独立人指南
@Dulirenorg · Post #791 · 10.07.2021 г., 07:36
https://eddyemma.com/blog/2021/06/10/low-end-apology-4-limits-of-earth/ #gis
Hashtags
TGTGInsightтелеграм анализLIVE / telegram public index
TGINSIGHT SIMILAR POSTS
Намери подобно съдържание
Изходен канал @clockstackwheels · Post #1113 · 28.06
Mindbox #interview#dev Вакансия тимлида .NET, откликнулся через hh, единственная вакансия, где был указан доход: до 500 на руки. Mindbox — это крупнейший в России софт для автоматизации маркетинга. Среди клиентов известные торговые сети и бренды (Комус, Петрович, Делимобиль, Афиша, даже бигтех, например Сбер Еаптека и Мегафон). Когда я готовился к другим собеседованиям, в моём пуле был очень хороший доклад по микросервисной среде от сотрудника Mindbox с конференции DotNext. В общем, не стартап-однодневка, а вполне серьёзная организация, просто известная больше в бизнесовых, а не потребительских кругах. А ещё Mindbox — это «бирюзовая» компания. С этим термином я столкнулся впервые. Таким способом называют компании, у которых внутренняя организационная структура отвергает классические подходы с жёсткой иерархией и согласованиями. Теоретически любой человек может принять любое решение, если готов за это решение отвечать. Прозрачность зарплат внутри — все знают, кто сколько зарабатывает. Многие вопросы решаются голосованием, системой вето, дебатами с аргументацией. Принято давать не анонимную обратную связь коллегам, и в компании специально обучают, как это делать так, чтобы тебе в челюсть не прилетело человека такая обратная связь развивала, а не обижала. Короче, мечта зумера. Как в современных смешных роликах, где вчерашние школьники на звонке говорят что-то типа «Сегодня я не в ресурсе работать, пойду выпью лавандовый раф и помедитирую». Давайте честно скажу: я сам не верю, что такая структура работает. Но, во-первых, как-то всё-таки она работает. Организация успешно функционирует, ребята делятся интересными технологиями, доходы есть. И Mindbox не единственная «бирюзовая» компания в России, на самом деле их довольно много: ВкусВилл, Буше, Qiwi, Точка итд. Во-вторых, я уверен, что есть подводные камни, но выявить их с помощью вопросов на собеседованиях у меня не получилось. Например, с моей точки зрения при открытости зарплат всегда будут люди, которые считают, что кто-то с более высоким доходом на самом деле менее компетентен и получает такой доход незаслуженно. И даже в ряде случаев эти люди будут правы. Это создаёт негативное эмоциональное напряжение. Хуже открытой неприязни только скрытая: когда человек в лицо мило с тобой общается, а потом в кулуарах будет тебя поливать грязью. Но, когда я спросил на собеседовании, как они справляются с такого рода конфликтами, мне ответили, что у них так не бывает. Система повышения зарплаты тоже голосованием: на некотором внутреннем портале ты публикуешь свои достижения и желаемую новую цифру, а люди апрувят или нет. Вот тут уже, как я понял, не все подряд апрувят, а, условно, руководители. То есть, иерархия всё-таки есть в разрезе количества власти и влияния на компанию и людей в ней. Да и в других голосованиях у разных сотрудников разные веса. Должно было быть три секции: 1. Скрининг с эйчаром и обсуждение моих пожеланий 2. Встреча с техлидом, решение технической задачи, вопросы от меня по команде и продукту 3. Финальная встреча, фит, софтскиллы На скрининге действительно больше, чем в других местах, интересовались моими пожеланиями. Не только по зарплате, но и, например, с задачами какого типа я люблю работать. Основная секция Начинается с моих вопросов команде. Тут как раз я больше спрашивал про оргструктуру, чем про проект. Затем дали задачу: элементарный обход дерева. Я спросил, нужен ли им обход в ширину или в глубину, ответили, что не важно. И ещё момент — разрешили пользоваться гуглом, нейросетями (!), и даже не шарить экран на время решения (я всё-таки пошарил). Ну, то есть, идея была такая: в настоящей работе мы всё-таки сидим с гуглом, нейронками и без надзора, поэтому вот решай в условиях, приближенных к естественным. Не понимаю, что именно оценивалось, и кто мог с такими вводными не решить. Хотя потом эйчар сказала, что некоторые кандидаты решают по 50 минут (я написал за 10 на yield'ах). Когда смотрели решение, поспрашивали совсем чуть-чуть по простым вещам. И погоняли по кейсам из моего тимлидского опыта по системе STAR (situation, task, action, result).
