Здравствуйте, CreatorCray, Вы писали:
CC>При наличии нормального FW с готовыми компонентами — на любом языке делается очень быстро.
Taк покажи, не стесняйся. Примерно представляю себе ситуацию с QT, но может у тебя все круче.
CC>А нафига там веб?
Потому же почему и у амазона с гуглом. Код работает под linux, а у клиента win.
CC>Безотносительно — а нафига оно нужно то? Сколько девелоплю — как то не было реальной необходимости именно в таком.
map/filter/sort/groupby/reduce? Грязные данные кроме строк никуда не запихаешь.
CC>Интеграцию чего с чем? Я чот не очень понимаю что именно ты хочешь?
Те самые 50 строчек, которые используют твой крутейший фреймворк.
N>> В Apple тоже?
CC>Тех, кто проектировал IOKit и CF хочется забить тапком. Такого рукожопия я давно не видел.
CC>Swift тот ещё кусок говна. Язык, в котором крайне геморройно оперировать байтами совершенно непригоден для системного программирования.
Самооценка у тебя я смотрю на уровне. Так и надо: "Все дебилы и только Я крутой!"
CC>Этож всё подкапотное, банально операция над массивом данных. К приведённому тобой гуёвому примеру вообще никак не относится.
Эти пример показывает сколь быстро можно к мат.модели на раннем этапе R&D присобачит какой-то UI. Ессно сама модель тоже на Питоне, ну или в моем случае Скале, но это местный калорит. UI нужен для разработки, калибровки и т.д., а так же для придания уверенности пользователям, что модель работает. Часто можно обойтись просто Jupyter, но не всегда. Так сейчас это работает чуть менее чем везде, где разрабатывают мат. модели: в Lockheed, Pfizer, OpenAI, у нас на WallSt, думаю и у вас в Apple.
N>>Бывает для ее перевода на numpy/XLA/numba нужно время и первую версию проще делать циклом
CC>В мою бытность мы эту трахомудию пытались затолкать в видюху на Cuda 1.0
Tы просто не владеешь темой. XLA это и есть оболочка для cuda.
CC>...
CC>Все эти формулы создаются однократно, а когда меняются какие то входные значения то кэш инвалидируется и граф лениво пересчитывается.
Просто оbserver pattern или явнoe построение computational graph через метапрограммирование? Если второе было бы интересно посмотреть. Пo второму варианту все эти tflow с pytorch и работают, но там правда еще много чего. Разберешься как они реализованы, поймешь почему все на питоне ML модели программируют, а не на плюсах.
