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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #927 · 21.12

Посмотрел по совету Андрея @technomage первый сезон Scavengers Reign ("Царство падальщиков"). Научно-фантастический мульт про людей, потерпевших крушение на чужой планете и пытающихся выжить. Планета изобилует агрессивной флорой и фауной, которая невероятно изощрёнными способами ловит себе добычу для питания или размножения. Собственно, значительная часть удовольствия от просмотра возникает при наблюдении за фантазией авторов. Следует отдать должное тому, как они смогли придумать столько ужасающе удивительных, но при этом вполне логичных концепций, связанных с охотой животных, распространением растений, борьбой среды с внешними условиями и так далее. Да, сериал жестокий, но по-хорошеиу выносит мозг. Однако, я втянулся только со второго захода. Пришлось настроить свою "приостановку неверия", потому что не мог отделаться от мысли, что в реальном мире столь агрессивная экосистема нежизнеспособна. Да, у нас тоже есть ядовитые растения и заражающие смертельными болезнями насекомые, но в основном это либо побочный эффект, либо способ защиты. Для размножения растению выгоднее выращивать съедобные и питательные плоды, чем, например, плоды, прорастающие сквозь животное и убивающие его. Во-первых, потому что растениям в целом нужно, чтобы животные жили. Во-вторых, потому что с поколениями животные очень быстро "учатся" не есть всякое ядовитое, избегать опасностей и так далее. Взаимоэволюция флоры и фауны на Земле во многом симбиотическая: животные и насекомые помогают размножиться растениям, растения помогают животным и насекомым выживать и питаться. Думаю, система, построенная на вражде этих доменов, очень быстро уничтожила бы сама себя. Плюс, в мультфильме способности некоторых существ (особенно, если можно так выразиться, главного антагониста) выглядят чрезмерно замороченными, требующими весьма сложного строения и большого количества энергии, тогда как те цели, для которых они ему нужны, достижимы сильно проще. Возможно, это результат устойчивой мутации, но всё равно лично мне постоянно приходилось в уме делать какие-то поправки на вымысел. Но всё равно топчик, досмотрел с удовольствием и жду второй сезон. #fiction

Hashtags

Резултати

Намерени 3 подобни публикации

Търсене: #ast

当前筛选 #ast清除筛选
Crypto Profit Coach™

@cryptoprofitcoach · Post #9012 · 05.05.2024 г., 17:13

#AST👈 https://www.binance.com/en/trade/AST_BTC Buying Range 220- 230 👆 Buy in parts 👈strictly follow for max profits Sell 🤑 240-250 🤑 250-270 🤑 270-290 🚀 290-320 & above Bullish above 200🔼 Dead Zone below 200🔽

Hashtags

Machinelearning

@ai_machinelearning_big_data · Post #8296 · 18.08.2025 г., 11:11

🎙️NVIDIA выпустили Canary-1B v2 — открытую модель для распознавания и перевода речи, которая работает с 25 европейскими языками. Что она умеет: - 📝 Точное ASR (распознавание речи) и AST (перевод речи) между английским и 24 другими языками. - Автоматическая пунктуация, капитализация и точные таймстампы до слова. - Поддержка русского, французского, немецкого, испанского и многих других языков. Чем интересна - До 10× быстрее инференс, чем у моделей в 3 раза больше. - Уже показывает state-of-the-art точность среди открытых моделей на Hugging Face. - Лицензия CC-BY-4.0 — можно свободно использовать в проектах. Под капотом: - Архитектура: FastConformer-энкодер + Transformer-декодер (~978M параметров). - Форматы: .wav и .flac, моно 16 кГц. - Легко интегрируется через NVIDIA NeMo или прямо с Hugging Face. Где пригодится: 🟢 голосовые ассистенты 🟢 субтитры и перевод видео 🟢 чат-боты с речевым вводом 🟢 real-time анализ речи Всего ~978M параметров → легче, быстрее и дешевле в использовании, чем большие модели конкурентов. 🟠Попробовать можно здесь: https://huggingface.co/nvidia/canary-1b-v2 🟠SET: https://huggingface.co/datasets/nvidia/Granary 🟠PARAKEET: https://huggingface.co/nvidia/parakeet-tdt-0.6b-v3 @ai_machinelearning_big_data #AI#NVIDIA#SpeechRecognition#ASR#AST#Multilingual#MachineLearning#DeepLearning

