Эссе о разработке игр, мышлении и книгах

О проектировании миров

Таким может быть ваш новый мир (c) [Рашап](https://the-tale.org/accounts/18776)

Таким может быть ваш новый мир (c) Рашап

Этот пост я начал писать как часть рецензии на произведения Сюзанны Кларк, но быстро понял что ухожу в сторону от основной темы. Поэтому в рецензии оставил только то, что напрямую касается мира английской магии, а тему проектирования миров подробнее раскрыл тут.

Изначально эссе было опубликовано на DTF, но я решил вернуть его в блог. Изменений не делал, поэтому подача может немного отличаться от обычной для блога.

Далее

Автоматизация импортов в Python

Пример автоматизаиции импорта.

Пример автоматизаиции импорта.

Написал библиотеку для автоматического импорта модулей в Python.  Анализирует код и самостоятельно импортирует что надо. Называется smart imports: pypi, github.

Написал год назад (то есть год уже использую в своих проектах), но написать статью только сейчас руки дошли :-)

Документация пока находится на хабре.

Про кражу результатов выполнения тестовых заданий

Каррикатура из неизвестного источника. Если вы знаете кто автор, сообщите, пожалуйста.

Каррикатура из неизвестного источника. Если вы знаете кто автор, сообщите, пожалуйста.

По правде сказать, меня всегда выбешивали опасения что кто-то там украдёт чью-то работу по тестовому заданию. А тут на DTF очередной пост по этому поводу , так что я решил высказаться.

Ну бред же, ей богу. Бред сивой кобылы.

У нашего ИТ (не геймдева), действительно, есть похожая проблема. Но она заключается не в том, что у соискателей работу воруют. Она заключается в том, что соискатели думают что их тестовое задание в принципе возможно использовать в чём-то, кроме оценки их компетенций. Сюда же можно добавить школоту, которая считает, что можно набрать таких заданий и собрать из них рабочий проект. Последнее реально чистая школота из вконтактика, поэтому даже говорить об этом нет смысла.

Проблема не в злых конторах, а в кадрах у которых квалификация катастрофически не соответствует ЧСВ.

А работы ваши не нужны потому, что в любом долгосрочном проекте важны не N строк кода (картинок, нот, etc.), а человек который их создал, который в голове держит концепцию их создания, план развития, связи с другими частями проекта и прочее. Без этой информации такая работа - камень на шее проекта, который тянет его на дно.

Кроме того, обвинять конторы в том, что они украли что-то и выпустили - ещё большая ерунда. Люди не случайно принимают решения, а мозгом пользуются. Ну, некоторые из них. Если вам пришла в голову какая-то идея, то она пришла и к десятку других людей. Если идея толковая, её уже делают. Посмотрите хотя бы на недавние анонсы игровых облачных платформ. Никто же не обвиняет Apple, Google и прочих, что они друг у друга идеи стырили. Нет, они делают то, что диктует рынок.

А идеям без реализации цена 10 центов за дюжину.

Рассылка интересных статей

В прошлом году наконец собрал все свои подписки в одном месте на feedly.com —удобная штука, кстати, с фильтрами и прочим.

Оказалось, что в день приходит несколько сотен новостей. Чтобы оценить полезность источников, на которые подписан, начал выносить действительно интересные материалы в «избранное». Получился «ручной» фильтр, который сокращает количество новостей раз в 100. Среди них где-то 50% хабра и 50% всего остального.

Мне с этого кроме отбраковки неинтерсных источников профита не получить, но может вам интересно будет подписаться в целях экономии времени.

Вот RSS

Нейронный сети научили генерировать полноценные анимэшные аватарки

Пример сгенерированных нейронной сетью аватарок

Пример сгенерированных нейронной сетью аватарок

Пример можно найти на картинке и по ссылкам:

сайт с генератором

краткий отчёт по разработке

статья

Но куда интереснее не сам результат, а способ его получения:

  1. Сырую обучающую выборку слили с сайта об японских играх (изображения персонажей).
  2. На этих изображениях сторонней нейронной сетью распознали лица.
  3. Другой сторонней нейронной сетью назначили полученным портретам теги (цвет волос, глаз, etc).
  4. Обучили свою сеть, которая по параметрам генерирует картинки.
  5. Использовали сеть из пункта 3 для расчёта оценочной функции (на сколько полученная картинка соответствует требованиям).
  6. Конечный результат получается генерацией нескольких аватарок и выбором одной с лучшим значением оценочной функции.

То есть в работе задействовано 3 нейронные сети, 2 из которых — обучены ранее другими людьми. По этому поводу можно было бы расписать много интересного, но просто оставлю как факт.