Ответ на пост «Какая гадость эта ваша динамическая типизация!»
Мимино в шикарной обработке и озвучке от egor_wexler
Кадры из первой части, а их там 3. С разрешения автора выложила на всеобщее обозрение, дабы не пропадать такому шедевру.
Ссылка на его тг https://t.me/egor_wexler
Ссылка на все 3 части: https://Wexler.io/mimino
Поиграем в бизнесменов?
Одна вакансия, два кандидата. Сможете выбрать лучшего? И так пять раз.
Как сумасшедшие идеи 90-х стали основой современного компьютерного зрения
Перенесёмся в 90-е, когда CV только начинало выбираться из лабораторий. И даже тогда, как и в 1970, это всё оставалось чем-то вроде фантастики, и работать приходилось с кучей проблем.
В начале 90-х Ян Лекун, амбициозный молодой учёный в AT&T Bell Labs, разрабатывал нейросети. Он создал первую CNN для распознавания рукописных цифр. И это было круто, хотя многие его коллеги считали это странной затеей. Тогда Ян им доказал, что глубокие нейросети могут решать задачи распознавания образов.
Тем временем в MIT Такэо Канадэ из Университета Карнеги-Меллон разрабатывал алгоритмы для 3D-реконструкции объектов. В 1992 году его команда сделала первую систему, которая могла снимать и создавать 3D-модели объектов. Это открытие стало прорывом для медицины, архитектуры и робототехники.
К середине 90-х Джитендра Малик из Калифорнийского университета в Беркли проделал проделал колоссальную работу по использованию графов для разделения изображения на области. Малик автоматизировал процесс выделения объектов на изображениях, что оказалось важным для медицинской диагностики и автономного вождения.
А к концу 90-х Канаде и его команда создали алгоритм для отслеживания движущихся объектов. Это доказало, что CV может работать в реальном времени.
Тогда же Дэвид Лоу предложил алгоритм Scale-Invariant Feature Transform (SIFT), который стал ключевым для обнаружения и описания локальных особенностей изображений. Теперь SIFT — основа для многих приложений в области CV, включая робототехнику и 3D-моделирование.
В 2000-х компьютерное зрение развивалось ещё быстрее. Появились базы данных изображений, такие как Caltech 101, ставшие стандартом для тестирования алгоритмов. Исследователи начали активно использовать ML для повышения точности и скорости своих моделей.
С появлением интернета и мощного “железа” CV стало внедряться во многие сферы, в которые на тот момент позволяли технологии.
Эти годы стали прорывным временем. И это несмотря на то, какое нелегкое оно тогда было.
Какая гадость эта ваша динамическая типизация!
(с) egor_wexler
Ответ astrobeglec в «Фронтендер Гриша»
Я добавлю.
1. Этот хлебозавод будет производить 8987567 грамм хлеба в день вне зависимости от необходимости. Причем только булочки с корицей.
2. Для булочек с маком нужен другой хлебозавод.
3. При попытке изменить техпроцесс, добавив кунжут - завод встает, пока в радиусе 100 км останется хоть одно зернышко кунжута.
4. Внезапно может встать и требовать апгрейда для лучшей выпечки. После апгрейда запуск возможен после перестройки 50% завода.
5. Внезапно он может встать по причине истекших ТУ на корицу. Запустить можно только после оплаты ТУ на корицу, соль и сахар, после чего требуется замена оборудования для поддержки новых ТУ на сахар.
6. Если попытаться использовать муку другого производителя - он встанет на неделю, после чего главный цех саморазрушится.
7. Если у РФ санкции - хлебозавод начинает перерабатывать муку на дерьмо, не забывая, впрочем, посыпать конечный продукт корицей.
8. Заказчик боится упоминать о том, что ему нужен был чёрный и белый хлеб. Не без оснований.
9. Заказчик проходит все предыдущие пункты, после чего, если ему очень - очень нужен хлеб и остались деньги - начинает печь хлеб вручную.
Это не юмор, это злой сарказм. Гореть в аду этим "сеньорам"!
Сможете найти на картинке цифру среди букв?
Справились? Тогда попробуйте пройти нашу новую игру на внимательность. Приз — награда в профиль на Пикабу: https://pikabu.ru/link/-oD8sjtmAi