Daniel Science

В буре новостей про нейронки от Microsoft и Google совсем незаметной осталась новость про не менее революционную Notion AI.

Некоторе из того, что она умеет:
– Автоматически писать заметки
– Резюмировать длинные статьи
– Анализировать настроение текста
– Переводить текст на разные языки
– Предлагать продолжение текста

Пока возможность открыта для 1 млн пользователей. При этом Notion AI работает на Desktop и в Web, но для доступа нужно немного повисеть в списке ожиданий.

🧠 Экзистенциальная проблема

Сунь-цзы, Айрис Мёрдок и Аристотель предлагают подвезти вас на машине домой. Но двое из них хотят вас убить, а один – нет. Вам придётся выбрать одного из философов – того, кто не хочет вас убивать.

Точно известно, что, по меньшей мере, один из философов всегда врёт (причём убийца — не обязательно лжец). Они сделали следующие заявления:

Сунь-цзы: Мёрдок и Аристотель говорят правду.
Мёрдок: Чтобы выжить, выбирайте Сунь-цзы или Аристотеля.
Аристотель: Если хотите жить, не выбирайте Мёрдок.

Решение:

Выбирайте Мёрдока.

Если Сунь-цзы говорит правду, тогда Мёрдок и Аристотель тоже говорят правду. Мы знаем, что один из них лжёт, поэтому Сунь-цзы определённо должен лгать. Тогда у нас есть три варианта. Либо Мёрдок и Аристотель оба врут (тогда нужно выбирать Мёрдок), либо Мёрдок врёт, а Аристотель говорит правду (тогда появляется противоречие), либо Мёрдок говорит правду, а Аристотель лжёт (опять у нас противоречие).

Единственным вариантом будет выбрать Мёрдок.

XGO 2, первая в мире роботизированная собака Raspberry Pi с рукой!

Интеллектуальный, гибкий и с открытым исходным кодом.

Команда уже собрала 156,368$ на реализацию проекта.

Стоимость питомца стартует с 449$

Подробнее тут

Задача с собеседования:

Есть 20 баночек с таблетками. В 19 баночках лежат таблетки весом 1г., а в одной - весом 1,1г. Даны весы, показывающие точный вес. Как за одно взвешивание найти банку с тяжелыми таблетками?

Удалось решить за 2 мин - ставь 👍🏻

Как давать фидбек так, чтобы тебя не послали на … курс по коммуникации

В одном из постов я говорил, что сейчас у нас в компании проходит годовое performance review. Так вот, внутри любого процесса взаимодействия, в том числе и рабочего, бывает сложно дать кому-то обратную связь, чтобы указать на зоны роста и при этом не испортить отношения. Умение общаться и давать обратную связь - очень важный soft skill, который поможет не испортить отношения с близкими, продвинуться выше по карьерной лестнице и обрести друзей на этом пути.
Повторил сам и советую вам.

Принципы обратной связи:

1. Не критикуем
Наша задача указать на положительные моменты и зоны роста. Критика в формате «твой код не очень» не подходит

2. Факты
Обратная связь всегда основана на фактах. Фраза «ты всегда говнокодишь» звучит абстрактно, а вот с «твой последний MR не прошел код-ревью» сложно спорить.

3. Не оцениваем собеседника
Одна из наших задач - сделать так, чтобы собеседник изменил какие-то моменты в своем поведении или работе. Поэтому, важно говорить не о личности собеседника, а о его поступках. Почувствуйте разницу: «ты слишком болтлив» и «на встрече ты говорил большую часть времени».

4. Своевременность
Вовремя дать обратную связь — это лучшее, что можно сделать с обратной связью. Если ситуация произошла месяц назад, а вы обсуждаете ее только сейчас — обсуждение теряет ценность.

Техники:

1. BOFF (Behaviour, Outcome, Feelings, Future):
описать проблемную ситуацию → объяснить, к чему она привела → выразить свои чувства по этому поводу → договориться об изменении действий в будущем.

2. Классический «гамбургер»:
отметить хорошее → указать на зоны роста → снова похвалить

2.1. Усовершенствованный «гамбургер»:
отметить хорошее → указать на зоны роста → вместе обсудить, как прокачать зоны роста, и снова похвалить

P.S.
Обратная связь имеет эффект только в ситуации, когда собеседник готов к обсуждению. Поэтому, начать лучше с вопроса: «Удобно ли сейчас обсудить…?».

