В своём введении к книге Working, знаковой устной истории работы 1974 года, Стадс Теркель поставил осмысленность на ту же ступень, что и финансовую компенсацию, в деле мотивации американских работников. «Работа – это поиск ежедневного смысла в той же мере, как и поиск ежедневных средств к существованию, она нужна для признания в той же мере, как и для наличных, для удивления, а не для безразличия», — писал он. Среди кучки счастливцев, встреченных им, наслаждавшихся своей работой, Теркель приметил общую тенденцию: они ценили «осмысленность работы выше награды, получаемой от зарплаты».

Прошло уже больше 40 лет, и целые горы исследований поддержали заявление о том, что американские работники ожидают чего-то более интересного, чем зарплата, в ответ на свой труд. Текущие уровни компенсации слабо коррелируют с удовлетворением от работы. И наоборот, с 2005 года важность осмысленности в выборе работы постоянно растёт. «Смысл – это новые деньги», как заявили в статье в HBR в 2011 году. Почему же не растёт число компаний, предпринимающих конкретные шаги для того, чтобы сконцентрировать свою культуру на создании смысла?

Тема сегодняшней подборки вебинаров — программирование. Как всегда, вебинары бесплатны, а спектр тем достаточно широк: мобильная разработка, Java, веб-разработка. Полезную информацию в них может почерпнуть как начинающий программист, так и уже опытный кодер.

Нассим Талеб говорит: «Мы создаём игрушки, и некоторые из них меняют мир». Мы, как производители, иногда и правда создаём игрушки. Ведь человеческое стремление к «фану» и есть тот драйвер, что ведёт к изменениям в жизни. И некоторые вещи уже поменяли привычки людей. Люди покупают чаще и больше онлайн, чем 3-5 лет назад. Они привыкли к некогда «игрушечным» чатботам, и вовсю пользуются виртуальными примерочными. И если раньше продавцы одежды смеялись над «глупыми фантазиями», то теперь ищут себе и виртуальные примерочные, и открывают онлайн-магазины. Потому что меняется инфраструктура торговли и способы покупок. Machine Learning, Искусственный Интеллект и IoT перекраивают торговлю. Мы в этом уверены — в силу опыта.

Привет Хабр! Сегодня я бы хотел рассказать о нашем опыте открытия кружка детской робототехники и о тех нюансах, которые возникли в процессе.

Согласно Gartner, машинное обучение на пике популярности. Занимаясь разработками и внедрениями решений в области анализа данных и машинном обучении, наша команда DATA4 накопила опыт по ключевым этапам и подводным камням, которым я и поделюсь в статье.

В статье я хочу познакомить читателя с задачей идентификации: пройтись от основных определений до реализации одной из недавних статей в данной области. Итогом должно стать приложение, способное искать одинаковых людей на фотографиях и, что самое главное, понимание того, как оно работает.

В данной статье речь пойдёт о машинном обучении в целом и взаимодействии с датасетами. Если вы начинающий, не знаете с чего начать изучение и вам интересно узнать, что такое «датасет», а также зачем вообще нужен Machine Learning и почему в последнее время он набирает все большую популярность, прошу под кат. Мы будем использовать Python 3, так это как достаточно простой инструмент для изучения машинного обучения.