Avec du RISCV devant.

Un bot pour gérer les problèmes de merge quand plusieurs merge requests sont acceptés en même temps. Le bot va créer une queue et appliquer les MR l'une après l'autres (en vérifiant que les tests passent).

Quelques propriétés sympa de quelques fonctions mathématique.

Un petit rappel sur les opérateurs '*' et '**' en python.

Comment fusionner proprement deux dictionnaires en python.

In modern days everything is a service. You create documents, upload photos, deploy computers, but what’s happening to your trash? That’s why we’re launching /dev/null to the cloud.

IAAS, SAAS, PAAS, holy fuckshit, we call our baby DAAS.

Population : 70 000 000
Nombre de terroristes : 70 000 000 / 10 000 = 7 000
Nombre d’innocents : 70 000 000 – 7 000 = 69 993 000

Notre test (impossiblement bon) va détecter 99% * 7 000 = 6 930 des terroristes, en laissant passer 70 à travers les mailles du filet,
ce qui parait intéressant, jusqu’à ce que l’on remarque qu’il va aussi détecter 0.1% des 69 993 000 innocents, soit 69 993 innocents.

C'est ballot, les gens commencent à découvrir que l'algo des mariages stables de algorithme gale shapley qui était dans #apb était quasi optimal pour les problèmes d'affectation.

Petit point d'histoire. APB s'inspirait notament de scei concours, le service des concours des écoles d'ingés.
SCEI n'a pas changé car ces gens savent que c'est l'algo optimal ParcourSup

Pour avoir été utilisateur de ce système, c'était effectivement assez simple et plutôt efficace.

Pour conclure :

Si vous croyez qu'une bande d'énarque a un beau jour d'été inventé un algo meilleur que celui de gale shapley, on leur aurait déjà donné la médaille fields.

Sortie de la version 4.0 !

La météo via un simple GET sur la bonne url