Ссылка на видео отсутствует или повреждена.

Вход Или регистрация

Войти с помощью::

Регистрация или вход

Обратите внимание, все поля являются обязательными для заполнения.
Войти с помощью::

Восстановление пароля или регистрация

Матемузыка 3: музыкальное программирование

3 октября 2013 г., 10:59 6,681 1

Хотите услышать первую компьютерную сюиту? Узнать, что могло бы изменить всю музыку в будущем? Какое отношение к музыке имеют искусственные нейронные сети и генетические алгоритмы? Композитор, знаток экспериментальной электронной музыки Виктор Черненко рассказывает на Zillion о музыкальных псевдоорганизмах и биоконцепциях в музыкальном программировании.

  1f448fd85a167bbc092dfe57db63d50b

chernenko

Виктор Черненко

Композитор, исполнитель, программист. Занимается экспериментальной электронной музыкой, использует собственные разработки, сделанные в программных средах Max/MSP и Puse Date. Обучался в Школе cовременного искусства при Российском государственном гуманитарном университете (РГГУ), в Студии электронной музыки при Московской государственной консерватории (Термен-центр). Принимал участие в фестивале «Абракадабра» (2007), в спектаклях Акусматического театра на Фестивале науки в МГУ (2008), художественных акциях в Музее Маяковского, проектах Государственного центра современного искусства (ГЦСИ), проекте «Фабрика» и др.

Инсталляция Виктора Черненко «Жизнь как частный случай дискретных клеточных автоматов» демонстрировалась в 2009 году в Екатеринбургском филиале Государственного центра современного искусства. Выступает со своим проектом Acousmatist, также является участником Оркестра лэптопов Термен-центра. Вел серию семинаров по использованию сред визуального программирования для музыкантов в Термен-центре московской консерватории. Публикует статьи по истории и эстетике электронной музыки. Сотрудничает с арт-движениями LoLiEl и SoundArtist. Виктор Черненко онлайн: Soundcloud.

54f16dd848707d748825b58ca8cf9454

Музыкальное программирование

Музыкальное программирование – область малых вложений и низких требований к качеству. Существуют дорогие проекты по работе со звуком, но их заказывают и используют военные, а для музыкантов остаются низкобюджетные творения одаренных программистов из Индии, Бразилии и России. Такие проекты могут быть поддержаны разве что на уровне университетов или сохранившихся кое-где центров экспериментальной электронной музыки типа IRCAM, CCRMA и московского Термен-центра, которые сами по себе переживают не лучшие времена.

Концепция потока данных. Альтернативой вычислительным системам, построенным на заранее определенном и неизменном алгоритме, является концепция потока данных (Dataflow). Такую вычислительную машину проще всего сравнить с радиоприемником или телевизором. Если говорить о конструкции, она представляет собой объединенные в сеть элементы, которые порождают и обрабатывают сигналы. Когда пользователь нажимает на условную кнопку включения, в такой вычислительной сети устанавливается некий статический режим или происходит процесс, зависящий от органов управления. Приемник передает ту или иную музыку в зависимости от того, частота какой станции задана на панели управления. Входные параметры такой «вычислительной машины» – частота радиостанции и громкость звука, а результат – звуковой сигнал, переданный из студии к уху слушателя.

Использование вычислительных средств с альтернативной архитектурой, возможно, дало бы новое направление применению математики в музыке, а возможно, изменило бы всю музыку.


По этому принципу построены многие популярные сейчас языки программирования и среды разработки интерактивных приложений – например, CSound, PD или Max/MS. CSound является самой старой из таких систем. Более современные визуальные средства Max/MSP и PD используют такую же архитектуру, только «скрытую» под графической оболочкой. Объекты, генерирующие и преобразовывающие сигналы (миди, аудио и видео), могут быть соединены для получения цепи обработки.

