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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #721 · 26.12

Почему я люблю языки с сильной системой типов, проверяемой статическим анализом кода — хорошо написанная программа является своей собственной спецификацией и позволяет выражать через язык программирования законы существования предметной области. Когда-то давно я писал на ActionScript. Там была система типов, но вот десериализация JSON'ов по-умолчанию была в какой-то общий Object, к полям которого нужно было обращаться ["по_строковому_имени"]. В один момент мне потребовалось написать что-то на C#, который я совсем не знал, я стал гуглить, как десериализовать JSON, и с удивлением обнаружил кучу советов заранее объявить класс со всеми нужными полями и десериализовать в него. "Какой ужас!", — подумал я тогда, — "Это же дико неудобно! А если я не знаю полей JSON? А если их много? Отвратительный язык!" Теперь то я прекрасно понимаю, что JSON это контракт, и что правильная десериализация только такая и должна быть, и что в хорошем API в одном поле никогда не бывает данных принципиально разных типов, и так далее. Нет, если вы набиваете вечерами пет-проект или сидите бессонную ночь на хакатоне, нет ничего плохого в том, чтобы взять простой язык с динамическими типами вроде JavaScript или Python, не требующий описывать данные. Но вот в энтерпрайзе, особенно когда над одним проектом работает много людей (а бывает это очень часто) — хорошее использование системы типов убережёт разработчиков от огромного количества ошибок, будет бить их по рукам, когда они пытаются сделать что-то не то, и будет подсказывать, когда они не уверены в чём-то. С помощью статической типизации можно на уровне кода обозначить правила, по которым ведёт себя предметная область вашей программы в реальном мире. Разработчику не только будет сложно их нарушить, но он ещё и станет узнавать какие-то вещи, которые мог не знать раньше. Например, если мы делаем медицинскую CRM, и больница заводит новых пациентов только тогда, когда знает их группу крови, мы можем объявить тип "Пациент" (или, если точнее, "Карта пациента") и запретить создавать экземпляры этого типа, не передав в конструктор группу крови (которая, в свою очередь, тоже является типом, вероятнее всего ValueObject'ом). Если новый программист пришёл в проект, он, во-первых, не сможет записать в БД некорректную карту пациента. Понятно, мы не учитываем случаи, когда новый программист переделывает модели предметной области — это будет хорошо видно на кодревью. А, во-вторых, даже если ему никто не сказал, что пациенты должны быть с группой крови, он узнает это из кода. И уже будет понимать, что в тех процессах реальной жизни, которые он описывает кодом, карта пациента создаётся только при наличии группы крови. А, значит, нужно искать какой-то способ сначала эту группу крови получить, и только потом создавать карту. Программирование моделирует реальный процесс. В настоящей работе даже на языках с типами, конечно, без должного контроля можно написать что угодно. Нужна управленческая воля, компетентность руководства, понимание опасности техдолга, в идеале отдельные должности для архитекторов, опытные лиды и старшие разработчики. Но когда всё это есть, можно отсекать много проблем ещё на старте и проще погружать новичков. #dev

Hashtags

Резултати

Намерени 8 подобни публикации

Търсене: #optimization

当前筛选 #optimization清除筛选
Data Science Jobs

@datasciencejobs · Post #2599 · 07.03.2025 г., 16:04

#вакансия#vacancy#DA#analyst#senior#remote#fulltime#optimization Вакансия: Middle+/Senior Data Analyst (с опытом в оптимизационных задачах) Формат: Удалённый Занятость: Полная Оплата: 3500 - 4500$ net. Ptolemay - аутсорсинговая IT-компания полного цикла по разработке мобильных и веб-приложений для бизнеса и стартапов. Ищем ML Engineer для аутстафф-проекта в сфере металлургии. Обязанности: - Разрабатывать и внедрять алгоритмы оптимизации для объемно-календарного планирования. - Осуществлять постановку и решение задач LP, NLP, определять целевые функции и ограничения. - Автоматизировать планирование в промышленности или смежных областях. - Работать с пакетами оптимизации (SciPy, Pyomo, CVXPY, OptaPlanner) и солверами (COBYLA, Ipopt и др.). Требования: - Опыт работы по функциональному направлению от 4-х лет. - Знание языков программирования Python либо Java. - Знание основных типов оптимизационных задач (LP, NLP и т.д.). - Опыт работы с пакетами оптимизации (SciPy, Pyomo, CVXPY, OptaPlanner или аналогичные). - Опыт работы с различными солверами (COBYLA, Ipopt и другие), понимание принципов их работы (сильные и слабые стороны). - Опыт линеаризации задач, постановка целевой функции и ограничений. - Опыт постановки задачи, разбиение на подзадачи. Условия работы: - Удалённый формат работы. - Полная занятость. - Оформление по ИП, СМЗ. - Оплата 3500 - 4500$ net. Буду рад ответить на вопросы и ознакомиться с резюме: @Dmitriy_Ptolemay

