Калькуляторы и расчеты
Калькулятор доверительных интервалов, нормального распределения в статистике и стандартного отклонения и ошибки. Если вы имеете проблемы с этой частью статистики, то, наверное, эта находка для вас. Можно поигратся и посмотреть как выглядит нормальное распределение.
Вообще сайт выглядит очень круто, сжато и полезно, всякие разделы с Байесом тоже есть
https://www.intmath.com/counting-probability/normal-distribution-graph-interactive.php
Калькулятор доверительных интервалов, нормального распределения в статистике и стандартного отклонения и ошибки. Если вы имеете проблемы с этой частью статистики, то, наверное, эта находка для вас. Можно поигратся и посмотреть как выглядит нормальное распределение.
Вообще сайт выглядит очень круто, сжато и полезно, всякие разделы с Байесом тоже есть
https://www.intmath.com/counting-probability/normal-distribution-graph-interactive.php
❤4🔥2
Словарь юного HCI
Есть корм собаки или dogfooding — сленговое выражение обозначающее использование собственного продукта компанией. Использование своих продуктов делает разработчиков увереннее и убедительнее на рынке. А впервые термин употребили менеджеры Microsoft в 1988 году, призывая увеличить использование собственных продуктов среди сотрудников.
Так и назвали тему письма в рассылке, мол, теперь жрем собачий корм.
Есть корм собаки или dogfooding — сленговое выражение обозначающее использование собственного продукта компанией. Использование своих продуктов делает разработчиков увереннее и убедительнее на рынке. А впервые термин употребили менеджеры Microsoft в 1988 году, призывая увеличить использование собственных продуктов среди сотрудников.
Так и назвали тему письма в рассылке, мол, теперь жрем собачий корм.
👍5🌭3
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.
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.
👍7
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
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
www.gregdonner.org
Workbench Nostalgia: The history of the AmigaOS Graphic User Interface (GUI): Index
Dedicated to the preservation and restoration of the Amiga Workbench's history
❤1😁1
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.
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.
YouTube
Fooya: A Game For Healthy Food Habits
If you're a parent, getting your kid to avoid junk food and eat healthy is probably a full-time job. But, a new gaming app could do the job for you. CNBC-TV18's Jude Sannith tells you more.
❤4
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.
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.
👍1
Robert_Munro_Monarch_Human_in_the_Loop_Machine_Learning_Active_learning.pdf
19.8 MB
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)
Robert (Munro) Monarch
Human-in-the-Loop Machine Learning
Active learning and annotation for human-centered AI
Manning Publications (2021)
👍5
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/
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/
Open Culture
An AI Generated, Never-Ending Discussion Between Werner Herzog and Slavoj Žižek
From the site Infinite Conversation comes an AI generated, never-ending discussion between Werner Herzog and Slavoj Žižek. What's the point of this AI generated conversation? The creator explains:
🔥5❤1🌚1
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
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
👍5❤3🔥2😁1🤓1
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.
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.
❤3👍3
Словарь юного HCI и одна свежая книжка
И бездушные вещи, издающие звук, свирель или гусли, если не производят раздельных тонов, как распознать то, что играют на свирели или на гуслях?
1-е послание Коринфянам
У умных колонок типа Алисы или Маруси есть любопытный пользовательский сценарий о котором продакт-менеджеры нехотя признаются в кулуарных разговорах. Пользователи часто просят поставить звук, шум леса или плеск воды — такой вот странный сценарий становится понятным, если учесть, что взрослые часто рассказывают детям сказки и просят умную колонку создать аккомпанемент истории.
«Пошел Иван-царевич в лес и уууу лес завыл». Этот сценарий хорошо известен и некоторым сотрудникам рекламных агентств, я видел такие креативные спецпроекты, имулировавшие советские диапозитивы и пластинки со сказками для детей. О чем идет речь?
Сонификация — это использование неречевого звука для передачи информации или восприятия данных. При этом есть тонкие различия от обычных аудиосистем, сонификация предполагает некоторый уровень абстракции наших данных.
