​​​​Приручаем многопоточность в Node.js

В прошлых частях цикла мы:

👉 рассмотрели базовые концепты работы с многопоточностью в JavaScript на примере среды Node.js;
👉 научились формировать общую очередь и каналы обмена данными и сигналами, чтобы более эффективно управлять загрузкой потоков;
👉 использовали разделяемую память и Atomics-операции как самое быстрое средство обмена большими блоками данных;
👉 создали отдельный поток-координатор, чтобы устранить негативное влияние синхронного кода в основном потоке исполнения на загрузку потоков вспомогательных.

В сегодняшней, заключительной, части я продемонстрирую, как все эти механики вместе позволяют сделать эффективный микросервис, автоматически подстраивающийся под изменения входящей нагрузки.

Читать...

​​Все про Node.js: зачем писать бэкенд на JavaScript?

В этой статье автор рассказывает о том, как устроен бэкенд на JavaScript, почему стоит изучать Node.js, какое будущее у этой технологии, сколько платят программистам на Node.js.

Читать...

​​Как сделать последовательную перезапись файлов Node.Js

В этой статье автор расскажет о решениях распространенных проблем при написании приложений Node.

Читать...

​​Как настроить прием данных в Azure Data Explorer

В этой статье автор расскажет о том, как настроить прием данных с помощью библиотеки Node в Azure Data Explorer.

Читать...

Друзья, предлагаем вам оценить российский рынок мероприятий для разработчиков. Поделитесь, какие митапы и конференции вам интересны и почему, какие форматы участия вы предпочитаете. 

Онлайн-опрос займет не более 3-х минут. За это время вы передохнёте от работы, а в конце мы подарим скидку 25% на крутые образовательные лекции! 

Пройти опрос

​​Как освоить Node.js: план, идеи и рекомендации 

Если вы только начали осваивать Node.Js, то эта статья будет максимально полезной для вас, так как в ней чётко расписан план обучения. 

Читать...

​​29 полезных библиотек Node.Js с открытым исходным кодом

В этой статье автор собрал список полезных библиотек с открытым исходным кодом, которые вы можете использовать в своем предстоящем проекте Node.js.

Читать...

​​6 Интересных Node.Js фреймворков

В этой статье автор подобрал для вас 6 полезных фреймворков которые ускорят процесс вашей разработки.

Читать...

​​🚀Научитесь решать любые задачи фронтенда! ЗАВТРА, 22 ноября в 20:00 мск приглашаем на бесплатный урок «Refine.js - мощный фреймворк разработки внутренних приложений». 

— На вебинаре мы напишем фронтенд небольшой админ-панели с применением Refine и Tailwind. 

— Урок пройдет в рамках онлайн-курса «React.js Developer» от OTUS. Курс рассчитан на Frontend JavaScript разработчиков, которые хотят освоить React. Протестируйте обучение в OTUS и познакомьтесь с преподавателем — Арсением Высоцким, тимлидом в большой международной компании.

👉Пройдите вступительное тестирование и регистрируйтесь на вебинар!

​​​Использование модулей Node.js с приложениями Azure

В этой статье описывается, как обеспечить использование конкретной версии модуля приложением и использовать собственные модули в Azure.

Читать...

Метрики Readability и plain language act.

В Новой Зеландии принимают закон с требованием простого языка в законах: причина в том чтобы законы были понятны и тем людям для которых английский язык не основной. Такой же закон был принят в 2010 при правительстве США. В целом, это движение за упорядоченность языка в законах и нормах — косвенный продукт развития юзабилити и удобства сайтов и государственных органов.

Как и большинство шкал в психологии или педагогике редабилити предлагает в качестве прогноза порядковые данные, но не интервальные. Иными словами: каждый балл в формуле расчета удобочитаемости текста не обладает содержательным смыслом. На основании этого следуют следующие фундаментальные характеристики формул удобочитаемости:

- Применяется только к показателям «сложности стиля», но не к формату или организации текста;
- Применяется только к «связному дискурсу» и не применяется к частям предложения, фрагментам, таблицам и спискам;
- Редабилити несовершенный показатель в случае если речь идет о недостаточном уровне грамотности пользователя;
- Применяется для удобства скрининга и не применяется для таблиц, графических презентаций и т.д.;
- Данные следует интерпретировать в свете характеристик читателя(знание, интерес и цель чтения);
- Не может строго использоваться как формула написания текстов: изменение индекса редабилити не приводит к росту понимания читателем;
- Показатели формул редабилити должны использоваться в сочетании с юзабилити-тестированием.

