Часть 1
Часть 2
Часть 3

В этой статье вы узнаете:

• О том, что такое transfer learning и как это работает
• О том, что такое semantic/instance segmentation и как это работает
• О том, что такое object detection и как это работает

Профессор Никлаус Вирт был прав. Создатель языка Pascal, соавтор технологии структурного программирования, лауреат премии Тьюринга в 1995 году заметил:

«Замедление программ происходит куда быстрее, чем ускорение компьютеров»

С тех пор это высказывание считается законом Вирта. Он фактически нивелирует закон Мура, согласно которому количество транзисторов в процессорах удваивается примерно с 1965 года. Вот что пишет Вирт в статье «Призыв к стройному софту»:

«Около 25 лет назад интерактивный текстовый редактор умещался всего в 8000 байт, а компилятор в 32 килобайта, тогда как их современные потомки требуют мегабайтов. Стало ли всё это раздутое программное обеспечение быстрее? Нет, совсем наоборот. Если бы не в тысячу раз более быстрое железо, то современное программное обеспечение было бы совершенно непригодным».

С этим трудно не согласиться.

Я уже некоторое время играюсь с новой моделью GPT-3 от OpenAI. Когда я только получил доступ к бета-версии, то первое, что мне пришло в голову, было: насколько GPT-3 похожа на человека? Близка ли она к тому, чтобы пройти тест Тьюринга?

Как это работает

Позвольте объяснить, как я генерировал эти диалоги. GPT-3 – это модель генерации обычного языка, обученная на большом количестве неразмеченного текста, взятого из интернета. Она не предназначена специально для диалогов, и не обучена отвечать на конкретные вопросы. Она умеет только одно – получив на вход текст, догадаться, что идёт далее.

Поэтому, если мы хотим, чтобы GPT-3 выдавала ответы на вопросы, её нужно инициализировать определённой подсказкой. Я использую такую подсказку для инициализации всех сессий вопросов и ответов:

На первом в истории полностью виртуальном мероприятии РИТ++, прошедшем в конце мая, инженер Qrator Labs — Георгий Тарасов, рассказал публике про веб-скрейпинг, он же парсинг, популярным языком. Мы решили предоставить вашему вниманию транскрипцию выступления. Видео в конце публикации.

Привет, представляю вашему вниманию небольшой туториал по оформлению приглашения командной строки с эффектом красных глаз.

Чтобы проводить расследования по открытым данным в интернете, совершенно не обязательно обладать сверхтехническими познаниями.

Раньше возможности таких расследований были доступны только крупным корпорациям. Сейчас малый бизнес и вообще любой человек с интернетом может воспользоваться благами открытых данных.

Компании используют открытые данные, чтобы принимать важные решения, получать конкурентные преимущества и обеспечивать безопасность. Открытую информацию дешевле собирать и исследовать, она доступна — нужен только интернет и компьютер, а большинство инструментов можно использовать бесплатно. Такие данные легко распространять: они открытые, у всех к ним сразу будет доступ. Кроме того, OSINT ускоряет поиск и позволяет проводить исследования в режиме реального времени.

В этом материале мы приводим несколько простых примеров, как можно использовать OSINT в работе. Возможно, что-то из описанного ниже вы уже активно применяете, а что-то покажется вам интересной идеей и подтолкнет к новым.

Что такое Trello, и как оно работает?

---

Trello — это очень распространенная программа по организации личных дел и бизнеса. Когда пользователь только заходит в нее, она может показаться ему очень простой и примитивной, но чем больше он работает с ней, тем больше фишек и сюрпризов он находит. В этой статье я рассмотрю как самые начальные аспекты работы, так и более продвинутые функции Trello о которых не знает большинство пользователей.

P.S. если вы хоть раз открывали приложение trello листайте до основы работы.

---

Нулевой слой
13:32 28 июля 2116 года

— Вырубай, вырубай! — Илли выдернула шлейф, после чего ее сразу же стошнило в ближайшее мусорное ведро. — Что это было? Таракан, я тебе сейчас втащу!

— Обычный сенсорный конфликт, — меланхолично ответил здоровяк, не отрываясь от терминала. — И я в три раза тяжелее тебя, так что втащить ты сможешь только своему папаше, который, похоже, не научил тебя манерам.

