TGINSIGHT SIMILAR POSTS
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
Търсене: #ml
@repo_science · Post #3688 · 03.11.2023 г., 12:00
#ML 😎 FREE RESOURCES TO LEARN MACHINE LEARNING Intro to ML by MIT Free Course Machine Learning for Everyone FREE BOOK ML Crash Course by Google Advanced Machine Learning with Python Github Practical Machine Learning Tools and Techniques Free Book Python Machine Learning for beginners ----- Main channel: @repo_science Coupons: @freecoupons_reposcience -----
Hashtags
@repo_science · Post #3447 · 17.07.2023 г., 15:14
#ML 🧠 Machine Learning Expert El aprendizaje automático es un vasto campo con muchos conceptos clave que conocer. Nuestro curso intensivo cubre todos los componentes básicos que necesita para sumergirse en el aprendizaje automático del mundo real. ✍️Ryan Doan | Ex-Amazon ML Infrastructure Engineer 🌐En 📆2022 🔗Link ----- Main channel:@repo_science Coupons:@freecoupons_reposcience -----
Hashtags
@amneumarkt · Post #687 · 18.07.2025 г., 06:24
#ml https://aryagxr.com/blogs/intro-to-nmc
Hashtags
@amneumarkt · Post #682 · 27.06.2025 г., 05:30
#ml Machine Learning Visualized — Machine Learning Visualized https://ml-visualized.com/?utm_source=substack&utm_medium=email
Hashtags
@amneumarkt · Post #617 · 25.08.2024 г., 14:03
#ml What’s Really Going On in Machine Learning? Some Minimal Models—Stephen Wolfram Writings https://writings.stephenwolfram.com/2024/08/whats-really-going-on-in-machine-learning-some-minimal-models/
Hashtags
@amneumarkt · Post #607 · 30.07.2024 г., 06:20
#ml Meta's second version of segment anything. https://github.com/facebookresearch/segment-anything-2 They have a nice demo: https://sam2.metademolab.com/
Hashtags
@amneumarkt · Post #596 · 07.07.2024 г., 20:53
#ml I was searching for a tool to visualize computational graphs and ran into this preprint. The hierarchical visualization idea is quite nice. https://arxiv.org/abs/2212.10774
Hashtags
@amneumarkt · Post #595 · 06.07.2024 г., 22:02
#ml Schmidhuber J. Deep Learning: Our Miraculous Year 1990-1991. In: arXiv.org [Internet]. 12 May 2020 [cited 7 Jul 2024]. Available: https://arxiv.org/abs/2005.05744
Hashtags
@amneumarkt · Post #575 · 09.05.2024 г., 19:51
#ml https://github.com/google-research/timesfm
Hashtags
@amneumarkt · Post #538 · 16.02.2024 г., 11:21
#ml Like a dictionary Kunc, Vladim’ir, and Jivr’i Kl’ema. 2024. “Three Decades of Activations: A Comprehensive Survey of 400 Activation Functions for Neural Networks.” arXiv [Cs.LG], February. http://arxiv.org/abs/2402.09092.
Hashtags
@amneumarkt · Post #532 · 09.02.2024 г., 05:35
#ml I got interested in satellite data last year and played with it a bit. It's fantastic. The spatiotemporal nature of it brings up a lot of interesting questions. Then I saw this paper today: Rolf, Esther, Konstantin Klemmer, Caleb Robinson, and Hannah Kerner. 2024. “Mission Critical -- Satellite Data Is a Distinct Modality in Machine Learning.” arXiv [Cs.LG], February. http://arxiv.org/abs/2402.01444.
Hashtags
@amneumarkt · Post #531 · 05.02.2024 г., 10:57
#ml Jelassi S, Brandfonbrener D, Kakade SM, Malach E. Repeat after me: Transformers are better than state space models at copying. arXiv [cs.LG]. 2024. Available: http://arxiv.org/abs/2402.01032 Not surprising at all when you have direct access to a long context. But hey, look at this title.
Hashtags