второе гуголь транслейт, первое вот эта хуёвинка Microservices architectures have become largely popular in the last years. However, we still lack empirical evidence about the use of microservices and the practices followed by practitioners. Thereupon, in this paper, we report the results of a survey with 122 professionals who work with microservices. We report how the industry is using this architectural style and whether the percep- tion of practitioners regarding the advantages and challenges of microservices is according to the literature. Архитектуры микроуслуг стали в значительной степени популярными в последние годы. Однако авторы все еще не имеют эмпирических доказательств, касающихся использования микроуслуг и практики, за которыми следует практикующие врачи. После этого в этой статье авторы сообщают результаты исследования с 122 профессиями, которые работают с микроуслугами. Мы сообщили о том, как промышленность использует этот архитектурный стиль и является ли использование практикующих врачей в отношении преимуществ и проблем микроуслуг в соответствии с литературными данными. Архитектуры микросервисов стали в последние годы популярными. Тем не менее, нам все еще не хватает эмпирических данных об использовании микросервисов и практики, которыми следуют практикующие. В этой связи в этом документе мы сообщаем результаты опроса с 122 специалистами, которые работают с микросервисами. Мы сообщаем, как индустрия использует этот архитектурный стиль и соответствует ли восприятие практиков преимуществам и задачам микросервисов в соответствии с литературой.

чот пиздец, но это совсем рандомный папир из CS с arxiv Romantic courtship is often described as taking place in a dating market where men and women compete for mates, but the detailed structure and dynamics of dating markets have historically been difficult to quantify for lack of suitable data. In recent years, however, the advent and vig- orous growth of the online dating industry has provided a rich new source of information on mate pursuit. Here we present an empirical analysis of heterosexual dating markets in four large US cities using data from a popular, free online dating service. We show that competition for mates creates a pronounced hierarchy of desirability that correlates strongly with user demographics and is remarkably consistent across cities. We find that both men and women pursue partners who are on average about 25% more desirable than themselves by our measures and that they use different messaging strategies with partners of different desirability. We also find that the probability of receiving a response to an advance drops markedly with increasing difference in desirability between the pursuer and the pursued. Strategic behaviors can improve one’s chances of attracting a more desirable mate, though the effects are modes Макаптический сукут часто описывается как место на срывом рынке, где мужчины и женщины соревнуются по сопряжению, но подробная структура и динамика этих рынков исторически сложились для количественной оценки отсутствия подходящих данных. В последние годы, однако, появление и vig-опухолевый рост в режиме онлайнового динга обеспечен богатый новый источник информации по макету. Здесь мы имеем эмпирический анализ гетеросексуальных дающих рынков в четырех больших городах США с использованием данных От популярной, свободной онлайновой услуги. Мы показали, что конкуренция для сопряжений создает выраженную иерархию желательности, которая сильно коррелирует с демографическими данными пользователя и заметно согласуется по городам. Мы находим, что как мужчины, так и женщины дают партнеров, которые в среднем на 25% более желательны, чем сами по себе, и что они используют различные стратегии обмена сообщениями с партнерами различной желательности. Мы также обнаружили, что вероятность приема ответа на опережение значительно снижается с увеличением разницы в желательности между преследующим и наблюдаемым. Стратегические поведения могут улучшить шансы привлечения более желательного матча, хотя эти эффекты являются модами Романтическое ухаживание часто описывается как имеющее место на рынке датирования, где мужчины и женщины конкурируют за товарищей, но детальная структура и динамика рынков датирования исторически трудно определить количественно из-за отсутствия подходящих данных. Тем не менее, в последние годы появление и масштабный рост индустрии онлайн-знакомств предоставили богатый новый источник информации о преследовании матерей. Здесь мы представляем эмпирический анализ гетеросексуальных датирующих рынков в четырех крупных городах США, используя данные популярной бесплатной онлайн-службы знакомств. Мы показываем, что конкуренция за товарищей создает ярко выраженную иерархию желательности, которая сильно коррелирует с демографией пользователей и удивительно последовательна в разных городах. Мы находим, что и мужчины, и женщины преследуют партнеров, которые в среднем на 25% более желательны, чем сами по себе, и что они используют разные стратегии обмена сообщениями с партнерами различной желательности. Мы также обнаруживаем, что вероятность получения ответа на аванс заметно падает с увеличением разницы в желательности между преследователем и преследуемым. Стратегическое поведение может улучшить свои шансы на привлечение более желательного партнера, хотя эффекты являются режимами

