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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #28 · 24.05

Я очень долго не покупал робот-пылесос, несмотря на свою любовь к технологиям. Не шибко верил в эти штуки, да и жил в небольшой квартире с пушистым ковром. Но теперь у нас квартира побольше и почти без порогов, а ещё кот, от которого везде остаётся шерсть. К тому же, рынок неплохо развился за эти годы, индустрия набила шишек, так что я взял Roborock S5 Max. Робот-пылесос, пожалуй, одна из самых по-настоящему умных бытовых технологий нашего времени. Посудомойка и стиральная машина все ещё требуют много дополнительной работы руками, автоматическая глажка вообще ещё в адекватном виде не появилась, 3D принтер тот вообще хочет много внимания... А робот-пылесос — недаром там в названии «робот» — запустил и забыл. S5 Max довольно дорогая модель с лидаром и хорошей программной частью. Он и правда весьма умён, свободно ориентируется в квартире, грамотно строит маршрут и понимает, где находится. В моем случае проблема возникла лишь один раз — пылесос втянул кошачью игрушку, которая застряла во вращающейся щётке. Это, кстати, приучает к порядку: если всякие рюкзаки и тапки ещё могут валяться у стен там и тут, то мелочам на полу делать совершенно нечего — ваши ступни вам потом за это спасибо скажут. В остальном Roborock прекрасно объезжает ножки стульев, перекатывается через провода и заползает на всю глубину под диван и кровать (а это недоступно даже при чистке ручным пылесосом!). При первом запуске робот объезжает всё пространство, куда способен пролезть, и строит карту квартиры, на которой позже можно разметить комнаты, невидимые стены и другие зоны, а затем, по желанию, убирать точечно. Ещё прикольная фишка — детектор ковра: машина понимает, что движется по ворсу, и сама увеличивает мощность всасывания, а затем обратно уменьшает, когда попадает на обычный пол. Но насчёт самой уборки совсем чудес ожидать не стоит. Сильный ручной пылесос тянет лучше, а робот не избавлен от всех проблем своих предков: волосы наматываются на щётку, пылесборник нужно вытряхивать и мыть. Кстати, для волос прямо под крышкой небольшой нож-лезвие, очень практично: взял и обрезал. Я бы сказал так: человек уберёт лучше, но робота вы будете запускать существенно чаще, чем стали бы пылесосить сами. Особенно если квартира большая. 30-метровую студию я в своё время обходил с вертикальным пылесосом за 20 минут. Но квартиру втрое больше — нет уж, пусть машина старается. Из серьезных для меня недостатков я бы выделил три: • Моющий режим конкретно в моей модели — полная ерунда. Он едва протирает поверхность, так что я бы скорее назвал его увлажняющим режимом. Так что не особо нужен в корпусе и контейнер для воды, и пристегивающаяся на липучках тряпка-расходник. • Робот не умеет понимать, что пылесборник заполнен, и как-то предупреждать об этом. А пыли и грязи он находит много, даже если запускать каждый день. Вот бы сам в туалет ездил выбрасывать... • Машина умеет понимать, где ковёр. Но разработчики не догадались сделать функцию «почистить в этой комнате только ковёр». А было бы очень кстати. В остальном однозначно мастхэв, одно из самых полезных вложений денег за последние много лет. #gadgets

