Расскажу, чем занимался в ушедшем году, как выполнил [планы](post:results-of-2020-for-me-and-the-blog} и что планирую на следующий год.
Подробно о моей годовой активности можно узнать в посте с итогами творческого отпуска. За пару месяцев ничего существенного не поменялось.
Мысли по мотивам новости: Wargaming подала в суд на россиянина за продажу ботов и читов для WoT.
Рекомендую почитать не только новость, но и комментарии — там найдутся хорошие аргументы с разных позиций, если получится продраться сквозь срач и школоту.
Глубокой аргументации не будет, так как расписывать её долго. Если хотите прояснить конкретный тезис — пишите вопрос в комментарии.
Также изложение будет крениться в сторону этики, а не бизнеса, так как этика мне интереснее.
Обновлено 5 ноября.
Работу нашёл. Пост оставляю для истории.
15 лет в разработке ПО, 13 — в геймдеве, 9 — в топ геймдев компаниях.
Специализируюсь на решении нетипичных задач, наведении порядка, разработке backend.
Не привязан к технологиям, легко переключаюсь на выгодные для текущего проекта.
Резюме: ru, [en](absolute:/en/cv}.
Рассматриваю позиции CTO, Tech/Team Lead или R&D разработчика.
Не рассматриваю:
Отвожу время на поиск до начала ноября. То есть принять офер смогу только в начале ноября.
Рассматриваю только продуктовые компании.
Важно наличие бонусов / опционов / процентов от прибыли с чёткими критериями их получения. Если такого нет, то буду рассчитывать на прямую компенсацию в зарплате.
Планирую уезжать на запад. Поэтому либо релокация в течение года, либо возможность удалённой работы.
P.S. Из всего могут быть исключения, но для каждого исключения нужен повод.
Или как написать том «Войны и мира» за 2 года.
В июне 2019 я уволился из Melsoft и ушёл в творческий отпуск, который длится вот уже 2 года и 2 месяца. Пора подводить итоги.
Расскажу зачем я это сделал, чем занимался, что получилось, что не получилось, какие впечатления остались.
Кратко: всем рекомендую.
В завершение разбирательства с Deep Learning решил посмотреть что-нибудь более интересное и ориентированное на генерацию контента — реализовать GAN.
По правде говоря, большую часть времени с GAN (и Autoencoder) я экспериментировал на спрайтах карты Сказки. Ожидаемо, на таком мизере обучающих данных ничего интересного не получилось. Хотя польза и была. Поэтому для поста я подготовил отдельный notebook с более наглядными результатами — генерацией обуви по набору данных Fashion MNIST.
Ноутбук с реализацией GAN и комментариями.
Про архитектуру GAN лучше почитать в вики, интернетах или моём ноутбуке.
Краткая суть:
Если правильно подобрать топологии сетей и параметры обучения, то в итоге генератор научается создавать картинки неотличимые от оригинальных. ??????. Profit.