TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #1020 · 12.09
На недавнем тимбилдинге было "бинго" для знакомств с коллегами. "Бинго" это листок с 24 ячейками, в которых написаны утверждения о людях, например: "Попадал в телевизор", "Любит экзотическую еду" и так далее. Задачей было заполнить все ячейки фамилиями коллег без повторений. Я один из двух людей (среди ~300), кому это удалось, хочу поделиться алгоритмом. Вообще, знание игровых механик и алгоритмическое мышление могут пригодиться вам в самых неожиданных ситуациях. Во-первых, я взял несколько разных листов с "бинго". Всего было 5-6 версий с немного разными ячейками, логично было пытаться заполнять тот, где меньше редких утверждений, под которые сложно найти человека. Во-вторых, и это основное, половина листа заполнилась после рассадки за столы. Я предложил соседям по столу такой подход: 1. Каждому присваивается число 2. Все листы с бинго собираем в стопку и передаём стопку от одного края стола до другого по часовой стрелке 3. Когда к тебе попали листы, ты на каждом, кроме своих, ставишь свой номер в углу тех ячеек, которые содержат верные для тебя утверждения 4. Когда стопку все заполнили, возвращаем каждому его листы 5. Получив лист, ты выбираешь в нём ячейки с самым маленьким ненулевым количеством номеров в них (обычно это один номер) и вносишь в одну из них фамилию вместо номера 6. Номер внесённого человека зачёркивается во всех ячейках этого листа 7. Пункты 5 и 6 повторяются, пока незачёркнутых номеров не осталось Быстро выяснилось, что вообще все варианты листов без проблем заполняются на N-1 ячеек, где N — количество людей за столом (потому что себя вносить нельзя). Оставалось только дозаполнить остатки, половина из которых опять же закрывалась теми коллегами, кого я знаю, потому что столы были сформированы так, чтобы вы с меньшей вероятностью сели со своими прямыми знакомыми. Профит. Я принёс листок сдавать, но выяснилось, что чуть раньше полностью готовое бинго сдал мой коллега Дмитрий, который, представляете, ходил и общался с людьми ради этого. Вот прямо разговаривал! Ужас какой. #life
Hashtags
Търсене: #ml
@repo_science · Post #3688 · 03.11.2023 г., 12:00
#ML 😎 FREE RESOURCES TO LEARN MACHINE LEARNING Intro to ML by MIT Free Course Machine Learning for Everyone FREE BOOK ML Crash Course by Google Advanced Machine Learning with Python Github Practical Machine Learning Tools and Techniques Free Book Python Machine Learning for beginners ----- Main channel: @repo_science Coupons: @freecoupons_reposcience -----
Hashtags
@repo_science · Post #3447 · 17.07.2023 г., 15:14
#ML 🧠 Machine Learning Expert El aprendizaje automático es un vasto campo con muchos conceptos clave que conocer. Nuestro curso intensivo cubre todos los componentes básicos que necesita para sumergirse en el aprendizaje automático del mundo real. ✍️Ryan Doan | Ex-Amazon ML Infrastructure Engineer 🌐En 📆2022 🔗Link ----- Main channel:@repo_science Coupons:@freecoupons_reposcience -----
Hashtags
@amneumarkt · Post #687 · 18.07.2025 г., 06:24
#ml https://aryagxr.com/blogs/intro-to-nmc
Hashtags
@amneumarkt · Post #682 · 27.06.2025 г., 05:30
#ml Machine Learning Visualized — Machine Learning Visualized https://ml-visualized.com/?utm_source=substack&utm_medium=email
Hashtags
@amneumarkt · Post #617 · 25.08.2024 г., 14:03
#ml What’s Really Going On in Machine Learning? Some Minimal Models—Stephen Wolfram Writings https://writings.stephenwolfram.com/2024/08/whats-really-going-on-in-machine-learning-some-minimal-models/
Hashtags
@amneumarkt · Post #607 · 30.07.2024 г., 06:20
#ml Meta's second version of segment anything. https://github.com/facebookresearch/segment-anything-2 They have a nice demo: https://sam2.metademolab.com/
Hashtags
@amneumarkt · Post #596 · 07.07.2024 г., 20:53
#ml I was searching for a tool to visualize computational graphs and ran into this preprint. The hierarchical visualization idea is quite nice. https://arxiv.org/abs/2212.10774
Hashtags
@amneumarkt · Post #595 · 06.07.2024 г., 22:02
#ml Schmidhuber J. Deep Learning: Our Miraculous Year 1990-1991. In: arXiv.org [Internet]. 12 May 2020 [cited 7 Jul 2024]. Available: https://arxiv.org/abs/2005.05744
Hashtags
@amneumarkt · Post #575 · 09.05.2024 г., 19:51
#ml https://github.com/google-research/timesfm
Hashtags
@amneumarkt · Post #538 · 16.02.2024 г., 11:21
#ml Like a dictionary Kunc, Vladim’ir, and Jivr’i Kl’ema. 2024. “Three Decades of Activations: A Comprehensive Survey of 400 Activation Functions for Neural Networks.” arXiv [Cs.LG], February. http://arxiv.org/abs/2402.09092.
Hashtags
@amneumarkt · Post #532 · 09.02.2024 г., 05:35
#ml I got interested in satellite data last year and played with it a bit. It's fantastic. The spatiotemporal nature of it brings up a lot of interesting questions. Then I saw this paper today: Rolf, Esther, Konstantin Klemmer, Caleb Robinson, and Hannah Kerner. 2024. “Mission Critical -- Satellite Data Is a Distinct Modality in Machine Learning.” arXiv [Cs.LG], February. http://arxiv.org/abs/2402.01444.
Hashtags
@amneumarkt · Post #531 · 05.02.2024 г., 10:57
#ml Jelassi S, Brandfonbrener D, Kakade SM, Malach E. Repeat after me: Transformers are better than state space models at copying. arXiv [cs.LG]. 2024. Available: http://arxiv.org/abs/2402.01032 Not surprising at all when you have direct access to a long context. But hey, look at this title.
Hashtags