Обновить
37
Антон@SnakeSolid

Пользователь

3
Подписчики
Отправить сообщение

Прямых ссылок не дам, но есть исследования от okcupid, можете по запросу "okcupid statistics" поискать картинки, там много разных графиков (для других приложений аналогично можно найти). Есть от известного хаба статистика по предпочтениям, они каждый год что-то новое публикуют. По поводу шансов, в США есть такая штука как "looksmaxxing" - это попытка понять и как-то описать каких мужчин выбирают женщины, для женщин видел только простейшие правила.

Я уже третий год в тиндере и аналогичных сайтах сижу. Уже многое испробовал, и что программист писал, и на фото сессию ходил. И не замечаю, чтобы женщины хотя бы пытались диалог поддержать, не говоря о желании встретиться. И с приходом известных событий я изменений не увидел.

По поводу планки женщин. Сайт okcupid пару лет назад считал статистику по лайками среди мужчин и женщин. По их расчетам распределение лайков мужчин более-менее равномерное, а у женщин красивыми считаются от силы 10% мужчин. Не думаю, что статистика сейчас сильно изменилась.

Графики

Если просто пообщаться, то проще всего через этого телеграмм бота - GPT_chat_robot. Там по умолчанию автоперевод на русский для экономии токенов, если хотите стихи или код генерировать можете его отключить через меню.

Зависит от человека, можно 350к на знакомства слить и ни кого не найти например так.

Немного на тему интересов. У меня все просмотренные профили девушек сохраняются в базе. Так вот по 24 000 профилей с Тиндера (Питер) вот такой топ 10 интересов:

Полный список (интересы на английском)
Travel = 32.79%
Music = 18.72%
Reading = 18.55%
Coffee = 17.40%
Art = 17.03%
Movies = 16.83%
Sports = 12.24%
Wine = 11.15%
Dancing = 9.60%
Photography = 9.28%
Dog lover = 8.91%
Serialy = 8.20%
Working out = 7.78%
Spirituality = 6.90%
Language Exchange = 6.84%
Cat lover = 6.44%
Fashion = 6.23%
Cooking = 6.21%
Netflix = 5.93%
Yoga = 5.67%
Walking = 4.90%
Comedy = 4.86%
Museum = 4.74%
Tea = 3.94%
Foodie = 3.84%
Running = 3.82%
Outdoors = 3.80%
Instagram = 3.71%
Hiking = 3.66%
Tusovki = 3.32%
Board Games = 3.27%
Picnicking = 2.95%
Grab a drink = 2.71%
Athlete = 2.70%
Swimming = 2.70%
Cycling = 2.37%
Shopping = 2.29%
Poezia = 2.22%
Karaoke = 2.19%
Baking = 2.03%
Astrology = 1.85%
DIY = 1.73%
Russian Rock = 1.67%
Craft Beer = 1.56%
Surfing = 1.46%
Politics = 1.44%
Gamer = 1.31%
Disney = 1.22%
Volunteering = 1.10%
Brunch = 1.04%
Gardening = 0.99%
Writer = 0.94%
Blogging = 0.91%
Fishing = 0.88%
Soccer = 0.85%
Clubbing = 0.85%
Plant-based = 0.76%
Russian Rap = 0.53%
Climbing = 0.51%
Golf = 0.41%
Trivia = 0.40%
Vlogging = 0.39%
Environmentalism = 0.35%
World Traveler = 0.02%
Tattoos = 0.02%
Theater = 0.01%
Road Trips = 0.01%
Nature = 0.01%
Making friends = 0.01%
Culture = 0.01%
Vegetarian = 0.01%
Vegan = 0.01%
Skiing = 0.01%
Serious Relationship = 0.01%
Self Care = 0.01%
Parties = 0.01%
Festivals = 0.01%
Exhibition = 0.01%
Trying New Things = 0.00%
Tennis = 0.00%
Tango = 0.00%
Start ups = 0.00%
Snowboarding = 0.00%
Second-hand apparel = 0.00%
Podcasts = 0.00%
Open heart = 0.00%
Nightlife = 0.00%
Musician = 0.00%
Motorcycles = 0.00%
Mental Health Awareness = 0.00%
Liberal Politics = 0.00%
LGBTQ+ Rights = 0.00%
K-Pop = 0.00%
Introvert = 0.00%
Extrovert = 0.00%
ESTP = 0.00%
ENFP = 0.00%
ENFJ = 0.00%
Dancer = 0.00%
Chatting When I'm Bored = 0.00%
Black Lives Matter = 0.00%
Artist = 0.00%
Amateur Cook = 0.00%
Actor = 0.00%
Activism = 0.00%

Результат - найденная девушка :) . Диалоги и встречи - просто понятные шаги.