#обратная_связь #корпоративная_культура #карьера

MLflow на домашнем сервере

Недавно один начинающий разработчик спросил меня как поднять MLflow локально без регистрации и смс, потому что он, цитата, «запарился искать простой и понятный туториал»

Для чего это нужно дома? Позволяет логировать эксперименты, которые проводишь в рамках освоения новых инструментов, или участия в соревнованиях. Также это дополнительный + в резюме и важный инструмент для работы в команде.

Я рассказал как это сделать и подумал, что такая потребность, наверное, не только у него. Найти простой туториал, в котором разобрался бы даже интерн не всегда просто. Многие пытаются создать из 5 строк кода научную статью.

Поэтому выложил на GitHub рабочий из коробки код. Пользуйтесь.

ML на собеседовании

История успеха
Не моя, но интересная и показательная. Коротко - работу найти можно всегда, было бы желание и упорство. Стиль автора сохранен.

«Помнится, год назад, когда искал свою первую работу джуном ДС, потратил на это всё лето и часть осени, участвовал в контестах на Яндексе, изучал дополнительно алгоритмы и структуры данных, мат стат, линал, чтобы хоть чем-то выделяться на фоне бесчисленного количества таких же джунов с курсов, везде получал фидбек типа "у вас ноль опыта, мы вас не берём", в итоге повезло в Сбере. Там меня посадили на пару месяцев на унылейший манки джоб, обучать бесконечные xgboost'ы с непонятным финэфектом. У нас в команде были одни дс'ы и ни одного человека, кто мог заделиверить свои наработки в пром, я вызвался быть этим человеком. Освоил Спарк, джаву/скалу, завел связи с людьми из мл-опс платформы, набирался у них опыта, вывел витрины фичей и модель в пром на внутренних фреймворках сбера, в результате, на днях получил два оффера за неделю как мидл-ДЕ с x2 зп»

Часто результат вашего упорства был оправдан? Есть у вас подобные кейсы? У меня - да. Помнится, хотел получить оффер одной компании, но не обладал одним важным навыком. Провел 3 дня в полном погружении, изучил все необходимое и получил желанный оффер. Было это давно, но правда)

Недавно на habr вышла хорошая статья моего знакомого на тему того, как рождается и умирает ML в компании.
Сейчас многие компании хотят иметь в своем арсенале ML специалиста, но далеко не все готовы к этому. О том, с какими трудностями можно столкнуться и как их решать читать тут. Полезно

#ML #habr #карьера

Все больше информации о том, что люди не могут отличить текст, написанный ChatGPT и человеком.

Она сдает экзамены, проходит тесты для поступления и много чего еще. Уже принимаются меры по запрещению использования этой нейронки. Например, недавно Департамент образования Нью-Йорка запретил школьникам и учителям доступ к чат-боту ChatGPT в сетях и на устройствах государственных школ города.

А что у нас? А у нас студент из Москвы написал диплом с помощью ChatGPT и успешно его защитил.
Ему потребовалось примерно 23 часа. На выходе получилось 82% уникальности.

Помните, сколько времени ушло у вас, чтобы добиться такой уникальности?

#ChatGPT #NLP #NN

Новости компьютерного зрения!

Сразу несколько недавних обновлений от ребят из ultralytics, которые сделали YOLOv3, YOLOv5 и YOLOv8:

1. Релиз YOLOv8, которая еще быстрее, еще точнее и тд.
Как новый iPhone, только нейронка. Сейчас является SOTA в задаче детектирования. На изображении, собственно, график сравнения с другими моделями на стандартном бенчмарке - COCO dataset.

2. Релиз новой версии YOLOv5. Это самая популярная модель для компьютерного зрения в мире. В новом релизе, названном release v7.0, разработчики добились высочайшей скорости и качества сегментации и теперь эта модель по праву носит звание самой быстрой и точной сегментационной модели в мире. Для тех, кому интересно испытать на себе всю скорость этой модели - ссылка на colab.

Ссылки на репо моделей:
YOLOv5, YOLOv8

#CV #ComputerVision #YOLO

Недавно в нашей компании начался процесс годового performance review, в рамках которого оценивается не только вклад разработчика в продукт, но и его профессиональный рост.
Рассказал в короткой статье о том, как быстро понять свой грейд и отличить Junior от Senior
#статья #карьера

Channel created