Подобные визуальные модульные редакторы сейчас очень популярны благодаря простоте работы на начальном уровне и большому количеству библиотек, предоставляющих готовые решения типовых аудиодизайнерских задач. Парадокс таких систем в том, что они реализованы на компьютерах, построенных по алгоритмической парадигме. По существу, такие системы вынуждены переводить с одного языка на другой, затрачивая на это немалые вычислительные ресурсы и рабочее время программистов.

Webern Uhr Werk: музыкальный генератор на основе додекафонной серии Антона фон Веберна. Библиотека для Max/MSP. Разработчик – Карлхайнц Эссель (Karlheinz Essl), известный программист в области музыкальных приложений, автор нескольких популярных библиотек для Max/MSP, ориентированных на генеративную музыку. Самая известная из них – RTC-lib.

wds1

Биоконцепции в музыкальном программировании

Неудачи в реализации архитектуры Dataflow обусловили популярность биоконцепций в программировании и разработке вычислительных платформ. Ограниченность алгоритмической модели заставляет ученых искать выход в моделировании работы «естественных» вычислительных машин: мозга и нервной системы живых существ.

Искусственные нейронные сети. Проблема реализации действующей модели мозга в том, что до конца не изучены устройство и принцип работы мозга. Таким образом, искусственные нейронные сети копируют только изученную на данный момент часть «природной» нейронной системы.

Нейроны представляют собой ячейки, способные объединяться в сети, устанавливать между собой устойчивые связи, а также управлять качеством этих связей. «Хорошие» нейронные «пути» становятся «шире», по ним быстрее проводятся сигналы. Хорошими считают пути, которые улучшают адаптацию организма к окружающей среде. Это традиционная, принятая в науке концепция, основанная на теории естественного отбора Чарльза Дарвина. Приспособляемость мозга к окружающей среде увеличивает шансы на выживание организма за счет лучшей обработки входящей информации. Но, несмотря на практическое подтверждение теоретических данных сама концепция не отвечает на главный вопрос – «Как человек мыслит?».

Помимо концептуальных проблем, есть проблемы практические. Мозг является самообучающейся машиной, а искусственную нейронную сеть нужно научить, показать ей правильные, «выгодные» пути формирования связей между элементами.

Фактически для музыкальных приложений это означает: прежде чем получить от нейронной сети, например, образцы композиций в определенном стиле, квалифицированный музыковед или просто знаток музыки должен продемонстрировать такому компьютеру образцы музыкальных стилей. Более того, он должен точно решить для себя, что именно в музыке отвечает за стилевую определенность. Таким образом, помимо нейронной сети, придется создать и музыкальную теорию, а дополнительно – еще и базу данных для последующего обучения искусственного интеллекта.

Читайте также «Искусственный интеллект: что это на самом деле?»

Генетические алгоритмы. Еще один класс алгоритмов, попавший в музыку из биологии транзитом через математику, – генетические алгоритмы. Геном в таком упрощенном понимании представляется набором элементов; вектором, составленным из «генов». Каждому из «генов» или их объединению приписываются некоторые музыкальные значимости типа звуковысотности, гармонии, ритма и т. д.

Процесс «скрещивания» состоит в получении комбинаций из заданных векторов, называемых поколением. Правила комбинации «генов», в результате которой получаются новые последовательности (следующее поколение), зависят от постановки задачи и от фантазии автора. Используются по сути те же методы, что и в комбинаторных подходах сериальной музыки: трансформации, перестановки и транспозиции. Фактически в данном методе можно рассматривать геномы как серии – и обращаться с ними соответственно. После получения следующего поколения «геномы» переводятся либо в ноты, либо непосредственно в звук (сонифицируются).

В качестве дополнительного этапа можно добавить отбор «геномов» для получения следующих поколений. Эту работу можно сравнить с отбором «хороших» нейронных путей. Проблемы, встающие перед разработчиками нейронных сетей, возникают и здесь.

