У борьбы с коррупцией есть негативная обратная связь: чем больше ты выявляешь и наказываешь, тем больше кажется размах явления и "всё пропало".
Попросили прокомментировать вот эту статью про 29 млн заболевших по ID из лживого латышского листка.
Слабые места статьи:
1. совершенно непонятно почему авторы решили, что нумерация начинается с 0
2. непонятно, почему авторы решили, что пропусков в номерах нет. Я в своё время парсил инстаграм. Там у всех пользователей тоже номера подряд. Но. Так как пользователи в разных регионах обслуживаются разными кластерами, то Инста нарезает региональным серверам какие-то диапазоны ID, чтобы они глобально ненароком не пересеклись из-за latency в сети. Пропуски там есть. Более того порядок тоже нарушается в зависимости от скорости наполнения. Задача имхо аналогичная.
3. самое слабое место: Пациентов, у которых диагноз не подтвердился, из регистра удаляют, отмечает источник — а порядковый номер освобождается и потом присваивается новому заболевшему. Никто и никогда не будет переиспользовать ID. Это дико неудобно в реализации, а новых номеров завались и тележка. Авторам это очевидно нужно для обоснования отсутствия пробелов.
4. всего на графике у них 51 точка, по которым проводится сплайн. Я сам считал. Понятно, что у них мало сторонников, но даткой они разжились жиденько, что совершенно не соответствует заявленным 29 млн. Поддержка уличная у них 0.5%, значит переболевших сторонников около 195 000 должно быть, +/- 90 000. 2% конверсии дадут минимум 2000 в датасете. Их очевидно нет.
в реальности скорей всего там ETL не раз сбоил между регионами, что-то добавлялось, что-то удалялось. Частично номера идут подряд и коррелируют с датами, но вот экстраполировать, как они сделали может только лживый латышский листок, он же иностранный агент.
Слабые места статьи:
1. совершенно непонятно почему авторы решили, что нумерация начинается с 0
2. непонятно, почему авторы решили, что пропусков в номерах нет. Я в своё время парсил инстаграм. Там у всех пользователей тоже номера подряд. Но. Так как пользователи в разных регионах обслуживаются разными кластерами, то Инста нарезает региональным серверам какие-то диапазоны ID, чтобы они глобально ненароком не пересеклись из-за latency в сети. Пропуски там есть. Более того порядок тоже нарушается в зависимости от скорости наполнения. Задача имхо аналогичная.
3. самое слабое место: Пациентов, у которых диагноз не подтвердился, из регистра удаляют, отмечает источник — а порядковый номер освобождается и потом присваивается новому заболевшему. Никто и никогда не будет переиспользовать ID. Это дико неудобно в реализации, а новых номеров завались и тележка. Авторам это очевидно нужно для обоснования отсутствия пробелов.
4. всего на графике у них 51 точка, по которым проводится сплайн. Я сам считал. Понятно, что у них мало сторонников, но даткой они разжились жиденько, что совершенно не соответствует заявленным 29 млн. Поддержка уличная у них 0.5%, значит переболевших сторонников около 195 000 должно быть, +/- 90 000. 2% конверсии дадут минимум 2000 в датасете. Их очевидно нет.
в реальности скорей всего там ETL не раз сбоил между регионами, что-то добавлялось, что-то удалялось. Частично номера идут подряд и коррелируют с датами, но вот экстраполировать, как они сделали может только лживый латышский листок, он же иностранный агент.
Журнал «Холод»
29 миллионов
В закрытом COVID-реестре Минздрава оказалось в пять раз больше записей, чем официально заболевших в России
Data is data
модуль Наука наконец добрался до орбиты. Это один из самых больших блоков МКС будет. Пожелаем ему удачной стыковки.
тесты роскосмоса показали, что модуль Наука управляем. Его будут стыковать вместо одного из Пирс-ов, поэтому один придётся завтра утопить в океане. Что намечено в расписании МКС на завтра (перенесено с сегодня). Дополнительно саму МКС развернут в пространстве стыковочным узлом навстречу Науке.
в Питере реставраторы поленились, а я узнал что твёрдый знак и буква ять это не одно и тоже.
Ан-2 взлетает с места на гибридной силовой установке. Понятно, что пустой, но тем не менее.
https://youtu.be/sI32NIvjvic
https://youtu.be/sI32NIvjvic
YouTube
Кукурузник с 9-ю моторами. Разбег 6 секунд / 60 метров. МАКС 2021 / ТВС-2МС (Ан-2)
Антонов Ан-2МС (ТВ-2МС) 48986 СибНИА им. Чаплыгина первый полет: 1966 г.
--------------------------
Другие МАКСы:
МАКС 2019 - https://youtu.be/AaDZuMZDKwc
МАКС 2017 - https://youtu.be/1bZ624a7BhI
МАКС 2015 - https://youtu.be/pDpRvEmPAcs
МАКС 2013 - https…
--------------------------
Другие МАКСы:
МАКС 2019 - https://youtu.be/AaDZuMZDKwc
МАКС 2017 - https://youtu.be/1bZ624a7BhI
МАКС 2015 - https://youtu.be/pDpRvEmPAcs
МАКС 2013 - https…
AI всё больше и больше про развлечения, и всё дальше и дальше от SkyNet. Взято с канала https://news.1rj.ru/str/eiaioi
Telegram
еіаі_(ой)
Про дослідження у сфері Machine Learning / Deep Learning / Data Science.
Автор: @pol_andriy
Автор: @pol_andriy
Forwarded from еіаі_(ой)
Using latent space regression to analyze and leverage compositionality in GANs
Новый подход в Attribute Editing: используя разные части из набора изображений, сгенерировать объект, который будет их общей композицией. Можно генерировать лица, машины, здания и др.
Tech details: авторы предлагают использовать метод регрессии (в виду feedforward networks) для преобразования фич изображения в латентное пространство претренированного GAN. Отличие от похожих методов инверсии в том, что обычно используют подход итеративной оптимизации (Image Processing Using Multi-Code GAN Prior, Analyzing and Improving the Image Quality of StyleGAN), а регрессия показывает большую точность.
#papers
Новый подход в Attribute Editing: используя разные части из набора изображений, сгенерировать объект, который будет их общей композицией. Можно генерировать лица, машины, здания и др.
Tech details: авторы предлагают использовать метод регрессии (в виду feedforward networks) для преобразования фич изображения в латентное пространство претренированного GAN. Отличие от похожих методов инверсии в том, что обычно используют подход итеративной оптимизации (Image Processing Using Multi-Code GAN Prior, Analyzing and Improving the Image Quality of StyleGAN), а регрессия показывает большую точность.
#papers