— Почему меня вывернуло? — сплевывая свой обед, не унималась Илли.

В полутемном подвале прохладная сырость смешивалась со смесью благовоний, выхлопных газов и городской канализации, тянущихся жарой с улицы, что совсем не помогало текущему состоянию молодой девушки.

— Потому же, почему в начале прошлого века так же укачивало пользователей первых VR-шлемов. Ну, может быть, не так эффектно, конечно… Это называлось киберболезнью или просто эффектом укачивания, и возникало оно из-за рассогласованности между движением в виртуале и его отсутствием в реальности, — Таракан развернулся в кресле и посмотрел на Илли. — В виртуальной среде ты летишь в любую сторону, а в реале сидишь на диване. Знание о своем положении в пространстве и данные с визуального канала входят в конфликт друг с другом, возникает головокружение — мозг ошибочно считает, что организм отравлен, и вот ты портишь мое отличное мусорное ведро.

Привет, мы — LegionFarm! Мы как Uber, но только для геймеров.

Как это работает? Некоторым пользователям онлайн игр не хватает времени или постоянной команды для прохождение сложного игрового контента, поэтому они с помощью нашей платформы нанимают PRO-геймеров (buddy), которые вместе с ними проходят сложные места в разных играх. Таким образом, мы открываем для геймеров возможность монетизировать свои профессиональные навыки, зарабатывать, занимаясь любимым делом, и помогать новичкам.

За последний год наши профи (которых около 1500 человек) провели более 400 тысяч игровых сессий с клиентами (каждая из которых длилась как минимум 1 час). Нами пользуются про-игроки и клиенты из 46 стран по всему миру.

И вот мы здесь, на Хабр, начинаем вести собственный блог, где будем рассказывать о том, как мы работаем, что сейчас происходит в виртуальных мирах и почему мы уверены в том, что геймер — профессия будущего!

Эта статья — интро о нас, почему и как мы вдруг стали создавать новые профессии в киберспорте и зачем поехали в Кремниевую долину. Надеемся, что наш опыт пригодится читателям и будет полезен. Ну что, го в пати!

Привет, Хабр! Представляю вашему вниманию перевод статьи «Migrating process BPMN from IBM BPM to Camunda — Step-by-step Tutorial» автора Joe Pappas.

Если вы думаете, что сможете экспортировать BPMN из IBM, что сможете открыть его в Camunda Modeler, вас может ждать сюрприз. Как было обнаружено, экспорт IBM BPMN не включает в себя информацию о диаграммах, которую такие инструменты, как Camunda Modeler, используют для отображения диаграммы. В этом руководстве мы рассмотрим два подхода, используя утилиты, разработанные нашей командой консультантов, чтобы помочь вам создать полную диаграмму, которую можно открыть и просмотреть не только в Camunda Modeler, но и в любом BPMN-совместимом инструменте проектирования.

В этой статье будет рассказан опыт создания нейросети по распознаванию лиц, для сортировки всех фотографий из беседы ВК на поиск определённого человека. Без какого-либо опыта написания нейросетей и минимальными знаниями Python.

Эх, люблю свои мозги! Каждый день забочусь о них, как о самом важном. В этой статье мой опыт поддержания здоровья мозга переплетён с последними результатами научных исследований. Под катом рассказ, как сделать так, чтобы мозг работал эффективно и сохранял ясный ум (завтра и через 30 лет), был готов принимать решения, концентрироваться на задачах и при этом не старел.

Nim — это сочетание синтаксиса Python и производительности C



Несколько недель назад я бродил по GitHub и наткнулся на любопытный репозиторий: проект был полностью написан на языке Nim. До этого я с ним не сталкивался, и в этот раз решил разобраться, что это за зверь.

Сначала я подумал, что отстал от жизни, что это один из распространённых языков программирования, который многие, в отличие от меня, активно используют. И тогда я решил изучить его.

