Чуваки обучили автоэнкодер и сетку, которая мапит выход ЭЭГ в пространство декодера. Да, декодер обучали на ограниченном датасете. Но и ЭЭГ, по словам авторов, может выдать максимум 6 категорий. Подход совершенно масштабируемый в двух направлениях:
1. Нужно обучать более сложную генеративную модель, пространство параметров которой сожет кодировать более широкий спектр «концепций» из реального мира.
2. Нужно создавать девайсы, которые будут получать от мозга данные в большем «разрешении».
При наличии новых достижений по этим двум направлениям подход из статьи с большой долей вероятности будет отлично масштабироваться вплоть до настоящего «восстановления» изображений из «мыслей».
Правильно ли я понимаю, что сначала у клиента обычным способом спрашивают, кто он такой, а система потом только подтверждает, что он тот, за кого себя выдает?
Вы путаете причину и следствие ;) Лично для меня задачей было познакомиться с Windows 10 IoT, и понять, жизнеспособно ли оно вообще. Потому что изначально я тоже делал так: «Windows 10 в embedded, ШТАААААА?!»
Когда вы берёте новый контроллер, который раньше не использовали в проектах, наверняка вы сначала мигаете на нём диодом, а не бежите писать систему управления тангажом истребителя :) Так же и здесь. Задача — оценить Windows в embedded, средство — сначала помигать диодом, потом решить более сложные задачи.
Отнюдь. Например, я давно хотел потыкать Raspberry Pi и Windows 10 IoT, но покупать для этого набор душила жаба (в данный момент это не профильное направление на работе). А на хакатоне я получил плату, бредборд и разные базовые компоненты, которые позволили мне понять возможности платформы и сделать заметку в голове для применения в будущих проектах.
Да, действительно, agile не бесплатен. Время уходит на ежедневные статусы, ретро и демо. Некоторые спринты вообще выкидываются в мусорку из-за упущений в аналитике и архитектуре. Но я пока не видел ни одной крупной задачи, которую удалось реализовать по waterfall без последующего пересмотра аналитики или архитектуры (я говорю о большой доработке существующей системы, которая развивается больше 10 лет).
Так ведь так оно и получается. Берём большую задачу, разбиваем на понятные более-менее законченные куски, делаем для каждого аналитику и архитектуру, кодим… Опа, а мы уже в agile!
Безусловно. Штука в том, что в реальности очень сложно найти идеального аналитика, архитектора, разработчика и тестировщика. Рискну даже предположить, что их не бывает :) Суть текста в том, что waterfall гораздо менее простительно относится к ошибкам на начальных стадиях, чем тот же agile.
Всё дело в объёме задачи. Если это простая доработка на 50 часов, то waterfall ничего не испортит. Если мы говорим о задаче с фазой разработки на 3 месяца, то тут лучше получать фидбэк как можно раньше. И agile-подход в этом плане сильно снижает риски по «плохим аналитикам», т. к. качество требований и их влияние на следующие фазы видно сразу.
Ну да: дефицит внимания, поколение айфонов, фруктовые смузи — вот это всё :) Сам недавно узнал, что тексты размером в средний ЖЖ-пост 2008 года теперь называют лонг-ридами :))
Перестаньте засорять профильный хаб бесполезными статьями. Вы взяли рекламную презу, в которой и так было мало информации, и сделали из неё выжимку. Всю вашу статью можно без потери информации уложить в несколько буллитов:
0. [Рандомная цветная картинка]
1. Какие-то чуваки сделали презу. [ссылка на презу на английском]
2. Трейдеры торгуют на основе новостей.
3. Особо хитропопые трейдеры юзают машинное обучение. [непонятная картинка, вырванная из контекста]
4. Существуют генетические алгоритмы. [картинка, которая даст ноль инфы человеку, который заранее не ознакомился с ГА].
Меня очень смущает “LINQ to Entities” в тексте ошибки. У меня такое бывало, когда в блоке using был зарефан только System.Ling. Тогда по факту DbSet неявно приводится к IEnumerable и FirstOrDefault применяется уже к нему, используя механизм Linq to Entities вместо Linq to SQL.
Чуваки обучили автоэнкодер и сетку, которая мапит выход ЭЭГ в пространство декодера. Да, декодер обучали на ограниченном датасете. Но и ЭЭГ, по словам авторов, может выдать максимум 6 категорий. Подход совершенно масштабируемый в двух направлениях:
1. Нужно обучать более сложную генеративную модель, пространство параметров которой сожет кодировать более широкий спектр «концепций» из реального мира.
2. Нужно создавать девайсы, которые будут получать от мозга данные в большем «разрешении».
При наличии новых достижений по этим двум направлениям подход из статьи с большой долей вероятности будет отлично масштабироваться вплоть до настоящего «восстановления» изображений из «мыслей».
Когда вы берёте новый контроллер, который раньше не использовали в проектах, наверняка вы сначала мигаете на нём диодом, а не бежите писать систему управления тангажом истребителя :) Так же и здесь. Задача — оценить Windows в embedded, средство — сначала помигать диодом, потом решить более сложные задачи.
Так что, именно такие мероприятия очень нужны.
Безусловно. Штука в том, что в реальности очень сложно найти идеального аналитика, архитектора, разработчика и тестировщика. Рискну даже предположить, что их не бывает :) Суть текста в том, что waterfall гораздо менее простительно относится к ошибкам на начальных стадиях, чем тот же agile.
0. [Рандомная цветная картинка]
1. Какие-то чуваки сделали презу. [ссылка на презу на английском]
2. Трейдеры торгуют на основе новостей.
3. Особо хитропопые трейдеры юзают машинное обучение. [непонятная картинка, вырванная из контекста]
4. Существуют генетические алгоритмы. [картинка, которая даст ноль инфы человеку, который заранее не ознакомился с ГА].
Srsly?
:) DbSet точно должен приводиться к IQueryable.
Что если вместо интерфейса использовать абстрактный класс?