Раньше все свои интеллектуальные модули мы строили на традиционных алгоритмах видеоанализа (далее мы будем называть их «классическими»). О нейросетях мы, конечно, знали, и пробовали их применять еще в далеком 2008. В частности, сравнивать изображения людей по кластерам. Но результаты не были выдающимися (в том числе из-за невысокого уровня развития нейросетей). И мы на многие годы стали приверженцами «классики» машинного зрения. А все нейросети были у нас в головах :) Читать дальше →
В предыдущей публикации цикла мы разобрались, как работают составные части ПИД-регулятора, научились производить операции сложения и вычитания, находить производную и интеграл по времени. В данной публикации цикла мы научимся с помощью ОУ производить операции деления и умножения, находить модуль, определять знак, сравнивать числа и находить наибольшее из них. Для этого мы разберём работу ряда схем на ОУ с «обвязкой» из транзисторов и диодов. Читать дальше →
Рекомендательные системы стали неотъемлемой частью нашей жизни, помогая нам легко находить новые фильмы, музыку, книги, товары и многое другое. Цель этой шпаргалки - дать краткий обзор основных методов: коллаборативная фильтрация, матричная факторизация и некоторые нейросетевые методы. Надеюсь, что эта шпаргалка станет полезным ресурсом для вас, помогая разобраться в мире рекомендательных систем и использовать их потенциал для улучшения пользовательского опыта. Читать далее
Поиск сотрудников надо начинать не с вопроса «как нам нанять самого лучшего?», а с вопроса «какие у нас есть слабые стороны?». Зачем вы нанимаете людей? Вы нанимаете, чтобы больше делать или достигать? Спроектируйте процесс найма так, чтобы подбирать людей, усиливающих слабые стороны команды, а не искать лучших. Думайте не о том, «как нанять самых умных?», а о том, «как найти людей, способных сделать команду сильнее?». Читать дальше →