Если Вам приходилось когда-нибудь пользоваться веб-интерфейсами для просмотра логов, то Вы наверняка замечали, насколько, как правило, эти интерфейсы громоздки и (зачастую) не слишком-то удобны и отзывчивы. К некоторым можно привыкнуть, некоторые совсем ужасны, но, как мне кажется, причина всех проблем заключается в том, что мы неправильно подходим к задаче просмотра логов: мы пытаемся создать веб-интерфейс там, где лучше работает CLI (интерфейс командной строки). Мне лично очень комфортно работать с tail, grep, awk и прочими, и поэтому для меня идеальным интерфейсом для работы с логами было бы что-то аналогичное tail и grep, но которое при этом можно было использовать для чтения логов, которые пришли с множества серверов. То есть, конечно же, читать их из ClickHouse!

*по личному мнению хабрапользователя youROCK

Под динамическим определением объекта можно понимать определение во время исполнения. В отличие от статического определения, которое используется в привычном определении класса с помощью ключевого слова class, динамическое определение использует встроенный класс type.

Метакласс type

Класс type часто используется для получения типа объекта. Например так:

h = "hello"
type(h)
<class 'str'>

Но у него есть другое применение. Он может инициализировать новые типы.

Мы собрали руководителей образовательных проектов «Тинькофф», «Яндекс.Практикума», «Школы 21» и GeekBrains, позвали нашего CTO Антона Степаненко и хедхантера Алену Владимирскую и поговорили о том, чему и как учат компании, и кого готовы нанять. В этом тексте собрали тезисы докладов и ответы на вопросы, конечно.

Мы рады сообщить, что июльский выпуск расширения Python уже доступен для Visual Studio Code. Вы можете загрузить расширение Python из Marketplace или установить его прямо из галереи расширений в Visual Studio Code. Если у вас уже установлено расширение Python, вы также можете получить последнее обновление, перезапустив Visual Studio Code. Вы можете узнать больше о поддержке Python в Visual Studio Code в документации.

В этом выпуске мы сделали 51 улучшение, в том числе:

• Добавлена поддержка нового языкового сервера: Pylance
• Gather Extension
• Экспорт записных книжек (notebooks) в HTML и PDF
• Обратное соединение для отладчика

Если вы заинтересованы, вы можете изучить полный список улучшений в нашем списке изменений.

Внимательный читатель, наверняка обратил внимание, что в прошлой статье я заметил, что «смотрю сериалы одним глазком». И решил что это фигура речи.

Нет. Я болезненно точен в мелочах.

Я действительно смотрю в компьютер одним глазом — даже сейчас, когда я набираю этот текст. Вторым глазом я смотрю в окно, в котором мелькают виды Москвы — я еду на работу на электричке.

Переключаюсь между глазами я бессознательно — видимая мной картина мира не имеет швов и склеек. И отличается, от обычного, среднестатистического вида из глаз только кристальной четкостью картинки — и вблизи и в дали.

И я утверждаю это не просто так — всего четыре года назад я смотрел на мир сразу двумя глазами, а не по очереди. Столь необычное зрение я получил осознано, после операции по
коррекции.

Хотите узнать больше?

Привет, Хабр! Меня зовут Александр Соловьев, я программист компании DataLine.

Хочу поделиться опытом внедрения модных нынче нейронных сетей в нашей компании. Все началось с того, что мы решили строить свой Service Desk. Зачем и почему именно свой, можно почитать моего коллегу Алексея Волкова (cface) тут. 

Я же расскажу о недавнем новшестве в системе: нейросеть в помощь диспетчеру первой линии поддержки. Если интересно, добро пожаловать под кат.

Привет, Хаброжители! Ян Пойнтер поможет разобраться, как настроить PyTorch в облачной среде, как создавать нейронные архитектуры, облегчающие работу с изображениями, звуком и текстом. Книга охватывает важнейшие концепции применения переноса обучения, модели отладки и использования библиотеки PyTorch. Вы научитесь: — Внедрять модели глубокого обучения в работу — Использовать PyTorch в масштабных проектах — Применять перенос обучения — Использовать PyTorch torchaudio и сверточные модели для классификации аудиоданных — Применять самые современные методы NLP, используя модель, обученную на «Википедии» — Выполнять отладку моделей PyTorch с TensorBoard и флеймграф — Развертывать приложения PyTorch в контейнерах «PyTorch –– это одна из самых быстрорастущих библиотек глубокого обучения, соперничающая с гигантом Google — TensorFlow — практически на равных.