кейсы, когда для работы 1С используется СУБД PostgreSQL, а вместо Windows Server используется Linux ОС.

Целью данной статьи является изучение в 2023 году производительности системы 1С в среде Hyper-V (ОС Windows Server 2019) во взаимодействии с сервером СУБД PostgreSQL Standart 13.9 (ОС Debian 11.5) от команды PostgresPro. В материале мы описываем исследование зависимости параметров конфигурационного файла, результаты замеров производительности при изменении данных параметров.

UPD: Добавили записи докладов и слайды

1С – это не просто язык программирования, это целая экосистема, которая позволяет автоматизировать бизнес-процессы любого уровня сложности. 

Всем привет!
Меня зовут Таня, я занимаюсь тестированием 1C-решений в Ozon. Мы используем 1С для автоматизации бухгалтерского и финансового учета, ведём процессы, связанные с управлением персоналом для всех юридических лиц группы компаний Ozon. И, куда без этого, справляемся с составлением и сдачей разной отчетности, согласно действующему законодательству.

В данной статье мы рассмотрим прямое распространение сигнала и обратное распространение ошибки в полносвязной нейронной сети. В результате получим весь набор формул, необходимых для её программной реализации. В завершении статьи приведён численный пример.

Надеемся, что статья будет интересной и полезной для всех, кто приступает к изучению глубинного обучения и нейронных сетей!

Магазины сети «Магнит» сегодня можно встретить почти в каждом городе. Но знаете ли вы, что скоро они станут умными?

Современные технологии проникают в продуктовый ритейл, позволяя экономить на ресурсах и обходить конкурентов в вопросе эффективного управления.

Вместе с интегратором Liten я посетил один из пилотных магазинов «Магнит», где рассмотрел новые системы автоматизации на контроллере Wiren Board и платформе SVAROG.

В статье я расскажу о технических решениях в пилотном магазине, которые можно перенести на любой другой объект продуктового ритейла или общественного питания.

По практиковал использование ChatGPT при решении юридических задач в процессе подготовки к судебному процессу. Пример реальный — взрыв бытового газа в многоэтажном доме.

Готовил и опубликовал материал на специализированном юридическом ресурсе, поэтому стиль работы достаточно сложен для восприятия, но надеюсь на конструктивную критику.

В условиях современности не составляет особенных проблем использовать готовую нейросеть для обучения ее на основе своих данных. В зависимости от типа модели, структуры и прочего можно получить различные прогнозные данные. Тут на первый план выходят задача обучения и тестирования модели.

Мы, коллектив из Московского Энергетического Института, написали эту заметку, для того чтобы сложный мир нейронных сетей стал для вас чуточку проще.

В этом посте рассмотрим в деталях, как непосредственно использовать гугл таблицы в качестве базы данных. Попробуем написать бота, который забирает вопросы квиза с вариантами ответов из гугл таблицы и записывает ответы назад.

Нейронку можно обучить не только понимать, где на картинке собака, а где кошка. Можно шагнуть дальше, чтобы обучить ее распознавать данные графиков зрачковых реакций на свет и выдавать результат: норма или отклонение.

Эта статья про сверточные нейронные сети, классификацию изображений с помощью моделей глубокого обучения, а также применение Google Colab для написания кода на Python.

Учим нейросеть играть в Шахматы, загрузив в нее датасеты уже сыгранных партий с известным результатом.

То есть никакого минимакса, деревьев и расчетов на несколько ходов вперед.
Идея в том, что если в нейросеть загрузить много партий, уже сыгранныx другими игроками, то нейросеть будет знать, как поступали другие игроки в соответствующих случаях и к какому результату это приводило. Нейросеть обобщит имеющийся опыт и будет делать ход на основе уже известного опыта и выявленных закономерностей, причем делать ход «мгновенно».

Привет, Хабр! Последний год снова не сделал нас здоровее. С приходом санкций, виделось, что все мы перейдем на березовый сок, забросим западный фитнес и перейдем на физкультуру, оставим Мак в пользу "МеждухлебЪя" со вкусом русской земли без ГМО и каких-либо вкусовых качеств. А может без внешнего давления сами подумывали, наконец, взяться за свое питание и сделать его лучше.

Прочитав несколько известных статей по сегментации спутниковых снимков земли, я решил попробовать создать и обучить свою модель нейросети для этой задачи. И конечно, в процессе возникало много вопросов, своими ответами на которые я решил поделиться в рамках этого туториала. Поделиться так подробно и просто, как это было бы понятно таким новичкам, как я.

Появилась потребность собирать статистику постов из группы в контакте и затем проанализировать реакции подписчиков на конкретные посты. Если переформулировать на выходе стоит задача с заданной периодичностью снимать показания статистики постов в вк и сохранять их.

Я не профессиональный программист и не претендую, поэтому решил сделать все довольно просто.

Когда то давно на просторах интернета читал статью о генерации по настоящему случайного пароля. Суть сводилась к тому что для реализации рандома нужно натурально бросать игральные кости. Отличная идея, для небольшого pet проекта и для того чтобы проникнуть в основы ML.

Попробуем научить компьютер бросать настоящие кости, находить их на изображении с веб камеры и понимать что на них выпало.

Каждый месяц выходит пачка потенциально полезных устройств для умного дома. Проблема в том, что часть функционала - лишь забавная игрушка, а не полезный на длинных дистанциях механизм. Понять, “зайдет” ли какая-то конкретная опция, выбирая очередную “игрушку”, не так просто. На одном из внутренних созвонов у нас заходила речь о том, кто что использует. И внезапно всплыла интересная практика от тех, кто по роду деятельности много времени проводит дома, следит за техническими новинками и успел пощупать разнообразные новинки. 

В этой статье я - редактор блога Максилекта - собрала опыт коллег и добавила немного от себя про прижившиеся сценарии, неочевидные плюсы/минусы и грабли, всплывшие по итогам использования нескольких “слоев” умного дома.

Я не ожидал, что получу даже не сообщения, а целое письмо в личку. Спасибо, мне приятно, — значит, я не зря завел блог. И мне кажется, что один пост нужно посвятить тому, чтобы ответить на вопросы, которые задают читатели. Я выбрал два вопроса. Один касается выбора видеокамеры. Второй — даже не один вопрос, а целое письмо. Оно написано c деталями, поэтому я приводить его целиком не стану, но основные моменты выделю. Сделаю это во многом потому, что автор письма — хороший пример дачника, который интуитивно хочет добавить ума своему поместью, но потребности его ограничены насущными проблемами. Думаю, что таких — большинство.

Итак, начну с письма.