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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #236 · 28.02

Сопоставление с образцом (pattern matching) — сильный механизм языков программирования, который, к сожалению, встречается не так часто. Причём, как в коде разработчиков, так и в поддержке со стороны самого языка. Разработчики на функциональных языках используют этот механизм довольно часто, потому что у них вообще многое определяется статически через правильный подход к системе типов. Разработчики же на императивных языках очень любят огромные многоуровневые ветвления. Есть даже такое понятие «Спагетти-код» — раньше его применяли к коду, перегруженному операторами перехода, но в современном виде это скорее об избытке операторов условия. Pattern matching позволяет накладывать на объекты некоторый трафарет и смотреть, попадают ли они под него. Это не только выглядит лаконичнее и короче, чем дерево условий, но ещё и понятнее с точки зрения восприятия человеком: вот у нас заказ содержит более 10 элементов и при этом стоит более 1000 долларов, значит делаем на него скидку 10 центов. При этом трафарет работает как сортировщик монеток: самая маленькая проваливается в первый паз, следующая по размеру в следующий итд, применение условий идёт сверху вниз. Есть и неявный плюс: такой подход автоматически провоцирует разработчиков проводить проверку на null. Ведь null не может подходить под трафарет «содержит более 10 товаров». К счастью, в C# этот механизм в последних версиях активно развивают и совершенствуют. И это одно из многочисленных преимуществ C# над Java. #dev

Hashtags

Резултати

Намерени 2 подобни публикации

Търсене: #geoscience

当前筛选 #geoscience清除筛选
Earth&Climate Tech

@earth_climate_tech · Post #306 · 30.05.2023 г., 21:20

Машинное обучение в геонауках. Обзор 70 years of machine learning in geoscience in review - статья почти 3-х летней давности, но от этого не теряющя актуальности. В этой работе дается обзор развития машинного обучения в геонауках за последние 70 лет 👴, со времен когда еще и машинным обученем это никто не называл. Кригинг, деревья, метод опорных векторов и далее к сверточным сетям и генеративным моделям глубокого обучения. Отсутствует только обзор популярных в последние годы больших языковых и генерационных моделей. В общем такое краткое изложение того с чего все начиналось и к чему пришли, применяя статистику и программирование для понимания земных процессов. Ко всему прочему это еще и прекрасный обзор литературы 📚. Или идеальная вводная лекция для курса "Машинное обучение в геонауках/поиске ресурсов" #ML#AI#geoscience#paper

Earth&Climate Tech

@earth_climate_tech · Post #347 · 13.07.2023 г., 16:00

Будущее геоученых и геоинженеров Что если энергетический переход состоится? Что будут делать геоученые и геоинженеры, огромная доля которых работает в нефтегазовой промышленности? На этот вопрос отвечает статья в журнале Earth Science Systems and Society. Авторы выделяют несколько ключевых областей занятости кроме "нефтянки" (которая никуда не денется): • Подземные методы и технологии декарбонизации с упором на использование энергии, ее хранение и управление отходами. • Поиски и добыча критических элементов и металлов в рамках концепции устойчивой добычи полезных ископаемых. • Междисциплинарные задачи в науках о Земле, включая отраслевую политику и практику, а также политические, экономические и социальные темы. Статья с подробностями тут. P.S. Еще у нас есть твиттер. Но пока нет Threads :). #EnergyTransition@ClimateChange#NetZero#Geoscience