В пыльной Москве старый дом в два витражных окошка
Минус семь жизней. И минус еще один век.
Он улыбнулся: «Ты правда ждала меня, Кошка?»
«Кошки не ждут…Глупый, глупый ты мой Человек»
(c) Саша Бес
В пыльной Москве старый дом в два витражных окошка
Минус семь жизней. И минус еще один век.
Он улыбнулся: «Ты правда ждала меня, Кошка?»
«Кошки не ждут…Глупый, глупый ты мой Человек»
(c) Саша Бес
четверг, 04 февраля 2021
поняла, что если не пойду на работу, то смогу: заниматься в фитнесе (или йогой), ходить в бассейн, учить английский, ходить на массаж. Вот ведь, я уже давно не хожу на работу, но не начинала этого, будто моя трудовая, лежащая где-то, не дома, висела на мне грузом (зачем начинать, если остался всего месяц?!). Осталось избавиться от чувства "нахлебница", сидишь у мужа на шее! и будет совсем прекрасно.
суббота, 16 января 2016
Старый Новый год
Выбирай себе вареник via номад
Старый Новый год
Вареники как у бабушки via номад
Старый Новый год
Вареники от бабушки via номад
среда, 14 января 2015
Старый Новый год
Вареники via номад
Старый Новый год
Угощают варениками via номад
Старый Новый год
Угоститься вареником via номад
пятница, 27 июня 2014
четверг, 22 мая 2014
Немного о машинном обучении
6 ноября 2013 года, в 21:15
технологии Яндекса ШАД
Умения современных компьютеров оказались бы полной неожиданностью для людей, живших 50 лет назад. В тогдашней фантастике простые роботы работали слугами, а самые сложные, уникальные, занимались высшей математикой. Роботы представлялись человекоподобными, и такие способности, как умение сохранять равновесие, ориентироваться в окружающем мире, понимать обращенную к ним речь, считались само собой разумеющимися. Но попытки построить подобные системы показали, что на самом деле эти навыки очень сложны, и как их повторить, не совсем понятно. Сейчас высшей математикой способен заниматься телефон в вашем кармане (например, с помощью одного из этих приложений), а вот слуг что-то не видно. Вы ежедневно пользуетесь услугами Великого Всемирного Информатория, что в старой фантастике разрешалось лишь лицам со спецдоступом (ох уж этот XX век), но в ресторане вас по-прежнему обслуживает человек.
Школьное образование, к сожалению, не успевает за развитием нашей отрасли, и потому создает в головах большей части людей не очень корректную картину. У них возникает популярное заблуждение, согласно которому компьютеры не способны чему-либо учиться и делают только то, на что запрограммированы — тупо, но быстро и старательно. На самом деле это давно не так. Создавать программы, способные анализировать данные, обобщать их, делать выводы и учиться таким образом чему-то новому для себя, мы умеем уже десятки лет, и с каждым годом всё лучше и лучше. Этому посвящена обширная дисциплина: машинное обучение, и она давно не является каким-то тайным знанием, доступным лишь избранным. Соответствующие методы и теории уже разработаны до такой степени, что им можно обучать, например, талантливых студентов. При Яндексе уже несколько лет работает целое учебное заведение — Школа анализа данных, — большая часть курсов которого посвящена именно таким методам. В начале октября этого года Яндекс провёл конференцию, на которую приехали ведущие исследователи в этой области из многих стран мира.
Не стоит думать, что машинное обучение — что-то экзотическое, используемое только в детекторах Большого адронного коллайдера (хотя, честно говоря, там оно тоже используется). Вовсе нет.
Каждый раз, задавая запрос в Яндексе, вы пользуетесь плодами машинного обучения. Вы, наверное, замечали, что количество найденного почти по любому запросу огромно: сотни тысяч, часто — миллионы результатов. Большая часть из них неинтересные, бесполезные, лишь случайно упоминают слова запроса или вообще являются спамом. Для ответа на ваш запрос нужно мгновенно отобрать из всех найденных результатов десятку лучших. Написать программу, которая делает это с приемлемым качеством, не под силу никакому программисту-человеку. Десять результатов по вашему запросу отобраны при помощи формул, полученных в ходе машинного обучения. С помощью созданной у нас технологии Матрикснет Яндекс обучает на кластере FML сотни таких формул в год.
