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
En este tutorial de Marcin Zabłocki, aprenda a implementar cualquier modelo #machinelearning (incluso con funciones personalizadas/preprocesamiento complejo) como una función remota #BigQuery para hacer posible la inferencia del modelo desde SQL.
Implementar modelos #MLflow en BigQuery ➡️https://shts.me/C3OB5
-----
Canal principal:@repo_science
Cupones: @freecoupons_reposcience
-----
#вакансия#ml#rl#python#numpy#pandas#pytorch#jax#mlflow#rllib
О НАШЕМ ПРОЕКТЕ
Мы работаем над системой управления доходами (RMS). Наши клиенты - российские авиакомпании.
Приглашаем в команду Data scientist для разработки и обучения RL-агента для управления доходами авиаперевозчика на уровне рынка.
Основной стек: Python, PyTorch/JAX, NumPy/Pandas, MLFlow/Weights & Biases, приветствуются RLlib/Acme/Stable-Baselines.
🧑💻Чем предстоит заниматься:
🖊постановка формальной задачи RL: определение пространств состояний/действий/вознаграждения, ограничений и KPI;
🖊разработка и валидация симулятора рыночной среды на основе исторических данных (реакции спроса, сезонность, шоки);
🖊исследование и внедрение алгоритмов RL/IL (value-based, policy-gradient, actor-critic, off-policy/offline RL);
🖊экспериментальный дизайн: off-policy оценка, А/В в симуляторе, подготовка к онлайн-экспериментам;
🖊инструменты качества: стабильность обучения, воспроизводимость, мониторинг метрик (reward, RM KPI, робастность к шокам);
🖊 взаимодействие с продуктом/инженерией: требования, передача моделей в прод, контроль деградаций.
🧑💻Что ожидаем:
🖊сильная подготовка в RL/оптимизации/статистике (магистр/кандидат или сопоставимый опыт);
🖊практике в PyTorch/JAX; опыт построения и отладки сложных обручающих циклов;
🖊 желателен опыт causal inference/ контрафактической оценки;
🖊будет плюсом: временные ряды, эконометрика спроса, ценовые эксперименты;
🖊умение формализовать задачу и защитимо сравнивать политики.
🧑💻Мы предлагаем:
- СТАБИЛЬНОСТЬ: оформление и оклад в соответствии с ТК РФ (гпх, фриланс - невозможны);
- БЕЗОПАСНОСТЬ: работа в аккредитованной IT-компании, отсрочка и т.д;
- УДАЛЕННУЮ РАБОТУ: график работы 5/2 по МСК в интервале 09-18.00 -/+2 часа (гибкое начало рабочего дня с учетом планирования общих коммуникаций);
- РАЗВИТИЕ: современный стек, наставничество в первый месяц работы, карьерный рост;
- процессы без бюрократии, политика «открытых дверей» руководства.
📝 Ждём ваши резюме
89287653141, тг @MariP_rnd