О книге «Алмазный век»
Алмазный век или букварь для благородных девиц Нила Стивенсона я взялся читать из-за второй части названия. В статье про электронную книгу для детей на dev.by кто-то упомянул букварь как пример крутой технологии, меняющей общество. А я уж очень соскучился по хорошей «Лемовской» футурологии. Лем-то уже не пишет, по объективным причинам… Ну, думаю, вот оно! Лауреат премии Хьюго ерунду не напишет! Ерунду, конечно, не напишет, но и правдоподобно описывать будущее тоже не обязан :-D
Получилась у Стивенсона добротная сказка для взрослых, с парой оргий, чернухой, мутной логикой и множеством искусственных неологизмов. Как-будто достоверность описания будущего зависит от количества новых терминов и неожиданных применений технологий.
Автоматизация импортов в Python
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.
О книге «Статистика и котики»
Небезызвестная книга, которая рекомендуется для знакомства со статистикой.
В аннотации к ней написано: «Из этой книги вы узнаете, что такое дисперсия и стандартное отклонение, как найти t-Критерий Стьюдента и U-критерий Манна-Уитни, для чего используется регрессионный и факторный анализы, а также многое и многое другое».
Вы про это прочитаете и узнаете «примерно» что такое дисперсия и прочие штуки. Узнаете в каких случаях что лучше применять.
Но ничего из этого вы не выучите и не поймёте на уровне, необходимом для профессионального использования. Поскольку это не учебник, а справочник. Очень хороший и понятный, но всё-таки именно справочник.
«Статистика и котики» будет полезна в двух случаях:
- Вы уже изучали статистику и вам надо быстро освежить общие понятия. Очень быстро очень общие.
- Вы вообще не представляете что такое статистика, но у вас есть данные, которые надо проанализировать с конкретной целью. В этом случае книга позволит сузить область изучения до необходимых разделов (вместо изучения всей статистики подряд).
В книге присутствуют простые последовательные объяснения, картинки, котики, пёсики и слоники.
Отсутствуют формулы, их вывод и обоснование.
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 можно найти на картинке и по ссылкам:
Но куда интереснее не сам результат, а способ его получения:
- Сырую обучающую выборку слили с сайта об японских играх (изображения персонажей).
- На этих изображениях сторонней нейронной сетью распознали лица.
- Другой сторонней нейронной сетью назначили полученным портретам теги (цвет волос, глаз, etc).
- Обучили свою сеть, которая по параметрам генерирует картинки.
- Использовали сеть из пункта 3 для расчёта оценочной функции (на сколько полученная картинка соответствует требованиям).
- 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.