Я хоть люблю науку и технологии, но однозначно против редактирования генома. Зная людей, это может привести к тому, что очередные родители будут скачивать из интернетов очередной хайповый шаблон ребенка и все человечество станет одинаковым. А вся мощь эволюции — в разнообразии генов. Так что это всё может привести к деградации.
У меня аналогично. По этой причине ненавижу собеседования и всегда ненавидел экзамены. На них почти всегда проваливался. Зато всякие там курсовые, дипломы, или тестовые домашние задачки с собесов я решал на 5+. Мне прям нравится посидеть над задачкой подумать, посмакавать её. Жаль, конечно, что многие воспринимают такую модель мышления как тормозную
Как мне это знакомо…
Жаль конечно, если действительно связи решают всё в 99% случаев. Я думал что просто попадал в такие компании, а если это всюду так, то очень плохо, особенно для таких несоциальных людей как я
Пусть, в3 — ведро 3л, в5 — ведро 5л
1) Наливаем в в3 и выливаем в в5
2) Наливаем еще в в3 и выливаем в в5 пока не заполнится. В в3 остается 1л.
3) Опустошаем в5 и переливаем туда 1л из в3
4) Наливаем в в3 3л и выливаем это в в5 с 1 л, получаем 4л.
p.s. сори если это был сарказм и я не в тему, просто пролистал комменты до конца и ваш был последний
Я два года на налоговых каникулах сидел с 1%. Знакомый бухгалтер сказал что лучше не наглеть и не лезть сразу на патент после этого, плюс я прописан и плачу налоги в одном регионе, а живу, работаю и получаю деньги в Мск.
А самому выгоднее. Если ИП, то можно и 6% платить всего. Ну плюс пенсионный. Но всяко меньше чем 42%. Плюс работодатель готов тебе дмс, качалку и печеньки давать, но не деньгами. Тут явно работодатель заинтересован чтобы ты жил и любил галеру.
У меня такой же стаж работы и согласен почти с каждым словом автора.
Можно говорить, что раньше трава просто зеленее была, но по факту я пошёл в то самое IT, а сейчас оно изменилось и больше нет желания работать в этой сфере.
вот он советский менталитет — «не ной, засучи рукава и иди работай!».
А, к примеру, на западе те же клубы анонимных xxx, где люди делятся своими проблемами и получаются поддержку (по вашему ноют ради плюсиков).
Ну и собственно — где запад и где мы сейчас с таким подходом к людям?
Признаюсь, мысленно я ставлю дополнительный плюсик кандидатам с профильным образованием в топовых вузах.
Всегда такие требования раздражают, особенно когда еще просят PhD из топовых вузов. Ну вот не жил я в топовом городе с топовым вузом, а закончил обычный провинциальный вуз, и что, теперь на мне метка неполноценного специалиста?!
Работаю 4ый год на удаленке (разработка). Из дома. Ясно, что есть проблемы с замыканием и потерей границы между работой и домом. Недавно менял работу и решил что может пора вернуться в офис. Поездил по собесам в офисы и понял что нет, не хочу. Аналогично с коворкингами — хожу иногда на встречи с коллегами, но задерживатья там на весь день нет желания. Причем я очень люблю гулять в свободное время и не люблю сидеть дома. Я не то чтобы интроверт, мне нравиться общаться с людьми, но я хочу это делать тогда когда я этого хочу и только с теми, с кем хочу. К сожалению, мои коллеги, чей профессионализм я очень уважаю, редко вызывают во мне интерес как люди. Задроты они и есть здароты в основной массе своей. Не тот типаж людей, с которыми мне нравится проводить досуг. Из айтишников у меня есть приятели, но в основном это проджекты, и редко разработчики. Извиняюсь если кого обидел.
Для запуске на CPU пробовали квантование? С квантованным мобайлнет2 можно как минимум в 2 раза выигрыш по скорости получить на CPU (если конечно точность не деградируется сильно).
А есть какие-то пруфы что используется сиамская сеть? Чтобы не дообучать сеть на девайсе пользователя достаточно обучить классификатор на каком-нибудь loss из семейства SphereFace, а потом использовать предпоследний слой как Embedding. Либо я что-то не понял
Назовите ученых в computer science, которых знают студенты (ОК, согласен, даже — русские студенты) без wikipedia?!
Вообще имен много, (тот же Alex Krizhevsky, автор AlexNet). Однако все они росли и учились на западе. Это как раз и говорит о том, что не мы тупые, а наша система тупая.
Ещё один этап предварительной обработки заключается в преобразовании матриц признаков из двумерных в трёхмерные, чтобы модель воспринимала каждую строку как отдельный пиксель (отдельный объект обучения).
