椒盐豆豉剪报 – Telegram
椒盐豆豉剪报
4.39K subscribers
1.33K photos
52 videos
4 files
2.44K links
科技、阅读、书影游剪报、导读和吐槽
长文: https://blog.douchi.space?utm_source=t.me/mtfront
Discord 讨论区: https://discord.gg/cESS4JpsdG
Download Telegram
美国各州枪支法规严格程度与枪支相关死亡率的关系

颜色越绿死亡率越低,越红死亡率越高。方块大小是死亡率的排名,越大死亡率越高。

中间的数字是枪支法律严格程度的排名,数字越大枪支管控越不严格。

(我觉得用类似元素周期表的形式做这个可视化很有意思,但不明白两个较强的 visual 元素(颜色和大小)为什么要表现同一个数值(死亡率),而不是一个表现死亡率一个表现严格程度,毕竟整个图想反映的是法律严格程度和死亡率的关系,现在就还得看小字。虽然好看但其实不如做成看象限图直观?)

#reading #society #data #visual
👍1
Half baked ideas

一个可以提交一些 random idea 的网站的,可以自己提交 idea 也可以用来当作创作灵感。

#fun #tool
感谢镜泉老师的模版我也来了~

(最后两个凑数的感觉我玩游戏都不怎么代入角色

#gaming
🔥4
又一“什么时候觉得自己老了”时刻:YouTube 推送了个蔬菜营养 tier list,我竟然点进去看了,看完继续点进了博主的肉类营养 tier list,并且看的时候第一次厨渣如我冒出了“不然买点 XX 回来偶尔做下饭吧”的想法。

好吧 here‘s the TLDR(因为有时候中文 refer 的不完全是一个菜所以附上原文):

S tier(想吃多少吃多少):西兰花(Broccoli,of course 🙄)、胡萝卜(Carrot)、羽衣甘蓝(Kale,没错难吃还被捧上天是有道理的)、蘑菇(Mushroom)、防风草(Parsnip,芹菜萝卜,星露谷玩家夹带私货)、菠菜(Spinach)、番薯(Sweet Potato)

A(经常吃):甜菜根(Beetroot)、灯笼椒(Bell Pepper)、芹菜(Celery)、豆角(Green Beans,不是绿豆,看图感觉应该对应的是豆角,虽然日常感觉美国的豆角感觉介于中国的四季豆和豇豆之间)、洋葱(Onion)、土豆(Potato)、樱桃萝卜(Radish)、

B tier: 菜蓟(artichoke)、芦笋(Asparagus 绿色的那种美国的,跟中国说的芦笋感觉不大一样)、小白菜(Bok Choy)、抱子甘蓝(Brussel Sprouts,博主一开始开玩笑直接放到 F tier 了我笑死)、菜花(Cauliflower)、毛豆(Edamame)、菊苣(Endive,这东西真的不是娃娃菜吗……)、罗马生菜(Romaine Lettuce)、豌豆(Peas)、

C tier:玉米(Corn)、黄瓜(Cucumber)、茄子(Eggplant,美国常见的大茄子跟中国的也不大一样)、秋葵(Okra)、腌黄瓜(Pickle,虽然大概率跟平时吃的不是一种黄瓜但是……这也能单独拿出来算一个蔬菜?)

D tier:卷心菜(Cabbage)、包心生菜(Iceberg Lettuce,我就不学名了不然鬼知道是什么东西)

博主还有个肉类的同款视频,就不一一列出了,TLDR:
棒棒的随便吃:鸡胸肉、鸡蛋、(牛)肝、火鸡
好处很多但不可过量(一周不超过四次(first world problem)):鸡腿、鳕鱼、螃蟹、三文鱼、虾、吞拿鱼、鹿肉
坏坏:salami、热狗

#watching #wellness #YouTube
👏14👍4
冷知识:如果查看一个 steam 游戏的网页源码(chrome:右键 -> view page source)的话你能看到这个游戏的每个 tag 有多少人投票。

——The evolution of Steam tags (& why we dig 'em!)(文章也给出了自 2020 年底/2021 年初 steam 新添加的 29 个 tag 以及一些 #Github 上的开源 steam 分析工具集合

(虽然 Patreon 投票大家没选出这个命题但是我还是决定最近写一个对非码农比较有用的日常 hack,查看网页源码及相关控制台操作 tricks 是其中之一,立个 flag 防止自己偷懒)

#reading #gaming #funfact
👍7
七月连续两起摩托车交通事故致死之后,联邦政府正在调查 Tesla 有无进行虚假宣传

两起案件都发生在七月,分别是一辆 Model 3 和一辆 Model Y 在不同时间地点高速上从后面撞上摩托车,导致车手死亡。其中一起确认事发当时在 autopilot,另一起正在调查中。

(讨厌特斯拉如我也不得不补充道,摩托车真的很容易死人……撞上汽车的话可能是几百块修个 bumper 的问题)