Теперь метрика удобочитаемости становится метрикой почти государственной важности, которая может влиять на социальную гражданскую инженерию. Понятно, что в РФ Legal Design не станет магистральным путем развития в ближайшее время, но остается верить в успех данных инициатив.

Конкуренция метафор и аффордансов в графическом интерфейсе пользователя

AmigaOS — это до сих пор живая операционная система, которая работает на базе компьютера Amiga, который был запущен Commodore в 1985 году.

Workbench — штатная графическая оболочка AmigaOS. Название оболочки является метафорой словосочетания «рабочий стол» (дословно — «верстак»), поэтому аналогия была продолжена и дальше: каталоги изображены ящиками рабочего стола, исполняемые файлы — инструментами, данные — проектами, а остальные составляющие GUI — разного рода приспособлениями. Большинство приложений AmigaOS используют всплывающие меню, традиционно начинающиеся со слова Project («Проект»), а не File («Файл»), как на других платформах.

Почему так? Commodore предпочитала использовать идиомы, отличные от своих конкурентов. Apple уже подала в суд, чтобы помешать другим компаниям-разработчикам программного обеспечения предлагать графические пользовательские интерфейсы, подобные к своим.

Соревнование рабочих столов и верстаков как двух базовых метафор завершилось победой первых.

Есть, конечно, сайт ностальгирующих https://www.gregdonner.org/workbench/index.html

Метафора верстака в AmigaOS

Лечись, играя. Цифровые вакцины

Карантин 2020 показал одну важную вещь: никто не оказался готов реагировать по-настоящему умно и оперативно, не были внедрены технологичные решения, мало было и медийной составляющей в инфополе. Как решает такие проблемы HCI, UX и геймификация?

Примером использования игр и развлекательных технологий в медицине является цифровая вакцина, которая упакована в механику игры. Что за цифровая вакцина такая?

Вакцина, как изобретение эпохи модерна, в значительной степени была продуктом маркетинга. Если вы мне не верите, то откройте и почитайте «Английские письма» Вольтера, уж не откажите себе в удовольствии: речь шла о моде на прививки от оспы, которую переняла английская королевская семья. Впервые прививку изобрели народы Кавказа (“черкесы”) для того, чтобы прививать девочек и сохранять их внешность. А красота внешности была крайне важна, ведь этих девочек продавали в гаремы уже туркам. Это не совсем правда, скорее перед нами миф маркетологов той эпохи Просвещения для популяризации прививок. В итоге Виндзоры начали первыми прививаться от болезней.

Цифровые вакцины — это новая область на пересечении поведенческого дизайна и биологии, область выработки стратегий снижения риска заболеваний, связанных с образом жизни. Изменение поведения, пищевых привычек, аддиктивного наркопотребления, алкоголизма, выработка правильных стратегий иммунной защиты, а не просто инфографика Минздрава в соцсетях. Как это работает?

Покажу на примере. Fooya - игра для детей, направленная на контроль ожирения, борьбу с диабетом и прививание здорового образа жизни. Обычный шутер от третьего лица, основанный на склонности кидать еду в других. Вы выигрываете, уклоняясь от нездоровой пищи, которую бросают на вас ваши враги и получаете бонусы за бег и сжигание калорий. Игра социальная, пригласи друзей, покидай в них тортами и бургерами. Так вот, если верить исследованиям на контрольной группе, то сформировалась устойчивая негативная связь с вредной жратвой, что изменило потребление еды детьми. А это привело к падению индекса массы тела у группы игроков, по сравнению с контрольной.

https://www.youtube.com/watch?v=V8ceYbkT-1Y

Правда, никто не докажет, что исследование не купленное, конечно. Но это не главное, главное как круто сделана цифровая вакцина.

Алгоритмоцентрический дизайн. UX для дата-сцайнтистов, часть II

С каждым днем все больше внимания привлекают вопросы взаимодействия с данными на уровне UX для дата-сцайнс и машинного обучения: понятно, что речь может идти и об уровне взаимодействия с разметчиками данных, и о создании serious games для обучения дата-сетов и много чем еще. Тут, кажется, есть ужасающая лакуна

Большинство моделей машинного обучения основаны на человеческих примерах, но большинство текстов и курсов по машинному обучению сосредоточены только на алгоритмах. Часто вы можете получить самые современные результаты с хорошими данными и примитивными алгоритмами, но сложно получить самые современные результаты с хорошим алгоритмом на плохих данных.