Каждый раз, когда входящее письмо с предложением увеличить грудь, взять дешёвый кредит или посмотреть новый вирус попадает в папку «Спам», вы пользуетесь машиннообученным классификатором. Вы пользуетесь результатами машинного обучения каждый раз, когда диктуете голосовые команды своему телефону или навигатору, когда смотрите прогноз пробок на следующий час, когда загружаете картинку, чтобы поискать похожие в системе «Сибирь» и во многих других ситуациях. В день пользователь Яндекса, сам о том не подозревая, сталкивается с машинным обучением десятки раз.
О том, как устроено машинное обучение, рассказать в одной записи в блоге невозможно. В конце концов, не зря на эту тему пишут тома и собирают международные научные конференции. Но об отдельных интересных фактах рассказать всё же стоит.
Методы машинного обучения, исторически изобретённые первыми, были попытками скопировать природу: так называемые «нейронные сети» имитировали работу нейронов коры головного мозга (сейчас мы знаем, что имитировали неверно, но это не мешало им добиваться определенных успехов), появившиеся чуть позже «генетические алгоритмы» — эволюцию по Дарвину и менделевскую генетику. Эти попытки были чем-то похожи на самолёт с чертежей Леонардо да Винчи, машущий перепончатыми крыльями. Как современные самолёты не похожи на летучих мышей, так и методы машинного обучения, применяемые в XXI веке, чаще не являются бионическими.
Математическая основа современного машинного обучения, заложенная, в том числе, нашими соотечественниками Владимиром Вапником и Алексеем Червоненкисом, довольно сложна, но можно попытаться описать «на пальцах» то, как работают алгоритмы, использующие эту математику. Например, мы хотим научить компьютер определять, изображён ли на фотографии человек. Для этого мы берём очень много фотографий и вручную раскладываем на две стопки: в одну фотографии людей, в другую всё остальное — пейзажи, натюрморты, автомобили, животные, абстракции. Компьютер, получивший эти две стопки, сравнивает фотографии и выявляет характерные признаки изображения человека.
На первом шаге алгоритм берёт самый простой признак, выдающий результат, хоть как-то похожий на нужный. В данном случае он начинает считать, что человек — это всё, что похоже на вертикальный тёмный прямоугольник пропорцией примерно 4:1. Этот «метод», при всём его шокирующем идиотизме, неплохо отличает людей от кошек, автомобилей, домов и деревьев, еды в инстаграме и многих других объектов. На втором шаге алгоритм смотрит на ошибки первого шага: например, Джа-Джа Бинкс и платяной шкаф моей бабушки ошибочно сочтены людьми, а Обеликс и Саша Грей ошибочно сочтены объектами, непохожими на людей. Снова выбирается самый простой признак, но на этот раз такой, который обращает повышенное внимание на ошибки первого и, по возможности, исправляет их. У совокупности двух признаков ошибок будет уже меньше, и Обеликса он распознает правильно. Но ошибки всё ещё будут. Можно приступать к третьему шагу. Чем больше проходит шагов, тем больше признаков можно учесть, и через несколько сотен шагов полученный «определитель человека», обращающий внимание только на яркость прямоугольных областей, уже хорошо справляется с работой.
Такой процесс является основой известного алгоритма AdaBoost, широко используемого в компьютерном зрении. В таком изложении этот алгоритм выглядит просто, но дьявол, как всегда, в деталях. Что лучше выбирать: чуть более простой, но хуже работающий признак, или наоборот? Как именно записать условие «обращай повышенное внимание на ошибки предыдущих шагов»? На каком шаге остановиться? Как правильно комбинировать найденные признаки?
Интересно, что, хотя ответ на эти вопросы найден опытным путем, никто и по сей день не может в точности объяснить, почему именно те решения, которые используются в AdaBoost, работают лучше прочих вариантов. На прошедшей конференции Школы анализа данных Яндекса сам автор алгоритма, Роберт Шапире, рассказывал о различных подходах к этой проблеме, но даже ему исчерпывающее объяснение неизвестно. А было бы здорово его найти: строгое математическое объяснение, скорее всего, позволит усовершенствовать и этот метод, и многие другие.
