Анализ сайта https://weiming.me/
Основное Готовность: 75%
Домен
weiming.me
Состояние доменного имени
?
Проверяем корректность доменного имени и наличие технических проблем на уровне домена.
Домен второго уровня идеален для продвижения.
Отличный запоминающийся домен.
Ответ сервера
200 Успешный ответ
HTTP-код ответа и цепочка редиректов
?
Код 200 — страница доступна. Коды 3xx — редиректы (цепочки замедляют загрузку и размывают ссылочный вес). Коды 4xx/5xx — ошибки, поисковик не сможет проиндексировать страницу.
Сервер настроен корректно.
Безопасность
Сайт безопасен
Использование HTTPS и SSL-сертификат
?
HTTPS — обязательный стандарт. Google и Яндекс отдают предпочтение защищённым сайтам. Отсутствие SSL или просроченный сертификат ведут к предупреждениям в браузере и снижению позиций.
На сайте работает защищенный протокол ssl и сайт открывается по https.
Ssl-сертификат действителен до 04.10.2026 22:45:22.
Включён HSTS (Strict-Transport-Security) — защита от подмены на http.
Поздравляем! Сайт не содержится в реестре РКН.
Кодировка
utf-8
Кодировка символов страницы
?
Стандарт — UTF-8. Неправильная кодировка вызывает нечитаемые символы и мешает поисковику корректно распознать текст страницы.
Указана кодировка на странице utf-8.
Язык
en-us
Атрибут lang в HTML-теге
?
Атрибут lang (<html lang="ru">) сообщает поисковикам и браузерам, на каком языке написана страница. Помогает при ранжировании в региональном поиске.
Язык документа указан явно: en-us.
Скорость загрузки
~0,44сек
Время отклика сервера (TTFB)
?
Time To First Byte — время до получения первого байта от сервера. Норма до 200 мс. Медленный отклик ухудшает пользовательский опыт и ранжирование: Яндекс и Google учитывают скорость страниц.
Скорость загрузки сайта 0,44сек оптимальна.
Объем документа
35Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 35Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 19
Внешние ресурсы страницы (CSS, JS, изображения)
?
Количество и тип подключённых ресурсов влияют на скорость загрузки. Большое число запросов увеличивает время рендеринга страницы.
Кол-во файлов ресурсов 19 много для одной страницы. Приемлемо до 10. Проведите оптимизацию файлов ресурсов!
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| stylesheet | https://fonts.googleapis.com/css2?family=Montserrat:wght@100&display=swap&display=swap | |
| stylesheet | /css/vendor-bundle.min.f1ecf783c14edc00c9320c205831ad8e.css | |
| stylesheet | https://cdn.jsdelivr.net/npm/academicons@1.9.1/css/academicons.min.css | |
| stylesheet | https://cdn.jsdelivr.net/gh/highlightjs/cdn-release@10.2.1/build/styles/github.min.css | |
| stylesheet | https://cdn.jsdelivr.net/gh/highlightjs/cdn-release@10.2.1/build/styles/dracula.min.css | |
| stylesheet | /css/wowchemy.c7cd11d408f15b9356cadd8359e6e03e.css | |
| js | https://www.googletagmanager.com/gtag/js?id=UA-77129198-2 | |
| js | https://identity.netlify.com/v1/netlify-identity-widget.js | |
| js | /js/wowchemy-init.min.dff09253e40ffe282100440f62325070.js | |
| js | /js/vendor-bundle.min.b73dfaac3b6499dc997741748a7c3fe2.js | |
| js | https://cdn.jsdelivr.net/gh/desandro/imagesloaded@v4.1.4/imagesloaded.pkgd.min.js | |
| js | https://cdn.jsdelivr.net/gh/metafizzy/isotope@v3.0.6/dist/isotope.pkgd.min.js | |
| js | https://cdn.jsdelivr.net/gh/highlightjs/cdn-release@10.2.1/build/highlight.min.js | |
| js | https://cdn.jsdelivr.net/gh/highlightjs/cdn-release@10.2.1/build/languages/r.min.js | |
| js | https://cdn.jsdelivr.net/gh/highlightjs/cdn-release@10.2.1/build/languages/latex.min.js | |
| js | https://cdn.jsdelivr.net/gh/krisk/Fuse@v3.2.1/dist/fuse.min.js | |
| js | https://cdn.jsdelivr.net/gh/julmot/mark.js@8.11.1/dist/jquery.mark.min.js | |
| js | /en/js/wowchemy.min.8d4d8153892cfbab558385d33f14509c.js | |
| js | module | /js/wowchemy-publication.ee00aa4e09ee62617fe2dc15bfcb3f7b.js |
Серверные заголовки
Кол-во: 10
HTTP-заголовки ответа сервера
?
