Как стать автором
Обновить
  • по релевантности
  • по времени
  • по рейтингу

GraphicsJS – графическая JavaScript библиотека

Разработка веб-сайтовOpen sourceJavaScript
Из песочницы


Перевод статьи. Англоязычный оригинал опубликован на SitePoint – "Introducing GraphicsJS, a Powerful Lightweight Graphics Library".

HTML5 – основа основ современного веба. И сегодня, когда встает задача создать интерактивную графику, выбор чаще всего падает на такие технологии, как SVG и Canvas. Flash позабыт, Silverlight – редкая птица, обитающая на задворках веба, и почти никто не помнит сторонние ActiveX и Java-плагины.

Плюсы и минусы SVG и Canvas хорошо известны – в целом все сводится к тому, что для создания интерактивных элементов и работы с ними больше подходит SVG. Это векторный формат, основанный на XML, и, когда изображение загружается на страницу с использованием тега <svg>, каждый его внутренний элемент становится доступен в SVG DOM.

В данной статье я хочу рассказать о GraphicsJS. Это мощная графическая JavaScript-библиотека с открытым исходным кодом, основанная на технологии SVG (VML для старых версий IE). Начну с краткого введения в основы GraphicsJS, а затем проиллюстрирую возможности библиотеки двумя небольшими, но наглядными примерами. Первый из них посвящен изобразительному искусству. Второй покажет, как менее чем за 50 строк кода сделать простую арт-игру в жанре таймкиллера.
Читать дальше →
Всего голосов 18: ↑18 и ↓0 +18
Просмотры24.3K
Комментарии 5

Про стрелки, или Четыре решения одной задачи

Компьютерное железоТранспорт
Зубчатая железная дорога отличается от обычной тем, что у нее между двумя гладкими рельсами проложен еще один — зубчатый, за который цепляется приводное колесо вагона. Такие дороги делают в местностях с большими уклонами.

Поскольку традиционная железнодорожная стрелка здесь не очень-то подходит, то конструкторы прибегают к разным веселым техническим извращениям.

1. Cтрелка, использующая грубую физическую силу


Как видно, рельсы прекрасно гнутся:

Читать дальше →
Всего голосов 73: ↑71 и ↓2 +69
Просмотры22.8K
Комментарии 21

О Структурном Моделировании Организационных Изменений

Open Data ScienceМатематикаМашинное обучениеУправление продуктомУправление персоналом

75%


3 из 4 — так Boston Consulting Group оценивает долю IT проектов, почивших по не-техническим причинам.

Уже вот две подряд редакции свода знаний по управлению проектами (PMBOK) выделяют процессы по управлению стейкхолдерами в отдельную область знаний под счастливым номером 13 и настоятельно рекомендуют учитывать:

1. связи между ними,
2. центры влияния, а также
3. культуру общения — для повышения шансов на успех.

Вопрос один:


 доколе инженеры о стейкхолдерах будут судить догадками?

image

ФОТО: Шариф Хамза для Dazed & Confuzed, модель — Люпита Нионго


В свете недавней безоговорочной победы русской математики над вопросом хроматических чисел рассмотрим сценарий применения стремительно набирающей популярность среди занимающихся машинным обучением теории графов к причине провала большинства IT проектов. Приложим вполне естественную науку о вычислениях к областям, ранее считавшимся 'мягкими'. И покажем, как современные модели позволяют организацию в эпоху перемен измерить. Стратегия решения — простая, двухшаговая — строим граф связей стейкхолдеров, а из него — нейросеть сворачиваем. И пока самообучаемые алгоритмы выполняют непростые управленческие задачи, снимая менеджерских проблем ворох с плеч человеческих — пьём кофе с пироженками.

Читать дальше →
Всего голосов 16: ↑14 и ↓2 +12
Просмотры3.4K
Комментарии 0

Лекарей сжигать нельзя беречь сейчас

Open Data ScienceМатематикаМашинное обучениеУправление проектамиУправление персоналом

TLDR: кому перестановки делают больнее — меряем свёрткой графов.
Код: RolX и ванильная трёхслойная GCN на мотифах.


Выгорание на рабочем месте повстречал ещё в начале своей карьеры — и с тех пор живо интересуюсь этим вопросом. Представьте обстановку. Большой проект внедрения SAP. Высокие ставки. Амбициозные сроки. Нагрузку каждый воспринимал по-своему. Кто-то сорвался и самоустранился от выполнения обязанностей, кто-то стал токсичнее, у меня самого в какой-то момент чувство юмора пропало. Ненадолго.


image


Управление изменениями (дисциплина, направленная на снижение напряжения во время внедрения информационных систем) многим обязана медикам. Во-первых, сам феномен эмоционального выгорания впервые зафиксировали у медицинских работников. Во-вторых, первое масштабное исследование, обобщающее 68 кейсов значительных перемен в английских госпиталях, открыло правила успеха для агентов изменения. Кроме того, моделирование эпидемий решает задачу максимизации влияния и позволяет внедрять нововведения быстрее и естественнее через (суб)оптимально выбранных людей на нужных местах.