5567

Самосборка молекулярных структур и концепция самоопределяемых данных. Последней по времени попыткой ввести альтернативу алгоритмическому подходу является концепция самоопределяемых данных. Исследования в области альтернативных принципов построения вычислительной техники приводят к рассмотрению феномена самосборки (Self-Assembly) молекулярных структур. В некоторой степени тут тоже возможна биологическая аналогия. Данные планируется не отделять от инструкций по их обработке, а соединить в некое подобие молекул ДНК, которые «знают», что надо делать и с какими данными. Такие автономные агенты могут производить и обрабатывать информацию во взаимодействии с другими (такими же) агентами. Можно представить псевдоорганизмы, составленные из таких агентов. Результатом их развития будет законченное или открытое музыкальное произведение, производимое в процессе «жизни» самоопределяемых данных.

Intermorphic Noatikl: программа-наследник системы Koan Generative Music, с которой работали многие известные музыканты, в частности, Брайан Ино. Использует генеративные и стохастические алгоритмы для порождения МИДИ-сообщений и потока данных, управляющих разнообразными контроллерами.

Алгоритмическая музыка

Часто применение математики в музыке приравнивают к понятию алгоритмической музыки. Несмотря на очевидное преувеличение, исторически это верно. С другой стороны, алгоритмическая музыка естественно связана с развитием компьютерной техники. Алгоритм – это набор заранее заданных инструкций для так называемого универсального исполнителя, то есть устройства, которое может понимать определенный набор команд и безусловно исполнять их.

Хотя алгоритм можно исполнять и «на бумаге», на практике этим никто не занимается. Обычно в качестве гипотетического исполнителя рассматривается машина Тьюринга – модель вычислительной машины, состоящая из бесконечной памяти, реализованной в виде ленты, в ячейках которой находятся символы. В машину встроена таблица операций, которые можно производить с символом ячейки, считываемой в данный момент. Эта модель фактически описывает основной принцип работы современной вычислительной техники – разделение данных и операций. Именно на таких принципах была основана конструкция самых первых компьютеров, реализованных в «железе».

Надо сказать, что с тех пор концепция архитектуры вычислительной техники мало изменилась, несмотря на рост производительности и сложности операций. Не будем углубляться в тонкости архитектуры процессоров и принципов совместного и раздельного хранения данных и инструкций по их обработке. Скажем только, что основная концепция разделения на два потока (данных и инструкций) остается неизменной со времен первых вычислительных машин до наших дней.

Читайте также статью Виктора Черненко «Матемузыка 2: музыка, биология, язык, математика»

Фактически массовая компьютерная техника, используемая подавляющим большинством музыкантов, отличается от первых вычислительных комплексов только размерами, ценой и производительностью. Последнее, конечно, немаловажно, но не стоит забывать, что средства «эстетического производства» во многом определяют способ и результат. Использование вычислительных средств с альтернативной архитектурой, возможно, дало бы новое направление применению математики в музыке, а возможно, изменило бы всю музыку.

Разработчик софта для математических вычислений Wolfram Research предлагает всем желающим попробовать себя в алгоритмической композиции с помощью onlineприложения Tones Wolfram. Основатель и идейный вдохновитель компании Стивен Вольфрам строит свой вариант генеративной музыки на парадоксе: сложный нетривиальный материал может быть получен очень простыми средствами или с помощью комбинаторной работы с ограниченным числом элементов.

Компьютерная музыка

Первое компьютерное музыкальное произведение – «Illiac Suite for String Quartet» – датировано 1956 годом. Создали его двое пионеров применения компьютеров в музыке – Лежарен Хиллер и Леонард Айзексон (Leonard Isaacson). В этой сюите использованы почти все главные концепты математизированной композиции: теория вероятностей, марковские цепи и генеративная грамматика.

1f448fd85a167bbc092dfe57db63d50b

Лежарен Хиллер (Lejaren Hiller)

Американский композитор, теоретик музыки, химик. Соавтор первых значительных сочинений в области алгоритмической компьютерной музыки.

Фрагмент компьютерной сюиты «Illiac Suite for String Quartet»

Леонард Айзексон (Leonard Isaacson)

Американский композитор. Соавтор первых значительных сочинений в области алгоритмической компьютерной музыки.

