сяу что регистрация на вб как продавца стоит 30к рублей

https://youtu.be/JpKatt5zK08

Нашёл канал американского аптечного сомелье (который причём сам фармацевт), который ходит по полуподпольным аптекам и находит там обскурные и редкие вещи.

бутылка (хронится)

мы официально вступили в эру ии

Короче чуваки делают простую TSDB на питоне. Данные она хранит в csv. Но у TSDB может быть в точке переменное количество измерений и к ним могут быть разные теги.
Знаете как они решили вопрос хранения переменного числа полей, чтобы не переписывать каждый раз csv?

2025-06-11T11:50:50.526457,_default,_tag_status,waiting,_field_t,27.28,_field_rate,0.5

божечки, оно смогло, смогло!

озон настолько преисполнился в сео-оптимизации....

(речь про софт для дронов)

Кто устережёт самих сторожей?

Какой смешной фигней я сегодня занимался. Короче, есть печи, в которых обжигается керамика. Она в них нагревается, а потом остывает. Остывает долго — шутка ли, десяток кг керамики с температуры больше тыщи градусов.
Хочется знать, когда она остынет. Пробовал взять закон Ньютона — Рихмана, но он в чистом виде работает плохо (во многом потому, что мы не знаем температуру окружающей среды, только температуру холодного спая, а это по сути температура в блоке позади печи и она там может быть и 50 градусов, когда в мастерской 28). Температура холодного спая отражает конечно температуру в мастерской, но опосредованно и оно зависит от типа печи и условий.

Это, конечно, можно тюнить коэффицентами, но это их надо подбирать под каждую печь и сезон. Гемор.
Но у нас есть нейросети (нет, не LLM, а обычные). Берем многослоный перцептон (одного скрытого слоя и 15 нейронов хватает), на входе — текущая температура внутри печи, скорость охлаждения, температура холодного спая, целевая температура, а на выходе — время до целевой температуры.
Берем несколько графиков обжигов, вытаскиваем из них стадию охлаждения, нарезаем ее на обучающие пары: для каждой температуры берем какую-нибудь целевую температуру дальше по графику и время до нее, и кормим этим нейросеть. Десять секунд обучения и средняя ошибка в 200 секунд. Готово, вы восхитетельны.

Минусы — надо обучать на архивных данных конкретной печи и обновлять данные хотя бы раз в месяц (ну или иметь архивные данные за год), потому что сезонность и разная температура в мастерской.

https://www.youtube.com/watch?v=5V8VCFkAd0A
https://www.youtube.com/watch?v=NVqT2Gbrvxs
очень приятное видео (почти лекция, но нет, нет того духа "я умный, внимай") про фотоумножители. Во второй части так же лучшее обьяснение когерентности, которое я видел.