Android Academy: теперь в Москве |
https://habr.com/post/420573/?utm_source=habrahabr&utm_medium=rss&utm_campaign=420573
Метки: Я пиарюсь android development education projects |
[Перевод] 11 библиотек (наборов компонентов) для React Native, о которых стоит знать в 2018-м |
https://habr.com/post/420613/?utm_source=habrahabr&utm_medium=rss&utm_campaign=420613
Метки: Разработка веб-сайтов ReactJS JavaScript Блог компании RUVDS.com React Native набор компонентов разработка |
Кастомный подход для нормализации и сброса стилей (custom-reset.css) |
https://habr.com/post/420539/?utm_source=habrahabr&utm_medium=rss&utm_campaign=420539
Метки: html css reset normalize custom-reset |
Создание ИИ методом «глокой куздры». Интеллектуальная одиссея |
https://habr.com/post/420197/?utm_source=habrahabr&utm_medium=rss&utm_campaign=420197
Метки: Мозг искусственный интеллект Будущее здесь Алгоритмы C# искусственный разум глокая куздра Ваня Разумный |
Реализация целочисленного БПФ на ПЛИС |
https://habr.com/post/420517/?utm_source=habrahabr&utm_medium=rss&utm_campaign=420517
Метки: Программирование микроконтроллеров Математика Алгоритмы fpga fpga/asic xilinx altera intel fft open source github |
Легенда о Фреймворке Всевластия |
https://habr.com/post/420113/?utm_source=habrahabr&utm_medium=rss&utm_campaign=420113
Метки: Разработка веб-сайтов Программирование Клиентская оптимизация ReactJS javascript svelte react aot |
PHP-Дайджест № 137 (6 – 20 августа 2018) |
PHP 7.3.0 Beta 2 и другие релизы, предложение из PHP Internals, порция полезных инструментов, видеозапись «Пишем блокчейн на PHP», и многое другое.
Приятного чтения!
https://habr.com/post/420629/?utm_source=habrahabr&utm_medium=rss&utm_campaign=420629
Метки: Разработка веб-сайтов Symfony PHP Laravel Блог компании Zfort Group дайджест php-дайджест Yii PhpStorm Async ReactPHP Magento PHP 7.3 |
Ну и куда теперь девать эти двигатели? |
https://habr.com/post/420587/?utm_source=habrahabr&utm_medium=rss&utm_campaign=420587
Метки: Научно-популярное Космонавтика история космонавтики ракетные двигатели F-1 J-2 |
Три технических доклада РИТ 2018 по версии Plesk |
Фестиваль РИТ 2018 в Сколково был большим и весьма разноплановым. Мобильная разработка, бэкенд, фронтенд, DevOps, управление проектами и даже психология – темы на любой вкус и в плотном расписании с утра до вечера. Темы разбиты по отдельным трэкам, трэки привязаны к залам. Если интересуют только специализированные доклады, можно обосноваться в нужном зале. Зал для кейноутов, правда, использовался по потребности докладчиками разных тем.
Я, по большому счёту, просвещался DevOps’кими знаниями, и после, делясь с коллегами впечатлениями от конференции, я сформировал шорт-лист запомнившихся мне докладов. Прошло несколько месяцев, и я все еще хорошо помню, о чем там говорили.
Итак, 3 технических доклада, которые я запомнил на РИТ 2018.
Читать дальше ->https://habr.com/post/420471/?utm_source=habrahabr&utm_medium=rss&utm_campaign=420471
Метки: Конференции devops Блог компании Plesk ritfest2018 |
Как выбрать правильный виртуальный сервер? Обзор популярных провайдеров |
https://habr.com/post/420601/?utm_source=habrahabr&utm_medium=rss&utm_campaign=420601
Метки: хостинг виртуальный сервер vps vds виртуализация хостинг-провайдеры windows windows server |
Моделируем квантовую запутанность на C# |
https://habr.com/post/420611/?utm_source=habrahabr&utm_medium=rss&utm_campaign=420611
Метки: Научно-популярное C# квантовая запутанность квантовая сцепленность неравенство белла |
Дайджест свежих материалов из мира фронтенда за последнюю неделю №327 (13 — 19 августа 2018) |
https://habr.com/post/420609/?utm_source=habrahabr&utm_medium=rss&utm_campaign=420609
Метки: Разработка веб-сайтов JavaScript HTML css Блог компании Zfort Group дайджест фронтенд js es6 vue react angular html5 браузеры ссылки подкасты |
“Умные” наушники — тенденции 2018: фильтрация окружения, аудиотренер, жесты головой и прямая связь с Alexa |
https://habr.com/post/420571/?utm_source=habrahabr&utm_medium=rss&utm_campaign=420571
|
[Из песочницы] Обзор задач по алгоритмам для собеседований — генерация множеств |
Привет, Хабр!