Всё больше медучреждений перепрофилируют и это вызывает у работников ожидаемый стресс. Покажем, как его можно измерить, а уж где знаки препинания в заголовке ставить — решайте сами.

Читать дальше →
Всего голосов 24: ↑23 и ↓1 +22
Просмотры6.7K
Комментарии 8

Санитары спасают себя сами — сдюжат, спасуют, сгорят?

Data MiningМашинное обучениеУправление проектамиУправление персоналомDIY или Сделай сам

Медицинские работники сейчас горят. Авралы, перепрофилирование, реорганизация отделений — не говоря уже о риске заражения. Жару добавляют администраторы с реформами, преследующие свои политические цели.


Персонал работает на износ и вопросов два: когда люди начнут ломаться, и кто скорее всего сломается первым



Меня зовут Вадим Сафронов, и у меня есть инструмент для решения таких вопросов.


TLDR: видео

Эта заметка — обобщение увлекательного исследования инструментов теории графов применительно к вопросам, возникающим при трансформации организаций. Предыдущие публикации:


  1. Трансформация бизнеса и способы моделирования организации
  2. Необходимая для машинного обучения на графах математика
  3. Все эти методы — применяем к вопросу выгорания медиков

Помогите достучаться до человеколюбивых главврачей и завотделений.

Читать дальше →
Всего голосов 14: ↑7 и ↓7 0
Просмотры3K
Комментарии 9

Несколько трансформаций одновременно: не по книжкам, а ровно наоборот

Конференции Олега Бунина (Онтико)IT-инфраструктураКонференцииDevOpsМикросервисы

Общепринятые мировые практики против проведения нескольких трансформаций в компании одновременно. И все же они возможны, при соответствующей подготовке, привлечении необходимых ресурсов и правильном мониторинге результатов. Плюсами и минусами одновременных трансформаций на конференции DevOps Live 2020 поделился лидер трайба IT4IT в ОТП Банке Максим Ефимов. 

В этой статье вы найдете материалы, которые были полезны при внедрении нескольких трансформаций, детальное описание процесса, а также уроки, которые вынесли для себя в банке: как позитивные, так и негативные.

Читать далее
Всего голосов 11: ↑11 и ↓0 +11
Просмотры2.8K
Комментарии 1

Учиться, учиться, и ещё раз учиться?

Open Data ScienceАнализ и проектирование системМашинное обучениеУправление проектамиУправление продуктом

TLDR: крохотные модельки обошли модные графовые нейронки в предсказании свойств молекул.
Код: здесь. Берегите Природу.


image
ФОТО: Андерс Хеллберг для Wikimedia Commons, модель — Грета Тунберг


Необученная графовая свёрточная нейронная сеть [1] (uGCN) со случайной инициализацией весов уже пару лет занимает первое место в моём списке алгоритмов для задач машинного обучения на графах из-за копеечной стоимости, простоты реализации, да вполне очевидной элегантности решения. В то же время, насколько мне известно, никто ещё не не проводил соревнований между этой простой моделью и её старшей сестрой — полноценно обученной графовой свёрточной нейронной сетью (GCN) в режиме обучения с учителем. Вот я сделал.


Мотивация: показать, что uGCN выдаёт качественные представления, которые можно использовать в последующих задачах машинного обучения в индуктивном режиме, когда модели обобщаются к не виденным ранее данным (вдохновлено недавним отчётом [2] о производительности простых моделей в трансдуктивном случае).


Полученные результаты — занимательны. В худшем случае простые модели (uGCN + degree kernel + random forest) показали счёт 54:90 против полноценно обученных GCN, в то время как реалистичный сценарий закончился разгромным реваншем 93:51, указывающим на то, что мы можем позволить себе почти бесплатные эмбеддинги, которые превосходят или показывают результаты на уровне полноценно обученных GCN в задаче предсказания свойств графа (например — эффекта медикаментов: яд или лекарство) за долю стоимости. Простые модели обучались ~10 минут в то время как весь эксперимент продлился ~4 часа. Перейдём же к деталям и разберёмся с тем, что произошло!

Читать дальше →
Всего голосов 32: ↑30 и ↓2 +28
Просмотры5.2K
Комментарии 2