Свежая книга 2020 года Sonification Design: From Data to Intelligible Soundfields полна умных и интересных замечаний о истории использования звуков, начиная с древнего Египта и средневековых органов, и сложных отсылок к кантианству и теории игр. Для более практичных товарищей — модель озвучивания Python для программирования не в графическом интерфейсе пользователя. The Sonipy Framework предлагает не только воспринимать отображение компилятора на слух, но и использовать своеобразную аудиостанцию для программирования.
А еще это социалочка и включение слепых людей в новую цифровую экономику. Книжка в следующем посте
И бездушные вещи, издающие звук, свирель или гусли, если не производят раздельных тонов, как распознать то, что играют на свирели или на гуслях?
1-е послание Коринфянам
У умных колонок типа Алисы или Маруси есть любопытный пользовательский сценарий о котором продакт-менеджеры нехотя признаются в кулуарных разговорах. Пользователи часто просят поставить звук, шум леса или плеск воды — такой вот странный сценарий становится понятным, если учесть, что взрослые часто рассказывают детям сказки и просят умную колонку создать аккомпанемент истории.
«Пошел Иван-царевич в лес и уууу лес завыл». Этот сценарий хорошо известен и некоторым сотрудникам рекламных агентств, я видел такие креативные спецпроекты, имулировавшие советские диапозитивы и пластинки со сказками для детей. О чем идет речь?
Сонификация — это использование неречевого звука для передачи информации или восприятия данных. При этом есть тонкие различия от обычных аудиосистем, сонификация предполагает некоторый уровень абстракции наших данных.
Свежая книга 2020 года Sonification Design: From Data to Intelligible Soundfields полна умных и интересных замечаний о истории использования звуков, начиная с древнего Египта и средневековых органов, и сложных отсылок к кантианству и теории игр. Для более практичных товарищей — модель озвучивания Python для программирования не в графическом интерфейсе пользователя. The Sonipy Framework предлагает не только воспринимать отображение компилятора на слух, но и использовать своеобразную аудиостанцию для программирования.
А еще это социалочка и включение слепых людей в новую цифровую экономику. Книжка в следующем посте
❤3👍1👀1
Книги: Designing Obama
Ого, а что я тут нашел — пособие по визуальным решениям в Government Relations, книга дизайнеров Барака Обамы с айдентикой и гайдлайном всех креативов для выборов кандидата в президенты США.
Вообще, это очень идеологический проект, конечно. Важно было показать как изменяются креативы и решения плакатов на местах, от штата к штату, показать эволюцию рекламных буклетов в ходе предвыборной гонки.
Президентская кампания Обамы в 2008 году была новшеством в американской политике и американском дизайне. Впервые кандидат использовал искусство и дизайн, чтобы объединить американский народ - запечатлеть его выборы визуально. Идеи и изображения изменялись,
тестировались и появлялись на каком-то определенном этапе выборов.
Ну и да, афроамериканский кандидат использовал уличное искусство для целей агитации.
Рубрика зацепился взгляд: впервые в политических целях попробовали использовать изображение кандидата в стилистике Minecraft (она вышла как раз в 2009).
Ого, а что я тут нашел — пособие по визуальным решениям в Government Relations, книга дизайнеров Барака Обамы с айдентикой и гайдлайном всех креативов для выборов кандидата в президенты США.
Вообще, это очень идеологический проект, конечно. Важно было показать как изменяются креативы и решения плакатов на местах, от штата к штату, показать эволюцию рекламных буклетов в ходе предвыборной гонки.
Президентская кампания Обамы в 2008 году была новшеством в американской политике и американском дизайне. Впервые кандидат использовал искусство и дизайн, чтобы объединить американский народ - запечатлеть его выборы визуально. Идеи и изображения изменялись,
тестировались и появлялись на каком-то определенном этапе выборов.
Ну и да, афроамериканский кандидат использовал уличное искусство для целей агитации.