This paper describes a neural network layer, named URSA, that uses a constellation of points to learn classification information from point cloud data. Similar to new methods such as PointNet, this architecture works directly on D-dimensional points rather than first converting the points to a D-dimensional volume. URSA is invariant to permutations of the input data. We use an URSA layer, followed by a series of dense layers, to classify 2D and 3D objects from point cloud. Experiments on ModelNet40 and MNIST data show classification results comparable with current methods, while requiring half or fewer trained parameters. Эта бумага описывает слой нейронной сети, названный URSA, который использует совокупность точек для изучения информации классификации из данных точечного облака. Подобно новым методам, таким как PointNet, эта архитектура работает непосредственно в D-мерных точках, а не во время первого преобразования точек в D-мерный объем. URSA Является инвариантным к перестановкам входных данных. Мы используем URSA-Слой (uryear=2015), после чего следует последовательность плотных слоев для классификации двумерных и трехмерных объектов из точечного облака. Эксперименты на данных ModelNet40 И MNIST Показывают результаты классификации, сравнимые с текущими способами, при этом требуется половина или меньше обученных параметров. В этом документе описывается уровень нейронной сети под названием URSA, который использует созвездие точек для изучения информации о классификации из данных облака точек. Подобно новым методам, таким как PointNet, эта архитектура работает непосредственно на D-мерных точках, а не сначала преобразует точки в D-мерный том. URSA инвариантна к перестановкам входных данных. Мы используем слой URSA, а затем ряд плотных слоев, чтобы классифицировать 2D и 3D объекты из облака точек. Эксперименты по данным ModelNet40 и MNIST показывают результаты классификации, сопоставимые с текущими методами, при этом требуются половинные или менее подготовленные параметры.

Objective: To (1) demonstrate the implementation of a data science platform built on open-source technology within a large, academic healthcare system and (2) describe two computational healthcare applications built on such a platform. Materials and Methods: A data science platform based on several open source technologies was deployed to support real-time, big data workloads. Data acquisition workflows for Apache Storm and NiFi were developed in Java and Python to capture patient monitoring and laboratory data for downstream analytics. Results: The use of emerging data management approaches along with open-source technologies such as Hadoop can be used to create integrated data lakes to store large, real-time data sets. This infrastructure also provides a robust analytics platform where healthcare and biomedical research data can be analyzed in near real-time for precision medicine and computational healthcare use cases. Discussion: The implementation and use of integrated data science platforms offer organizations the opportunity to combine traditional data sets, including data from the electronic health record, with emerging big data sources, such as continuous patient monitoring and real-time laboratory results. These platforms can enable cost-effective and scalable analytics for the information that will be key to the delivery of precision medicine initiatives. Conclusion: Organizations that can take advantage of the technical advances found in data science platforms will have the opportunity to provide comprehensive access to healthcare data for computational healthcare and precision medicine research. Цель:. (1) демонстрация реализации платформы для науки данных, построенной на технологии открытого источника в большом количестве, в научной системе здравоохранения и (2) описаны два вычислительных приложения для здравоохранения, построенных на такой платформе. Материалы и Методы. Платформа для науки данных, основанная на нескольких открытых технологиях источников, была развернута, чтобы поддерживать рабочие нагрузки в реальном времени, большие объемы данных. Рабочие потоки сбора данных Для Apache шторма и NiFi Были разработаны в Java и Python Для захвата мониторинга пациента и лабораторных данных для последующих аналитиков. Результаты: применение новых подходов управления данными наряду с технологиями открытого источника, такими как Hdooop может быть для создания интегрированных озер данных для хранения больших наборов данных в реальном масштабе времени. Эта инфраструктура также обеспечивает прочную аналитическую платформу, в которой данные здравоохранения и биомедицинских исследований могут анализироваться в близком к реальному времени для прецизионного медицины и в случаях использования вычислительных систем здравоохранения. Обсуждение. Реализация и использование интегрированных платформ для науки данных предлагают организациям возможность комбинировать традиционные наборы данных, включая данные электронной записи для здоровья, с возникающими большими источниками данных, такими как непрерывный контроль за пациентом и лабораторные результаты в реальном времени. Эти платформы могут обеспечить экономичную и масштабируемую аналитику для информации, которая будет ключом к доставке прецизионных лекарственных средств. Заключение: организации, которые могут использовать преимущества технических достижений, найденных в платформах для науки данных, будут имеет возможность обеспечить полный доступ к данным healthcare for component healthcare and precision medicine research

@anonymous Цель: (1) продемонстрировать внедрение платформы наукоемкой данных, основанной на технологии с открытым исходным кодом в рамках большой академической системы здравоохранения, и (2) описать два приложения для вычислительной медицины, построенные на такой платформе. Материалы и методы: была создана платформа для научных исследований на основе нескольких технологий с открытым исходным кодом для поддержки больших рабочих нагрузок в реальном времени. Рабочие процессы сбора данных для Apache Storm и NiFi были разработаны на Java и Python для сбора данных о пациентах и ​​лабораторных данных для аналитики ниже по течению. Результаты. Использование новых подходов к управлению данными наряду с технологиями с открытым исходным кодом, такие как Hadoop, можно использовать для создания интегрированных озер данных для хранения больших наборов данных в реальном времени. Эта инфраструктура также обеспечивает надежную платформу аналитики, где данные о здравоохранении и биомедицинских исследованиях могут быть проанализированы в режиме реального времени для прецизионной медицины и использования вычислительных медицинских услуг. Обсуждение. Внедрение и использование интегрированных платформ для научных исследований предоставляют организациям возможность комбинировать традиционные наборы данных, включая данные из электронной медицинской карты, с появляющимися большими источниками данных, такими как непрерывный мониторинг пациентов и результаты лабораторных исследований в режиме реального времени. Эти платформы могут позволить экономически эффективную и масштабируемую аналитику для информации, которая будет ключевой для реализации инициатив прецизионной медицины. Вывод: Организации, которые могут воспользоваться техническими достижениями, которые находятся на платформах для научных исследований, будут иметь возможность предоставить полный доступ к данным здравоохранения для исследований в области вычислительной медицины и прецизионной медицины.