#reading #news #tesla
象友谈到 Samsung Galaxy S21 Ultra 的 moonshot 分享了一篇很详细的测试 S21 Ultra 的 moonshot 是不是虚假 overlay 增加质感

可能很多手机爱好者第一反应就是 2019 年华为 P30 Pro 的造假门,两台手机我都做了主力机一段时间,于是饶有兴趣地读了这篇文章。

当年华为事件是有人用 P30 pro 拍了一个不是月亮的别的照片也有月亮质感。这件事时候大多数人(包括我)都默认了是 fake overlay 就没再 followup 这事,看了这篇文章才之知道后面很多人都没能成功 reproduce ,算作悬案。

作者随后用其他物件(黑色背景的照亮的乒乓球等等)没能成功让得到虚假月球质感,但是补充道也有可能是手机考虑到了相机的角度等因素,所以单这个实验不能说明什么。

随后一些科技 youtuber 提供了一些未验证理论,这部分我觉得比较无聊因为大家都是猜测。其中有一个扒了相机 APK 没有发现 preset moon map,但是发现有一个相关的 scene optimizer library。

最后作者用了全幅无反 Sony A7R III + 200-600mm 长焦在同一时间拍月亮,然后比较成像效果,将两张照片叠加在一起发现基本完全相符(甚至 S21 Ultra 效果更好),如果要用 fake overlay 的话需要存好各个角度的月球地图或者 3D 模型并且精确确定拍摄角度才能做到这种拟真度。作者认为可以确定这个 moonshot 没有添加 texture overlay,只有“correction”没有“addition”,因此不算做假。(在 computational photography 无处不在的今天我觉得这个定义蛮有道理的)。

后面附了一些三星的回复,车轱辘话没什么信息量。作者补充道因为确实 scene optimizar 在能出这种画质的照片中有重要作用,所以不要指望所有的 100x zoom 都会效果这么好。

蹭热度扩展阅读:
Galaxy S21 Ultra 测评
The Perfect Phone for Casual Bird Lover

#reading #tech #Samsung #visual
👍4
2022 年以来美国企业的裁员图示

(感觉除了绝对人数外应该把相对百分比也表示出来更有参考价值)

(咦,不看都不知道 meta 偷偷 layoff 人了?可能比例太小没怎么引起波澜,朋友补充新闻

#reading #news #career #data #visual
1
Forwarded from 車車的阁楼
满月常有,晴日难得🌕
👍4
Our World in Data 制作了一个空气污染数据浏览工具,可以 filter 不同的国家查看自 1750 年来的不同污染源趋势,查看绝对污染量和人均污染量等,还可以按线性和指数查看,并提供了数据源下载。

相关阅读:多少人死于空气污染贫困与室内污染

#reading #data #visual #society
👍2
美国码农前半段职业发展道路(career ladder)

憋了好几天不想写的 patreon 7 月选题终于选出来了,内容包括:
- 美国码农职业前半段的常见 level
- 各 level 其相应的工作内容和薪资 expectation
- 我对升职的一些个人看法
- 爬到职业生涯前半段的“终点”之后呢

因为写得太痛苦所以 8 月选了一些娱乐性质的题目欢迎大家投票
- 高效、async 的信息流才是好的信息流:我的 RSS setup
- Summer of Gaming:最近我在玩什么游戏
- 恢复独居渐入佳境的中年社畜健康习惯
- 我看过的流媒体脱口秀 tier list

阅读全文:https://blog.douchi.space/software-engineer-career-ladder/

#blog #career #patreon
👏5👍2
我制作了一个条鹅的 discord server,有 nitro 的朋友可以加来当做 emoji server 使用。 https://discord.gg/xDnrSvT7dU

饭团制作的 telegram sticker pack: animated | static

#discord #tool
👏3🤩1
椒盐豆豉剪报
Our World in Data 制作了一个空气污染数据浏览工具,可以 filter 不同的国家查看自 1750 年来的不同污染源趋势,查看绝对污染量和人均污染量等,还可以按线性和指数查看,并提供了数据源下载。 相关阅读:多少人死于空气污染 | 贫困与室内污染 #reading #data #visual #society
继这个空气污染 explorer 之后,Our Wolrd in Data 又发布了一款各种食物的环境影响 exploer,可以按照食物种类(如牛肉、猪肉、鸡蛋、米等)和制成品(如培根、豆腐、pasta等)查看。

其中包含了每千克重量、蛋白质、卡路里所造成的温室气体、陆地占用、水资源使用、水污染等等,比以往只说碳排放造成的环境影响更加全面。比如碳排放上来说,(肉牛)牛肉一骑绝尘(奶牛在羊肉之后排在第三),但陆地占用羊肉排名第一牛肉紧随其后,水资源使用则是 cheese、虾、牛和米排在前面,水污染肉牛和奶牛都很多但虾也紧随其后。

#reading #data #visual #society
👍1🤔1