Pull to refresh
4
0

Пользователь

Send message

Tinder не место для знакомства

Reading time 3 min
Views 49K

Вероятно, вы догадываетесь, что мир изменился, но, чтобы настолько… Нет времени на конфеты, букеты, кино и мороженое. Любовь, романтика и ревность давно оцифрованы. Рекрутеры активно осваивают дейтинговые сервисы для поиска кандидатов. Знакомятся, общаются, а потом предлагают встречу… Ага! Близкое знакомство, так сказать… В офисе. Поговорим об этом?

Читать далее
Total votes 44: ↑33 and ↓11 +22
Comments 296

Исповедь CTO: путь развития технического директора в стартапе

Reading time 9 min
Views 4.5K
image

О важности саморазвития основателей в быстрорастущих стартапах написано немало. Как правило, тексты подобной тематики посвящены роли CEO. Общие советы по лидерству могут быть полезны и для других ролей, но мне не удалось найти материалов, которые могли бы помочь основателям-технарям. После прочтения кучи форм S-1 стало ясно, что очень трудно найти CTO с нуля прошедших путь от MVP до IPO (при этом с основателями-CEO ситуация прямо противоположная). Мне этот факт показался интригующим – я решил копнуть глубже. Мне хотелось докопаться до сути и причин такого положения дел. Также меня это немного напрягает: а что я если я не способен расти быстро? Мне стоит разобраться, пока не возникли реальные проблемы! Я хочу быть тем CTO, который сделает RevenueCat публичной компанией! (1)

Неужели основателям, не занимающим должность генерального директора, сложнее быстро развиваться? Может быть, дело в том, что у CEO обычно есть значительная поддержка? Как бы то ни было, всему есть свои причины. Возможно, я просто неправильно ставил вопрос. После разговоров со многими основателями-CTO стало ясно: стандартного определения технического директора не существует. Обязанности человека на этой должности могут полностью меняться в зависимости от компании и этапа ее развития. Вероятно, поначалу технический директор привносит заметный личный вклад, но вскоре все может поменяться. Опыт разных людей может значительно отличаться. К сожалению, у меня нет ответов для основателей, не являющихся CEO. Возможно, у меня нет ответов и для тех, кто стал CTO впервые. Как бы то ни было, я подумал, что будет полезно поразмышлять над тем, что я узнал, и как изменились мои обязанности за 3 года работы в RevenueCat.
Читать дальше →
Total votes 21: ↑17 and ↓4 +13
Comments 1

3D Говорящие Головы. Третий проект центра разработки Intel в России

Reading time 14 min
Views 4.2K

Согласно известной шутке все мемуары в книжных магазинах должны располагаться в разделе «Фантастика». Но в моём случае это и правда так! Давным-давно в далёкой-далёкой галактике в российском центре разработки Intel мне довелось участвовать в реально фантастическом проекте. Проекте настолько удивительном, что я хочу воспользоваться своим служебным положением редактора блога Intel в личных целях, и в рамках цикла «20 лет – 20 проектов» рассказать про эту работу.
3D Talking Heads (Трехмерные Говорящие Головы) – это показывающий язык и подмигивающий бронзовый бюст Макса Планка; обезьянка, в реальном времени копирующая вашу мимику; это 3D модель вполне узнаваемой головы вице-президента Intel, созданная полностью автоматически по видео с его участием, и еще много всего… Но обо всём по порядку.
Читать дальше →
Total votes 14: ↑14 and ↓0 +14
Comments 5

Обзор на статью о FarSee-Net — новый подход к семантической сегментации в реальном времени

Reading time 3 min
Views 19K
В данной работе авторы предлагают архитектуру Cascaded Factorized Atrous Spatial Pyramid Pooling (CF-ASPP) для семантической сегментации в реальном времени. Новый модуль CF-ASPP и использование super-resolution позволяют улучшить latency-accuracy trade-off. Обзор подготовил ведущий разработчик МТС Андрей Лукьяненко.

image

Семантическая сегментация в реальном времени очень нужна для многих задач, выполняемых на ограниченных ресурсах. Одна из больших сложностей — работа с объектами разных размеров и использованием контекста. В данной работе авторы предлагают архитектуру Cascaded Factorized Atrous Spatial Pyramid Pooling (CF-ASPP).

В наше время распространенным подходом является быстрое уменьшение размера изображений на начальных этапах, а затем маска исходного размера получается с помощью upsampling. Авторы предлагают использовать подходы super-resolution вместо простого upsampling.