Venture Village Wall 🦄

@venturevillagewall · Post #3621 · 21.12.2024 г., 10:22

BuyerCaddy Secures $1.5M Funding BuyerCaddy has successfully raised $1.50M in funding as of December 19, 2024. The platform focuses on cost savings, optimization, and tech stack benchmarking, helping users identify redundant products, track utilization, and enhance integrations. #Funding#BuyerCaddy#TechStack#Optimization#CostSavings

智能视界

@AITimes365 · Post #158 · 17.07.2024 г., 00:52

#境外AI#Chrome#Google#Gemini#离线模型 Chrome浏览器内置可离线大模型 Gemini Nano ! 开通方式: 1. 下载并安装 Chrome (Dev 或 Canary) 版本 127 或更高版本。 2. 打开 Chrome,访问:chrome://flags/#prompt-api-for-gemini-nano,将设置改为 Enabled。 3. 打开 Chrome,访问:chrome://flags/#optimization-guide-on-device-model,将设置改为 Enabled BypassPrefRequirement。 4. 打开 Chrome,访问:chrome://components,找到 "Optimization Guide On Device Model",点击 "Check for Update"。 5. 如果没有看到 "Optimization Guide On Device Model",请等待几分钟,或尝试切换代理节点。 6. 打开浏览器并访问 https://chromeai.org/ 即可开始使用。

GitHub Trends

@githubtrending · Post #14797 · 06.06.2025 г., 12:00

#python#agents#document_search#evaluation#guardrails#llms#optimization#prompts#rag#vector_stores Ragbits is a tool that helps build and deploy GenAI applications quickly. It offers features like swapping between many language models, ensuring safe interactions with these models, and connecting to various data storage systems. Ragbits also includes tools for managing data and testing prompts, making it easier to develop reliable AI applications. This helps users create more accurate and efficient AI systems by integrating the latest data and reducing errors. Overall, Ragbits makes it faster and more efficient to develop and deploy AI applications. https://github.com/deepsense-ai/ragbits

GitHub Trends

@githubtrending · Post #15575 · 20.03.2026 г., 11:30

#java#aerospace#flight_simulator#java#modeling#optimization#rocket#rocketry#simulation#trajectory OpenRocket is a free tool to design, visualize in 3D, and simulate model rockets with six-degree-of-freedom flight analysis, real-time data on altitude/velocity, automatic optimization, and exports for 3D printing or other programs. It works on any platform via Java. You benefit by testing rockets virtually first, saving time/money on failed builds, predicting performance accurately, and flying safer, higher with optimized designs. https://github.com/openrocket/openrocket

Venture Village Wall 🦄

@venturevillagewall · Post #3510 · 20.12.2024 г., 06:30

Future of AI Search Optimization A new market emerges as users shift from traditional Google searches to AI tools like ChatGPT and Claude. The $70 billion search optimization industry sets the stage for a vast new optimization market focused on AI responses. Early entrants can capitalize on this shift with relatively simple platforms. Discover more: Read Here #AI#SearchOptimization#ChatGPT#Claude#Perplexity#MarketTrends#Innovation#TechIndustry#BusinessOpportunities#DigitalMarketing#InformationRetrieval#Technology#Entrepreneurship#FutureOfWork#Investment#Strategy#Growth#Optimization#Startups

GitHub Trends

@githubtrending · Post #15242 · 23.10.2025 г., 12:30

#python#ant_colony_algorithm#artificial_intelligence#fish_swarms#genetic_algorithm#heuristic_algorithms#immune#immune_algorithm#optimization#particle_swarm_optimization#pso#simulated_annealing#travelling_salesman_problem#tsp You can use scikit-opt, a Python library offering many heuristic optimization algorithms like Genetic Algorithm, Particle Swarm Optimization, Simulated Annealing, Ant Colony, Immune Algorithm, and Artificial Fish Swarm Algorithm. It supports user-defined functions to customize operators, allows continuing runs from previous iterations, and accelerates computations via vectorization, multithreading, multiprocessing, and caching. GPU support is in development. It helps solve complex optimization problems such as function minimization and the Traveling Salesman Problem efficiently, with easy installation and rich examples. This saves you time and effort in implementing and tuning optimization algorithms yourself. https://github.com/guofei9987/scikit-opt