В честь Дня мировой гидрографии проект Seabed 2030 объявил о новом проценте картографирования океанского дна, отметив прирост в 4,34 миллиона квадратных километров новых данных – что эквивалентно площади Европейского Союза.

Анализ недавно картографированного дна океана выявил обширный коралловый риф, занимающий более 6,4 миллиона акров на плато Блейк.Передовые методы сонарного и визуального картирования задокументировали 83 908 коралловых возвышенностей, демонстрируя огромное биоразнообразие, ранее неизвестное в этом регионе.

В другом замечательном открытии экипаж исследовательского судна Falkor (too) Института океана Шмидта сделал прорыв, обнаружив четыре подводные горы, самая высокая из которых превышает 1,5 км в высоту, используя методы многолучевого картирования. Эти особенности морского дна, выявленные во время перехода от Гольфито, Коста-Рика, до Вальпараисо, Чили, ранее не были зарегистрированы ни в одной батиметрической базе данных. Кроме того, ученые на борту исследовательского судна Falkor (too) Института океана Шмидта идентифицировали более 100 потенциально новых морских видов во время одной глубоководной экспедиции, подчеркивая огромное, неиспользованное биоразнообразие океана.

С момента основания Seabed 2030 в 2017 году был достигнут значительный прогресс, при этом было открыто более 94 миллионов квадратных километров батиметрических данных но большая часть океана все еще остается загадкой. Открытия, сделанные в течение прошлого года, служат ярким напоминанием о том, сколько еще нашей собственной планеты нам предстоит понять и, в свою очередь, защитить.

Все данные, собранные и переданные в проект Seabed 2030, включены в бесплатную и общедоступную глобальную сеть GEBCO

На фото синие области показывают регионы, которые считаются картографированными в выпуске GEBCO Grid 2024 года.

Почему «гарантия трудоустройства» в рекламе курсов по программированию — это липа липовая?

Никто не может гарантировать трудоустройство, а в случае его отсутствия — возврат денежных средств в полном объеме.

Привожу отрывки из договоров платных образовательных курсов, где указаны специальные условия, согласно которым вы, даже не найдя работу, будете считаться трудоустроенным

Письменное подтверждение отказа вам тоже никто не предоставит, так как эта бумага — легальная возможность подать в суд на работодателя и получить компенсацию

Роботизированный массажный стол Aescape за 75$ (за 1 сеанс) в Нью-Йорке с множеством программ

Сначала он просканирует ваше тело. составив 3D-модель и определив ключевые точки для обработки, а после пара легких манипуляторов делают своё дело. Идеально для интровертов)

Стартап Interlune, основанный экс-сотрудниками Blue Origin, рассчитывает в ближайшие годы запустить на Луне добычу гелия-3. Литр гелия-3 стоит несколько тысяч долларов

Гелий-3 — стабильный изотоп гелия с двумя протонами и одним нейтроном, который производится путём термоядерного синтеза на Солнце и переносится солнечным ветром. Магнитосфера Земли отклоняет этот поток частиц, поэтому гелий-3 не встречается на Земле в природе и существует лишь в очень ограниченных количествах, появляясь в результате испытаний ядерного оружия и ядерных реакторов. Так как вокруг Луны магнитосферы нет, предполагается, что в карманах лунного реголита содержится большое количество гелия-3.

В 2026 году стартап рассчитывает провести демонстрационную миссию, собрать несколько образцов лунного реголита, измерить количество гелия-3 в них и попытаться извлечь его часть. Перевозками гелия-3 в будущем могут заняться SpaceX или Blue Origin.

Ловите сайт, на котором можно рисовать свои айсберги и наблюдать, как они будут себя вести в воде

Служба поддержки Яндекс Такси теперь автоматически пишет сообщение, если водитель в чате просит отменить поездку

Слава богу теперь Ai будет генерировать мемы

Glif.app

Отравление данных (data poisoning) — это атака на машинное обучение, во время которой злоумышленник вводит вредоносные данные в обучающий набор для нарушения работы алгоритма обучения и снижения его эффективности.

Некоторые примеры таких атак:

— Внесение шума (Noise Injection): добавление случайных или искаженных данных в обучающий набор.
— Удаление данных (Data Removal): исключение части данных из обучающего набора.
— Вставка ложных объектов (Object Insertion): добавление несуществующих или ложных объектов в обучающий набор. Сюда же входят скрытые надписи, вотермарки, изображения.
— Изменение меток классов (Label Flipping): изменение или искажение разметки классов в обучающем наборе. То есть данные не добавляются, но происходит подмена: например, картинки с кошками подписываются как картинки с собаками и наоборот.


Последствия отравления данных могут быть катастрофическими. Вот несколько примеров.

— Распознавание лиц: злоумышленник может добавить в обучающий набор чужие изображения лиц, взятые из открытых источников. Это может привести к тому, что невиновного человека задержат правоохранительные органы.
— Медицинские данные: подмена истории болезни пациента или результатов анализов в медицинских приложениях. Такая атака может привести к ложному диагнозу.
— Финансовые данные: из-за добавления фальшивых транзакций или ухищрений в финансовые данные человеку могут предъявить необоснованные обвинения в финансовых махинациях. А атака большего масштаба может спровоцировать дестабилизацию рынка.
— Дорожная ситуация (беспилотные автомобили): злоумышленник может добавить деформированные дорожные знаки или маркировку на дорогах в систему распознавания. Это может привести к авариям и несчастным случаям.

russiannames — это библиотека Python 3, предназначенная для анализа русских имен, фамилий и отчеств, определения пола человека по полному имени и способа написания имени. Он использует MongoDB в качестве серверной части для ускорения анализа имен.

https://russiannames.readthedocs.io/en/latest/

Сделано через Luma Dream Machine: загружаешь две картинки, а сервис придумывает как их соединить в видео. Сейчас дают генерировать бесплатно не более 5 запросов в день (лучше сразу добавьте текстовый промпт с описанием трансформации — так лучше получается)

Симпатичный бенчмарк сравнений обработки данных на Python с использованием чистого Python и разных библиотек.

Безоговорочный лидер Duckdb и близкий к нему по скорости Polars, но всё равно отстающий.

Вполне ожидаемо, от Duckdb многие в восторге именно из-за комбинаций скорости и функций.

Причём в текущем состоянии Duckdb ещё и может быть идеальным инструментом для ETL/ELT трансформации данных. Его можно рассматривать не как базу для хранения, а как инструмент быстрой обработки данных. А в нынешних облачных реалиях быстрый значит и дешёвый

Взято отсюда

Благодаря comfyui стало возможным визуализировать спагетти-год

Этот пост можно использовать в качестве пожертвований)
В комментах напишу что там

Обычный день разработчика на Unreal Engine