Контроль над содержимым web должен принадлежать в т.ч. рядовому пользователю, а не только маркетологам. Юзер сам в состоянии определять, что для него является пагубной рекламой, а что полезным контентом. Если пользователь считает, что новости или дзен Яндекса - это своего рода реклама, то он может ограничить себя от „вредоносного для него контента“ совершенно законно в „касание“ и без красноглазия. Решение — под катом.
Пользователь
3D-принтер из фанеры своими руками и его эволюция
Хочу рассказать, как мы собрали 3д-принтер в домашних условиях, так сказать, из говна и палок. Это был школьный проект, который принес определенные плюшки в свое время.
Где разместить оборудование для майнинга
К нам в дата-центр начали приносить оборудование для майнинга в 2010 году. Тогда это всё было в диковинку. Наши сотрудники тоже тогда увлекались этой темой и майнили на обычных ATX и Big Tower. Я на всё это смотрел скептически. Государства никогда не отдадут печатный станок и налогообложение. Но спрос рождает предложение. Да и за последние 10 лет криптовалюты серьёзно продвинулись.
Спрос и предложения очень забавные на этом рынке. В новостях постоянно вирусно всплывали темы про горе-майнеров погорельцев, которые майнили на балконах, в квартирах и ещё чёрт знает где, не думая, что бытовые розетки на это не рассчитаны и законы физики и электротехники их обойдут стороной.
Ещё одна группа вирусных новостей была про тех, кто воровал электричество и майнил в тайне от руководства в промышленных масштабах. Этим промышляли сотрудники различных компаний с большим количеством компьютеров или доступом к электричеству.
И самое интересное, это компании однодневки, которые собирали оборудование и пропадали или воровали электричество и становились фигурантами уголовных дел.
Здесь мы расскажем о ряде фактов, о которых стоит задуматься тем, кто добывает криптовалюту или только планирует. Итак, погнали.
Обзор бесплатных источников котировок фондового рынка
Условия задачи: меня интересуют акции американских компаний на дневном таймфрейме, чтобы каждое утро мой робот присылал мне на почту автоматический отчёт о вчерашней динамике рынка. Если будут и другие рынки с другими таймфреймами — хорошо. Платить деньги за данные мне пока не хочется.
Отдельно замечу, что я никаким образом не аффилирован ни с одной из организаций, упомянаемых в статье. Я просто ищу пути решения своих задач, и делюсь опытом.
Математики воскресили 13-ю проблему Гильберта
Вопрос Давида Гильберта о многочленах седьмой степени, долгое время считавшийся решённым, открыл исследователям новую сеть математических связей
Успех в математике достигается редко. Спросите хотя бы Бенсона Фарба.
«Проблема математики в том, что в 90% случаев вас ждёт неудача, и вам нужно быть человеком, умеющим это принимать», — сказал однажды Фарб за ужином с друзьями. Когда один из гостей, также математик, удивился тому, что Фарбу удаётся достигать успеха в целых 10% случаев, Фарб признал: «Нет, нет, я сильно преувеличил процент своих успехов».
Фарб, тополог из Чикагского университета, с радостью встретил последнюю свою неудачу – хотя, честно говоря, это не только его заслуга. Вопрос связан с задачей, парадоксальным образом одновременно решённой и нерешённой, открытой и закрытой.
Подтверждение номеров телефона без SMS
Предлагаем простой API метод для авторизации номеров телефонным звонком.
Как оптимизировали экономику СССР и что из этого вышло
Я работаю специалистом по обработке и анализу данных (data scientist), поэтому большая часть моей работы включает в себя подбор оптимизируемых метрик и размышления о том, как выполнять процессы с максимальной эффективностью. Недавно я обнаружил совершенно удивительную книгу об экономических проблемах в СССР и о коллективе экономистов и компьютерных учёных, стремившихся решить их на основе данных. Книга называется Red Plenty. На самом деле она написана в жанре романа, что странно, однако представляет собой точную экономическую историю СССР. Автор активно заимствует информацию из книги 1973 года под названием Planning Problems in the USSR, которую я тоже приобрёл. При чтении этих книг я не мог не обратить внимания на параллели с планированием в любой современной организации. Факт, который покажется сегодня знакомым каждому data scientist: во второй книге есть цитата исследователя, жалующегося на то, что 90% своего времени он потратил на очистку данных, и только 10% — на само моделирование!
Кроме проведения интересных параллелей с современными data science и методами исследований технологических операций, эти книги помогли мне многое понять об интересных аспектах, о которых ранее я почти ничего не знал, например, о линейном программировании, ценовом равновесии и истории Советского Союза. В этом посте я расскажу о том, что узнал.
Определение токсичных комментариев на русском языке
Сегодня социальные сети превратились в одну из главных коммуникационных платформ как в онлайне, так и реальной жизни. Свобода выражения разных точек зрения, в том числе токсичных, агрессивных и оскорбительных комментариев может иметь долговременные негативные последствия для мнений людей и социальной сплочённости. Поэтому одной из важнейших задач современного общества является разработка средств автоматического определения токсичной информации в интернете для уменьшения негативных последствий.
В этой статье описывается решение этой задачи для русского языка. В качестве источника данных мы использовали анонимно опубликованный на Kaggle набор данных, дополнительно проверив качество аннотации. Для создания классифицирующей модели мы сделали тонкую настройку двух версий Multilingual Universal Sentence Encoder, Bidirectional Encoder Representations from Transformers и ruBERT. Настроенная модель ruBERT показала F1 = 92,20 %, это был лучший результат классификации. Мы выложили в открытый доступ обученные модели и примеры кода.
Информация
- В рейтинге
- Не участвует
- Зарегистрирован
- Активность