Новый модуль и использование super-resolution позволяет улучшить latency-accuracy trade-off.
Читать дальше →
Total votes 12: ↑12 and ↓0 +12
Comments 3

Определение параметров трансформации облака точек

Reading time 3 min
Views 3.1K

Постановка задачи


Рассмотрим задачу нахождения угла поворота и смещения облака точек. Под облаком точек подразумевается набор точек на плоскости, сохраняющие взаимное расположение друг от друга, при их пространственном перемещении.


Т.е. есть два набора точек: исходное облако и облако преобразованное произвольным образом в пространстве (см. Рис. 1). Любое преобразование облака точек в пространстве можно интерпретировать как поворот и смещение. Таким образом, необходимо определить на какой угол требуется повернуть исходное облако точек и на какое расстояние его передвинуть от исходного облака точек, чтобы получить то самое, преобразованное произвольным образом облако точек.



Рис. 1 Пример облака точек, к которому применен поворот на 15 градусов, и смещение по оси Х: 10, по оси Y: 30


Читать дальше →
Total votes 10: ↑8 and ↓2 +6
Comments 7

Сравнивали Haskell и C++, а сравнили jump и cmov

Reading time 9 min
Views 17K

Что самое смешное — <br> я собирал хаскель-код через LLVM-бекенд,<br> но при этом сравнивал с GCC


В статье [ссылка] было заявлено, что производительность Haskell кода превзошла код на С++. Что сразу вызвало интерес, т.к. и то и другое может генерироваться LLVM компилятором, значит либо Наskell может давать больше хинтов компилятору, либо что-то не так с С++ реализацией. Далее мы разберём, как череда случайностей в действиях автора привела к неправильным выводам, которые описываются таблицей ниже (под катом).

Читать дальше →
Total votes 73: ↑71 and ↓2 +69
Comments 142

Виртуальная примерочная в OpenCV

Reading time 8 min
Views 11K

Было ли у вас такое, что в интернет-магазине понравилась какая-нибудь вещь, но не хочется покупать ее, не примерив? Конечно, в некоторых магазинах есть возможность примерить одежду после заказа перед оплатой. Однако по статистике каждый год доля онлайн-заказов в интернет-магазинах одежды и обуви растет, но также растет и доля возвратов, она составляет 50–70% — это огромные затраты на логистику, которые можно будет значительно сократить, используя онлайн-примерочную. Представьте, вы загружаете свою фотографию, выбираете одежду и она переносится на ваше изображение. Уже существуют виртуальные примерочные обуви, они работают достаточно успешно. Некоторое время назад нас заинтересовала эта тема, как обстоят дела с одеждой? Такие работы тоже существуют, но успешных гораздо меньше, во многих из них кроме статьи найти ничего не удается, о рабочем примере остается только мечтать. Мы решили исправить это и поддержать одну из сетей в библиотеке OpenCV. Что из этого вышло можете увидеть в virtual_try_on.py sample.



Результат не идеален, но в данной области считается достаточно хорошим.


Хотите узнать как работает виртуальная примерочная и с какими сложностями мы столкнулись при интеграции модели в OpenCV — добро пожаловать под кат!

Читать дальше →
Total votes 9: ↑8 and ↓1 +7
Comments 15

Объяснение: почему wc на Haskell оказался «быстрее» аналога на С

Reading time 9 min
Views 30K


После недавних статей (№10xd34df00d, №2chapuza, №3picul) сравнивающих скорость работы реализаций упрощенной утилиты wc у меня оставался только один вопрос — Как простая реализация на Haskell оказалась быстрее простой реализации на C ?!


2020-02-27: Подтверждены результаты и выводы для ghc 8.8.3 и на текстах Шекспира (в конце под спойлером).

Читать дальше →
Total votes 137: ↑135 and ↓2 +133
Comments 158

Очередная статья про wc

Reading time 8 min
Views 15K

Всем добрый день.


Недавно на Хабре появилась статья Побеждая C двадцатью строками Haskell: пишем свой wc от @0xd34df00d. Автор, известный своей симпатией к функциональному программированию, реализовал на Хаскеле аналог утилиты wc, и подверг его оптимизации, получив в результате вариант, работающий более чем в 7 раз быстрее стандартной юниксовой утилиты.

Читать дальше →
Total votes 77: ↑76 and ↓1 +75
Comments 46

Transformer в картинках

Reading time 14 min
Views 109K

В прошлой статье мы рассматривали механизм внимания (attention) – чрезвычайно распространенный метод в современных моделях глубокого обучения, позволяющий улучшить показатели эффективности приложений нейронного машинного перевода. В данной статье мы рассмотрим Трансформер (Transformer) – модель, которая использует механизм внимания для повышения скорости обучения. Более того, для ряда задач Трансформеры превосходят модель нейронного машинного перевода от Google. Однако самое большое преимущество Трансформеров заключается в их высокой эффективности в условиях параллелизации (parallelization). Даже Google Cloud рекомендует использовать Трансформер в качестве модели при работе на Cloud TPU. Попробуем разобраться, из чего состоит модель и какие функции выполняет.