Другой докладчик конференции, Ян Лекан, рассказывал о технике, известной под названием «свёрточные нейронные сети» (convolutional neural networks). Технику эту он изобрел давным-давно, примерно четверть века назад, и неуклонно совершенствует с тех пор; учёные вообще живут в вечности, и им в ней хорошо. Свёрточные нейронные сети интересны своей близостью к природе (даже если зрительная кора млекопитающих устроена по-другому, она вполне могла бы быть и такой), огромной скоростью распознавания образов, но главное в них, конечно, те замечательные результаты, которых можно добиться с их помощью. Ян Лекан прямо с кафедры показывал мгновенное распознавание компьютером разных предметов: наводил на них по очереди камеру ноутбука, и тот уверенно опознавал пульт управления, микрофон, дисплей, докладчика и прочие предметы. Потом прямо на лету, за пару секунд и пару кадров, обучил его отличать себя от случайного человека из зала. Если продолжать сравнение бионических методов с летательными аппаратами да Винчи, получается, что орнитоптеры отлично летают и успешно конкурируют с самолётами.
Демонстрировался на конференции и короткий документальный фильм о том, как мобильный робот, похожий на Валли из одноименного мультфильма, но конструируемый по заказу американских военных, при помощи одной картинки с камеры (без участия человека) уверенно чувствует себя в настоящем лесу, объезжая на скорости деревья и прочие препятствия, а также солдат людей. Непонятно, почему это всё до сих пор не засекретили и совершенно спокойно рассказывают в России со всеми подробностями. Видимо, дело в том, что на дворе уже не ХХ век.
В общем, конференция получилась замечательная, и надеюсь, что не последняя. Машинное обучение активно работает над слегка запоздавшим светлым будущим. Если развитие человеческой (и компьютерной) мысли и дальше пойдет теми же темпами, то на нашем веку мы наконец дождемся настоящих роботов, именно таких, которых нам обещали когда-то давным-давно.
Андрей Плахов, руководитель службы функциональности поиска
отсюда: blog.yandex.ru/
6 ноября 2013 года, в 21:15
технологии Яндекса ШАД
Умения современных компьютеров оказались бы полной неожиданностью для людей, живших 50 лет назад. В тогдашней фантастике простые роботы работали слугами, а самые сложные, уникальные, занимались высшей математикой. Роботы представлялись человекоподобными, и такие способности, как умение сохранять равновесие, ориентироваться в окружающем мире, понимать обращенную к ним речь, считались само собой разумеющимися. Но попытки построить подобные системы показали, что на самом деле эти навыки очень сложны, и как их повторить, не совсем понятно. Сейчас высшей математикой способен заниматься телефон в вашем кармане (например, с помощью одного из этих приложений), а вот слуг что-то не видно. Вы ежедневно пользуетесь услугами Великого Всемирного Информатория, что в старой фантастике разрешалось лишь лицам со спецдоступом (ох уж этот XX век), но в ресторане вас по-прежнему обслуживает человек.
Школьное образование, к сожалению, не успевает за развитием нашей отрасли, и потому создает в головах большей части людей не очень корректную картину. У них возникает популярное заблуждение, согласно которому компьютеры не способны чему-либо учиться и делают только то, на что запрограммированы — тупо, но быстро и старательно. На самом деле это давно не так. Создавать программы, способные анализировать данные, обобщать их, делать выводы и учиться таким образом чему-то новому для себя, мы умеем уже десятки лет, и с каждым годом всё лучше и лучше. Этому посвящена обширная дисциплина: машинное обучение, и она давно не является каким-то тайным знанием, доступным лишь избранным. Соответствующие методы и теории уже разработаны до такой степени, что им можно обучать, например, талантливых студентов. При Яндексе уже несколько лет работает целое учебное заведение — Школа анализа данных, — большая часть курсов которого посвящена именно таким методам. В начале октября этого года Яндекс провёл конференцию, на которую приехали ведущие исследователи в этой области из многих стран мира.
Не стоит думать, что машинное обучение — что-то экзотическое, используемое только в детекторах Большого адронного коллайдера (хотя, честно говоря, там оно тоже используется). Вовсе нет.
Каждый раз, задавая запрос в Яндексе, вы пользуетесь плодами машинного обучения. Вы, наверное, замечали, что количество найденного почти по любому запросу огромно: сотни тысяч, часто — миллионы результатов. Большая часть из них неинтересные, бесполезные, лишь случайно упоминают слова запроса или вообще являются спамом. Для ответа на ваш запрос нужно мгновенно отобрать из всех найденных результатов десятку лучших. Написать программу, которая делает это с приемлемым качеством, не под силу никакому программисту-человеку. Десять результатов по вашему запросу отобраны при помощи формул, полученных в ходе машинного обучения. С помощью созданной у нас технологии Матрикснет Яндекс обучает на кластере FML сотни таких формул в год.
