Китай присоединяется к США в гонке по внедрению имплантатов в мозг
По данным Global Times, первое в Китае клиническое испытание технологии, позволяющей передавать сигналы мозга для управления внешним устройством, прошло успешно, что сделало Китай второй страной после США, достигшей этого этапа.В марте китайские исследователи использовали интерфейс «мозг-компьютер», или BCI, — беспроводной инвазивный имплантат — у пациента с тетраплегией, сообщила
Часть 3: Про зарплаты проджектов ИТ, человеческое отношение к сотрудникам и ИИ в проектном менеджменте
Зачем нужно строить нормальную систему управления и по человечески относится к исполнителям? Хотелось бы мне тут много чем поделиться о коучинге, менторинге, эмоциональном интеллекте, но потом я нашел хорошую иллюстрацию на эту тему. Вот опрос Майи Литвиной отлично это показывает. Скрин из https://t.me/itanddigital
ИИ как шанс для Высших Учебных Заведений
ИИ на хайпе. Причем хайп в этот раз вполне обоснован - генеративные нейросети и LLM, как те двое из ларца, - и читают, и пересказывают, и суммаризирацию текстов производят, и рисуют довольно неплохо и уже даже выше среднего иногда размышляют.Все бы ничего, но они еще, заразы, программировать начали на уровне крепких начитанных технической литературы джунов. И делают это без устали, послушно и терпеливо.
Что бы я сделал, если бы сегодня начинал учить Data Science – ML?
Machine Learning и Data Science — это одни из самых популярных и востребованных направлений в IT. Но вместе с этим — они и одни из самых сложных для входа. Здесь огромное количество тем, инструментов, библиотек, подходов и постоянно появляющихся технологий.Из-за этого многие новички начинают обучение с энтузиазмом, но через пару месяцев теряют интерес. Причины могут быть разные: слишком много теории, мало практики, нет чёткого плана или понимания, зачем вообще всё это нужно.Эта статья — не очередной «гайд по ML для новичков». Это мой личный взгляд на то, как бы я подошёл к обучению, если бы начинал с нуля уже сегодня
Журналист новой цифровой эпохи: магистерская программа ННГУ «Искусственный интеллект и журналистика данных»
Добрый день, уважаемые подписчики Хабра! Продолжаем знакомство с Университетом Лобачевского и возможностями, которые он предоставляет в области высшего образования, в том числе на стыке ИТ и гуманитарных наук.Представьте себе журналиста будущего. Он не только пишет тексты, но и анализирует данные, проверяет факты за секунды и даже создаёт визуальные материалы с помощью искусственного интеллекта. И это вовсе не фантастика, а реальность, с которой сталкиваются современные журналисты. Может быть, человек и машина могут работать вместе?
Что означают ваши эмоции: тревога, гнев, печаль, стыд, вина и радость — и как с ними справляться
В этой статье — практическое и наглядное объяснение, что значат ваши эмоции и как с ними работать. Вы разберётесь в природе тревоги, гнева, печали, стыда, вины и радости, узнаете, почему они возникают и как с ними можно «ужиться». ВведениеС эмоциями часто непросто.То они захлёстывают, то мешают сосредоточиться, то появляются не к месту. В какие-то моменты хочется просто выключить всё — не злиться, не тревожиться, не грустить.Кажется, что без этих "помех" жизнь стала бы проще и легче. Но стоит попробовать представить жизнь без них — и она начинает терять краски:
Залезаем на плечи гигантов — создаем модуль для ComfyUI для свободного движения камеры и создание 6dof сцен из фото
Крутим Fisheye камеру в синтезированном миреВсем привет! Я много работаю с видео для виртуальной реальности, и одна из задач, которая всё ещё маячит на горизонте и требует уймы усилий — удобное создание и стриминг
Как написать статью на Хабре в 2025 году
Еще Михаил Юрьевич писал:Печальный Демон, дух изгнанья,Летал над грешною землей,И лучших дней воспоминаньяПред ним теснилися толпой;Демон поверженный, Врубель Михаил Александрович
Мини-фреймворк для разработки LLM-based приложений
Предлагаю ознакомится экспертной общественности с моим мини-фреймворком для разработки LLM-based приложений: core-kbtКонцепция проектаПроект core-kbt (kbt - это аббревиатура от Knowledge Base Trajectory) - это мини-фреймворк для разработки LLM-based приложений и доменных баз знаний, с примерами доменных знаний из областей представления знаний, LLM и средств разработки.Идею проекта можно представить с разных сторон:сделать удобные средства разработки для LLM-based приложений