Основное ограничение алгоритма при написании компьютерной музыки заключается в невозможности учета всех возможных условий, а также в трудности выбора между почти равнозначными альтернативами (принцип буриданова осла). В последнем случае композитор принимает решение на уровне интуиции, а машину надо как-то подготовить к такому выбору, например, ввести случайные алгоритмы. Проблема в том, что, несмотря на слово «случайные», они все равно остаются алгоритмами. А получить случайность порой труднее, чем закономерность. К тому же сложность алгоритмизирования зависит от количества учитываемых параметров. Во-первых, это усложняет программирование, делая его невозможной работой для экспериментирующего энтузиаста, а желающих вкладывать деньги в такой проект, скорее всего, не найдется. Во-вторых, это снижает скорость работы программы. Возникает необходимость использовать распределенные вычисления, а тут опять встает вопрос о формировании команды и финансировании.

sfsgАвторы первого компьютерного музыкального произведения «Illiac Suite for String Quartet»(1956 год) Лежарен Хиллер и Леонард Айзексон

В любом случае, проект теряет статус эксперимента и переходит в разряд прототипов коммерческой системы со всеми достоинствами и сложностями последних. Творец-композитор вынужден будет выделять время на административную деятельность. Готов ли он к этому и есть ли у него такие способности? Не каждый может сочинять музыку, но также не каждый может заниматься менеджментом проектов. Другие проблемы – отсутствие инфраструктуры для такого рода деятельности в России, а также отсутствие интереса к системотворчеству в области музыки в глобальном масштабе.

Финский композитор Вилле-Матиас Хейккила работает в направлении, близком к подходу Стивена Вольфрама: музыку производит его программа длиной в одну строку кода (объяснение принципов работы и online приложение для тех, кто хочет попробовать сам)

54f16dd848707d748825b58ca8cf9454

 Абстрактная музыка и музыкальный стиль

Абстрактной называется неприкладная музыка, не принадлежащая какому-либо определенному стилю. Эта музыка является (или стремится быть) воплощением априорных принципов: эстетических, логических, заимствованных из математики. Абстрактная музыка направлена не на эмоциональную реакцию слушателей – она апеллирует к их рационализму, логическому мышлению.

Стиль, напротив, можно рассматривать как совокупность ошибок, намеренных или случайно закрепленных в рамках конвенции между музыкантом и слушателем. Ошибки, практически неизбежные в творчестве, разрушают рациональную антиэмоциональность чистой музыки, уменьшают дистанцию между профессионалом-композитором и его аудиторией. Нарушения конвенциональности, отступления от абстрактной музыки делают возможным эмоциональный, непосредственный отклик, пробуждают интуицию, включают чувственное восприятие музыки.

Основная проблема разработки приложений для генерации музыки – уловить, в каких именно отступлениях от логической схемы заключается специфика данного стиля. В некотором смысле софт для генерации абстрактной музыки создать проще, чем достаточно развитую программу для порождения стилистически определенной музыки. Практически все работающие образцы не превосходят по качеству порождаемого материала схематичный шаблонный автоаккомпанемент. Одним из немногих исключений является проект программиста и композитора Алексея Архипенко.

Проект музыканта и программиста Алексея Архипенко «Rhaos»: большая коллекция всевозможных методов алгоритмического сочинения музыки. От постмодернистского коллажирования Cmix до генератора абстрактной музыки Quartet Generator

Проблемы и перспективы матемузыки

Возникает ряд вопросов. Насколько возможно непосредственное отображение математики в пространство музыки? Есть ли дополнительные ограничения для сопоставления математических методов и приемов композиции?

Формально музыка, являясь в очень большой степени автореферентным искусством (то есть обращенным в большей степени на себя и свой язык, чем на отображение действительности и трансляцию знаний и идеологии), не знает никаких ограничений в применении концепций, сколь бы далекими они ни были от привычной классической музыки.

