Поговорим про ML.
Пару дней назад вышла новость о том, что в продажу поступила первая русскоязычная книга, половину текста в которой написала нейросеть ruGPT-3. А до этого вы все наверняка натыкались на очень яркие записи про Dalle и Imagen, где нейросеть по описанию рисует картинку, и получается очень любопытно.
Такими темпами скоро нейросети превратятся в крипту: высокотехнологичную вещь, о которой, однако, в среде приличных технарей лучше не упоминать. Потому что то, каким образом это используется, и то, какой образ этому создают в массах, расходится не только с реальностью, но и с определённым уровнем вменяемости.
Кстати, ML ещё и может ярко демонстрировать эффект Даннинга-Крюгера. Мем про "Ты чё, пёс, я математик!" нифига не шутка. Человек может считать себя крутым программистом, если научился комбинировать чужие библиотеки на питоне. Хотя на самом деле простейшую практическую задачу решить не способен -- я с такими сталкивался лично. ML-щики вообще пихают свои нейросети куда ни попадя, считая, что это волшебная таблетка и швейцарский нож для любых ситуаций. Мне рассказывали случай, когда на хакатоне по работе с данными выиграл человек, который просто аккуратно вручную подобрал нужные зависимости в Excel :)
Глобально же нейросетями пытаются решать три вида задач:
1. Информации в вопросе много, а в ответе нужно мало. Например, распознавание образов и символов. Подбор значений каких-нибудь коэффициентов. Приложение "Хотдог или не хотдог" из сериала Кремниевая Долина. Обычно нейросети справляются с таким очень хорошо. Рукописный ввод распознают шикарно, по фото могут назвать породу собаки, математические формулы читают. Но важно понимать, что под капотом даже у такой нейросети не возникает никаких понятных вам символов. Например, при распознавании рукописного ввода случайный набор пикселей, не имеющий для человека смысла, может быть с той же степенью уверенности интерпретирован нейросетью, как совершенно чёткая буква А. Просто мы на такой случайный набор не попадаем почти всегда, и поэтому всё ок.
2. Информации в вопросе средне, и в ответе нужно средне. Как правило, это предсказание, восстановление недостающих данных, улучшение качества фото, раскрашивание ч/б. С такими задачами нейросети справляются уже средненько. Улучшенный нейросетью снимок сразу видно. Предсказание лишь ненамного точнее, чем случайный выбор. Польза в том, что в обращении такие сети просты, а результат всё-таки дают. Но не стоит их переоценивать. Например, сюда можно отнести задачу суммаризации текста (по большому объёму текстов тебе печатают выжимку). Мои товарищи в одном чате несколько дней игрались с ботом-суммаризатором, и в основном половина написанных им фраз это просто мусор и ерунда для ржача. Но в другой половине всё-таки какой-то совсем небольшой смысл проглядывался. Недостаточный для того, чтобы задалбывать этим ботом участников чата (привет, ребята :) ), но не абсолютный рандом.
3. Информации в вопросе мало, а в ответе нужно много. Это генерация данных: вот как раз написание текстов, составление рисунков, логотипов и так далее. Так вот, по моему скромному, но всё-таки хоть немного компетентному мнению, в таких вопросах нейросети выдают полную херню. И хвалёная логотипная нейросетка Лебедева — тоже полная херня. И распиаренная GPT ничего толкового не пишет. Когда читаешь примеры в новостях-анонсах, сразу думаешь: "Вау, как круто!". Но когда пробуешь сам: ruGPT-3 по уровню осмысленности где-то чуть ниже "Яндекс.Рефератов", если помните такой сервис и суть его работы. Я не знаю, будут ли сети по созданию изображений работать так круто (сейчас доступа к ним ни у кого нет), но книга в соавторстве с человеком стала возможна только по той причине, что в качестве человека взяли Павла Пепперштейна, который берёт случайные комбинации словосочетаний и выдаёт это за литературу.
Поверьте: человечество пока что в безопасности касательно захвата машинами.
#dev
Больше информации о вузе, нужно ещё больше!Part 1
Итак, вы решили погрузиться в атмосферу одного (или не одного) из вузов в своём списке. Как то сделать?
