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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #844 · 17.07

Закончил трилогию Денниса Тейлора "Мы — Легион. Мы — Боб" (плюс две другие книги серии). Автор программист, нерд, гик и любитель фантастики, в 57 лет на спор решил написать книгу. Как это часто бывает, несколько издательств послали его с порога. Но потом он заключил контракт с крупным сайтом аудиокниг, и книга сразу вошла во все топы, принеся кучу денег. По сюжету главный герой по имени Боб — нерд, гик, программист и любитель фантастики, подписывается на криоконсервацию, но в будущем ему дают не новое тело, а перекачивают сознание в компьютер, установленный на небольшом космическом корабле. У этого корабля есть околосветовой (но не сверхсветовой!) двигатель, а также 3D-принтер, позволяющий печатать что угодно, если найти сырьё. Изначальный план людей был в том, чтобы зонд отправился в соседнюю звёздную систему и построил там космическую станцию, но, волей случая, Боб оказывается сам по себе. Другая важнейшая часть сюжета — способность героя полностью копировать себя. То есть построить второй такой корабль и сделать копию сознания, чем он и занялся в первую очередь. Копии начинают немного отличаться друг от друга. Из-за квантовых флуктуаций в характерах разных Бобов превалируют разные его черты: кто-то больше любит исследования и науку, кто-то занимается организацией, кто-то инженерией. Бобы создают сверхсветовую связь и "расселяются" по галактике сотнями копий, при этом сохраняя что-то вроде внутреннего общества и продолжая коммуникации с человечеством. Тейлор, судя по всему, не стремился написать роман, который станет модным и будет обсуждаться, а просто кайфовал и сочинял фантазию для себя самого. Главный герой очевидно списан с автора практически полностью, и можно сказать, таким образом писатель устроил себе мини-приключение в космос. Из-за этого текст, хоть и простой с виду, вышел очень стройным, эмоционально насыщенным, я бы даже сказал душевным. Миллион отсылок к фантастической поп-культуре, забавные шутки в диалогах, даже имена себе Бобы выбирают по персонажам космоопер. Поскольку Бобов много, автор переключается между ними и между хронологическими ветками, что позволяет ему параллельно рассказывать несколько историй: о войне, о дружбе, о потери, об исследовании, об одиночестве, о политике, о семейных конфликтах... Причем, рассказ всегда идёт от первого лица: в одном месте книги "я" это один Боб, в другом месте книги уже другой — немного с другим характером, находящийся в другой части галактики и переживающий совсем другие события. В статьях говорят, что Тейлор, как истинный программист и нерд, даже написал себе софтину для отслеживания сюжетных цепочек. В общем, гик написал приключение для себя, но оно оказалось интересным и близким для огромного количества других гиков. В книгах не слишком много философии или уникальных фантастических идей, но под конец ты почти плачешь из-за необходимости расставаться с героями. В конце-концов, они бессмертны, а ты — всего лишь эфемер. На русском языке я настоятельно рекомендую аудиокниги в исполнении Кирилла Радцига: во-первых, у чтеца ровно такой голос, какой мы представляем себе для человека по имени Боб, а, во-вторых, это один из лучших русских чтецов в современном аудиокнижном пространстве. #fiction

Hashtags

Резултати

Намерени 4 подобни публикации

Търсене: #embedding

当前筛选 #embedding清除筛选
GitHub Trends

@githubtrending · Post #15053 · 12.08.2025 г., 14:00

#typescript#embedding#visualization Embedding Atlas is a powerful tool that helps you easily visualize and explore large sets of data points called embeddings. It automatically groups and labels data, shows dense areas and outliers clearly, and lets you search for similar items in real time. It works fast even with millions of points using modern web technology and can be used in Python, Jupyter notebooks, or web apps. This means you can better understand complex data, find patterns, and make decisions faster without complicated setup or slow performance. It’s open source and privacy-friendly since your data stays on your device. https://github.com/apple/embedding-atlas

Machinelearning

@ai_machinelearning_big_data · Post #8262 · 13.08.2025 г., 13:04

🌟Embedding Atlas: визуализация структуры эмбедингов прямо в браузере. Embedding Atlas — опенсорсный инструмент от Apple для интерактивной визуализации больших наборов векторных представлений, который позволяет не просто смотреть на облако точек, а полноценно с ним работать. И что самое приятное, он способен отрисовывать до нескольких миллионов точек благодаря реализации на WebGPU. 🟡Автоматическая кластеризация и разметка данных. Embedding Atlas сам находит скопления в данных и подписывает их, позволяя мгновенно сориентироваться в общей структуре датасета. Чтобы отделить реальные кластеры от случайных выбросов, используется оценка плотности ядра с отрисовкой контуров плотности. Решена и вечная проблема визуализаций - "каша" из перекрывающихся точек. Embedding Atlas использует технологию order-independent transparency, так что даже при большом наложении точек картинка остаётся четкой и информативной. 🟡Интерактивность. В инструменте есть поиск в реальном времени и нахождение ближайших соседей. Можно ввести текстовый запрос или просто кликнуть на любую точку в облаке, и Embedding Atlas мгновенно подсветит наиболее похожие на нее данные. Еще есть интерактивный фильтр по метаданным. Например, можно выбрать на гистограмме определенный класс объектов, и визуализация тут же отфильтрует эмбединги, оставив только соответствующие ему точки. 🟡Embedding Atlas поставляется в виде 2 пакетов: 🟢Python-пакет Дает три варианта интеграции: утилиту командной строки для быстрой визуализации датафреймов, виджет для Jupyter, позволяющий встраивать атлас прямо в ноутбуки, и компонент для Streamlit, если вы создаете полноценные веб-приложения. 🟢Npm-пакет Этот пакет для тех, кто хочет встроить визуализацию в собственные веб-приложения. Он предоставляет готовые UI-компоненты в виде API: Table, EmbeddingView, EmbeddingViewMosaic и EmbeddingAtlas. 📌Лицензирование: MIT License. 🟡Страница проекта 🟡Документация 🟡Demo 🖥GitHub @ai_machinelearning_big_data #AI#ML#Embedding#Visualisation#Apple

GitHub Trends

@githubtrending · Post #14750 · 25.05.2025 г., 13:00

#typescript#embedding#mcp#telegram#telegram_bot This tool helps you search through Telegram chat records using advanced technology like vector search and semantic matching. It uses OpenAI's semantic vector technology to make your searches smarter and more accurate. This means you can find messages more easily and quickly. It's beneficial because it saves time and helps you find important information in your chats. To use it, you need to install it on your computer by following some steps, and then you can access it through a local website. https://github.com/groupultra/telegram-search

GitHub Trends

@githubtrending · Post #15433 · 23.01.2026 г., 14:30

#python#deepseek#demo#easy#embedding#flask#gpt#huggingface_transformers#llm#mcp#multimodal#openai#qwen#rag#sentence_transformers#ui#vllm#vlm UltraRAG is a lightweight framework that makes building retrieval-augmented generation (RAG) systems simple and fast. It uses a low-code approach where you write just dozens of lines of YAML configuration instead of complex code to create sophisticated AI workflows with conditional logic and loops. The framework includes a visual development environment where you can drag-and-drop to build pipelines, adjust parameters in real-time, and instantly convert your logic into interactive chat applications. This means you can deploy powerful AI systems that ground answers in your own data—reducing hallucinations and improving accuracy—without needing extensive coding expertise or lengthy development cycles. https://github.com/OpenBMB/UltraRAG