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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #215 · 10.02

Росатом, где я работаю, участвует в проекте под названием Rhisotope. Браконьеры очень сильно сокращают популяцию носорогов, потому что рог на чёрном рынке хорошо продаётся. Есть даже направления альтернативной медицины, основанные на порошке из рога носорога. Несколько учёных додумались вводить носорогам в рог специальный изотоп, который чуть-чуть фонит. Самому носорогу это не причиняет вреда, зато такая метка светится на сканерах в аэропортах. Уже установлено 11 000 таких сканеров. Полагается, что это осложнит перевозку рогов, а значит снизит и поток контрабанды. План у проекта пометить минимум 1000 носорогов за первые три года. Кстати, раньше людям приходилось отрезать живым носорогам рога, чтобы спасти их от убийства. Рог отрастает за 1.5 года, но с точки зрения природы даже его временное отсутствие неестественно. На мой взгляд, в дополнение к этой инициативе нужно отлавливать самих браконьеров и вводить им изотопы с более сильным излучением. #life

Hashtags

Резултати

Намерени 50 подобни публикации

Търсене: #dl

当前筛选 #dl清除筛选
Repositorio data science

@repo_science · Post #4131 · 18.05.2024 г., 21:06

​​#DL 📱 Zeus New Pytorch Ecosystem Tool Zeus is an open source toolkit for measuring and optimizing power consumption of deep learning workloads. 🖥Github ----- Main channel: @repo_science Coupons: @freecoupons_reposcience -----

Hashtags

Am Neumarkt 😱

@amneumarkt · Post #691 · 05.10.2025 г., 07:41

#dl Park, Chanwook, Sourav Saha, Jiachen Guo, Hantao Zhang, Xiaoyu Xie, Miguel A. Bessa, Dong Qian, et al. 2025. “Unifying Machine Learning and Interpolation Theory via Interpolating Neural Networks.” Nature Communications 16 (1): 1–12. https://www.nature.com/articles/s41467-025-63790-8

Hashtags

Am Neumarkt 😱

@amneumarkt · Post #506 · 13.11.2023 г., 08:30

#dl Google & USC benchmarked a prompt based forecasting method, and the results are amazing. Cao D, Jia F, Arik SO, Pfister T, Zheng Y, Ye W, et al. TEMPO: Prompt-based Generative Pre-trained Transformer for time series forecasting. arXiv [cs.LG]. 2023. Available: http://arxiv.org/abs/2310.04948

Hashtags

ПредишнаСтр. 1 от 5Следваща