TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1139 · 8.09

Trigger warning: скрепы. TL;DR: Я сделал механическую игрушку на российский конкурс, и это была очень сложная инженерная задача. Несколько месяцев назад Российское Общество «Знание» объявило конкурс «Родная Игрушка»: нужно было отправить идею какой-нибудь куклы, модельки, конструктора, настолки итд, которая впоследствии может производиться в России и обладать соответствующим культурным или научным колоритом. Было подано что-то около 22 тысяч идей, я отправил две. В следующий тур вышло несколько сотен, в том числе внезапно одна из моих — заводная подводная лодка, которая плывет не вперед, как существующие заводные игрушки для ванны, а прям погружается и всплывает. Связал я это не с военными подлодками, а с научными глубоководными аппаратами, по которым у России несколько мировых рекордов. Вы знали, например, что Кэмерон брал наши глубоководные «Мир-1/2» для съемок Титаника? А еще они первыми достигли дна Северного Ледовитого Океана. После отбора вы попадали в этап моделирования, где нужно было сделать 3D-модель, чертежи, спецификацию, описание и так далее. Здесь я уже не обошелся без помощи профессиональных 2D и 3D художников. Заказал эскизы и моделирование внешнего вида, а сам уже в Компасе дорабатывал нужные элементы для сборки. Моделирование отсекло ещё значимый процент участников, где-то 70-80 человек в пяти категориях вышли на этап создания прототипа. И вот тут я скажу вам, сложно передать, сколько хитрых инженерных задач пришлось решить по пути. Проект оказался одним из самых сложных (и одним из самых интересных) в моей практике. Вообще, айтишнику полезно поработать с материальным миром, изобилующим погрешностями и допущениями. Герметичность корпуса, например, испытывает противоположные воздействия при движении в среде вверх и вниз — швы, не пропускающие при погружении, начинают пропускать при всплытии. Разница в два грамма балласта на таких масштабах влияет на плавучесть очень значительно, поэтому балласт должен легко регулироваться (я остановился на двух отсеках с ружейной дробью). Мультипликатор заводного механизма пришлось перепроектировать пять раз, попутно печатая фотополимером зубчатые колеса с модулем пол миллиметра. Сделать фотополимер цветным с устойчивостью к воде — офигенно непростая задача с не самым очевидным решением: в жидкий раствор с нужным базовым оттенком подмешивается пигмент для эпоксидных смол, и только потом печатается на чуть увеличенной засветке. Сделать полностью прозрачное стекло не вышло, но и текущая частичная прозрачность получилась не сразу. Даже у жетонов был десяток итераций, чтобы они не оказались слишком тяжелыми, и чтобы металлическое ядро для захвата магнитом не было слишком далеко от стенок. Добавьте сюда подбор шага и размеров винта, сложности работы с моделью такой формы, летнюю жару, из-за которой постоянно забивался подающий механизм принтера... Но результатом очень доволен, смотрите видео. Прямо сейчас еду в Москву на выставку игрушек, где выберут победителей, чьи проекты запустят в тираж уже на настоящем производстве. #gadgets#diy#hobby

Резултати

Намерени 1 подобни публикации

Търсене: #datasolutionsarchitect

当前筛选 #datasolutionsarchitect清除筛选
Data Science Jobs

@datasciencejobs · Post #2689 · 22.04.2025 г., 09:31

#DataSolutionsArchitect#AISolutionsArchitect#MLops#ml Компания JTI (Japan Tobacco International) находится в поиске Архитектора информационных решений Формат работы: гибрид, Москва Сити, полная занятость Чем Вы будете заниматься: - Разрабатывать и внедрять архитектуру Data и AI и обеспечивать создание инфраструктуры. - ⁠Обеспечивать надлежащее управление и поддержку любого компонента в экосистеме; - Обеспечивать производительность ML-моделей (обновление данных, запуск моделей, получение и передача результатов любым получателям); - Обеспечивать интеграцию и доступность данных для любых проектов Data и ML - ⁠Источники данных -> DWH - ⁠DWH -> ML-проекты - ⁠Результаты ML-модели -> DWH - Обеспечивать хорошую производительность любой опубликованной ML-модели; - Внедрять DevOps, MLOps, DataOps в рамках соответствующих инициатив; - Обеспечивать техническое управление в соответствии с глобальными политиками и процедурами. Мы ожидаем от Вас: - 6+ лет опыта работы в области ИТ с фокусом на разработку и развитие платформ данных, ML, AI; - Опыт ведения проектов по внедрению платформ данных с фокусом на крупные компоненты хранения данных, расположенные в облачной и локальной инфраструктуре; - Опыт ведения проектов генеративного ИИ/традиционных решений ML и обладание знаниями сетевой/облачной архитектуры; - Опыт работы с такими языками программирования, как Python или Javascript; - Знание принципов DevOps и MLOps; - Владение уверенным уровнем английского языка. Контакты для отклика и отправки резюме: [email protected], @KaterinaJTI