Aktywne Wpisy
ProstolinijnyW +131
Jak w ogóle można popierać ROD?
-Ogródki zajmują ogromną przestrzeń bardzo często w centrum miast
-Osoba z ulicy nie ma tam wstępu i nie czerpie z tego powodu żadnych korzyści
-W zarządach siedzą stare komuchy
-Ludzie tam palą byle gównem
-To i tak własność miasta więc nie ma problemu by przeznaczyć ten teren na coś innego
-Jak jakiś boomer chce sadzić cebulę czy marchewkę to niech przeprowadzi się do powiatowego albo kupi
-Ogródki zajmują ogromną przestrzeń bardzo często w centrum miast
-Osoba z ulicy nie ma tam wstępu i nie czerpie z tego powodu żadnych korzyści
-W zarządach siedzą stare komuchy
-Ludzie tam palą byle gównem
-To i tak własność miasta więc nie ma problemu by przeznaczyć ten teren na coś innego
-Jak jakiś boomer chce sadzić cebulę czy marchewkę to niech przeprowadzi się do powiatowego albo kupi
Sin- +97
Chwale się. Zmieniam robotę i jestem już po rekrutacjach i wyborze kolejnego pracodawcy. DevOps here:
- kilka wysłanych CV
- 4 rozmowy
- 3 pozytywne odpowiedzi
Udało się wynegocjować to co chciałam na UoP - 18k aczkolwiek było dużo ciężej niż w zeszłym roku. A przynajmniej takie mam wrażenie.
Poziom samej rekrutacji jako procesu wzrósł. Wzrósł także czas oczekiwania na feedback.
Ps: Mam już kilka lat doświadczenia w zawodzie i nie startowałam
- kilka wysłanych CV
- 4 rozmowy
- 3 pozytywne odpowiedzi
Udało się wynegocjować to co chciałam na UoP - 18k aczkolwiek było dużo ciężej niż w zeszłym roku. A przynajmniej takie mam wrażenie.
Poziom samej rekrutacji jako procesu wzrósł. Wzrósł także czas oczekiwania na feedback.
Ps: Mam już kilka lat doświadczenia w zawodzie i nie startowałam
Jeśli chodzi o techniczne detale - od dawna do gry w Go używa się tzw. monte-carlo tree search. Tak jak sobie wyobrażacie dobrym pomysłem jest wykonanie ruchu i sprawdzenie jak może odpowiedzieć na niego przeciwnik (to co wszyscy robią w głowie grając np. w szachy :)). Komputery grają podobnie, jednak wbrew pozorom nie mogą sprawdzać wszystkich możliwych ruchów - plansza do Go ma 19x19 pól, tak więc sprawdzenie czterech pierwszych ruchów wymaga (19x19) do czwartej kombinacji do sprawdzenia (co zwykłemu laptopowi zajmie przynajmniej miliard lat). Dobrym pomysłem jest więc sprawdzanie tylko tych ruchów, które mają jakiś sens i dopiero dla nich sprawdzać jak potoczy się rozgrywka w następnych ruchach (wybierając również tylko te ruchy które mają sens). Monte-carlo tree search potrafi wybierać sensowne ruchy - robi to trochę losowo (używając np. mirkorandom), trochę na podstawie funkcji oceniającej wartość ruchu. Stworzenie takiej funkcji to największe wyzwanie.
Inżynierowie z Googla postanowili stworzyć ową funkcję przy użyciu głębokich sieci neurnowych. Budowa takiej sieci polega na stworzeniu dużej ilości prostych funkcji z pewnymi współczynnikami. Funkcje te są ze sobą połączone (wyniki z jednych są argumentami innych). Po uzyskaniu wyniku z tych wszystkich funkcji algorytm sprawdza go z wynikiem oczekiwanym (dostarczonym przez twórców sieci) i jeśli wynik nie był trafiony, to współczynniki tych wszystkich funkcji są delikatnie zmieniane. Dzięki temu po wielu iteracjach taka sieć faktycznie zaczyna dobrze odpowiadać.
Mój opis to oczywiście ciekawostka "dla wszystkich". Jeśli ktoś się interesuje tematem to można przeczytać papera wydanego przy okazji tworzenia Alpha Go: http://www.nature.com/nature/journal/v529/n7587/full/nature16961.html. Niestety jest płatny, moim zdaniem nie warto go czytać - jest płytki i krótki, zbyt dużo nie zdradzili :D
Jutro rewanż, trzymajcie kciuki: https://deepmind.com/alpha-go.html #programowanie #informatyka #deeplearning
Jest. Przy czym ostudzę trochę entuzjazm. Kiedyś sporo grałem w Go i byłem całkiem dobry (1 dan na gokgs). Jednak oglądanie meczy profesjonalistów dla mnie mija się z celem - wygląda to tak jakby przez dwie godziny stawiali kamienie na losowych polach,a potem w losowym momencie ktoś się poddaje.
https://www.youtube.com/watch?v=vFr3K2DORc8