🐬DOLPHIN | AI PREDICTIONS 17.01.2024 14:00 GMT Expected 5% Profit/Loss in 24 Hours #BOND | 3.493 | PP: 1% | LP: 100% #CVX | 3.002 | PP: 0% | LP: 90% #POND | 0.01511 | PP: 0% | LP: 90% #KMD | 0.2581 | PP: 0% | LP: 91% #ETC | 26.36 | PP: 0% | LP: 92% #JOE | 0.5105 | PP: 0% | LP: 93% #PROS | 0.4579 | PP: 0% | LP: 93% #VGX | 0.1258 | PP: 0% | LP: 93% #ATA | 0.0949 | PP: 0% | LP: 94% #BETA | 0.07108 | PP: 0% | LP: 94% #DEGO | 2.261 | PP: 0% | LP: 94% #AST | 0.124 | PP: 0% | LP: 95% #AVAX | 35.97 | PP: 0% | LP: 95% #CELR | 0.01949 | PP: 0% | LP: 95% #WAXP | 0.0619 | PP: 0% | LP: 95% #AXS | 8.05 | PP: 0% | LP: 96% #BEL | 0.6378 | PP: 0% | LP: 96% #GTC | 1.231 | PP: 0% | LP: 96% #UMA | 2.004 | PP: 0% | LP: 96% #WBTC | 42686.15 | PP: 0% | LP: 96% #BTC | 42609.84 | PP: 0% | LP: 97% #GRT | 0.1666 | PP: 0% | LP: 97% #MATIC | 0.8322 | PP: 0% | LP: 97% #PEPE | 0.00000121 | PP: 0% | LP: 97% #UTK | 0.0731 | PP: 0% | LP: 97% #MOB | 0.354 | PP: 0% | LP: 98% #OCEAN | 0.4489 | PP: 0% | LP: 98% #AAVE | 101.35 | PP: 0% | LP: 99% #ATOM | 10.097 | PP: 0% | LP: 99% #BSW | 0.0941 | PP: 0% | LP: 99% #BTTC | 0.00000104 | PP: 0% | LP: 99% #DGB | 0.00839 | PP: 0% | LP: 99% #FLM | 0.084 | PP: 0% | LP: 99% #FOR | 0.02193 | PP: 0% | LP: 99% #LOOM | 0.09158 | PP: 0% | LP: 99% #LTO | 0.0814 | PP: 0% | LP: 99% #MBOX | 0.3093 | PP: 0% | LP: 99% #PUNDIX | 0.4558 | PP: 0% | LP: 99% #QTUM | 3.113 | PP: 0% | LP: 99% #RPL | 34.09 | PP: 0% | LP: 99% #SCRT | 0.4198 | PP: 0% | LP: 99% #STX | 1.5891 | PP: 0% | LP: 99% #ACA | 0.1001 | PP: 0% | LP: 100% #ADA | 0.5293 | PP: 0% | LP: 100% #ADX | 0.1875 | PP: 0% | LP: 100% #AKRO | 0.00532 | PP: 0% | LP: 100% #ALCX | 25.88 | PP: 0% | LP: 100% #ALPHA | 0.1075 | PP: 0% | LP: 100% #AMP | 0.003404 | PP: 0% | LP: 100% #ARDR | 0.0916 | PP: 0% | LP: 100% #BADGER | 3.471 | PP: 0% | LP: 100% ... ——————————————————————— Total Predictions: 367 PP > 50%: 2 LP > 50%: 163 PP > 60%: 0 LP > 60%: 157 PP > 70%: 0 LP > 70%: 147 PP > 80%: 0 LP > 80%: 140 PP > 90%: 0 LP > 90%: 130 ——————————————————————— PP: Profit Probability | LP: Loss Probability