HN Digest
Briefing personnel.

Lire vite.
Garder l'essentiel.

Les meilleurs longs formats de Hacker News, relus plus calmement.

12074 articles Page 553/1208 Sans filtre

Show HN: My 13-year-old built an ant colony tracker

L'application centralise l'enregistrement, le suivi et l'entretien des colonies de fourmis depuis un tableau de bord offrant un aperçu rapide de chaque colonie. Chaque colonie dispose d'une page détaillée présentant l'évolution du nombre d'ouvrières en graphique, l'état du couvain, le type de formicarium et l'historique des nourrissages. L'ajout d'une nouvelle colonie se fait via un formulaire simple avec auto‑complétion d'informations issues d'une base de données d'espèces. Des statistiques globales et par espèce, ainsi qu'un calendrier de rappels automatiques pour nourrir et nettoyer, facilitent la gestion à long terme. L'application est multilingue, fonctionne sans abonnement et peut être utilisée immédiatement sans créer de compte, avec la possibilité de sauvegarder les données en créant un compte gratuit.

Reading the internals of Postgres: Database cluster, databases, and tables

PostgreSQL regroupe plusieurs bases sous une seule instance appelée cluster et identifie chaque objet par un OID enregistré dans des catalogues système qui sont des tables consultables. L'arborescence physique est contenue dans PGDATA avec des sous‑répertoires tels que base/, global/, pg_wal/ et pg_tblspc/, chaque base ayant un répertoire nommé par son OID contenant les fichiers relationnels. Le relfilenode désigne le fichier physique des relations et peut changer lors d'opérations de réécriture (par exemple VACUUM FULL) alors que l'OID reste l'identifiant permanent. Les tablespaces permettent de placer des objets sur d'autres volumes via des symlinks et PostgreSQL résout l'emplacement effectif d'une relation à partir de l'OID du tablespace selon des règles internes. Les pages de heap (généralement 8 Ko) contiennent en‑têtes, pointeurs de ligne et tuples, PostgreSQL utilise TOAST pour externaliser les gros attributs et divers index (comme le B‑tree) pour optimiser la lecture.

Knoppix

Il s'agit d'un système Live amorçable depuis un CD, DVD ou clé USB qui inclut une large sélection de logiciels GNU/Linux. Il intègre une détection automatique du matériel et prend en charge de nombreuses cartes graphiques, cartes son, périphériques SCSI et USB ainsi que d'autres périphériques. Il peut être utilisé comme système Linux de bureau productif, CD éducatif, outil de secours ou plateforme pour des démonstrations de logiciels commerciaux. Aucune installation sur le disque dur n'est nécessaire pour l'utiliser. Grâce à la décompression à la volée, le CD peut contenir jusqu'à 2 Go de logiciels exécutables et la version DVD «Maxi» peut dépasser 9 Go.

Have you restarted your computer this week?

L'auteur redémarre son Mac le samedi matin par plaisir, même si cela n'est généralement pas nécessaire aujourd'hui. Il aime le processus manuel de fermeture des fenêtres et d'affrontement des avertissements avant de forcer la fermeture des applications. Il admet que ce comportement est peu rationnel mais le considère comme un moyen ponctuel de lâcher prise. La plupart de son travail est sauvegardée sur le cloud via OneDrive (usage imposé par son employeur) et ses fichiers personnels sont synchronisés avec Emacs, ce qui limite les risques de perte de données. Il estime aussi que le redémarrage règle souvent des problèmes informatiques et permet de prendre une courte pause.

TabFM: A zero-shot foundation model for tabular data

Les auteurs présentent TabFM, un modèle de fondation destiné aux tâches de classification et de régression sur données tabulaires qui applique l'apprentissage en contexte (ICL) pour prédire en une seule passe sans entraînement spécifique. L'architecture hybride alterne des attentions sur les lignes et les colonnes, compresse chaque ligne en un vecteur dense, puis applique un Transformeur sur ces embeddings compressés pour réduire le coût computationnel. Le modèle a été préentraîné uniquement sur des centaines de millions de jeux de données synthétiques générés par des modèles causaux structurels afin de couvrir une grande diversité de distributions tabulaires. Les auteurs évaluent TabFM sur TabArena (38 jeux de données de classification et 13 de régression) et présentent une variante ensembliste incluant caractéristiques croisées, SVD et calibration par Platt qui améliore les performances. TabFM est disponible sur Hugging Face et GitHub et sera intégré à Google BigQuery via une commande AI.PREDICT pour permettre des prédictions tabulaires sans expertise en apprentissage automatique.

Stroustrup's Rule (2024)

L'auteur vient de terminer deux semaines d'ateliers et annonce une promotion de 40 % sur Logic for Programmers jusqu'au 2 janvier. La « règle de Stroustrup » observe que les nouveaux venus exigent une syntaxe explicite tandis que les utilisateurs confirmés préfèrent une notation concise. L'évolution du traitement des erreurs en Rust illustre cela, passant d'un match explicite à la macro try! puis à l'opérateur ? pour réduire le verbiage. Au fil du temps, l'évolution d'un langage tend à favoriser les fonctionnalités conviviales pour les experts, ce qui peut rendre l'apprentissage plus difficile et provoquer des débats comme celui autour de l'opérateur walrus en Python. En enseignement, l'auteur combat consciemment cette tendance en privilégiant des formulations explicites pour les débutants, par exemple en montrant une quantification explicite dans TLA+ plutôt que la notation de fonction plus concise.

Deriving the SVD (Single Value Decomposition) from scratch

L'auteur examine ce que signifie vraiment « apprendre » en mathématiques et plaide pour des explications qui révèlent la structure et la motivation historique plutôt que la forme finale. Il montre que la représentation d'une transformation linéaire dépend de la base choisie, que la diagonalisation met en évidence une mise à l'échelle simple quand elle existe, et que la décomposition en valeurs singulières (SVD) généralise cette idée pour toute matrice, même non diagonalisable ou non carrée. En choisissant les vecteurs propres orthonormés de A^T A comme colonnes de V et en normalisant leurs images par A, on obtient des bases orthonormées d'entrée et de sortie reliées par des facteurs d'échelle σ_i, d'où la factorisation A = U_r Σ_r V_r^T et l'alignement des dimensions essentielles (rang, noyau, image) expliqué par les quatre sous-espaces. La matrice s'exprime aussi comme somme de r matrices de rang‑1 σ_i u_i v_i^T, ce qui permet de tronquer les petits σ_i pour obtenir la meilleure approximation de rang k (théorème d'Eckart–Young), principe à la base de la compression et de l'ACP. En normalisant les σ_i^2 on obtient une distribution d'énergie dont l'entropie mesure la compressibilité statistique de la matrice, et l'auteur conclut en indiquant que cette approche statistique laisse ouverte la question plus profonde de la complexité algorithmique (complexité de Kolmogorov) qui sera abordée ensuite.