Il processo creativo attraversa le scelte dell'orchestrazione relative agli strumenti che eseguiranno il tema principale, la melodia, la chiave scelta e il ritmo che si accompagna al tutto, in armonia.
L'obiettivo di questo libro è quello di documentare i metodi comunemente noti e meno noti per svolgere vari compiti utilizzando solo le funzioni di bash native.
L'uso dei frammenti di questa "pure bible" può aiutare a rimuovere le dipendenze non necessarie dagli script e nella maggior parte dei casi renderle più veloci.
L'autore, Dylan Araps, si è imbattuto in questi suggerimenti e ne ha scoperti molti altri mentre sviluppava neofetch, pxltrm e altri progetti minori.
Perchance ha una sintassi semplice, abbastanza intuitiva, e permette di gestire anche l'aspetto visuale di un generatore. Inoltre è possibile esportare il proprio generatore in formato pagina html, in modo da averlo in locale. Un tool decisamente molto utile.
The Tome of Adventure Design, di Matt Finch, è organizzato come una serie di "libri", ognuno dei quali fornisce risorse per ogni fase dell'avventura.
La stragrande maggioranza del contenuto di questi libri è costituita da tabelle di generazione casuale che sono state scritte in oltre 25 anni per uso personale. Si tratta di tabelle per un design approfondito, in altre parole, la maggior parte di esse sono troppo lunghe, e contengono troppe voci insolite o contraddittorie, per essere utilizzate sul posto al tavolo da gioco. Ci sono già molti ottimi libri di tabelle per l'uso al volo.
Le tabelle in questo libro sono diverse. Funzionano meglio come strumento di preparazione in anticipo, fornendo risorse creative relativamente vaste per la navigazione e la raccolta, piuttosto che tabelle a uso rapido progettate per fornire ampie e veloci pennellate. Le tabelle più brevi tendono a fornire risultati criptici, progettati per alimentare la creatività del lettore nel colmare un vuoto, mentre le tabelle più lunghe sono insolitamente vasti per aiutare una migliore generazione casuale, essendo progettate per presentare un mare di possibilità.
La classe dirigente non è all'altezza, i risultati parlano da soli. Chi ha la responsabilità delle cose ne deve rispondere. Ed è finito il tempo degli alibi, dell' "è sempre colpa di qualcos'altro, di qualcun altro". Basterebbe semplicemente ricominciare ad applicare il buon senso, e un po' di empatia, ad Ascoltare.
Otto Scharmer è professore alla Scuola di Gestione Sloan del MIT.
Dopo una serie di interviste con imprenditori e innovatori nel campo della scienza, del business e della società ha scritto un libro che descrive la sua Theory U: un metodo di gestione del cambiamento.
Scharmer con i colleghi del MIT ha condotto le interviste, e poi ha esteso i principi di base in una teoria dell'apprendimento e della gestione. I principi della Teoria U sono scritti per cercare di aiutare i leader politici, i funzionari pubblici e i manager a superare gli schemi di comportamento improduttivi del passato che impediscono loro di entrare in empatia con le prospettive dei loro clienti e spesso li rinchiudono in schemi decisionali inefficaci.
Otto Scharmer on the four levels of listening
What is Theory U? Interview with Otto Scharmer
Theory U - Learning from the future as it emerges | Otto Scharmer | TEDxTUHH
A Flock of Seagulls, la band inglese che ha furoreggiato negli anni '80 con una serie di brani accattivanti, pubblica un tutorial sull'esecuzione di uno dei suoi brani più famosi "I ran". Uno dei rari casi in cui a spiegare la hit sono proprio gli artisti originali.
Il training delle reti neurali di tipo GAN che utilizzano troppo pochi dati in input causano tipicamente un overfitting dei discriminatori, che procura una divergenza non desiderata.
Questo meccanismo di aumento adattativo del discriminatore (ADA stabilizza in modo significativo la formazione in regimi di dati di ingresso limitati. L'approccio non richiede modifiche alle funzioni o alle architetture della rete, ed è applicabile sia quando l'addestramento viene effettuato da zero sia quando si affina un GAN esistente su un altro set di dati. Su diversi dataset, ora è possibile ottenere buoni risultati utilizzando solo poche migliaia di immagini di addestramento, spesso abbinando i risultati di StyleGAN2 con un ordine di grandezza inferiore di immagini.