Впервые модель Трансформера была предложена в статье Attention is All You Need. Реализация на TensorFlow доступна как часть пакета Tensor2Tensor, кроме того, группа NLP-исследователей из Гарварда создали гид-аннотацию статьи с реализацией на PyTorch. В данном же руководстве мы попробуем максимально просто и последовательно изложить основные идеи и понятия, что, надеемся, поможет людям, не обладающим глубоким знанием предметной области, понять данную модель.

Читать дальше →
Total votes 16: ↑16 and ↓0 +16
Comments 4

Теория графов в машинном обучении для самых маленьких

Reading time 15 min
Views 25K

Сложность представления данных для глубокого обучения растет с каждым днем. Нейронные сети на основе данных в виде графа (Graph Neural Network, GNN) стали одним из прорывов последних лет. Но почему именно графы набирают все большую популярность в машинном обучении?


Конечной целью моего повествования является общее представление графов в приемах машинного обучения. Статья не претендует на научную работу, которая в полной мере описывает всю мощь представления графов, а лишь знакомит читателя с этим удивительным и сложным миром. Публикация отлично подойдет, как для закаленных в боях профессионалов, которые еще не знакомы с представлением графов в глубоком обучении, так и для новичков в этой сфере.

Читать дальше →
Total votes 13: ↑12 and ↓1 +11
Comments 3

Автоматическое машинное обучение: когда data scientist’ы будут не нужны

Reading time 7 min
Views 8.9K


Уже третий год мы проводим форум по искусственному интеллекту RAIF (Russian Artificial Intelligence Forum), на котором спикеры из мира бизнеса и науки рассказывают о своей работе. Самыми интересными докладами мы решили поделиться. В этом посте Андрей Фильченков, руководитель лаборатории машинного обучения ИТМО, рассказывает всю правду об AutoML.

В рамках прошедшего в Сколково форума RAIF 2019, организованного «Инфосистемы Джет», я выступил с докладом, в котором рассказал об AutoML и перспективах его использования. Поскольку я ученый, мне не так уж часто приходится выступать на подобных мероприятиях: обычно я участвую в научных конференциях.

Одной из основных областей, которой мы занимаемся, является AutoML. Кроме того, я являюсь техническим директором двух небольших стартапов. Один из них – Statanly technologies – создает сервисы AutoML и занимается анализом данных. Фактически я являюсь тем человеком, который придумывает алгоритмы, внедряет их и пользуется ими. Наверное, я единственный человек, который может рассказать про AutoML со всех трех возможных позиций.
Читать дальше →
Total votes 16: ↑16 and ↓0 +16
Comments 3

Самый великий физик

Reading time 27 min
Views 31K
******************* Ну и кто из нас читал «Начала» Ньютона? *****************

Беру в руки журнал “Наука и жизнь” №1 2020. На обложке бросается в глаза вопрос “Почему Эйнштейн самый великий физик?”. Действительно, почему? Открываю статью Евгения Берковича “Трагедия Эйнштейна, или счастливый Сизиф”. Начинается она так: “Кто самый великий физик? Спросите об этом кого угодно, любой вам скажет: Альберт Эйнштейн. Не зря строгий академик Лев Ландау поставил его первым в иерархии физиков”.

Но, господин Беркович, ведь Ландау классифицировал, как мне кажется, только действующих на тот момент физиков. По крайней мере, где бы шкала Ландау не упоминалась, Ньютон там не упоминался. При всей «скромности» Ландау я не могу вообразить, что где-то есть список, составленный им и в котором был бы и Ньютон и сам Ландау.

“Спросите об этом кого угодно…”. Господин Беркович берет на себя смелость отвечать за всех. Ну, кого угодно, так кого угодно — мне угодно взять себя. Беру себя. И отвечаю: самый великий физик это Исаак Ньютон.
Читать дальше →
Total votes 56: ↑48 and ↓8 +40
Comments 68

Создаём линзы для SnapChat с использованием pix2pix

Reading time 3 min
Views 4.3K

Почти такой же заголовок носит и моя предыдущая статья, с той лишь разницей, что тогда я создавал линзы для SnapChat алгоритмически, используя dlib и openCV, а сегодня хочу показать, как можно добиться результата, используя машинное обучение. Этот подход позволит не заниматься ручным проектированием алгоритма, а получать итоговое изображение прямо из нейронной сети.


Вот что мы получим:


Total votes 10: ↑10 and ↓0 +10
Comments 0

Точки входа в Python

Reading time 6 min
Views 29K
Многие думают, что точки входа это такие инструкции в setup.py, которые позволяют сделать пакет доступным для запуска из командной строки. Это, в целом, верно, но возможности точек входа не ограничиваются этим.