Было два случая. Не могу точно сказать на сколько это были мошенники, но истории расскажу:

  • одна девушка хотела чтобы я онлайн кинотеатр для встречи забронировал. Я предложил оплатить наличкой при встречи. Она сразу чат удалила.

  • вторая девушка сказала, что сейчас в другом, но скоро приедет и тогда заживем. Активно общалась, делала вид, что ей интересно чем я занимаюсь. Потом у нее неожиданно заболел племянник. Она создала на каком-то сайте просьбу помочь донатом и скинула мне ссылку на сайт. После того, как я попросил сфотографировать племянника она тоже слилась.

У меня как-то так: проанализировано 12 000 профилей, из них 9 500 лайков, из которых 1 200 обоюдных, 300 ответили на первое сообщение, 5 согласились встретиться. Профили считал скрипт.

Три года сижу на таких сайтах с нулевым результатом. В какой-то момент решил брать числом с помощью автоматизации. Пришел к такому варианту: сервер с нейросетью (python, deepface + трехслойная сеть на его дескрипторах), к нему обращаются клиенты с информацией о профиле (запрос: описание профиля + список картинок, ответ: лайк, дизлайк или ошибка). Клиенты написаны в виде простых юзерскриптов для браузера.

Собственно время эта штука неплохо экономит, но подавляющее большинство диалогов все равно заканчиваются на второй фразе. Теперь думаю как к этому прикрутить что-то вроде ChatGPT или какой-то генератор тем для разговора :) .

Как это выглядит
Так работает клиент
Так работает клиент
Это режим обучения нейросети на сервер.
Это режим обучения нейросети на сервер.

При "установке" очередного круга рассчитывать заполнители (как в диаграммах Вороного). Потом из пула "свободных" кругов сначала подбирать круги максимально вписывающиеся в заполнители. Если ничего подобрать не получилось - размещаем самый большой доступный круг в конец листа. При "установке" в заполнитель если новый круг при пересекает один или несколько заполнителей - удаляем все пересечения и пересчитываем заполнители для установленного круга. Самое сложное будет - найти места для заполнителей.

Попытался нарисовать как это должно работать

Синие - это места-заполнители, красная стрелка - добавленный круг.

Недавно такие заказывал, тоже для поливалки. Оказалось, что у них резистор R4 - висит в воздухе из-за чего аналоговые входы контроллера читают показания как получится. Пришлось на всех датчиках припаивать провод R4-GND, чтобы хоть что-то работало. Насколько я понял - такая проблема именно у датчиков с надписью v2.0 встречается.

Делал в свое время колоночную БД, правда без транзакций. Тоже байт-код использовал, но разбивал работу с таблицами на блоки из трех сегментов: чтение+фильтрация, все вычислительные операции, запись; так чтобы каждый блок мог выполняться в несколько потоков. Оптимизировал только вычислительные операции, а чтение и запись конвертировались в один в готовые узлы сканирования/записи таблиц.

PS: Вы случайно не вдохновлялись SQLite?

На сколько я знаю потолок снимают, чтобы по нему оценивать положение робота и строить более точную карту помещения.

Сейчас на работе пишу третий language server для разных языков. Это не совсем свой язык, но все базовые вещи, присущие компиляторам там реализованы (нет только компиляции и оптимизации кода).

Раз уж z не изменяется можно коэффициенты -0.94 и 1.48 "запечь" в нее, тогда весь код упростится до color = color * z.

Павлины уже готовятся принять людей в свой ряды. // сарказм

Предлагаю провести исследование во сколько лет средний геймер лишается девственности.

А что если геймер становится геймером, потому что противоположный пол на него внимания не обращает.

Было бы интересно узнать о структуре служебной информации, как происходит ее обновление при изменении файла, при переключении между ветками (когда может быть изменено множество файлов), и существует ли какая-то оптимизация при синхронизация данных в памяти и в файле (например записывать только данные из измененных файлов). Конечно если это не секретная информация.

Информация

В рейтинге
Не участвует
Дата рождения
Зарегистрирован
Активность

Специализация

Десктоп разработчик, Системный инженер
Ведущий
Java
Linux
Алгоритмы