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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #654 · 16.11

Пытаюсь решить организационно-логистическую задачу в #Satisfactory. Может быть, умные люди (вы) мне дадите интересные советы. Я уже открыл практически все типы деталей, они довольно сложные, и для производства многих из них нужны целые цепочки: добыть ресурс А в одном месте и ресурс B в другом, потом сделать из них детали C и D, из этой пары получить деталь E, добыть ещё ресурс F, соединить, смешать с водой... В каком-то месте эти цепочки удобно разрывать (то есть не строить всё на одной фабрике, а растаскивать фабрики по карте). Потому что, во-первых, с гигантской базой, производящей все типы всех деталей, банально неудобно работать. Во-вторых, её тяжело масштабировать. Хотя у этого решения есть плюсы, и некоторые так делают, лично я идти по такому пути не хочу. Но в каком месте рвать цепочки? Глобально есть две крайности: 1. Можно делать по фабрике на каждое звено производства. Например, фабрика, которая делает деталь E, должна принимать на вход детали C и D, и всё. Такая схема очень легко масштабируется: небольшую фабрику очень просто расширять. А детали возить между фабриками поездами. Но тогда потребуется типа 100 разных фабрик и очень сложная железнодорожная сеть. 2. Можно в каждую фабрику привозить сырьё. Только то, что невозможно произвести, а можно только добыть. Фабрика делает с нуля из сырья все детали, в том числе для промежуточных звеньев. Такую схему очень легко балансировать: один раз посчитал, сколько нужно сырья, и всё. Но фабрики для сложных деталей будут громоздкие. А ещё если деталь C нужна в десяти местах то придётся десять раз повторить всю цепочку производства детали C, а можно было бы в одном месте делать очень много деталей C и возить. Мне не нравятся оба варианта, значит, рвать цепочку нужно где-то посередине. Но где? #games

Резултати

Намерени 2 подобни публикации

Търсене: #scientist

当前筛选 #scientist清除筛选
Data Science Jobs

@datasciencejobs · Post #3048 · 26.11.2025 г., 16:04

#вакансия#data#scientist#ML#remote#удаленка Название компании: deeplay Формат работы: Удаленка Занятость: Полная Контакты: @hitommooo Мы разрабатываем роботов-аниматоров для интеллектуальных карточных игр: покер, бридж, маджонг, преферанс. Аниматоры создают активность на игровой платформе, привлекая пользователей 🎲🧩 Ищем сильного Middle Data Scientist 🎯 Что по задачам? - Разработка инструментов, автоматических отчётов и методов кластеризации данных и системы мониторинга работы ML-моделей - Контроль качества ML-моделей, обнаружение дата-дрифта и поддержание качества предсказаний на необходимом уровне - Аналитика данных, проверка гипотез, исследования данных и методов 🧑‍💻Наши ожидания - Коммерческий опыт работы в должности Data Scientist от 3х лет - Уверенное знание ML (опыт работы с полным ML-пайплайном) - Знание методов статистического анализа данных (EDA, LDA, MDS) - Знание методов кластеризации и её оценки, методов понижения размерности - Опыт программирования на Python - Знание различных видов визуализаций в python, любовь к графикам — приветствуется 🍪Мы предлагаем - Полностью удаленный формат работы - График работы с гибким началом и окончанием рабочего дня - Ежегодно проводим performance review, по итогу которых намечаем планы развития сотрудника - Частичная компенсация расходов на медицинские услуги, бассейн, массаж - Частичная компенсация расходов на спорт - Материальная помощь к важным событиям и в сложных жизненных ситуациях - Регулярные шаринги знаний, хакатоны, митапы, трансляции, турниры - Изучение английского языка для всех желающих 2 раза в неделю 📩 Контакты:@hitommooo

Data Science Jobs

@datasciencejobs · Post #1850 · 25.12.2023 г., 09:01

#вакансия#vacancy#senior#lead#data#scientist ✨Senior/Lead Data Scientist Компания: WILDBERRIES ЗП: по результатам собеседования Wildberries - это 9 млн заказов и 1 млрд поисковых запросов в сутки. Мы ищем Senior/Lead Data Scientist в команду FBO Wildberries. Наша команда управляет процессом с момента планирования поставки товара на склад Wildberries до момента, когда этот товар оказывается на месте хранения и становится доступен к продаже. Ключевые требования - Знание классического ML, DL. - Знание методов оптимизации, временных рядов. - Хорошее знание алгоритмов и структур данных. - Знание и умение применять для ML стек Python (Pandas, Sklearn, Numpy, Scipy, XGBoost/LightGBM/Catboost), а также SQL. - Опыт обучения моделей, которые работают в продуктах для массовой аудитории и приносят там пользу. - Для Lead опыт управления командой DS, внедрения корпоративных моделей данных. - Опыт работы – от 3 лет. Основные задачи Предстоит заниматься рекомендациями по завозу товаров, управлением потоком товаров по складам, а именно: - Прогнозирование спроса и предложений товара у покупателей для продавцов на Wildberrries. - Оптимизация потока завоза товаров на склады. - Динамическое тарификация для продавцов на склад, где цена будет меняться в зависимости от загрузки склада, длительности хранения и так далее. - Вместе с бэкендерами строить production pipeline. Компенсация/мотивационный пакет Мы предлагаем: - Оформление по ТК, ГПХ, ИП. - Гибридный формат работы: от офиса в Москве (с бесплатными завтраками, обедами и ужинами) до удаленки из любой точки мира. - Гибкое начало рабочего дня. - Возможность увидеть однозначные результаты работы, напрямую влияющие на бизнес с триллионами GMV. - Возможность брать 3 day-off в любой день. - Необходимое мощное железо и ПО. - Ежегодная 40%-ая скидка на покупку ноутбука или мобильного телефона. - Премии и бонусы по итогам работы. - Карьерный и профессиональный рост. Откликнуться: @yana_itrec Не забудьте уточнить, что вы из @datasciencejobs