Kliknij tutaj lub obserwuj tag #zdalnieio, aby otrzymywać cotygodniową listę ofert pracy zdalnej.

Frontend/Javascript
Senior JavaScript/Vue.js Developer (Disciple Media Ltd) 13 000 - 19 000 PLN - oferta
Frontend Developer (7N) 11 200 - 13 600 PLN - oferta
JavaScript Developer (Espeo Software) 9 900 - 15 200 PLN -
  • 7
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

Kliknij tutajlub obserwuj tag #zdalnieio, aby otrzymywać cotygodniową listę ofert pracy zdalnej.

Javascript
Front-End Developer (Billennium) - oferta
Senior Frontend Developer (Geek Soft) 10 000 - 18 000 PLN - oferta
Node.js Developer (Swing Development) 8 000 - 16 000 PLN
  • 19
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

No nie zgodzę się trochę. (...)


@caribbean: ale tu chodzi o stronę klienta.
Klient np zamawia sklep i on działa albo nie. Żeby zrobić działający sklep trzeba mieć ciupkę w głowie.
Przy grafice klient zamawia logo i tu nie ma obiektywnego wskaźnika czy jest dobrze czy nie. Żeby zrobić byle smarka na płótnie nie trzeba nic. Możesz być ubernubem i trafić w gust Janusza (który w sumie gustem nie jest, tylko ukrytą ceną)
  • Odpowiedz
Jest tu ktoś co ma co nieco praktycznej wiedzy z machine learning?

Zastanawiam się nad pewną kwestią.

W wielu poradnikach cechy wyabstrahowane z jakiegoś zbioru uczącego mają bardzo prosty format w stylu:
wiek | płeć | wzrost | kolor włosów | .....
  • 10
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

Algorytm SIFT
Główne kroki algorytmu SIFT wykrywania cech lokalnych
(wykorzystanie podejścia filtracji kaskadowej)
1. Wykrywanie ekstremów w różnych skalach
2. Lokalizacja punktów kluczowych (ang. keypoints)
3. Przypisanie orientacji do punktów kluczowych
  • Odpowiedz
Czy ktoś mógłby wypowiedzieć co nieco na temat GIST oraz SIFT?

Do jakich zadań bardziej odpowiadają w/w?

Jakie wymienilibyście charakterystyczne różnice między GIST i SIFT?

#machinelearning
  • 1
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

Znacie może jakieś ciekawe prace naukowe czy artykuły z których mógłbym dowiedzieć się co nieco na temat wykorzystania uczenia maszynowego do wykazywania podobieństw między próbkami złośliwego oprogramowania, tak aby można stwierdzić, czy próbka B jest potencjalnie kolejną, zmodyfikowaną wersją próbki A?

ps. jeżeli macie jakieś fajne statystyki odnośnie aktualnych trednów rozwoju złośliwego oprogramowania czy wektorów ataków to byłbym wdzięczny :)

#machinelearning #datascience
  • 3
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

@kurp: Nie patrzałem na te wady bo przyznam się tyle co spojrzałem sobie na indeks i jakieś tam pojedyncze strony. Jak patrzę to faktycznie masz rację chociaż dalej uważam że aż takiej tragedii nie ma jak za książkę za darmo. ( ͡° ͜ʖ ͡°)
  • Odpowiedz