Ниже я покажу как можно реализовать систему плагинов для пакета, чтобы другие люди могли с ним взаимодействовать или, например, расширять его функциональность динамически.



Осторожно: специфический юмор далее по тексту.
Читать дальше →
Total votes 39: ↑39 and ↓0 +39
Comments 6

Приводим уравнение линейной регрессии в матричный вид

Reading time 6 min
Views 22K


Цель статьи — оказание поддержки начинающим датасайнтистам. В предыдущей статье мы на пальцах разобрали три способа решения уравнения линейной регрессии: аналитическое решение, градиентный спуск, стохастический градиентный спуск. Тогда для аналитического решения мы применили формулу $X^T X \vec{w} = X^T \vec{y}$. В этой статье, как следует из заголовка, мы обоснуем применение данной формулы или другими словами, самостоятельно ее выведем.

Почему имеет смысл уделить повышенное внимание к формуле $X^T X \vec{w} = X^T \vec{y}$?

Именно с матричного уравнения в большинстве случаев начинается знакомство с линейной регрессией. При этом, подробные выкладки того, как формула была выведена, встречаются редко.
Читать дальше →
Total votes 11: ↑11 and ↓0 +11
Comments 6

Методы наименьших квадратов: текст, написанный программистом для программистов

Reading time 19 min
Views 36K
Продолжаю публикацию своих лекций, изначально предназначенных для студентов, учащихся по специальности «цифровая геология». На хабре это уже третья публикация из цикла, первая статья была вводной, она необязательна к прочтению. Однако же для понимания этой статьи необходимо прочитать введение в системы линейных уравнений даже в том случае, если вы знаете, что это такое, так как я буду много ссылаться на примеры из этого введения.

Итак, задача на сегодня: научиться простейшей обработке геометрии, чтобы, например, суметь преобразовать мою голову в истукана с острова Пасхи:


Читать дальше →
Total votes 84: ↑80 and ↓4 +76
Comments 13

Важный твит про продление жизни

Reading time 5 min
Views 40K
Менее чем за неделю один твит Дэвида Синклера собрал 1 500 ретвитов, 5 200 лайков, что для его твиттера довольно много. Кто такой Дэвид Синклер? Это сейчас самый хайповый чувак в продлении жизни, профессор Гарварда, автор более 50 публикаций, опубликованных в рецензируемых журналах, в том числе в Nature, Cell и Science, организатор Национальной Академии Здоровья и Продолжительности Жизни, учредитель множество компаний, участник подкастов у Рогана и других шоу. Привлек уже как минимум 50 миллионов долларов. Дэвид недавно написал книгу “Продолжительность жизни”.


А еще он сооснователь Life Bioscience. Это такая семья компаний, нацеленных на продление жизни. Те, кто анализирует биотех компании, сразу обратят внимание на то, что на сайте этой компании нет раздела Pipeline — раздела, посвященному клиническим исследованиям. И нет раздела Science — где были б статьи. Не то, чтобы это прям совсем плохо, но просто отмечаем такую деталь. Правда, есть на этом сайте и хорошее: в фокусе компании обозначены несколько важных направлений — митохондрии, эпигенетика, воспаление и прочее. И дизайн симпатичный.


Дэвид Синклер.

А в твите он дал совет, как всем жить:
Читать дальше →
Total votes 66: ↑34 and ↓32 +2
Comments 99

Тренды в компьютерном зрении. Хайлайты ICCV 2019

Reading time 9 min
Views 8.2K


Нейросети в компьютерном зрении активно развиваются, многие задачи ещё далеки от решения. Чтобы быть в тренде в своей области, достаточно подписаться на инфлюенсеров в Твиттере и читать релевантные статьи на arXiv.org. Но у нас появилась возможность съездить на International Conference on Computer Vision (ICCV) 2019. В этом году она проводится в Южной Корее. Теперь мы хотим поделиться с читателями Хабра тем, что мы увидели и узнали.
Читать дальше →
Total votes 43: ↑43 and ↓0 +43
Comments 4

AR-креаторы: зарождение новой профессии

Reading time 5 min
Views 19K
В августе этого года на свет появилась новая профессия. А все потому, что Facebook вывел из бета версии Spark AR — платформу для создания масок для Instagram и Facebook. Так получилось, что я оказался в водовороте процесса становления этой профессии и сам стал AR-креатором. В статье расскажу о ценах на маски и самых ярких историях успеха креаторов.

image
Читать дальше →
Total votes 22: ↑18 and ↓4 +14
Comments 9

Information

Rating
Does not participate
Registered
Activity