Сдается мне что в вашем примере с полносвязной сетью это лишнее действие, т.к. в такой сети всеравно каждый нейрон скрытого слоя соединен со всеми входами.
Я с самого начала решил для себя, уж раз я отдал полжизни учебе и выжиганию глаз монитором, то я имею право требовать большую компенсацию для себя.
Поэтом всегда просил большую зп (выше по рынку). С опытом стало даваться это легче, особенно когда у тебя уже есть высокооплачиваемая позиция, то ты можешь спокойной в ультимативной форме выставлять работодателю свои хотелки. Всречаются конечно эйчары, которые выпучивают глаза мол зачем вам столько много. Но в целом многие адекватно с пониманием относятся. Тем более я прекрасно осознаю, что рынок сейчас в основном международный, а западным коллегам платят в среднем выше чем нам.
Так что дам всем совет — не стесняйтесь и требуйте большую зп (если конечно вы реально опытный), пока сами не начнем уважать свой труд — работодатели это делать не будут.
Недавно мне задали вопрос на собеседовании: «в каких задачах следует применять SVM, а в каких нейронные сети».
Я так подумал и решил что в наши дни смысла в SVM особо нет. Ведь обычная полносвязная сеть с одним скрытым слоем (и margin/hinge loss) это тот же SVM, но с нелинейностью. С учетом relu, который особо не добавляет вычислительной сложности, полносвязная сеть всегда будет лучше. Т.е. за избыточнось в виде нелинейности для тех задач, в которых данные могут быть поделены линейно, мы особо лишнего не платим.
Если я ошибаюсь и есть такие задачи, где SVM будет эффективней, то буду рад услышать об этом подробней
Жаль конечно, если действительно связи решают всё в 99% случаев. Я думал что просто попадал в такие компании, а если это всюду так, то очень плохо, особенно для таких несоциальных людей как я
1) Наливаем в в3 и выливаем в в5
2) Наливаем еще в в3 и выливаем в в5 пока не заполнится. В в3 остается 1л.
3) Опустошаем в5 и переливаем туда 1л из в3
4) Наливаем в в3 3л и выливаем это в в5 с 1 л, получаем 4л.
p.s. сори если это был сарказм и я не в тему, просто пролистал комменты до конца и ваш был последний
Можно говорить, что раньше трава просто зеленее была, но по факту я пошёл в то самое IT, а сейчас оно изменилось и больше нет желания работать в этой сфере.
А, к примеру, на западе те же клубы анонимных xxx, где люди делятся своими проблемами и получаются поддержку (по вашему ноют ради плюсиков).
Ну и собственно — где запад и где мы сейчас с таким подходом к людям?
Я думаю, этот экс-сотрудник построил бы это предложение иначе )
Всегда такие требования раздражают, особенно когда еще просят PhD из топовых вузов. Ну вот не жил я в топовом городе с топовым вузом, а закончил обычный провинциальный вуз, и что, теперь на мне метка неполноценного специалиста?!
Вообще имен много, (тот же Alex Krizhevsky, автор AlexNet). Однако все они росли и учились на западе. Это как раз и говорит о том, что не мы тупые, а наша система тупая.
Сдается мне что в вашем примере с полносвязной сетью это лишнее действие, т.к. в такой сети всеравно каждый нейрон скрытого слоя соединен со всеми входами.
Поэтом всегда просил большую зп (выше по рынку). С опытом стало даваться это легче, особенно когда у тебя уже есть высокооплачиваемая позиция, то ты можешь спокойной в ультимативной форме выставлять работодателю свои хотелки. Всречаются конечно эйчары, которые выпучивают глаза мол зачем вам столько много. Но в целом многие адекватно с пониманием относятся. Тем более я прекрасно осознаю, что рынок сейчас в основном международный, а западным коллегам платят в среднем выше чем нам.
Так что дам всем совет — не стесняйтесь и требуйте большую зп (если конечно вы реально опытный), пока сами не начнем уважать свой труд — работодатели это делать не будут.
Я так подумал и решил что в наши дни смысла в SVM особо нет. Ведь обычная полносвязная сеть с одним скрытым слоем (и margin/hinge loss) это тот же SVM, но с нелинейностью. С учетом relu, который особо не добавляет вычислительной сложности, полносвязная сеть всегда будет лучше. Т.е. за избыточнось в виде нелинейности для тех задач, в которых данные могут быть поделены линейно, мы особо лишнего не платим.
Если я ошибаюсь и есть такие задачи, где SVM будет эффективней, то буду рад услышать об этом подробней