Рубрика зацепился взгляд: впервые в политических целях попробовали использовать изображение кандидата в стилистике Minecraft (она вышла как раз в 2009).
❤6😱3💔1
Странные интерфейсы. Пятничное
Sidekick — это проект, разработанный творческим союзом НАСА и Microsoft для виртуальной помощи астронавтам с использованием гарнитуры дополненной реальности Microsoft HoloLens. Сейчас используется на международней космической станции.
Главной особенностью такого космического гаджета был режим, когда анимированные иллюстрации отображаются поверх объектов при взаимодействии с ними члена экипажа. Это позволяло и обучать членов экипажа, и всегда иметь визуальную инструкцию по взаимодействию с инструментами. Куда удобнее бумажных мануалов.
Пишут, что попасть на орбиту гаджеты не могли очень долго — у Илона Маска взрывались ракеты Falcon 9 и уничтожали весь груз для станции.
Sidekick — это проект, разработанный творческим союзом НАСА и Microsoft для виртуальной помощи астронавтам с использованием гарнитуры дополненной реальности Microsoft HoloLens. Сейчас используется на международней космической станции.
Главной особенностью такого космического гаджета был режим, когда анимированные иллюстрации отображаются поверх объектов при взаимодействии с ними члена экипажа. Это позволяло и обучать членов экипажа, и всегда иметь визуальную инструкцию по взаимодействию с инструментами. Куда удобнее бумажных мануалов.
Пишут, что попасть на орбиту гаджеты не могли очень долго — у Илона Маска взрывались ракеты Falcon 9 и уничтожали весь груз для станции.
😱2
Алгоритмоцентрический дизайн. UX для дата-сцайнтистов. Ч.3
Человеческие ошибки в обучающих данных могут быть более или менее важными, в зависимости от варианта использования. Если модель машинного обучения используется только для выявления трендов в поведении потребителей, вероятно, ошибки не будет иметь значения критического значения. Но если алгоритм, на котором работает Тесла не видит 1% пешеходов из-за ошибок, полученных из плохих обучающих данных, результат будет катастрофическим. Некоторые алгоритмы могут обрабатывать небольшой шум в обучающих данных, а случайный шум даже помогает некоторым алгоритмам стать более точными, избегая переобучения. Но человеческие ошибки, как правило, не являются случайным шумом; следовательно, они, как правило, вносят непоправимую погрешность в обучающие данные. Ни один алгоритм не может пережить действительно плохие обучающие данные.
Для простых задач, таких как бинарные метки для объективных задач, статистика довольно простая для решения. Но для субъективных задач или даже объективных задач с непрерывными данными не существует простой эвристики для выбора правильной метки. Подумайте о критической задаче создания обучающих данных, поместив ограничивающую рамку вокруг каждого пешехода, распознанного беспилотным автомобилем. Что, если у двух аннотаторов немного разные поля? Какая рамка правильная? Ответ не обязательно либо эта рамка, либо среднее значение двух коробок.
Ключевым фактором является квалификационная рабочая сила: обучение и специализация разметчиков повышают качество алгоритмов, а информация, полученная от опытной рабочей силы, может помочь в разработке модели совместно с экспертами в предметной области. Лучшие модели создаются в результате конструктивного постоянного сотрудничества между машиной и человеческим интеллектом. Так, некоторые разметчики медицинских данных работают под руководством профессиональных медиков, анатомов и хирургов. Например, https://imerit.net/industries/medical-ai/
Человеческие ошибки в обучающих данных могут быть более или менее важными, в зависимости от варианта использования. Если модель машинного обучения используется только для выявления трендов в поведении потребителей, вероятно, ошибки не будет иметь значения критического значения. Но если алгоритм, на котором работает Тесла не видит 1% пешеходов из-за ошибок, полученных из плохих обучающих данных, результат будет катастрофическим. Некоторые алгоритмы могут обрабатывать небольшой шум в обучающих данных, а случайный шум даже помогает некоторым алгоритмам стать более точными, избегая переобучения. Но человеческие ошибки, как правило, не являются случайным шумом; следовательно, они, как правило, вносят непоправимую погрешность в обучающие данные. Ни один алгоритм не может пережить действительно плохие обучающие данные.
