Даже на "Хабр Карьера" сейчас есть вакансии, в которых требуется знание только JavaScript без TypeScript. При этом всё больше работодателей указывают "JavaScript/TypeSсript".
Так многие делают при написании простых приложений. Если нет задачи писать на чистом С++ ради максимальной производительности, это действительно удобно. Всё меняется, если приходится заниматься системами с высокой нагрузкой и большим количеством параллельных процессов. Там Qt уже не прокатит из-за копирования при записи и непредсказуемого поведения программы.
Эти 4 стрелочки соответствуют приросту всего в 0,6%, а общий тренд (примерно с 2015 года, когда он последний раз был в TOP 3) - постепенное снижение доли.
Об этом тоже написано в статье. Вы не задумывались, кто пишет и проверяет эти скрипты? Достаточно ли однажды настроенной автоматической проверки, если меняются данные и методы их анализа, процессы в самой компании?
Да, статья как раз о том, что проблема машинного забывания глубже, чем простое удаление записи из базы данных. Она требует сложной и точной работы со скрытым пространством (latent space) модели. Без неё возникает иллюзия забывания. При следующем сканировании лица кодер генерирует такой же вектор, он ложится в тот же кластер и система снова распознает человека.
Если "занулять" вектора от изображений забытых идентичностей, то это дестабилизирует пространство представлений и "сломает" модель. При этом даже если от одной идентичности мы "занулили" все вектора, в ретривале эти вектора будет очень легко друг с другом сматчить, поэтому "зануление" не решает проблему.
Если не ошибаюсь, методология распознавания лиц была разработана ещё в 1960-х годах благодаря исследованиям профессора Вудро Уилсона Бледсоу. Автоматизировали её Лоуренс Сирович и Майкл Кирби в 1987 году. С тех пор технология используется во всём мире. Естественно, что наряду с удобствами она приносит и риски. Это как "мирный атом" и его военный антипод. Всё зависит от людей.
Концепция циклов тоже развивается: от императивных к декларативным, от простых циклов со счётчиками к итерационным циклам по коллекциям. В современных ЯП циклы стали безопаснее за счёт автоматического управления ресурсами. Появились асинхронные циклы (или как они правильно называются?) для работы с асинхронными потоками данных. На мой взгляд, циклы — вполне эффективная конструкция, и не стоит отказываться от них по идеологическим соображениям.
Думаю, что ФП не выглядит мейнстримом потому, что чаще всего оказывается под капотом бэкенда, который не видит обычный пользователь. Например, в X (Twitter) ради устойчивости к нагрузкам часть кода переписали с Ruby на Scala. Серверная часть WhatsApp написана на функциональном языке Erlang. Многие компании сейчас используют Apache Spark — фреймворк на Scala. Если для написания пользовательских приложений ФП может быть избыточным вариантом, то для критической инфраструктуры и в мире высоконагруженных систем он рулит.
Обучение нейронных сетей выделено как одна из сильных сторон JAX. Он позволяет вычислять градиенты для произвольных функций с высокой точностью и эффективностью. Это особенно важно для нестандартных архитектур нейронных сетей. В отличие от PyTorch или TensorFlow, JAX использует функциональный подход. В нём данные неизменяемы, а операции выражаются через чистые функции. Это снижает вероятность ошибок, которые иногда возникают в PyTorch при работе с динамическими графами, упрощает отладку и делает код более предсказуемым. Также JAX поддерживает библиотеки Flax и Haiku, которые упрощают построение и обучение нейросетей. За счёт них в экосистеме JAX можно создавать сложные модели, сохраняя при этом контроль над низкоуровневыми операциями, чего иногда не хватает в более высокоуровневых фреймворках.
Врачи разные бывают. Посмотрите мета-анализ «The association between screen time exposure and myopia in children and adolescents: a meta-analysis» (BMC Public Health, 2024). Он показывает статистически значимую связь между долгим экранным временем (более 2 часов в день) и повышенным риском миопии как у детей, так и подростков.
Есть систематический обзор «Digital Screen Time and Myopia: A Systematic Review and Dose-Response Meta-Analysis» (JAMA Network Open, 2025) с изучением зависимости развития миопии от времени, проведённого перед экраном. Обзор показывает, что потенциально безопасный порог составляет 1 час в день. При его превышении риск миопии значительно возрастает.
Опять коммент нейронкой написали? Вряд ли разумный человек станет жаловаться на то, что в аналитической статье не описали кейсы интеграции с БД. Человек видит разницу форматов.
Метод новый безо всяких кавычек. Подробнее с ним можно ознакомиться в этой работе https://arxiv.org/abs/2502.02229. Веб-камеру тоже не автор изобрёл, ваш сарказм неуместен.
В статье 2018 г., на которую вы ссылаетесь, достигнут очень скромный результат — уменьшение ошибки примерно на 5% по сравнению с другими работами, что очень мало. У нас ошибка уменьшалась в разы. Новизна не только и не столько в CIELAB, сколько в алгоритмах обработки. Они наши, оригинальные, и обеспечивают лучший на сегодня результат. Во всяком случае — лучший из тех, что мы встречали в научной литературе.
Дело не в самом Delphi, он взят как пример необычной динамики в рейтинге ЯП. Статья про методологию, разные способы оценки популярности языков программирования.
Даже на "Хабр Карьера" сейчас есть вакансии, в которых требуется знание только JavaScript без TypeScript. При этом всё больше работодателей указывают "JavaScript/TypeSсript".
