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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #368 · 31.05

В первой серии нового сезона Stranger Things показывают баскетбольный матч, идущий параллельно с партией в настольную игру. Монтаж специально сделан такой, чтобы сопоставить эти две вещи: вот и там и там атака, а вот и там и там игроки в напряжении из-за сложностей, а вот им нужен командный дух итд. Игрок пафосно берет мяч / игрок пафосно берет кубик d20. Несколькими сценами ранее лидер движения настольщиков подшучивает над баскетболистами в стиле: "Вы задроты и занимаетесь какой-то ерундой, а мы вот реально интересными вещами". Да, именно так, настольщик говорит это баскетболисту, а не наоборот, как можно было подумать. Мысль о том, что гики и ботаники это новые популярные люди была раскрыта ещё 10 лет назад в фильме 21 Jump Street (который у нас к сожалению довольно глупо перевели как "Мачо и ботан"). Устарел классический стереотип американской школы — популярный спортивный парень, который играет в футбол или баскетбол, любимец девушек, не слишком умный интеллектуально и со скверным характером противопоставляется главному герою: умному, но несколько асоциальному ботанику. В фильме есть эпизод, когда герой говорит другу надеть рюкзак обеими лямками, как носят гики, потому что одной — как носили спортивные "хулиганы" — уже не модно и моветон. Герои Stranger Things размышляют об этом в первой серии: давайте, мол, перестанем быть задротами и начнем тусить с крутыми. Но в их реальности это выглядит не слишком правдоподобно. Эти парни и без того успешны, уверены в себе, обладают хорошим чувством юмора, над ними никто не стебется, у них есть девушки (одна из которых дважды спасла мир, чем не перестает хвастаться её парень). Не слишком веришь, что для них есть хоть какой-то резон стремиться в тусовки к простым и одномерным спортсменам-красавчикам. В Sex Education похожая тема: главный герой и внешне и по характеру откровенный ботаник, что не мешает ему ни иметь друзей, ни пользоваться уважением, ни даже влюбить в себя девушку из тусовки "популярных" пафосных чик. В фильме Wish I Was Here бородатый нерд создаёт себе костюм-скафандр для посещения комикс-конвента. Поначалу этот персонаж кажется тем, у кого вообще не бывает отношений в привычном нам смысле: слишком увлечённым какими-то "несерьёзными", "детскими" вещами, удалёнными от "настоящей реальной жизни". Его соседка — симпатичная девушка — приходит жаловаться на шум, и оказывается, что она тоже фанатка комиксов, тоже косплеер, у них завязываются отношения, один идут на конвент вместе. Это всё не выдумка. Киберспорт собирает стадионы, а стримеры и блогеры — новые звёзды. Теория Большого Взрыва долгое время была самым популярным сериалом в США. Абсолютные мировые топы по сборам в кино берут комиксы про супергероев. Рынок настольных игр взлетает в небеса, и давно вышел далеко за пределы каких-то банальных вещей вроде "Монополии", а тематические каналы на Ютубе ведут взрослые дядьки с семьями и детьми. Гик-культура больше не нишевая, теперь это просто культура. Я кидаю d20 и прохожу проверку на публикацию поста. #hobby#fiction

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