mise-en-place est un outil polyvalent pour la gestion des environnements de développement. Il permet de gérer les versions des outils (remplaçant asdf, nvm, etc.), de basculer entre différents ensembles de variables d'environnement (remplaçant direnv) et d'exécuter des tâches (remplaçant make ou les scripts npm). Licencié sous MIT, il est maintenu par @jdx et d'autres contributeurs.

rqlite est une base de données relationnelle distribuée, légère et tolérante aux pannes, construite sur SQLite. Elle offre une disponibilité élevée avec un effort minimal, supportant le SQL complet, les extensions SQLite et les requêtes atomiques. Facile à déployer et à utiliser, elle permet des sauvegardes automatiques et une clustering dynamique. Idéale pour stocker des données critiques avec une disponibilité constante. Plus d'infos et guide de démarrage rapide sur le dépôt GitHub.

Un "someday shelf" est un espace dédié (physique, numérique ou mental) pour stocker des projets, idées et objectifs importants mais non urgents, libérant ainsi l'esprit de l'obligation d'agir immédiatement. Il se distingue d'une liste "maybe" (idées incertaines) et fonctionne avec une liste "someday" (projets futurs souhaités). Ce système, appelé procrastination productive, permet une meilleure gestion des priorités sans culpabilité ni épuisement. L'article met en garde contre cinq erreurs courantes : mélanger tâches urgentes et idées futures, ne jamais revoir la liste, confondre les deux listes, inclure des idées futures dans la to-do list quotidienne, et utiliser le "someday shelf" comme excuse pour ne jamais agir.

Il s'agit du site référençant toutes les fuites de données connues... ça fait peur :

L'article explique avec clarté comment fonctionne réellement une gomme : les gommes souples retirent le graphite du papier en l’absorbant, tandis que les gommes bleues, plus abrasives, arrachent une fine couche du support grâce à des grains minéraux. L’article détaille aussi le cas des stylos effaçables, dont l’encre disparaît sous l’effet de la chaleur produite par la gomme — trois technologies différentes pour un même geste du quotidien.

Ethan Gardner explore dans cet article l'utilisation de l'apprentissage automatique pour modéliser le trafic web. Il se demande comment les variations des données synthétiques (lab) impactent les métriques réelles (field), comme le Largest Contentful Paint (LCP). En suivant un cours sur le machine learning, il découvre XGBoost, un outil de gradient boosting efficace pour les prédictions. Il décrit ensuite son expérience où il utilise XGBoost pour prédire la valeur du LCP p75 à partir de données synthétiques, en détaillant les étapes de collecte, de nettoyage et de préparation des données, ainsi que la mise en œuvre du modèle.

L’article présente le mind-mapping comme une méthode visuelle, flexible et profondément alignée sur le fonctionnement naturel du cerveau — au lieu d’une pensée linéaire, l’information est organisée autour d’une idée centrale, avec des branches qui révèlent liens, priorités, émotions et sous-thèmes.