Hashtags

Резултати

Намерени 3 подобни публикации

Търсене: #hdfs

当前筛选 #hdfs清除筛选
Data Science Jobs

@datasciencejobs · Post #2288 · 29.08.2024 г., 18:33

#job#работа#vacancy#вакансия#Data engineer #DataScience#HDFS#PySpark #Python#удаленно Вакансия: Data engineer Формат: Удаленно Занятость: полная, 5/2 (гибкое начало дня) З/П: до 300 000 руб. 🔶Эта вакансия - отличная возможность для инженера данных стать часть вдохновленной команды и принять участие в развитии платформы машинного обучения дочерней компании 🔶 Ключевая задача: развитие платформы машинного обучения 🔶Основные обязанности •Разрабатывать отчетность с использованием скриптов на PySpark •Генерировать новые признаки для ML-моделей •Автоматизировать процессы для бизнеса 🔶Обязательные требования: •Опыт работы с большими данными: HDFS, PySpark от 1 года •Опыт работы с Python, в том числе с Pandas, NumPy Преимуществом при отборе будет •Опыт работы с геоданными, git 🔶 Что мы можем предложить взамен •Место работы: удаленно по РФ •Трудоустройство по ТК РФ в аккредитованное юр. лицо •Официальное трудоустройство •Размер заработной платы обсуждается после собеседования •Годовое премирование •ДМС со стоматологией •Компенсация мобильной связи •Возможности для развития 📲Контакт: @Oskar17

Data Science Jobs

@datasciencejobs · Post #2934 · 20.09.2025 г., 07:03

#вакансия#datascientist#llm#nlp#HDFS#Kafka#Spark#удалёнка Ищем Senior Data Scientist в команду Поиск 3.0. Сейчас направление фокусируется на развитии Циан-помощника (наш LLM агент), делая его умнее и полезнее для всех пользователей и развитии текстового поиска, внедряя в него современные NLP и мультимодальные механики. Полная удалёнка внутри РФ. Если есть желание ходить в офис, у нас есть замечательные современные офисы в Москве, Питере и Новосибе. Вилка - от 350 до 500, готовы обсуждать. О нас: В Циан большая команда ML. В команде настроены процессы перфоманс ревью, регулярного обмена опытом, выделяем время на исследовательскую работу! Сейчас направление фокусируется на развитии текстового поиска, чтобы пользователи находили идеальные варианты быстрее, и Циан-помощнике, делая его умнее и полезнее. Задачи: * NLP задачи как в виде обучения моделей, так и в виде разработки вспомогательных сущностей на python * Внедрение мультимодального подхода к поиску * Развитие интеллектуального помощника по поиску недвижимости: обучение собственных llm моделей на базе opensource, исследование готовых решений от openAI/Yandex и других. * Разработка и внедрение в продакшн моделей машинного обучения для улучшения пользовательского опыта Требования: * Опыт: Не менее 3х лет релевантного опыта на позиции DS в продуктовой компании * Python: пишет легко читаемый и поддерживаемый код * SQL (оконные функции, оптимизация запросов) * Опыт в DL: обучение/дообучение собственных глубоких нейросетей * Опыт разработки NLP моделей: от tfidf до llm * Классический ML: бустинги, линейные модели. Будет плюсом: * Apache стек: HDFS/Kafka/Spark (DF API) * Опыт работы с CV и мультимодальными моделями Бонусы: ДМС с первого дня (стоматология, госпитализация, полис ВЗР), Кафетерий льгот, 5 day off в год, помимо основного отпуска. Контакты: По всем вопросам и с резюме пишите @mistakef Не забудьте указать, что вы из datasciencejobs

GitHub Trends

@githubtrending · Post #15246 · 24.10.2025 г., 13:30

#go#blob_storage#cloud_drive#distributed_file_system#distributed_storage#distributed_systems#erasure_coding#fuse#hadoop_hdfs#hdfs#kubernetes#object_storage#posix#replication#s3#s3_storage#seaweedfs#tiered_file_system SeaweedFS is a fast, simple, and highly scalable distributed file system designed to store billions of files and serve them quickly, especially small files. It uses a master server to manage volumes on volume servers, which handle file data and metadata, enabling very fast file access with minimal disk reads. It supports features like replication, erasure coding, cloud integration for elastic storage, and compatibility with many metadata stores and APIs including Amazon S3. This means you get efficient, cost-effective storage with fast access, easy scaling, and flexible deployment options for large-scale file storage needs. https://github.com/seaweedfs/seaweedfs