Следует, однако, помнить о двух моментах. Во-первых, музыка как звучащее искусство должна учитывать физику звука и физиологию восприятия человека. Органы чувств имеют ограничения по диапазону, определенную разрешающую способность. Человеческое восприятие нелинейно, что нужно учитывать в любом методе композиции, а не только в применении математических моделей. Во-вторых, применение математики в музыке в основном сконцентрировано в экспериментальных стилях. Музыканты, работающие в традиционных формах и стилях, несущих социальное и/или эмоциональное содержание, обычно крайне настороженно относятся даже к самой возможности использования таких концепций. Математические методы используются в популярной и классической музыке, но они прошли долгий исторический отбор.

Художники часто опасаются теоретического осмысления и формализации методов своего искусства. Опасения эти, часто преувеличенные, все же не являются беспочвенными. Предварительным условием создания теории является анализ – разложение «живых» объектов на составляющие.

Разработчики компьютерных систем композиции сталкиваются со множеством нерешенных проблем музыкознания. Моделирование процесса композиции надо начинать с вопроса: с чем сравнить музыкальное произведение? С речью, текстом, фантазией, живым организмом, мышлением, социальными структурами?


Матемузыка: эксперимент и/или эстетика? Приведенные примеры математических концепций показывают, насколько модель грубее оригинала, первоисточника. Однако искусство во многом состоит из элементарных операций с ограниченным набором данных, в результате чего получается бесконечное разнообразие, несущее помимо экспериментального смысла еще и эстетический.

Различные «типы» музыкальных фактов (тембрика, мелодика, ритмика, гармония и прочие) влияют друг на друга, взаимосвязаны внутри системы музыкального произведения. Эти факты можно разделить на несколько взаимообусловленных уровней: от звука как физического колебания, приобретающего эстетическое качество, через мотив – к общей форме музыкального произведения или даже нескольких произведений. Объединение, состоящее из уровней, представляет собой структуру. Исследованию структур, в основном в социальных отношениях и языке, посвящены структуралистские и постструктуралистские методики. К сожалению, их применение в российском музыковедении до сих пор ограничено по идеологическим и социокультурным причинам.

Структура означает высокую внутреннюю связность элементов музыкальной ткани. При проектировании музыкальных алгоритмов необходимо решить: элементы музыкального произведения будет порождать один алгоритм (искусственный интеллект) или несколько независимых «генераторов»? Будут ли они коррелировать свою работу, или ритмика станет развиваться отдельно от тембра и гармонии? Может ли такая музыка стать эстетическим событием – или только чистым экспериментом?

Основная проблема, встающая перед разработчиками компьютерных систем композиции, заключается в том, как смоделировать взаимовлияние всех уровней и типов элементов музыкального произведения. Это объясняется большим числом нерешенных проблем музыкознания. Фактически моделирование процесса композиции надо начинать с вопроса: с чем сравнить музыкальное произведение? Какая аналогия более продуктивна: с речью, текстом, фантазией, живым организмом, мышлением, социальными структурами?

 2345

Ассистирующие системы для композиторов. Математизация музыки, помимо чисто экспериментальных аспектов («Давайте просто перенесем математику в музыку и посмотрим, что получится») ставит задачи аналитические («Как устроен звукоряд? Даст ли его числовое представление дополнительные сведения?»).

Существует и такая задача как построение экспертных систем для анализа больших массивов звуковой информации. Подобным образом лингвисты используют собрания текстов (корпусы языков) с возможностью поиска по ним. Еще одним из возможных способов применения математики в музыке является создание ассистирующих систем для композиторов: от простых справочников-подсказок аудиопримеров или примитивных систем автоаккомпанемента до развитых систем генерации элементов музыкальной ткани с использованием настраиваемых алгоритмов. При проектировании математизированных музыкальных систем необходимо определить, что нужно композитору от искусственного интеллекта: порождение большого массива музыки с заранее определенным качеством или получение нового качества? Иными словами, производство известного или изобретение нового?

