Стажируясь в правительственном технологическом агентстве Сингапура, автор материала работал над экспериментом по созданию альтернативы камере Intel Relsence. Оказалось, что учебных материалов на тему машинного зрения мало, поэтому он решил помочь новичкам. К старту флагманского курса по Data Science приглашаем под кат за подробностями.

Продолжим изучение компьютерного зрения, которое мы начали на прошлом уроке. Напомню кратко, что там было:

• Этапы обработки и анализа изображений.

• Установка OpenCV.

• Простая программа на OpenCV – отображения картинки в окне.

• Изменение размеров картинки.

• Преобразование из цветного формата в черно-белый.

Как я уже писал в первой части, для того, чтобы удалить из изображения различные шумы, применяют размытие изображение. Например, вот так:

Привет! Чем еще заняться на каникулах любителю Data Scienсe как не анализом тональности комментариев под новогодними обращениями?! На эту мысль меня натолкнули алгоритмы YouTube, выдавшие к просмотру первого января 2022 года два видео, с очень разными по эмоциональной окраске комментариями.

Тогда я подумал, что пошаговый разбор решения задачи классификации этих комментариев по их тональности мог бы стать довольно наглядным примером для знакомства с базовыми техниками обработки естественного языка, а о том, насколько это получилось предлагаю судить вам.

Когда-то давно я написал на Хабр пост под названием "Как я победил прокрастинацию, узнал свои истинные желания, поставил четкие цели и достиг их". Несмотря на столь "желтый" заголовок, тот пост содержал довольно полезные советы по постановке целей и управлению личными задачами, и благодаря этому он был довольно тепло принят сообществом Хабра. Многие люди даже писали мне в соцсети про то, как этот пост помог им упорядочить свою жизнь. Однако, со времени публикации того поста многое изменилось.

Во-первых, я понял, что в то время я упускал из виду одну крайне важную вещь. Раньше я рассматривал постановку целей и управление задачами исключительно с точки зрения ума - методов и техник, полностью игнорируя сердце - эмоции, чувства и настроение. Как оказалось, это было фатальной ошибкой: без согласования своих целей со своими внутренними ощущениями, без настройки гармонии с самим собой никакие методы и техники попросту не работают. Теперь я стараюсь соблюдать баланс между умом и сердцем при подходе к управлению задачами, и в этом посте расскажу про то, как это делать.

Во-вторых, я нашел и проверил на себе несколько новых инструментов личной эффективности, которые оказались весьма и весьма полезными. Ну и в-третьих, я использовал уже описанные в предыдущем посте инструменты достаточно долго, чтобы заметить, что работает хорошо всегда, а что сбоит или имеет некоторые неэффективности, и хочу поделиться с вами своими наблюдениями. Таким образом, пост, который вы сейчас читаете, это не просто улучшенная и расширенная версия предыдущего поста, а результат долгой работы по анализу собственного опыта использования методов и техник повышения собственной эффективности.

Но сначала я хотел бы поговорить о той проблеме, что сподвигла меня в корне изменить свой подход к постановке целей и выполнению дел.

В новом хобби проекте мне потребовалось детектировать людей на видео. Это одна из основных задач, решаемых искусственным интеллектом, но я давно этим не занимался и несколько отстал от жизни.

Поэтому решил почитать про самые актуальные методы и пощупать их руками. На примере футбольной картинки получил несколько неожиданные результаты.

Порой кажется и многие читатели придерживаются мнения, что автор становится классиком только после смерти. Его книги должны пройти проверку временем, сформировать отдельное направление или оказать значительное влияние на развитие жанра и культуры в целом, получить литературных последователей. Если спросить поклонников жанров о классиках фэнтези и фантастики, среди популярных имен точно будут Джон Толкин, Клайв Льюис, Роберт Говард, Говард Лавкрафт, Рэй Брэдбери, Фрэнк Герберт, Артур Кларк и Айзек Азимов. Однако и среди наших, еще живых и продолжающих творить, современников есть писатели, которые благодаря своим идеям и влиянию на жанры уже могут по праву называться классиками. И в отличие от своих предшественников, наследие которых определено и неизменно, они еще могут порадовать читателя новыми романами. И вот несколько тому примеров. 

"Cтоит ли тратить деньги на тот или иной дорогой курс с codename «Стань DS за два месяца» или все же выучиться на дата-саентиста самостоятельно и бесплатно, и в таком случае, с чего начать?" такие вопросы я получаю от аудитории своего блога. Меня зовут Айра, я делаю проекты в DS&ML, продюсирую курсы по созданию ML-проектов и веду блог по теме.

Недавно собрала ответ на этот вопрос достаточно развернуто, чтобы поделиться им с широкой аудиторией. Не все платные курсы плохие (хотя большинство — да — из-за механизмов отбора, продаж и слабой программы), но о них напишу отдельно. Мне кажется, нужно учитывать больше персонализированных параметров для того, чтобы грамотно выбирать хороший курс за деньги.

Периодечески на Хабре, Линкедине и других ресурсах вижу посты о смене профессии на что-то связанное с IT в довольно значительном, по меркам IT, возрасте — после 30 и более. Посты эти, в основном, про истории успеха, что может создать у некоторых людей иллюзию простоты подобной смены профессии. Дошло до того, что один мой знакомый инженер-строитель решил стать QA, ведь он «курсы закончил, да чего там сложного!». Хочу высказать свое мнение и заодно дать несколько советов, которые могут показаться полезными, тем, кто на это решится. Но это не точно. Все, что под катом — лютое ИМХО.