Самое банальное - инстаграм вуза. Вбиваем в поисковике соцсети X college и подписываемся. Чаще всего там будут анонсы мероприятий, какие-то торжества, daily routine и все что может рассказать о себе вуз. Например, сейчас идёт Black History Month и многие вузы устраивают кино-марафоны, лекции и праздничные вечера на эту тему.
Вариант номер 2 (и один из моих любимых) - страничка Admissions в инстаграме. Адмишн департмент стенфорда, например, летом публиковал там информацию о классе, который они хотят набрать на fall 2023 и советы по заполнению заявки к ним. Так же следует помнить многие вузы не присылают на почту дату и время релиза решений по вашей заявке. А ограничиваться обычным mid-месяц бывает нервно и неудобно. Так вот, многие Admissions публикуют на своих аккаунтах и дату, и время релиза. При этом, нигде, кроме их аккаунта этой информации может не быть. Поэтому, мотаем на ус.
Тик ток, о милый тик ток. Не скажу, что сильно полезный источник, но все же. Как минимум поглазеть на кампус и day from X college student там точно можно.
Минус: не у всех вузов есть аккаунт в тик токе.
#application
Для подачи заявки в вузы США Вам в любом случае нужно будет минимум три рекомендационных письма: два от учителей (чаще всего берутся учитель английского языка, учитель математики или классный руководитель) и одно от директора/завуча вашей школы.
Процесс сбора писем не всегда проходит гладко, так как многие учителя могут попросту отказать из-за отсутствия времени/желания/понимания как писать эти самые письма.
Можно ли написать их самому? В теории - да, на практике - не советую. Колледжу важно узнать как можно больше о вас, в том числе и со стороны школьных учителей. А студенты, зачастую, не могут объективно оценить и правильно себя преподнести. Поэтому постарайтесь все же договориться со своими учителями. Как минимум рекомендацию от школьного психолога или методиста вы точно сможете получить.
Если же учителя (а иногда и вы сами) понятия не имеют, что нужно писать в рекомендациях на вас, вот вам несколько статей об этом)
Как писать рекомендации школьным учителям
Как писать рекомендации завучам/директору
Советы по написанию рекомендационных писем от MIT
Несколько советов по написанию рекомендационных писем на финансирование от Yale university
У кого из учителей попросить рекомендации (MIT)
Как правильно попросить о написании рекомендаций
#application
Hybrid nanophotonic-microfluidic sensor integrated with machine learning for operando state-of-charge monitoring in vanadium flow batteries
https://doi.org/10.1016/j.est.2025.115349
При нашем скромном участии вчера вышла работа, в которой представлен усовершенствованный метод измерения степени заряда (SoC) ванадиевых проточных батарей (VRFB) с использованием показателя преломления и машинного обучения.
Основной акцент сделан на использовании изменения показателя преломления (RI) электролитов для оценки концентрации ионов ванадия.
Разработанный сенсор основан на фотонных интегральных схемах (PIC) и микрофлюидных каналах, что обеспечивает высокую чувствительность. Система прошла тестирование на рабочих условиях батареи, показав устойчивую корреляцию между спектральными характеристиками и данными о заряде.
Используя экспериментальные данные, ML модель была обучена точно предсказывать степень заряда проточной ванадиевой батареи путем анализа спектральных характеристик.
🔗По этой ссылке статья будет доступна бесплатно в течение первых 50 дней: https://authors.elsevier.com/c/1kSYB,rUrFxfAl
📕Journal of Energy Storage (IF=8.9)
#application
Common Application opens tomorrow 🙂
The day when you really feel the flow ... and it seems that there is no time at all☠️
Even if you end up getting rejected - either you didn’t put in enough effort, or fate itself saved you from this university🖇📓
But don't worry, I'm sure YOU WILL SUCCESS!
Those who enroll this year… respond in the comments and may good luck always be with you 😍
Sincerely,
#application
#motivation
@ninjasblog
🔖 Home | Mihon #pinboard#manga#application
Discover and read manga, webtoons, comics, and more – easier than ever on your Android device.
改朝换代了
https://mihon.app/