Эссе о разработке игр, мышлении и книгах

О блоге

Пост родился из главы итогов года, которая поясняла всплеск моей активности в блоге. Глава разрослась и была не особо нужна, поэтому вынес в отдельный текст.

Он состоит из трёх частей:

  • Исторической справки — как я маялся с блогом, как пришёл туда, куда пришёл.
  • Ответа на вопрос почему я веду блог.
  • Размышлений о текущем состоянии блога.

Первая часть вряд ли вам будет интересна — это скорее подводка для меня к следующим  главам.

Далее

Итоги 2020 года для меня и блога

[Terry Pratchett's Hogfather](https://en.wikipedia.org/wiki/Terry_Pratchett%27s_Hogfather)

Terry Pratchett's Hogfather

Расскажу чем занимался весь год, сколько чего прочитал, сколько написал, какие посты считаю лучшими и что планирую на год следующий.

Далее

Поругайте (или похвалите) меня

Но лучше всё-таки поругайте. Похвалить я и сам могу ;-)

Бложику нужна обратная связь от читателей.

Мне нравится как он изменился за последний год: посерьёзнел, обрёл некоторую самобытность. Как мне кажется. Подробнее об этом я постараюсь рассказать в отдельном посте.

А, и самое главное — блог читают о_О Привет читатели!

Чтобы и мне и бложику развиваться дальше, необходимо исправлять слабые места и находить новые возможности. Некоторые вещи я вижу, но определённо не все и не в том свете, в котором видите вы.

Поэтому я буду очень благодарен за пару слов с критикой или советами от вас мне:

  • как сделать бложик лучше;
  • как не сделать хуже;
  • о чём писать, о чём не писать;
  • и так далее…

Пишите где вам удобно: в комментариях к посту, в телеграмме, в facebook, на почту, etc.

Заодно, принимаю заказы на посты. Пишите интересующие вас темы, постараюсь их раскрыть, если получится :-)

Франшиза кружков черчения

Кульман — инструмент для черчения.

Кульман — инструмент для черчения.

Дарю идею для стартапа. Практически голубой океан, как минимум на пост СССР.

Надо делать франшизу кружков черчения.

Но не для подготовки инженеров, а для хобби. А-ля лепка из глины, рисование, игра на гитаре, бальные танцы. Как современную замену каллиграфии.

Смотрите:

  • Предмет черчения теряет свою направленность на выработку прямых инженерных навыков — уже никто не чертит на бумаге.
  • Поэтому его убирают из школ и универов.
  • В то же время огромное количество людей имеет положительное мнение о черчении, как занятии, и считает, что полезные навыки оно развивает.
  • Фактически, у черчения на пост СССР сейчас репутация примерно как у каллиграфии среди японских ниндзя. Только черчение — более современная дисциплина.
  • Продукты черчения выглядят круто, элитно, это практически картины. Их можно в рамках на стены вешать.
  • Совершенствоваться в черчении можно очень долго. Это позволяет как делать разноуровневые кружки, так и проводить соревнования.
  • Черчение имеет за собой сложную традицию: стандарты, подходы, «школы».
  • Черчение требует дорогих и пафосных инструментов: циркули, фигурные линейки, кульманы, лампы. Уголок для черчения в доме однозначно добавит понтов хозяину.
  • Черчение требует расходников: грифели, стёрки, различная бумага.
  • Преподаватели черчения остаются не удел — это готовые мотивированные сотрудники.

Математики добрались до нейронных сетей

На arxiv.org выложен интересный препринт: Every Model Learned by Gradient Descent Is Approximately a Kernel Machine.

Как видно из названия, исследователи утверждают, что нейронные сети, обученные методом градиентного спуска (один из самых распространённых вариантов обучения) близки такой штуке как kernel machines — одной из техник машинного обучения «предыдущего поколения».

У kernel machines есть несколько интересных особенностей:

  • Техника хорошо проработана математически.
  • Требует значительно менее дорогих вычислений.
  • Вместо «выделения» признаков «напрямую» использует обучающую выборку.

Из этого может неслучиться несколько интересных вещей.

  • «Готовая» математика упростит сети и/или улучшит их результат и/или ускорит/удешевит обучение.
  • Область возможностей сетей очертится более чётко — окажется, что они не выделяют никакие новые признаки, а используют только «запутанные» данные из обучающей выборки.

Оба варианта выглядят довольно интересно.

Обсуждение на ycombinator.com