Западная университетская модель включает в образовательный процесс для студентов всех специальностей изучение литературы и философии как хранилищ мыслительных моделей и примеров применения разных эвристических подходов к решению строго формализованных задач. Сходную роль может играть и музыка, особенно, если не будет игнорировать математические концепции.


Изучение физиологии слуха и психоакустики. Буквальное перенесение в музыку математических идей без учета физиологии и психологии восприятия порождает только недоумение от полученных результатов. Даже благожелательно настроенные по отношению к экспериментальной музыке эксперты отмечают эстетическую неубедительность таких прямых подходов. Композиторам, которые собираются использовать математические методы в своей работе, необходимо изучение физиологии слуха и психоакустики. Знание фундаментальных свойств человеческого восприятия (таких как принцип нелинейности и др.) сделает применение математических концепций естественной частью творчества, а не чем-то чужеродным, случайно попавшимся художнику в период творческого кризиса.

Читайте также «Музыка будущего: 7 изобретений Юри Сузуки»

Проблемы современного музыкального образования. Проблема с получением современного образования в области музыки, неизбежно включающего в себя знания о математике и физике, заключается, прежде всего, в отсутствии спроса на таких специалистов. Ограничено число проектов, в которых требуется знание неклассических методов сочинения или технологической стороны современной музыки (например, интерактивных инсталляций).

Экспериментальная музыка во всем мире является собранием проектов, реализуемых энтузиастами. Часто это любители, но почти всегда с солидной технической подготовкой и широкими знаниями софта и техники. Такие проекты имеют совершенно разный бюджет. Топовые привлекают стороннее финансирование, что невозможно сделать без соответствующих арт-институций.

Новую продуктивную идею, связанную с математикой в музыке, предполагается воплощать с использованием специального «железа» и программ. Где композитору взять средства (деньги, консультационную помощь, время, помещение, музыкантов, программистов) для реализации своих концепций? Поможет в решении этой проблемы организация среды для взаимодействия артистов и ученых всех направлений, совмещенной с «биржей труда» для музыкальных фрилансеров. Подобную функцию могли бы взять на себя центры по изучению современной экспериментальной музыки при государственных университетах (Термен-центр при Московской консерватории) или негосударственные образовательные инициативы (Школа фотографии и мультимедиа имени Александра Родченко). Однако до сих пор в России изучением экспериментальной электронной музыки полноценно не занимается ни одна институция.

Алгоритмический генератор танцевальной музыки, созданный программистом Джонатаном ван Атомом во время учебы в Berklee College of Music. Видео содержит объяснение принципов работы параллельно с демонстрацией возможностей программы.

Конвергенция музыки и математики

Все сказанное выше наводит на мысль: заимствование и влияние осуществляется только в одном направлении – от точных наук к музыке. Обратное движение концептов если и существует, то никем не изучается. Впрочем, более вероятной, несмотря на возможные возражения со стороны математиков, представляется картина конвергенции (схождения, сближения). Например, идеи централизованного источника всякого познания и власти вдохновляли как аксиоматическую теорию в математике, так и функциональную гармонию, выдвигавшую идею сквозного подчинения всех элементов тонике. При этом тоника трактовалась как начало и конец всего в музыкальном произведении.

В продолжение аналогии можно вспомнить, что самым известным возражением против идеи всесильности дедукции как основного инструмента математики стала одна из теорем Курта Геделя. В вольном изложении она говорит, что в системе, образованной непротиворечивыми аксиомами, есть утверждение, которое нельзя ни доказать, ни опровергнуть строгим логическим выводом из аксиом этой системы. Схожим эффектом можно считать падение тональной музыки, в котором поучаствовали, как кажется, все музыкальные направления от позднего романтизма в лице Густава Малера и Рихарда Штрауса до нововенцев и их оппонента Игоря Стравинского.

Если не принимать утверждения о математике как непротиворечивом воплощении абсолютного разума, перспектива сотрудничества гуманитарной и «точной» областей знания и жизнедеятельности выглядит вполне продуктивно. Скорее всего, ни один математик или инженер не будет отрицать огромного значения творческой интуиции в научной работе. Подсознательное применение разнообразных мыслительных моделей – а это и есть интуиция – предполагает усвоение этих моделей, приятие разнообразных форм и методов познания и творчества.