Для простых задач, таких как бинарные метки для объективных задач, статистика довольно простая для решения. Но для субъективных задач или даже объективных задач с непрерывными данными не существует простой эвристики для выбора правильной метки. Подумайте о критической задаче создания обучающих данных, поместив ограничивающую рамку вокруг каждого пешехода, распознанного беспилотным автомобилем. Что, если у двух аннотаторов немного разные поля? Какая рамка правильная? Ответ не обязательно либо эта рамка, либо среднее значение двух коробок.
Ключевым фактором является квалификационная рабочая сила: обучение и специализация разметчиков повышают качество алгоритмов, а информация, полученная от опытной рабочей силы, может помочь в разработке модели совместно с экспертами в предметной области. Лучшие модели создаются в результате конструктивного постоянного сотрудничества между машиной и человеческим интеллектом. Так, некоторые разметчики медицинских данных работают под руководством профессиональных медиков, анатомов и хирургов. Например, https://imerit.net/industries/medical-ai/
iMerit
Medical AI
iMerit’s specialized medical AI data enrichment team has a broad and deep knowledge base which enables it to produce quality work with nuanced use cases.
🤔2👍1👀1
Инопланетяне. Рубрика «Друг утят». И немного не про интерфейсы, но про «Что там в СССР?»
Первая международная конференция по внеземным цивилизациям и проблемам контакта с ними состоялась в сентябре 1971 года в Советской Армении. Конференция собрала специалистов в самых разных областях — астрономии, физики, радиотехники, информатики, химии, биологии, лингвистики, археологии, антропологии, социологии, истории и криптоанализа — и представляет собой международную плеяду ученых. , Крик, Дайсон(который сфера), Дрейк, Шкловский(который астроном), Гинзбург, Платт, Минский(который из МИТ), Амбарцумян и Моррисон. Конференция была организована совместно Национальной академией наук США и Академией наук СССР. Участники пересмотрели и обновили свои материалы, и в результате получилась блестящая и захватывающая дискуссия, затрагивающая многие из наиболее важных вопросов в науке и делах человека. Некоторые из самых увлекательных взаимодействий представлены в дословных расшифровках дискуссий.
Особое внимание уделено следующим вопросам: множественность планетных систем во Вселенной, зарождение жизни на Земле, возможность жизни на других космических телах, зарождение и развитие техногенных цивилизаций, проблемы поиска разумных сигналов или свидетельства астроинженерной деятельности, а также проблемы и возможные последствия установления контакта с внеземными цивилизациями.
Первая международная конференция по внеземным цивилизациям и проблемам контакта с ними состоялась в сентябре 1971 года в Советской Армении. Конференция собрала специалистов в самых разных областях — астрономии, физики, радиотехники, информатики, химии, биологии, лингвистики, археологии, антропологии, социологии, истории и криптоанализа — и представляет собой международную плеяду ученых. , Крик, Дайсон(который сфера), Дрейк, Шкловский(который астроном), Гинзбург, Платт, Минский(который из МИТ), Амбарцумян и Моррисон. Конференция была организована совместно Национальной академией наук США и Академией наук СССР. Участники пересмотрели и обновили свои материалы, и в результате получилась блестящая и захватывающая дискуссия, затрагивающая многие из наиболее важных вопросов в науке и делах человека. Некоторые из самых увлекательных взаимодействий представлены в дословных расшифровках дискуссий.
Особое внимание уделено следующим вопросам: множественность планетных систем во Вселенной, зарождение жизни на Земле, возможность жизни на других космических телах, зарождение и развитие техногенных цивилизаций, проблемы поиска разумных сигналов или свидетельства астроинженерной деятельности, а также проблемы и возможные последствия установления контакта с внеземными цивилизациями.
👏4👍1🌚1