По мере роста NLP для рутинных задач в операционной деятельности должна расти роль и человеческого фактора для создания, оперирования и прочей работы с данными. Сейчас в РФ это все отдается на откуп менеджеров над разметчиками(Сбер), краудсорсингу (Яндекс.Толока) и некоторым развлекательным сервисам (ВК). При этом на западе и в Китае реализуются разные стратегии обучения людей для взаимодействия с алгоритмами: рискну предположить, что это качественно меняет психологию труда в эпоху ИИ

Human-in-the-loop — это устойчивое название менеджерских практик и стратегий для:
- Повысить точность модели машинного обучения.
- Быстрее достичь целевой точности для модели машинного обучения.
- Помощь человеку с помощью машинного обучения для повышения эффективности.

Так как на конечную точность гораздо сильнее влияют данные, а не модель, то для построения рабочих прогнозов нужно ставить людей и сотрудников, которые будут находится в цикле итераций при разработке систем. В конечном итоге даже датасеты для обучения, типа MNIST - наборы данных, которые были тщательно отфильтрованы с использованием различных методов выборки, прежде чем
фактические обучающие данные были созданы. Таким образом, если вы случайным образом выбираете какой-либо из этих популярных наборов данных, ваша выборка не является действительно случайной: это набор данных, который соответствует задачам при при создании этих наборов данных. Вы неосознанно использовали стратегию выборки, которая, вероятно, была создана вручную.

В книге 2021 года Human-in-the-Loop Machine Learning представлена достаточно интересная и многообещающая концепция в деталях с конкретными руководствами и примерами использования. Автор - Роберт Монарх, PhD в области обработки естественного языка, достаточно четко улавливает суть проблемы у них(http://www.robertmunro.com/), там:

Из-за дисбаланса в научных кругах я часто видел, как люди в промышленности делают
та же ошибка. Они нанимают дюжину умных докторов наук, которые знают, как создавать современные алгоритмы, но не имеют опыта создания обучающих данных или размышлений о
правильные интерфейсы для аннотации и маркировки. Именно такую ситуацию я наблюдал недавно на одном из крупнейших мировых автопроизводителей. Компания недавно наняла большое количество
выпускники машинного обучения, но не смогли ввести в действие свой автономный автомобиль
технологии, потому что новые сотрудники не могли масштабировать свою стратегию аннотирования данных.В итоге компания уволила всю эту команду. В последствии я посоветовал
компании, как перестроить свою стратегию, используя алгоритмы и аннотации как одинаково важные, взаимосвязанные компоненты хорошего машинного обучения.

Ставим лайки, если хотим фулл пдф на канале)

Итак, сегодня у нас в меню:

Robert (Munro) Monarch

Human-in-the-Loop Machine Learning

Active learning and annotation for human-centered AI

Manning Publications (2021)

NLP и диалог Жижека и Вернера Херцога

https://www.openculture.com/2022/11/an-ai-generated-never-ending-discussion-between-werner-herzog-and-slavoj-zizek.html?fbclid=IwAR3edp8pAFsCE2zaOe769s4Lm1gIqtoacSiih7ysOt-5Kd1BVWHT38mdHO8

Пожалуй, очень удачная реализация диалоговой системы, которая эмулирует диалог Славоя Жижека и Вернера Херцога.

Подобного рода решения ярко демонстрируют пространство digital humanities, а еще служат важным примером использования диалоговых систем в будущем: бесконечные диалоги фигур интеллектуального пантеона само по себе может быть «Кругом Первым» в преисподней Данте(последний поместил всех античных философов в ад и заставил целую вечность вести беседы)

А если без шуток: хороший и интересный пример навыка для Алисы или другой умной колонки.
Пример с сайта: https://infiniteconversation.com/

Сайт-визитка создателя https://www.jamez.it/

А что в СССР? Советские интерфейсы

Советский проект домашнего персонального компьютера СФИНКС. Создан по заказу Государственного комитета по науке и технологиям и разработанным Дмитрием Азриканом в сотрудничестве с А. Колотушкиным и В. Гессеном.

В Москве выставлялся в новом здании Третьяковки в прошлом году

Алгоритмоцентрический дизайн. UX для дата-сцайнтистов

Разметка данных — это процесс маркировки необработанных данных, чтобы они стали учебными данными для машинного обучения. Большинство специалистов по данным скажут вам, что они тратят гораздо больше времени на курирование разметки и разметчиков данных, чем на создание моделей машинного обучения.

В отличие от академического исследования в промышленности более распространено улучшение производительности модели путем разметки большего количества данных. Особенно когда природа данных меняется со временем и использование нескольких новых наборов/критериев разметки может быть гораздо более эффективным, чем попытка адаптировать существующую модель или алгоритм к новой области данных.