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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #47 · 10.06

Полноценное ООП, статическая типизация, события, Си-подобный синтаксис — именно на этом языке я научился тому фундаменту, который позволил мне стать профессиональным разработчиком. Именно после него я без особого труда кодил на Java и теперь вот на C#. Именно на AS3 я выиграл первый в своей жизни конкурс по программированию, и на нём же сделал первый проект, принёсший серьёзные деньги — достаточно серьёзные, чтобы я мог съехать от родителей. На нем непрерывно писал несколько лет, и ни о чём не жалею. Потом Apple убила Flash, а крупные студии убили рынок инди-проектов в социальных сетях. Мой профессиональный путь стал менее простым и наивным, зато уровень знаний и умений в этой области сильно вырос. Прошлогодний код в любой момент кажется мне плохим, и хочется верить, что это признак какого-то развития. Но те времена я всегда вспоминаю с теплотой и любовью. https://youtu.be/sanpUp8GIoY? #dev

Hashtags

Резултати

Намерени 3 подобни публикации

Търсене: #sounds

当前筛选 #sounds清除筛选
Interesting Planet 🌍

@interesting_planet_facts · Post #1053 · 19.11.2025 г., 18:11

🌎 In 1977, the Soviet Venera 14 probe recorded mysterious low-frequency “thunder”-like sounds on Venus. Scientists now attribute these to seismic activity or wind interacting with the planet’s dense atmosphere. Venus’s surface winds move slowly, but thick air carries sound much farther than on Earth. ✨ #Venus⚡#sounds⚡#space 👉subscribe Interesting Planet 👉more Channels ​

djangoproject

@djangoproject · Post #255 · 02.02.2017 г., 18:57

https://github.com/tyiannak/pyAudioAnalysis #pyAudioAnalysis is a Python library covering a wide range of audio analysis tasks. Through pyAudioAnalysis you can: Extract #audio features and representations (e.g. mfccs, spectrogram, chromagram) Classify unknown #sounds Train, parameter tune and evaluate classifiers of audio segments Detect audio events and exclude silence periods from long recordings Perform supervised segmentation (joint segmentation - classification) Perform unsupervised segmentation (e.g. speaker diarization) Extract audio thumbnails Train and use audio regression models (example application: emotion recognition) Apply dimensionality reduction to visualize audio data and content similarities