Каждый раз, когда входящее письмо с предложением увеличить грудь, взять дешёвый кредит или посмотреть новый вирус попадает в папку «Спам», вы пользуетесь машиннообученным классификатором. Вы пользуетесь результатами машинного обучения каждый раз, когда диктуете голосовые команды своему телефону или навигатору, когда смотрите прогноз пробок на следующий час, когда загружаете картинку, чтобы поискать похожие в системе «Сибирь» и во многих других ситуациях. В день пользователь Яндекса, сам о том не подозревая, сталкивается с машинным обучением десятки раз.
О том, как устроено машинное обучение, рассказать в одной записи в блоге невозможно. В конце концов, не зря на эту тему пишут тома и собирают международные научные конференции. Но об отдельных интересных фактах рассказать всё же стоит.
Методы машинного обучения, исторически изобретённые первыми, были попытками скопировать природу: так называемые «нейронные сети» имитировали работу нейронов коры головного мозга (сейчас мы знаем, что имитировали неверно, но это не мешало им добиваться определенных успехов), появившиеся чуть позже «генетические алгоритмы» — эволюцию по Дарвину и менделевскую генетику. Эти попытки были чем-то похожи на самолёт с чертежей Леонардо да Винчи, машущий перепончатыми крыльями. Как современные самолёты не похожи на летучих мышей, так и методы машинного обучения, применяемые в XXI веке, чаще не являются бионическими.
Математическая основа современного машинного обучения, заложенная, в том числе, нашими соотечественниками Владимиром Вапником и Алексеем Червоненкисом, довольно сложна, но можно попытаться описать «на пальцах» то, как работают алгоритмы, использующие эту математику. Например, мы хотим научить компьютер определять, изображён ли на фотографии человек. Для этого мы берём очень много фотографий и вручную раскладываем на две стопки: в одну фотографии людей, в другую всё остальное — пейзажи, натюрморты, автомобили, животные, абстракции. Компьютер, получивший эти две стопки, сравнивает фотографии и выявляет характерные признаки изображения человека.
На первом шаге алгоритм берёт самый простой признак, выдающий результат, хоть как-то похожий на нужный. В данном случае он начинает считать, что человек — это всё, что похоже на вертикальный тёмный прямоугольник пропорцией примерно 4:1. Этот «метод», при всём его шокирующем идиотизме, неплохо отличает людей от кошек, автомобилей, домов и деревьев, еды в инстаграме и многих других объектов. На втором шаге алгоритм смотрит на ошибки первого шага: например, Джа-Джа Бинкс и платяной шкаф моей бабушки ошибочно сочтены людьми, а Обеликс и Саша Грей ошибочно сочтены объектами, непохожими на людей. Снова выбирается самый простой признак, но на этот раз такой, который обращает повышенное внимание на ошибки первого и, по возможности, исправляет их. У совокупности двух признаков ошибок будет уже меньше, и Обеликса он распознает правильно. Но ошибки всё ещё будут. Можно приступать к третьему шагу. Чем больше проходит шагов, тем больше признаков можно учесть, и через несколько сотен шагов полученный «определитель человека», обращающий внимание только на яркость прямоугольных областей, уже хорошо справляется с работой.
Такой процесс является основой известного алгоритма AdaBoost, широко используемого в компьютерном зрении. В таком изложении этот алгоритм выглядит просто, но дьявол, как всегда, в деталях. Что лучше выбирать: чуть более простой, но хуже работающий признак, или наоборот? Как именно записать условие «обращай повышенное внимание на ошибки предыдущих шагов»? На каком шаге остановиться? Как правильно комбинировать найденные признаки?
Интересно, что, хотя ответ на эти вопросы найден опытным путем, никто и по сей день не может в точности объяснить, почему именно те решения, которые используются в AdaBoost, работают лучше прочих вариантов. На прошедшей конференции Школы анализа данных Яндекса сам автор алгоритма, Роберт Шапире, рассказывал о различных подходах к этой проблеме, но даже ему исчерпывающее объяснение неизвестно. А было бы здорово его найти: строгое математическое объяснение, скорее всего, позволит усовершенствовать и этот метод, и многие другие.