Так многие делают при написании простых приложений. Если нет задачи писать на чистом С++ ради максимальной производительности, это действительно удобно. Всё меняется, если приходится заниматься системами с высокой нагрузкой и большим количеством параллельных процессов. Там Qt уже не прокатит из-за копирования при записи и непредсказуемого поведения программы.
Для полноты по Тьюрингу в языке должны поддерживаться циклы или рекурсия. На CSS можно выполнять некоторые вычисления, но не любые.
Эти 4 стрелочки соответствуют приросту всего в 0,6%, а общий тренд (примерно с 2015 года, когда он последний раз был в TOP 3) - постепенное снижение доли.
Когда "всегда"? С++ изначально задумывался как "Си с классами", а первые компиляторы С++ вообще транслировали код в Си.
Да, это своего рода система самоцитирования с положительной обратной связью. Статистика "отравлена", и с каждым разом рейтинги искажаются всё сильнее.
Об этом тоже написано в статье. Вы не задумывались, кто пишет и проверяет эти скрипты? Достаточно ли однажды настроенной автоматической проверки, если меняются данные и методы их анализа, процессы в самой компании?
Да, статья как раз о том, что проблема машинного забывания глубже, чем простое удаление записи из базы данных. Она требует сложной и точной работы со скрытым пространством (latent space) модели. Без неё возникает иллюзия забывания. При следующем сканировании лица кодер генерирует такой же вектор, он ложится в тот же кластер и система снова распознает человека.
Если "занулять" вектора от изображений забытых идентичностей, то это дестабилизирует пространство представлений и "сломает" модель. При этом даже если от одной идентичности мы "занулили" все вектора, в ретривале эти вектора будет очень легко друг с другом сматчить, поэтому "зануление" не решает проблему.
Если не ошибаюсь, методология распознавания лиц была разработана ещё в 1960-х годах благодаря исследованиям профессора Вудро Уилсона Бледсоу. Автоматизировали её Лоуренс Сирович и Майкл Кирби в 1987 году. С тех пор технология используется во всём мире. Естественно, что наряду с удобствами она приносит и риски. Это как "мирный атом" и его военный антипод. Всё зависит от людей.
Концепция циклов тоже развивается: от императивных к декларативным, от простых циклов со счётчиками к итерационным циклам по коллекциям. В современных ЯП циклы стали безопаснее за счёт автоматического управления ресурсами. Появились асинхронные циклы (или как они правильно называются?) для работы с асинхронными потоками данных. На мой взгляд, циклы — вполне эффективная конструкция, и не стоит отказываться от них по идеологическим соображениям.
Думаю, что ФП не выглядит мейнстримом потому, что чаще всего оказывается под капотом бэкенда, который не видит обычный пользователь. Например, в X (Twitter) ради устойчивости к нагрузкам часть кода переписали с Ruby на Scala. Серверная часть WhatsApp написана на функциональном языке Erlang. Многие компании сейчас используют Apache Spark — фреймворк на Scala. Если для написания пользовательских приложений ФП может быть избыточным вариантом, то для критической инфраструктуры и в мире высоконагруженных систем он рулит.
Сравнение с ИИ уже звучит как комплимент. Люди стремительно утрачивают способность анализировать прочитанное и даже формулировать вопросы.
Обучение нейронных сетей выделено как одна из сильных сторон JAX. Он позволяет вычислять градиенты для произвольных функций с высокой точностью и эффективностью. Это особенно важно для нестандартных архитектур нейронных сетей. В отличие от PyTorch или TensorFlow, JAX использует функциональный подход. В нём данные неизменяемы, а операции выражаются через чистые функции. Это снижает вероятность ошибок, которые иногда возникают в PyTorch при работе с динамическими графами, упрощает отладку и делает код более предсказуемым. Также JAX поддерживает библиотеки Flax и Haiku, которые упрощают построение и обучение нейросетей. За счёт них в экосистеме JAX можно создавать сложные модели, сохраняя при этом контроль над низкоуровневыми операциями, чего иногда не хватает в более высокоуровневых фреймворках.
Врачи разные бывают. Посмотрите мета-анализ «The association between screen time exposure and myopia in children and adolescents: a meta-analysis» (BMC Public Health, 2024). Он показывает статистически значимую связь между долгим экранным временем (более 2 часов в день) и повышенным риском миопии как у детей, так и подростков.
Есть систематический обзор «Digital Screen Time and Myopia: A Systematic Review and Dose-Response Meta-Analysis» (JAMA Network Open, 2025) с изучением зависимости развития миопии от времени, проведённого перед экраном. Обзор показывает, что потенциально безопасный порог составляет 1 час в день. При его превышении риск миопии значительно возрастает.
Опять коммент нейронкой написали? Вряд ли разумный человек станет жаловаться на то, что в аналитической статье не описали кейсы интеграции с БД. Человек видит разницу форматов.
Метод новый безо всяких кавычек. Подробнее с ним можно ознакомиться в этой работе https://arxiv.org/abs/2502.02229. Веб-камеру тоже не автор изобрёл, ваш сарказм неуместен.
В статье 2018 г., на которую вы ссылаетесь, достигнут очень скромный результат — уменьшение ошибки примерно на 5% по сравнению с другими работами, что очень мало. У нас ошибка уменьшалась в разы. Новизна не только и не столько в CIELAB, сколько в алгоритмах обработки. Они наши, оригинальные, и обеспечивают лучший на сегодня результат. Во всяком случае — лучший из тех, что мы встречали в научной литературе.
Дело не в самом Delphi, он взят как пример необычной динамики в рейтинге ЯП. Статья про методологию, разные способы оценки популярности языков программирования.
Интересная и логичная версия!