Западная университетская модель включает в образовательный процесс для студентов всех специальностей изучение литературы и философии как хранилищ мыслительных моделей и примеров применения разных эвристических подходов к решению строго формализованных задач. Сходную роль может играть и музыка, особенно, если не будет игнорировать математические концепции.

Читайте также статью Виктора Черненко «Как писать музыку с помощью математики?»

 

Отметить прочтение на Facebook

Автор
Виктор Черненко
Автор
Композитор, исполнитель, программист.
Рекомендуем
Типология МBTI и соматика. Как влиять на себя и других
Конференция TEDxSadovoeRing
Подготовка вашего автомобиля к Зимним Олимпийским Играм
Как сюда попасть

Zillion приглашает к сотрудничеству

Zillion приглашает к сотрудничеству обладателей уникальных знаний готовых делиться ими и совместно зарабатывать. Для вас мы подготовили уникальную инфраструктуру, которая позволит комфортно работать онлайн преподавателем, создавать собственные курсы и проводить вебинары. Чтобы узнать подробности, напишите нам: ideas@zillion.net

Комментарии 1

10 октября 2013 г. в 12:56
0
Ответить
Dmitriy Ko
Пользователь

Отправить комментарий на Facebook


Рекомендуем к просмотру
Управление проектами
Zillion.Quick: «Управление продуктом в Scrum», Роман Пихлер
8 июня 2017 г. 584
Управление проектами
Мемесы про пиэмов. Chapter 1: топ-5 Романа Вейнберга
18 мая 2017 г. 926
Управление проектами
Правда жизы. Владимир Завертайлов («Сибирикс») про управление проектами (18+)
16 мая 2017 г.
793
Управление проектами
Стейкхолдер-менеджмент. Как идентифицировать, анализировать и вовлекать стейкхолдеров в проект
15 мая 2017 г. 971
Управление проектами
Zillion.Quick: «Канбан» Дэвида Андерсона
6 мая 2017 г.
802
Управление проектами
Zillion.Quick: «Мифический человеко-месяц» Фредерика Брукса
26 апреля 2017 г. 1,201
Менеджмент
Владимир Завертайлов: «Мой телефонный номер есть в подписи у всех менеджеров. Клиенты этим пользуются редко, но возможность такая есть»
12 июня 2017 г. 426
Управление проектами
Чем занимается Project Manager?
20 марта 2017 г.
3,060
Управление проектами
Zillion.Quick: «Корпорация гениев. Как управлять командой творческих людей», Эд Кэтмелл
9 марта 2017 г. 2,307
Управление проектами
Проектное мышление. Поиск инвестиций: зачем использовать CRM
23 февраля 2017 г.
1,855
Управление проектами
Надпрофессиональные навыки: управление проектами
22 февраля 2017 г. 1,740
Управление проектами
Управление проектами: как организовать путешествие
14 февраля 2017 г.
2,535
Развитие персонала
Zillion.Quick: синопсис + инфографика. «Лидер и племя. 5 уровней корпоративной культуры»
9 февраля 2017 г. 2,393
Образ жизни
Как пробежать свой первый марафон
19 января 2017 г.
4,021
Продуктивность
С 2017-м! Начните год продуктивно: 5 полезных курсов вместо 5 новогодних кило
1 января 2017 г. 2,650
Маркетинг
Zillion.Quick: «Фиолетовая корова. Сделайте свой бизнес выдающимся», Сет Годин
28 декабря 2016 г.
2,697
Образ жизни
«Как изменить жизнь с Нового года» и вот это все. Лист онлайн-сервисов вместо селф-сервиса
20 декабря 2016 г.
2,268
Управление проектами
Павел Капусткин: «Смотри, наиболее вредна для пиэма непродуктивная эмоция»
12 апреля 2017 г. 2,055