Другой докладчик конференции, Ян Лекан, рассказывал о технике, известной под названием «свёрточные нейронные сети» (convolutional neural networks). Технику эту он изобрел давным-давно, примерно четверть века назад, и неуклонно совершенствует с тех пор; учёные вообще живут в вечности, и им в ней хорошо. Свёрточные нейронные сети интересны своей близостью к природе (даже если зрительная кора млекопитающих устроена по-другому, она вполне могла бы быть и такой), огромной скоростью распознавания образов, но главное в них, конечно, те замечательные результаты, которых можно добиться с их помощью. Ян Лекан прямо с кафедры показывал мгновенное распознавание компьютером разных предметов: наводил на них по очереди камеру ноутбука, и тот уверенно опознавал пульт управления, микрофон, дисплей, докладчика и прочие предметы. Потом прямо на лету, за пару секунд и пару кадров, обучил его отличать себя от случайного человека из зала. Если продолжать сравнение бионических методов с летательными аппаратами да Винчи, получается, что орнитоптеры отлично летают и успешно конкурируют с самолётами.
Демонстрировался на конференции и короткий документальный фильм о том, как мобильный робот, похожий на Валли из одноименного мультфильма, но конструируемый по заказу американских военных, при помощи одной картинки с камеры (без участия человека) уверенно чувствует себя в настоящем лесу, объезжая на скорости деревья и прочие препятствия, а также солдат людей. Непонятно, почему это всё до сих пор не засекретили и совершенно спокойно рассказывают в России со всеми подробностями. Видимо, дело в том, что на дворе уже не ХХ век.
В общем, конференция получилась замечательная, и надеюсь, что не последняя. Машинное обучение активно работает над слегка запоздавшим светлым будущим. Если развитие человеческой (и компьютерной) мысли и дальше пойдет теми же темпами, то на нашем веку мы наконец дождемся настоящих роботов, именно таких, которых нам обещали когда-то давным-давно.
Андрей Плахов, руководитель службы функциональности поиска
отсюда: blog.yandex.ru/
среда, 21 мая 2014
Н: мы будет письма сохранять в PDF.
Я: ок, но для этого нужна программа Adobe Acrobat, либо другая, но ее нельзя в компании, ибо нелицензионные.
Н: а вот у некоторых сотрудников, письма сохраняются в pdf без этой программы!
все.
мой вопрос, а зачем вообще сохранять письма в ПФД, если можно в формате письма, которые outlook открываются, а он установлен у всех сотрудников, и пересылать удобнее... ответ был: мы же в качестве подтверждения! у нас письма будут в пдф. еще и смотрит на меня, как на идиотку.
удачи.
самоустраняюсь от этой "проблемы"
уши вянут. из той же серии, что excel неправильно считает.
Я: ок, но для этого нужна программа Adobe Acrobat, либо другая, но ее нельзя в компании, ибо нелицензионные.
Н: а вот у некоторых сотрудников, письма сохраняются в pdf без этой программы!
все.
мой вопрос, а зачем вообще сохранять письма в ПФД, если можно в формате письма, которые outlook открываются, а он установлен у всех сотрудников, и пересылать удобнее... ответ был: мы же в качестве подтверждения! у нас письма будут в пдф. еще и смотрит на меня, как на идиотку.
удачи.
самоустраняюсь от этой "проблемы"
уши вянут. из той же серии, что excel неправильно считает.
среда, 01 января 2014
Всех с новым годом!!
суббота, 09 ноября 2013
мне тут один хороший человек пожаловался, что сейчас все его друзья куда-то пропали. что они есть, виртуально, где-то там, а рядом - никого, у всех свое.
а я... а мне очень тяжело объяснить этому счастливому человеку, что, когда ты один - это вообще-то норма. а остальное - приятное исключение.
картинка из волшебного комикса Олега Тищенкова – одного из ведущих дизайнеров Студии Артемия Лебедева
а я... а мне очень тяжело объяснить этому счастливому человеку, что, когда ты один - это вообще-то норма. а остальное - приятное исключение.
картинка из волшебного комикса Олега Тищенкова – одного из ведущих дизайнеров Студии Артемия Лебедева
понедельник, 04 ноября 2013
Завтра очередной мой день рождения.
ненавижу этот "праздник". последние несколько лет, это день перед которым я психую и плачу, сам день, ничего особенного, а после - опустошений, но облегчение, что еще год этого не будет.
не знаю почему так. просто всегда в этот день какая-то фигня. желания не исполняются, ожидания не оправдываются и в общем... разочарование, что за 26 лет в жизни я как была ни о чем, так и осталась.
