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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #199 · 2.02

Закончил «Нейромант» Уильяма Гибсона. Для своего времени (середина восьмидесятых) это было прорывное произведение, которое если не изобрело, то закрепило жанр киберпанка в его текущем виде. Но мне не очень понравилось. Во-первых, иногда всё-таки плохо браться за чтение спустя много десятилетий. Книга ввела такой удачный мир, что заимствования из него с тех пор встречаются в фантастике постоянно. И особенно — в произведениях на тему киберпанка, компьютеров, хакерства и так далее. Умом я понимал, что сейчас вот читаю первоисточник, но эмоционально не отступало чувство, что я всё это уже видел в The Matrix, Deus Ex, Ghost in the Shell, Bladerunner, Cyberpunk, наконец! Во-вторых, профдеформация мешала мне серьёзно воспринимать те художественные образы, которыми автор описывал киберпространство и происходящее в нём. В целом аналогия красивая: цифровая защита в романе выглядит, как стена льда, а хакер проламывается сквозь неё, совершая некоторое сложное взаимодействие с узором этого льда. Но для меня местный виртуальный мир представлялся совсем уж наивным и нереалистичным. В-третьих, и это, пожалуй, самое главное — у меня были сложности с восприятием событий, действий героев, их мотивации. Я бы сказал, что текст написан тяжело (хотя, возможно, это проблема перевода). Ты не всегда понимаешь, какая именно сцена сейчас. Иногда совсем не понимаешь, почему герой внезапно что-то сказал или сделал. Ну и, в конце-концов, я не совсем понял основную сюжетную подоплёку. Понял, но не в деталях. В том числе причины, по которым персонажи что-то сделали или захотели сделать. Тем не менее, от процесса я удовольствие получал, бросить не хотелось, узнать развязку было любопытно. По этой книге можно было бы снять шикарнейший фильм, почти ничего не переделывая в сюжете. И важность этого произведения для мира переоценить сложно. Роман был очень популярен среди технарей того времени, многие из которых стали авторами первых языков программирования, гипертекстовой разметки, создавали первые компьютерные сети и так далее. Американский писатель Джек Уомак заметил интересную вещь: «Может ли быть так, что видение Гибсоном глобального информационного пространства в конечном счёте стало причиной, по которой Интернет сегодня выглядит так, как он выглядит, и работает так, как он работает?». #fiction

Hashtags

Резултати

Намерени 4 подобни публикации

Търсене: #embedding

当前筛选 #embedding清除筛选
GitHub Trends

@githubtrending · Post #15053 · 12.08.2025 г., 14:00

#typescript#embedding#visualization Embedding Atlas is a powerful tool that helps you easily visualize and explore large sets of data points called embeddings. It automatically groups and labels data, shows dense areas and outliers clearly, and lets you search for similar items in real time. It works fast even with millions of points using modern web technology and can be used in Python, Jupyter notebooks, or web apps. This means you can better understand complex data, find patterns, and make decisions faster without complicated setup or slow performance. It’s open source and privacy-friendly since your data stays on your device. https://github.com/apple/embedding-atlas

Machinelearning

@ai_machinelearning_big_data · Post #8262 · 13.08.2025 г., 13:04

🌟Embedding Atlas: визуализация структуры эмбедингов прямо в браузере. Embedding Atlas — опенсорсный инструмент от Apple для интерактивной визуализации больших наборов векторных представлений, который позволяет не просто смотреть на облако точек, а полноценно с ним работать. И что самое приятное, он способен отрисовывать до нескольких миллионов точек благодаря реализации на WebGPU. 🟡Автоматическая кластеризация и разметка данных. Embedding Atlas сам находит скопления в данных и подписывает их, позволяя мгновенно сориентироваться в общей структуре датасета. Чтобы отделить реальные кластеры от случайных выбросов, используется оценка плотности ядра с отрисовкой контуров плотности. Решена и вечная проблема визуализаций - "каша" из перекрывающихся точек. Embedding Atlas использует технологию order-independent transparency, так что даже при большом наложении точек картинка остаётся четкой и информативной. 🟡Интерактивность. В инструменте есть поиск в реальном времени и нахождение ближайших соседей. Можно ввести текстовый запрос или просто кликнуть на любую точку в облаке, и Embedding Atlas мгновенно подсветит наиболее похожие на нее данные. Еще есть интерактивный фильтр по метаданным. Например, можно выбрать на гистограмме определенный класс объектов, и визуализация тут же отфильтрует эмбединги, оставив только соответствующие ему точки. 🟡Embedding Atlas поставляется в виде 2 пакетов: 🟢Python-пакет Дает три варианта интеграции: утилиту командной строки для быстрой визуализации датафреймов, виджет для Jupyter, позволяющий встраивать атлас прямо в ноутбуки, и компонент для Streamlit, если вы создаете полноценные веб-приложения. 🟢Npm-пакет Этот пакет для тех, кто хочет встроить визуализацию в собственные веб-приложения. Он предоставляет готовые UI-компоненты в виде API: Table, EmbeddingView, EmbeddingViewMosaic и EmbeddingAtlas. 📌Лицензирование: MIT License. 🟡Страница проекта 🟡Документация 🟡Demo 🖥GitHub @ai_machinelearning_big_data #AI#ML#Embedding#Visualisation#Apple

GitHub Trends

@githubtrending · Post #14750 · 25.05.2025 г., 13:00

#typescript#embedding#mcp#telegram#telegram_bot This tool helps you search through Telegram chat records using advanced technology like vector search and semantic matching. It uses OpenAI's semantic vector technology to make your searches smarter and more accurate. This means you can find messages more easily and quickly. It's beneficial because it saves time and helps you find important information in your chats. To use it, you need to install it on your computer by following some steps, and then you can access it through a local website. https://github.com/groupultra/telegram-search

GitHub Trends

@githubtrending · Post #15433 · 23.01.2026 г., 14:30

#python#deepseek#demo#easy#embedding#flask#gpt#huggingface_transformers#llm#mcp#multimodal#openai#qwen#rag#sentence_transformers#ui#vllm#vlm UltraRAG is a lightweight framework that makes building retrieval-augmented generation (RAG) systems simple and fast. It uses a low-code approach where you write just dozens of lines of YAML configuration instead of complex code to create sophisticated AI workflows with conditional logic and loops. The framework includes a visual development environment where you can drag-and-drop to build pipelines, adjust parameters in real-time, and instantly convert your logic into interactive chat applications. This means you can deploy powerful AI systems that ground answers in your own data—reducing hallucinations and improving accuracy—without needing extensive coding expertise or lengthy development cycles. https://github.com/OpenBMB/UltraRAG