КДПВ
In Chinese
https://hmp.me/cxq9
Incomplete data for the entire period
I started creating my own site, everything new will be on it.
Это время для фактов, а не для страха. Это время для науки, а не слухов. Это время солидарности, а не охоты на ведьм…Прошло немного времени с момента публикации моей статьи про респираторную защиту во время эпидемии. За это время, отчасти благодаря активному обсуждению в «приканальном» чате выработалась некоторая система, которой бы я хотел поделится и с читателями хабра. Вынудило меня написать эту статью то, что из-за коронавируса поднялся нездоровый хайп, на волне которого на поверхность начала всплывать совсем не та информация, которая всплывать должна была бы (равно как и внезапно подскочили до х40 раз цены на респираторы, притом все без разбора). Так что нужно расставить точки над i. Под катом читаем про подбор правильного респиратора, про сборку кастомных фильтров и стерилизацию зараженных средств защиты. Ответы на вопросы.
директор ВОЗ Tedros Adhanom Ghebreyesus про эпидемию COVID-19
В связи с обстановкой тотальной паники и дезинформации которая льется к нам из абсолютно всех каналов таких как мессенджеры, новостные сайты, радио, телевидение было принято решение показать как можно победить коронавирус с помощью бота на python и других интересных ингредиентов для Telegram (шутка)!
С момента появления COVID-19 мы застали множество “волн” и новых вспышек вируса. Помимо очевидной тяжести заболевания и невероятной скорости передачи, SARS-CoV-2 также отличается большим количеством различных мутаций, уклоняющихся от иммунных реакций.
Несмотря на то, что сейчас ситуация с коронавирусом стабилизировались, вирус продолжает развиваться и мутировать, что все равно сохраняет большую опасность для населения, в связи с трудностью и затратностью отслеживания его эволюции.
В данной статье я подробно расскажу, как с помощью машинного обучения и новых методов кластеризации исследователям удалось встать на путь обнаружения новых вариантов вируса SARS-CoV-2, вызывающего COVID-19, со значительным временным и вычислительным выигрышем, по сравнению с существующими методами.
Привет, Хабр! Где-то месяц назад у меня появилось чувство постоянного беспокойства. Я стал плохо есть, еще хуже спать и постоянно читать-смотреть-слушать тонну новостей о пандемии. Исходя из них коронавирус то ли захватывал, то ли освобождал нашу планету, являлся то ли заговором масонов мировых правительств, а то ли местью панголина, вирус то ли угрожал всем и сразу, а то ли персонально мне и моему коту…
Сотни статей, постов в соцсетях, youtube-telegram-instagram-tik-tok (да уж простите) контента разной степени содержательности (и сомнительности) не приводили меня ни к чему, кроме уже описанного на Хабре разрушения мозга и еще большему чувству беспокойства.
Но в один день я купил гречки решил со всем этим нужно покончить. Как можно скорее!
UPD: добавил секцию 'Результат'.
Коронавирус. Пандемия. Самоизоляция. Все эти слова наводняют новостной фон последних недель, и сложно себе представить человека, который ничего не слышал об этой эпидемии. Но насколько всё это страшно и угрожающе? Когда всё это кончится и мы наконец вернёмся к привычной жизни? Многие расходятся во мнениях, пытаясь ответить на эти вопросы. И действительно: прогнозировать ситуацию трудно, особенно, если принять во внимание, что многое зависит от грамотных действий региональных властей. Но, тем не менее, само по себе явление эпидемии подчиняется вполне определённым фундаментальным законам и некоторую схожесть в динамике пандемии мы можем уже сегодня наблюдать в разных странах. Ниже в этой статье я постараюсь построить модель, заложив в неё основные принципы теории распространения вируса, а также произвести компьютерную симуляцию, сопоставив её результаты с тем, что мы наблюдаем в некоторых странах. Данные по ситуации с коронавирусом в мире я брал с официального сайта Johns Hopkins University.
Не знаю, многие ли IT-специалисты этим заинтересуются и захотят спуститься с технологических высот к «бренным» аналитическим решениям несложных дифф. уравнений.
Но мне показалось забавным, что результаты тестов на коронавирус – ПЦР и др., и тестов на антитела можно довольно легко связать между собой простой математической моделью, причем анализ модели приводит к интересным выводам.
В такой области глубокого обучения, как обработка изображений, библиотека Keras играет ключевую роль, радикально упрощая обучение transfer learning и использование предварительно обученных моделей. В области обработки естественного языка (NLP) для решения достаточно сложных задач, таких как ответы на вопросы или классификация намерений, приходится комбинировать серию моделей. В этой статье мы расскажем, как библиотека DeepPavlov упрощает построение цепочек моделей для NLP. На основе DeepPavlov и с помощью Azure ML мы построим вопросно-ответную нейросеть, обученную на наборе данных COVID-19.
PostgreSQL 16 вносит немало улучшений в планировщик запросов и позволяет выполнять многие SQL-запросы быстрее, чем в предыдущих версиях PostgreSQL.
Если вы посмотрите на PG16 release notes, то увидите некоторые из этих улучшений. Но из-за объема изменений, вносимых в каждом выпуске PostgreSQL, невозможно предоставить достаточно подробную информацию о каждом изменении.
В этом посте вы получите глубокое представление о 10 улучшениях, внесенных в планировщик запросов PostgreSQL 16. Для каждого из улучшений будет сравнения выходных данных планировщика PG15 и PG16, а также примеры того, что изменилось, в виде автономного теста, который вы можете попробовать сами.