ненавижу этот "праздник". последние несколько лет, это день перед которым я психую и плачу, сам день, ничего особенного, а после - опустошений, но облегчение, что еще год этого не будет.
не знаю почему так. просто всегда в этот день какая-то фигня. желания не исполняются, ожидания не оправдываются и в общем... разочарование, что за 26 лет в жизни я как была ни о чем, так и осталась.
воскресенье, 03 ноября 2013
Последнее время мне кажется, что люди, которых я читаю здесь, в моей жизни имеют гораздо более реальное место, чем большинство тех, которые в "реальности".
Я даже в разговорах, вспомнию о них и рассказываю, как о своих знакомых. Делюсь тем, что читаю в дневниках, об их опыте жизни в других странах, о впечатлениях, как будто они сами мне рассказывали. Некоторых я читаю уже много лет, больше чем знакома с большинством людей, которые меня окружают "в реале". Недавно вспомнила, что в сл. году будет 10 лет (!!!) как я на дайриках. почти половина жизни... для интернета, думаю, это много.
Большинство из тех, о ком я рассказываю, даже не знают о моем существовании, кроме моего ника в их ПЧ) мы никогда не общались и я редко оставляю комменты к их записям, но совсем не потому, что меня не волнует и не трогает то, о чем они пишут, просто мне кажется, этого не нужно. и знаете, я очень рада, что они есть в моей жизни! без них, мне было бы гораздо тяжелее в некоторых моментах. Спасибо им!
Я даже в разговорах, вспомнию о них и рассказываю, как о своих знакомых. Делюсь тем, что читаю в дневниках, об их опыте жизни в других странах, о впечатлениях, как будто они сами мне рассказывали. Некоторых я читаю уже много лет, больше чем знакома с большинством людей, которые меня окружают "в реале". Недавно вспомнила, что в сл. году будет 10 лет (!!!) как я на дайриках. почти половина жизни... для интернета, думаю, это много.
Большинство из тех, о ком я рассказываю, даже не знают о моем существовании, кроме моего ника в их ПЧ) мы никогда не общались и я редко оставляю комменты к их записям, но совсем не потому, что меня не волнует и не трогает то, о чем они пишут, просто мне кажется, этого не нужно. и знаете, я очень рада, что они есть в моей жизни! без них, мне было бы гораздо тяжелее в некоторых моментах. Спасибо им!
пятница, 01 ноября 2013
Однако!))
Фуршет вареников via номад
Вареники via номад
Праздничный фуршет via номад
Старый Новый год
Фуршет вареников via номад
Старый Новый год
Вареники via номад
Старый Новый год
Праздничный фуршет via номад
вторник, 22 октября 2013
какая я оказывается жадная до своих функций, к которым прикипела за год работы!! сейчас стоит вопрос, чтобы кому-то отдать, а мне так сильно не хочется!!!
и ладно бы взамен дали что-то интересное... но нет. интересное у меня уже было....
ничего, я справлюсь, все нормально.
разрываюсь между желанием все бросить и уйти искать другую более интересную работу (не только по причине передаче моих обязанностей, тут много разного намешано) и размышлением, что может в личном плане скоро что-то измениться и тогда постоянное место "с репутацией" мне понадобиться...
ненавижу быть в подвешенном состоянии и когда не от меня зависит исход...
и ладно бы взамен дали что-то интересное... но нет. интересное у меня уже было....
ничего, я справлюсь, все нормально.
разрываюсь между желанием все бросить и уйти искать другую более интересную работу (не только по причине передаче моих обязанностей, тут много разного намешано) и размышлением, что может в личном плане скоро что-то измениться и тогда постоянное место "с репутацией" мне понадобиться...
ненавижу быть в подвешенном состоянии и когда не от меня зависит исход...
среда, 09 октября 2013
мне кажется, мы ссоримся циклично. потому что тебе как будто надоедает, что все хорошо. может не осознанно, но блин. я уже почти проверяла, почти засекала, что сначала все просто прекрасно что бы я не делала и не говорила, но потом, что бы я не сделала и не сказала, будет преувеличено, вывернуто и станет поводом тебе обидется или нам поссориться. я даже мозгами это понимаю и сердце заставляю уже не учащенно биться и не обижаться на тебя, но как же обидно! ведь все было хорошо. утром сообщения, что я люблю. а вечером....