Hashtags
Резултати
Намерени 46 подобни публикации
Търсене: #gis
当前筛选 #gis清除筛选
独立人指南
@Dulirenorg · Post #594 · 04.02.2020 г., 16:28
#GIS🌞🌘✨🌏🗺 https://telegra.ph/Navigating-the-high-seas-02-04
Hashtags
AI для Всех
@nn_for_science · Post #1517 · 16.06.2023 г., 20:24
Выделение объектов на Лидаре с помощью ML LiDAR (Light identification, Detection and Ranging) - крутая штука. Это технология получения и обработки информации с помощью активных оптических систем (лазеров). Такой "лазерный дальнометр" для картирования объектов в 3Д и еще с координатами. Используется повсеместно в куче индустрий от беспилотных автомобилей до майнинга. Даже на айфонах есть (но не на моем 😢). На картинке, например, "лидарная" карта залива Линнхейвен в Вирджинии 🤩. Но я даже не про красивые картинки. Они же просто красивые, а пользы сами по себе приносят мало. Польза есть, если, например, из этих моделей, по сути точек с координатами, вытаскивать реальные объекты. То есть делать сегментацию 💡. Об этом и интересная статья на Медиуме: Introducing Segment-Lidar: Revolutionizing Unsupervised Instance Segmentation of Aerial LiDAR Data, которая рассказывает как применять крутейший алгоритм по выделению объектов SAM от компании Meta для выделения объектов на геопространственных данных, полученных с помощью Лидара (картинка 2). Статья, собственно, представляет собой пошаговую инструкцию, как это делать с помощью модуля в Питоне segment-lidar. 📖Medium 💻Github #GIS#ML
Earth&Climate Tech
@earth_climate_tech · Post #320 · 16.06.2023 г., 17:18
Выделение объектов на Лидаре с помощью ML LiDAR (Light identification, Detection and Ranging) - крутая штука. Это технология получения и обработки информации с помощью активных оптических систем (лазеров). Такой "лазерный дальнометр" для картирования объектов в 3Д и еще с координатами. Используется повсеместно в куче индустрий от беспилотных автомобилей до майнинга. Даже на айфонах есть (но не на моем 😢). На картинке, например, "лидарная" карта залива Линнхейвен в Вирджинии 🤩. Но я даже не про красивые картинки. Они же просто красивые, а пользы сами по себе приносят мало. Польза есть, если, например, из этих моделей, по сути точек с координатами, вытаскивать реальные объекты. То есть делать сегментацию 💡. Об этом и интересная статья на Медиуме: Introducing Segment-Lidar: Revolutionizing Unsupervised Instance Segmentation of Aerial LiDAR Data, которая рассказывает как применять крутейший алгоритм по выделению объектов SAM от компании Meta для выделения объектов на геопространственных данных, полученных с помощью Лидара (картинка 2). Статья, собственно, представляет собой пошаговую инструкцию, как это делать с помощью модуля в Питоне segment-lidar. 📖Medium 💻Github #GIS#ML
独立人指南
@Dulirenorg · Post #847 · 06.11.2021 г., 11:38
阅读自然迹象的艺术 :Author: [UK] Tristan Gooley :Year: 2014 :Pages: 402 :ISBN: 9781615192410 #gis#booklist
独立人指南
@Dulirenorg · Post #806 · 31.07.2021 г., 16:25
The essential wilderness navigator（野外导航指南） :Author: [US] David Seidman, Paul Cleveland :Year: 2001 :Pages: 175 :ISBN: 9780071361101 #booklist📚#gis
独立人指南
@Dulirenorg · Post #729 · 11.08.2020 г., 05:44
https://t.me/iyouport/7519 #gis#侦查
独立人指南
@Dulirenorg · Post #973 · 07.07.2023 г., 10:09
If Nature were to draw a map of the world, what would it look like? 世界生物地理区位图: https://www.oneearth.org/bioregions/ #gis#制图#环境问题
Data Science Jobs
@datasciencejobs · Post #2631 · 26.03.2025 г., 07:17
#вакансия#ML#datascience#computervision#fulltime#CV#GIS Вакансия: Computer Vision Engineer Компания: «ОЭЗ ППТ «Алабуга» Локация: Республика Татарстан, г. Елабуга Формат работы: Офис ЗП: от 375 000 ₽ Мы расширяем штат и ищем увлеченного инженера по компьютерному зрению для работы над инновационными проектами в сфере ГИС. Чем предстоит заниматься: - разработка и доработка моделей для детектирования и сопровождения объектов; - определение расстояния до объектов и ориентация в пространстве по видеоданным; - полный цикл разработки CV моделей: от постановки задачи до готового решения; - оптимизация и внедрение собственных моделей; - разработка внутренних инструментов для эксплуатации моделей; - интеграция CV в прикладные решения; - в перспективе координация Data Science команды. Требования к кандидату: - уверенные знания нейронных сетей (CNN, RNN, YOLO, семантическая сегментация); - опыт работы с Python и библиотеками для анализа данных (Pandas, NumPy, Scikit-learn, TensorFlow, PyTorch, Keras); - опыт работы с микрокомпьютерами (Raspberry Pi, Orange Pi) и NPU модулями; - умение работать с видеопотоками (RTSP, MJPEG); - умение анализировать задачи и данные, а также предлагать эффективные технические решения; - опыт в обработке изображений и анализе данных; - знание Docker и CI/CD (GitLab CI, Jenkins, Bamboo); - ответственность и нацеленность на результат. - опыт работы с камерами и 3D сканерами будет плюсом. Условия: - работа в крупной и стабильной компании – в структуре самой большой ОЭЗ в Европе; - стабильная, официальная и своевременная заработная плата (обсуждается по результатам собеседования); - график работы: 5/2 с 8:00 до 17:00; - транспорт до работы; - доступ к инфраструктуре мирового класса, включая современные офисы с необходимым для работы оборудованием и жилые комплексы; - гарантия профессионального роста и участие в уникальных и стратегических проектах. Если Вы ищете возможности для роста и готовы погрузиться в масштабные проекты, которые приносят реальную пользу, свяжитесь с нами! Контакты для связи:@anastasiya_alabuga
