Cowork : Claude Code pour la suite de votre travail L'article, qui n'a pas pu être chargé, et les discussions qui l'accompagnent, mettent en lumière les problèmes d'ergonomie rencontrés avec la nouvelle version de macOS, Tahoe. Le principal grief concerne la difficulté à redimensionner les fenêtres en raison de coins arrondis importants, ce qui rend la zone de clic pour la manipulation des fenêtres plus petite et moins intuitive. Les utilisateurs signalent que les tentatives de redimensionnement échouent fréquemment, car la zone active pour le clic se situe en dehors de l'apparence visuelle du coin. Les échanges révèlent une insatisfaction plus large concernant les décisions de conception de macOS, y compris des problèmes avec l'interface utilisateur (UI), les performances et la qualité générale du logiciel. De nombreux utilisateurs expriment leur déception face à la direction prise par Apple, critiquant les changements d'interface et la priorisation de l'esthétique au détriment de la fonctionnalité. La discussion aborde également des préoccupations concernant la qualité des mises à jour logicielles, l'intégration avec d'autres produits Apple, ainsi que des alternatives possibles à macOS, comme Linux. L'ambiance générale est celle d'une perte de confiance des utilisateurs envers Apple. Anthropic lance "Cowork", une nouvelle fonctionnalité pour les abonnés Claude Max, accessible via l'application macOS. Cet outil permet aux utilisateurs, et pas seulement aux développeurs, d'interagir avec Claude en lui donnant accès à des dossiers sur leur ordinateur. Claude peut ainsi lire, modifier et créer des fichiers, facilitant l'organisation de documents, la création de feuilles de calcul ou la rédaction de rapports à partir de notes. Cowork intègre des "skills" et des connecteurs pour étendre ses capacités, y compris l'accès au navigateur via l'extension Chrome. La sécurité est un point d'attention, car Claude peut effectuer des actions potentiellement destructrices et est vulnérable aux "prompt injections". Il est conseillé de définir des directives claires et de surveiller les actions suspectes. Bien que des protections existent, la sécurité des agents et la protection des données restent des domaines de développement actifs. Des inquiétudes sont soulevées concernant la protection des données personnelles, avec des risques potentiels d'exfiltration. Cependant, certains estiment que les avantages offerts par Cowork en termes de productivité justifient les risques pour certains utilisateurs. - **Discussion HN** : [Lire la discussion](https://news.ycombinator.com/item?id=46593022) - **Article source** : [Cowork: Claude Code for the rest of your work](https://claude.com/blog/cowork-research-preview)
Archives
Tag : #jeux • 14 articles • Page 2 sur 2Réseaux de neurones : de zéro à héros L'article explore 21 leçons clés tirées de 14 ans d'expérience chez Google, postulant que le succès en ingénierie logicielle va bien au-delà de la simple écriture de code. Les ingénieurs les plus efficaces excellent à naviguer les dynamiques humaines, la politique interne, l'alignement stratégique et l'ambiguïté. Les principes fondamentaux incluent l'obsession de résoudre les problèmes utilisateurs, la collaboration pour la prise de décision, la préférence pour l'action et la clarté du code sur l'ingéniosité technique, ainsi que la valorisation du réseau professionnel. Des analyses approfondies soulignent cependant les défis inhérents aux grandes structures. L'attention portée à l'utilisateur est souvent compromise par des organisations qui freinent l'interaction directe des ingénieurs avec la clientèle. La culture du "livrer vite" est parfois critiquée pour encourager des solutions hâtives ou incomplètes. Le cheminement de carrière peut dépendre davantage de la capacité à gérer les relations et la "politique" que de la compétence technique pure. Enfin, la promotion de la simplicité et la suppression de code inutile, bien que cruciales, sont rarement encouragées par les systèmes d'incitation internes, révélant des désalignements organisationnels profonds. Le contenu de l'article "Neural Networks: Zero to Hero Syllabus" n'étant pas disponible, cette analyse se fonde uniquement sur les discussions. La série vidéo d'Andrej Karpathy est unanimement saluée comme une ressource exceptionnelle pour développer une intuition profonde des réseaux neuronaux, en particulier des grands modèles de langage (LLMs). Elle permet de saisir les mécanismes sous-jacents, comme le fonctionnement de l'autograd de PyTorch, offrant une compréhension essentielle au-delà de l'utilisation des bibliothèques. Cependant, une maîtrise complète requiert des ressources complémentaires. Le livre "Deep Learning with Python" de François Chollet est fortement recommandé pour sa clarté, ses recettes pratiques pour construire des modèles GPT et de Diffusion, et son explication du deep learning comme un art nécessitant de la pratique. Les parcours de Google offrent des connaissances pratiques sur l'infrastructure ML. Le deep learning, avec ses millions de paramètres, excelle dans les problèmes de perception (vision, langage, séries temporelles), tandis que le machine learning traditionnel est souvent préféré pour les données tabulaires. La complexité du deep learning exige de solides bases mathématiques (calcul multivariable, algèbre linéaire). Le chemin d'apprentissage est perçu comme un marathon, mais il confère des compétences précieuses pour concevoir et déployer des systèmes avancés, comme l'illustre l'application en temps réel pour la prédiction des intervalles dans les transports urbains. - **Discussion HN** : [Lire la discussion](https://news.ycombinator.com/item?id=46485090) - **Article source** : [Neural Networks: Zero to Hero](https://karpathy.ai/zero-to-hero.html)