Этим постом начинается обзор задачек по алгоритмам, которые крупные IT-компании (Яндекс, Гугл и тп) так любят давать кандидатам на собеседованиях (если плохо пройти собеседование по алгоритмам, то шансы устроиться на работу в компанию мечты, увы, стремятся к нулю). В первую очередь этот пост предназначается для тех, кто не имеет в своем арсенале опыта олимпиадного программирования, тяжеловесных курсов по типу ШАДа или ЛКШ, в которых тематика алгоритмов разобрана достаточно серьезно, но кто хочет начать подготовку к собеседованиям или же тем, кто хочет освежить свои знания в какой-то то определенной теме.
При этом нельзя утверждать, что все задачи, которые здесь будут разбираться, обязательно встретятся на собеседовании, однако подходы, с помощью которых такие задачи решаются, в большинстве случаев похожи.
Повествование будет разбито на разные темы, и начнем мы с генерации множеств с определенной структурой.
Читать дальше ->https://habr.com/post/420605/?utm_source=habrahabr&utm_medium=rss&utm_campaign=420605
Метки: Алгоритмы Python алгоритмы python |
[recovery mode] Статистика от владельца Tesla Model S |
https://habr.com/post/420603/?utm_source=habrahabr&utm_medium=rss&utm_campaign=420603
Метки: Энергия и элементы питания Транспорт будущего tesla электромобиль статистика батарея сша |
Автоматическое порождение программ, обратная задача и некоторые связанные с ними решения |
https://habr.com/post/420595/?utm_source=habrahabr&utm_medium=rss&utm_campaign=420595
Метки: Проектирование и рефакторинг Программирование Алгоритмы prolog порождение программ реконструкция алгоритма естественно-языковой интерфейс php верификация программ |
Товар или сервис |
На Хабре (да и в реальной IT жизни) встречаeтся много вопросов вида:
Ключевой вопрос во всех примерах ниже: что вы разрабатываете: товар или сервис? Как ни странно, но как только вы ответите на этот вопрос о товарах и сервисах, все сомнения о необходимости тестов, абстракций и т.д. отпадут сами собой.
Читать дальше ->https://habr.com/post/261001/?utm_source=habrahabr&utm_medium=rss&utm_campaign=261001
|
[Перевод] Оптимизация мобильной веб навигации (2 последних успеха) |
https://habr.com/post/420593/?utm_source=habrahabr&utm_medium=rss&utm_campaign=420593
Метки: Дизайн мобильных приложений Дизайн Веб-дизайн Usability Блог компании Поиск VPS hamburger ui/ux мобильный дизайн |
Перевод книги Эндрю Ына «Страсть к машинному обучению» Главы 20 — 22 |
Предположим, ваша тренировочная, валидационная и тестовая выборки имеют одно и то же распределение. Тогда нужно брать больше данных для обучения, это только улучшит качество работы алгоритма, всегда ли это верно?
Несмотря на то, что получение большего количества данных не может повредить работе, к сожалению, новые данные не всегда помогают настолько, насколько можно ожидать. В некоторых случаях работа по получению дополнительных данных может оказаться пустой тратой усилий. Как принять решение — в каких случаях добавлять данные, а когда не стоит об этом беспокоиться.
В машинном обучении присутствуют два главных источника ошибок: систематические и случайные (Variance) (дисперсионные). Понимание того, что они из себя представляют поможет вам решить — нужно ли добавлять еще данные, так же поможет выбрать тактику по улучшению качества работы классификатора.
замечание переводчика Variance переводится, как дисперсия или отклонение. Но я буду использовать не «дисперсию» или «дисперсионную ошибку», а более свойственное русскоязычной технической литературе определение «случайной ошибки». К тому же дисперсия в теории вероятностей и статистике имеет очень конкретный математический смысл и формальное выражение, которое еще дальше от значения, вкладываемого в это понятие автором.
Предположим, вы надеетесь построить кошачий распознователь, имеющий 5% ошибок. На текущий момент ошибка вашего классификатора на тренировочной выборке 15%, на валидационной выборке 16%. В таком случае добавление тренировочных данных вряд ли поможет существенно увеличить качество. Вы должны сконцентрироваться на других изменениях системы. В действительности, добавление большего количества примеров в вашу тренировочную выборку только усложнит для вашего алгоритма получение хорошего результата на этой выборке (почему так получается будет объяснено в следующих главах).
Читать дальше ->https://habr.com/post/420591/?utm_source=habrahabr&utm_medium=rss&utm_campaign=420591
Метки: машинное обучение |
Как оценить качество продукта |
Привет Хабр!
Недавно мне попалась на глаза статья про Service Now. В ней описывалось про то, какой же хороший у них продукт. Даже показали менеджера среднего звена с микрофоном, которая без цифр что-то говорила (из статьи — "сократило время административного труда, и врачи смогли сфокусироваться на своём основном предназначении").
Однако при беглом чтении статьи у меня остался небольшой осадок, как минимум из-за того, что я работал с этой системы (как пользователь). И у меня сложилось абсолютно негативное мнение о софте данной компании в целом (и о продукте в частности).
После статьи я попытался осознать — а как можно по подобным рекламным презентациям оценить, продукт действительно пользователям, или же он только помог менеджерам среднего звена получить очередной бонус?
Читать дальше ->https://habr.com/post/267673/?utm_source=habrahabr&utm_medium=rss&utm_campaign=267673
|