Data Science Jobs
@datasciencejobs · Post #2605 · 12.03.2025 г., 12:02
#вакансия#ML#datascience#computervision#fulltime#CV#GIS Вакансия: Computer Vision Engineer Компания: «ОЭЗ ППТ «Алабуга» Локация: Республика Татарстан, г. Елабуга Формат работы: Офис ЗП: от 375 000 ₽ Мы расширяем штат и ищем увлеченного инженера по компьютерному зрению для работы над инновационными проектами в сфере геоинформационных систем. Чем предстоит заниматься: - разработка и доработка моделей для детектирования и сопровождения объектов; - определение расстояния до объектов и ориентация в пространстве по видеоданным; - полный цикл разработки CV моделей: от постановки задачи до готового решения; - оптимизация и внедрение собственных моделей; - разработка внутренних инструментов для эксплуатации моделей; - интеграция CV в прикладные решения; - написание кода для обработки изображений с использованием Python, TensorFlow, PyTorch и др. - в перспективе координация Data Science команды. Требования к кандидату: - уверенные знания нейронных сетей (CNN, RNN, YOLO, семантическая сегментация); - опыт работы с Python и библиотеками для анализа данных (Pandas, NumPy, Scikit-learn, TensorFlow, PyTorch, Keras); - опыт работы с микрокомпьютерами (Raspberry Pi, Orange Pi) и NPU модулями; - умение работать с видеопотоками (RTSP, MJPEG); - умение анализировать задачи и данные, а также предлагать эффективные технические решения; - опыт в обработке изображений и анализе данных; - знание Docker и CI/CD (GitLab CI, Jenkins, Bamboo); - ответственность и нацеленность на результат. - опыт работы с камерами и 3D сканерами будет плюсом. Условия: - работа в крупной и стабильной компании – в структуре самой большой ОЭЗ в Европе; - стабильная, официальная и своевременная заработная плата (обсуждается по результатам собеседования); - график работы: 5/2 с 8:00 до 17:00; - транспорт до работы; - доступ к инфраструктуре мирового класса, включая современные офисы с необходимым для работы оборудованием и жилые комплексы; - гарантия профессионального роста и участие в уникальных и стратегических проектах. Если Вы ищете возможности для роста и готовы погрузиться в масштабные проекты, которые приносят реальную пользу, свяжитесь с нами! Контакты для связи:@anastasiya_alabuga
djangoproject
@djangoproject · Post #402 · 04.08.2017 г., 14:08
https://docs.djangoproject.com/en/1.11/ref/contrib/gis/ #GeoDjango intends to be a world-class #geographic#Web#framework. Its goal is to make it as easy as possible to build #GIS Web applications and harness the power of spatially enabled data.
Ассоциация участников рынка данных
@aurdata · Post #27 · 07.03.2019 г., 08:04
Маленький преданонс. В августе-ноябре 2018 года мы в Информационная культура и Ассоциация участников рынка данных, а конкретно я лично проводили обследование открытых интерфейсов государственных информсистем и иных информационных систем под госрегулированием на предмет раскрытия из них персональных данных пользователей. Только на основе общедоступной информации. Результаты не были публичными, их направили в Минсвязь, Роскомнадзор, Генпрокуратуру, что-то всё ещё в работе, а многое уже исправлено. Около половины найденного - это сведения из удостоверяющих центров, государственных и не очень. И как раз в их случае большая часть найденного уже исправлена, а остальные не исправят пока их явно не "пнешь" похоже. Лично я долго думал что делать с найденным. Можно ли делать общедоступными результаты этого исследования? Можно ли рассказывать о путях вылова раскрытия перс. данных в информационных системах. В итоге ту часть исследования которая касается удостоверяющих центров мы будем делать общедоступной. Это подробный анализ систем с конкретными путями воспроизведения и скриншотами по 17 УЦ в которых выявлена эта история (из примерно 50% существующих которые мы проверили). Сейчас есть развилка: 1. Сделать это в виде собственного доклада, после перепроверки и дополнения информацией о том что было исправлено в итоге после чего рассылать пресс-релиз. 2. Поделиться с одним из крупных федеральных изданий под то что у них будет 1-2 журналиста готовых проверить то что тогда было выявлено и что исправлено и написать об этом качественный материал сославшись на Инфокультуру и Ассоциацию. Может быть даже провести это исследование повторно охватив 100% УЦ. Если есть идеи и предложения как это лучше сделать - пишите мне на [email protected] #openness#investigations#gis#personaldata