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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #40 · 6.06

Некоторые области удивительным образом игнорируют прогресс в других областях. Для меня самым характерным примером являются, пожалуй, бортовые компьютеры автомобилей. Вчера я ехал на такси Комфорт+, это была вполне приличная и не старая Kia Optima. Водитель параллельно со своим телефоном включил встроенный навигатор, и он ожидаемо оказался очень плох. Мало того, что даже близко не адаптирован под Россию, с убогой не детализированной картой, так ещё и жутко тормозил: FPS анимаций в районе 1-2. Потом я вспомнил, как мы с друзьями в Москве брали в каршеринге Genesis G70 — Южно-Корейский автомобиль премиум-класса с ценой от 2.5 млн рублей. И там стоял адаптированный бортовой компьютер под управлением Android. Надо ли говорить, что скорость его работы была настолько необъяснимо отстойной, что даже самый дешманский ноунейм китайфон справился бы с задачей навигации лучше? Каждый раз, когда я вижу экран бортового компьютера автомобиля, я будто смотрю через маленькое окошко в прошлое 20-летней давности. И по скорости работы и по функциональным возможностям всё поразительно плохо. Можно оправдывать это якобы безопасностью (сторонний софт нельзя ставить, чтобы он не мог повлиять на движение автомобиля), но на деле эти цепи легко разделяются: двигатель и важные узлы в одном месте, а навигатор, информация с датчиков, климат-контроль — в другом, на другом процессоре с другой областью памяти. Автомобильная промышленность в целом довольно консервативна. Поэтому большинство серийных моделей выглядят одинаково скучно, о каких-то крутых новых функциональных фишках мы слышим раз в десятилетие, а какие-то изобретенные полвека назад вещи до сих пор есть далеко не в каждой модели (например, парктроники). Но иногда до абсурда доходит: в тачке за пару лямов компьютер хуже, чем китайский планшет за десятку. #gadgets#life

Резултати

Намерени 3 подобни публикации

Търсене: #keras

当前筛选 #keras清除筛选
Data Science Jobs

@datasciencejobs · Post #2167 · 20.06.2024 г., 16:05

#вакансия#ml#cv#nn#TensorFlow#PyTorch#Keras Возможность присоедениться к стартапу с инвестициями в самом начале! Описание вакансии Ищем ML / CV инженера для создания и обучений нейросетей. Мы создаем современную систему аналитики спортивных событий с использованием технологий AI и компьютерного зрения. У нас небольшая, но классная команда, нацеленная на прорывные результаты в нашей сфере деятельности. Обязанности - создание, обучение, тестирование и внедрение алгоритмов машинного обучения и компьютерного зрения; - работа с DL фреймворками, в частности YOLO; - построение пайплайнов от сбора данных до детекции событий; - оптимизация, файн-тюнинг для достижения требуемых метрик производительности; - исследование, изучение, применение новейших методик в области машинного обучения, компьютерного зрения и связанных с этим технологий детекции и трекинга. Требования - опыт в ML / CV с фокусом на DL моделях; - знание python / C++, знакомство с библиотеками TensorFlow / PyTorch / Keras и т.д.; - знание CI/CD (git, yaml, docker, terraform, ansible) - опыт работы с библиотеками OpenCV, YOLO, или похожими библиотеками определения объектов; - отличное знание математических принципов статистики, теории вероятностей, построения моделей и методов их обучения, контроль качества; - опыт работы с фото / видео источниками данных; - опыт применения моделей в условиях реального времени; - умение решать сложные задачи, возможность самостоятельно работать задачами; - будет отлично, если вам интересен спорт и спортивная тематика. Мы предлагаем: • Удаленный формат работы, при желании есть возможность работать из офиса • Официальное трудоустройство в штат компании по ТК РФ • Конкурентная и полностью белая заработная плата • Аккредитованная IT компания • Готовы предложить опцион Присылайте информацию о себе сюда

djangoproject

@djangoproject · Post #413 · 15.08.2017 г., 12:34

http://codeinpython.com/tutorials/deep-learning-tensorflow-keras-pytorch/?nonamp=1 Deep Learning #Tensorflow vs #Keras vs #PyTorch #Deep_learning is the application of artificial #neural_networks (ANNs) to learn tasks. These tasks contain more than one hidden layer. Deep learning is part of a broader family of #machine_learning. Machine learning itself is a part of #Artificial_Intelligence(#AI).

GitHub Trends

@githubtrending · Post #14863 · 24.06.2025 г., 13:30

#other#automl#chatgpt#data_analysis#data_science#data_visualization#data_visualizations#deep_learning#gpt#gpt_3#jax#keras#machine_learning#ml#nlp#python#pytorch#scikit_learn#tensorflow#transformer This is a comprehensive, regularly updated list of 920 top open-source Python machine learning libraries, organized into 34 categories like frameworks, data visualization, NLP, image processing, and more. Each project is ranked by quality using GitHub and package manager metrics, helping you find the best tools for your needs. Popular libraries like TensorFlow, PyTorch, scikit-learn, and Hugging Face transformers are included, along with specialized ones for time series, reinforcement learning, and model interpretability. This resource saves you time by guiding you to high-quality, actively maintained libraries for building, optimizing, and deploying machine learning models efficiently. https://github.com/ml-tooling/best-of-ml-python