причем и извернёшь обязательно так, что ты самый обиженный, хотя ты на меня орал и хлопал дверью, а я вообще молчала и даже не плакала.
как мне дать тебе понять, что все хорошо не просто так. что хорошо, это когда над этим работают двое.
я устала, 11 часовой рабочий день, а теперь это... я хочу в тепло и на ручки, а ты место того, чтобы со мной вместе разобраться: "я фильм смотрю, не мешай! и вообще я ничего не хочу, и есть тоже!" блииин!!!!!
причем и извернёшь обязательно так, что ты самый обиженный, хотя ты на меня орал и хлопал дверью, а я вообще молчала и даже не плакала.
как мне дать тебе понять, что все хорошо не просто так. что хорошо, это когда над этим работают двое.
я устала, 11 часовой рабочий день, а теперь это... я хочу в тепло и на ручки, а ты место того, чтобы со мной вместе разобраться: "я фильм смотрю, не мешай! и вообще я ничего не хочу, и есть тоже!" блииин!!!!!
понедельник, 27 мая 2013
сегодня задалась вопросом: на основе чего яндекс делает прогноз пробок?
пример: время 06:30 смотрю в яндексе и вижу, что в данный момент 2 балла, в 7 часов - 3 балла и даже в 8-9 часов не больше 4х баллов, ну, думаю, мало ли, вдруг и правда так хорошо, поеду-ка я на работу на машине. выезжаю в 7... к 8ми часам 7 баллов, на работу добралась в 10.15, покаталась)... хорошо, что начальство не очень следит, и можно не краснеть по поводу более чем часового опоздания... но вообще обидно!
какой же это прогноз? когда у нас набралась статистика, что в понедельник в 8-9 часов в москве 4 балла было?
пример: время 06:30 смотрю в яндексе и вижу, что в данный момент 2 балла, в 7 часов - 3 балла и даже в 8-9 часов не больше 4х баллов, ну, думаю, мало ли, вдруг и правда так хорошо, поеду-ка я на работу на машине. выезжаю в 7... к 8ми часам 7 баллов, на работу добралась в 10.15, покаталась)... хорошо, что начальство не очень следит, и можно не краснеть по поводу более чем часового опоздания... но вообще обидно!
какой же это прогноз? когда у нас набралась статистика, что в понедельник в 8-9 часов в москве 4 балла было?
суббота, 11 мая 2013
вчера не могла заснуть потому что на грани снов и реальности меня подстерегал страх, почему-то он вылез именно тогда и очень сильный. страх про мои поездки на работу на машине (вероятно, потому что вечером чуть не попала в аварию и еле успела затормазить) но блин... жутко было) на грани реальности и сна и так страшно....
причем в реальности я не боюсь, волнуюсь - да, но страха нет, паники тем более, а при тормажении я знала, что авария не страшна, максимум чуть стукнемся, ибо большую часть скорости я успевала погасить...
причем в реальности я не боюсь, волнуюсь - да, но страха нет, паники тем более, а при тормажении я знала, что авария не страшна, максимум чуть стукнемся, ибо большую часть скорости я успевала погасить...
суббота, 23 марта 2013
еху!! мои сны становятся реальностью. теперь и я за рулем) пока еще сложно осознать, и еще сложнее поверить. боюсь ужасно, всех и вся, но какой же это КАЙФ!!!)))
вторник, 12 февраля 2013
моя жизнь полна всяких "хвостиков", не подчищеных дел. где-то не закончены, где-то не ошлифованных до нужной степени. и хотя в общем она идет в привильном направлении, и все хорошо. но иногда (как сейчас) хочется как в игре "начать миссию сначала" и пройти ее более идеально, но по тому же маршруту...
пятница, 07 декабря 2012
вот и все, стоило для себя однажды разложить все по полочкам, и уже спокойствие, уже ничего не надо и все понятно и не интересно.
снова в состоянии эмоционального вакума. может, конечно дело в том, что организм имеет стойкий отходняк от пернеченной простуды, волнение перед экзаменом, к которому как обычно не готова. ну да хрен. просто скучно, хочется эмоций, позитивных...
снова в состоянии эмоционального вакума. может, конечно дело в том, что организм имеет стойкий отходняк от пернеченной простуды, волнение перед экзаменом, к которому как обычно не готова. ну да хрен. просто скучно, хочется эмоций, позитивных...
суббота, 01 декабря 2012
23:18
Доступ к записи ограничен
Закрытая запись, не предназначенная для публичного просмотра