TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #1036 · 4.11
У меня в голове сложилась модель, объясняющая, в частности, почему не взлетели бизнесы типа "Доставляем сырые, но расфасованные продукты, чтобы из них быстро готовить блюдо". И в эту модель укладывается много других вещей. Всё дело в том, какой труд мы исключаем из цепочки действий для получения результата — квалифицированный или нет. Неквалифицированный труд, грубо говоря, это то, что вы можете сделать сами, чтобы сохранить деньги и не платить их кому-то. Исключение неквалифицированного труда отлично работает и превращается в новые бизнесы. Например, такси это "труд + оборудование" (доставка автомобиля к вам и разрешение переместиться на нём куда нужно). Но если исключить водителя, схема всё ещё работает: каршеринг, а за рулём вы сами. Если исключить кассира в магазине, мы получаем терминалы самообслуживания, на которые всё больше переходят сети. Если исключить риелтора, получим AirBnb, если продавца-консультанта — маркетплейсы. Без сборщиков мебели будет IKEA, без официантов — фастфуд и так далее. Кстати, добавление к чему-то неквалифицированного труда тоже генерирует новые бизнесы, но тут важная составляющая: неквалифицированный час должен стоить значимо меньше, чем ваш час, чтобы вы отдали деньги, а не время. Доставка еды или какой-нибудь клининг работает только за счёт того, что людям платят очень мало, без нормального оформления по ТК и без выплаты налогов. Так вот. Доставка продуктов для готовых блюд это исключение части квалифицированного (!) труда шеф-повара. Я заказывал такие наборы пару раз, и получалось не то чтобы плохо, но средненько, хуже, чем готовит профессионал в ресторане. Получается я плачу меньше, но адекватно заменить тот труд, за который не заплатил, не могу. Так что мне выгодно или совсем купить обычные продукты, без фасовки (это дешевле), или уже купить готовое в ресторане (это вкуснее). И любая другая попытка частично исключить квалифицированный труд не будет сходиться. Либо полностью исключать, роняя цену, либо полностью включать. Кстати, я думаю low-code по этой же причине особо не стал массовым стандартом ни для чего. Либо совсем исключать код и оставлять какой-нибудь конструктор из готовых компонентов, либо кодить. #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