Заголовки сервера передают браузеру и поисковику служебную информацию: кеширование, безопасность (CSP, HSTS), сжатие (gzip). Правильная настройка ускоряет загрузку и повышает защищённость.
Найдены серверные заголовки 10шт. Подробнее про серверные заголовки.
Показать полный список серверных заголовков
| Ключ | Значение |
|---|---|
| Accept-Ranges | bytes |
| Age | 24214 |
| Cache-Control | public, must-revalidate, max-age=0 |
| cache-status | "Netlify Edge"; hit; ttl=31511786 |
| Date | Sat, 22 Aug 2026 09:09:25 GMT |
| ETag | "02f1503d040f6d12e8b1434ffaf57891-ssl" |
| Server | Netlify |
| Strict-Transport-Security | max-age=31536000 |
| Vary | Accept-Encoding |
| x-nf-request-id | 01M0MBPSRRFMZYQFTTAW4PS9F4 |
CMS
Не определена
Система управления сайтом (движок)
?
CMS — это движок, на котором работает сайт (WordPress, 1C-Bitrix, Tilda и др.). Знание CMS помогает понять возможности SEO-оптимизации и подобрать подходящие инструменты. «Не определена» — вероятно, самописный сайт или нестандартная сборка.
CMS не определена. Вероятно, сайт самописный либо движок надёжно скрыт. Это не ошибка.
Веб-сервер
Netlify
Программное обеспечение сервера
?
Веб-сервер — это ПО, которое отдаёт страницы посетителям (nginx, Apache, IIS, LiteSpeed и др.). Определяется по серверным заголовкам ответа (Server, X-Powered-By и т.п.). «Не определён» — сервер намеренно скрывает эти заголовки, это нормальная практика безопасности.
В заголовке Server указано: Netlify.
Мета-теги Готовность: 48%
Title
Weiming Zhuang
Заголовок страницы в браузере и поисковой выдаче
?
Title — главный SEO-заголовок страницы. Влияет на CTR в поиске и ранжирование. Оптимальная длина: 50–70 символов. Ключевые слова — ближе к началу.
Необходимо увеличить число символов в title (текущее значение мало: 14, минимум: 25, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
Senior Research Scientist
Описание страницы в поисковой выдаче (сниппет)
?
Meta Description — текст под заголовком в выдаче. Напрямую на позиции не влияет, но влияет на CTR. Оптимальная длина: 120–160 символов.
Необходимо увеличить число символов в description (текущее значение мало: 25, минимум: 80, оптимально: от 120 до 130)
Keywords
Список ключевых слов страницы (устаревший тег)
?
Meta Keywords не учитывается Яндексом и Google для ранжирования с 2009–2012 годов. Заполнение не обязательно, но не вредит. Конкурент может использовать содержимое для анализа.
Установите мета-тег keywords!
Канонический Url
https://weiming.me/
Указывает поисковику основную версию страницы
?
Canonical (rel=canonical) предотвращает проблему дублей страниц. Должен точно совпадать с URL проверяемой страницы. Неправильный canonical может передать ссылочный вес на другую страницу.
Канонический Url прописан корректно.
Robots
Ошибок нет
Директивы для поисковых роботов на уровне страницы
?
Meta Robots управляет индексацией конкретной страницы: index/noindex — индексировать ли, follow/nofollow — следовать ли по ссылкам. Noindex полностью исключает страницу из поиска.
Meta-тег robots не указан. Страница свободна для индексации.
Адаптивность
width=device-width,initial-scale=1
Настройка масштабирования на мобильных устройствах
?
Тег viewport (<meta name="viewport">) сообщает браузеру, как масштабировать страницу на мобильных. Стандарт: width=device-width, initial-scale=1. Отсутствие — признак отсутствия мобильной версии.
Meta-тег viewport со значением-константой width=device-width задаёт ширину страницы в соответствии с размером экрана.
Meta-тег viewport со значением initial-scale=1.0 определяет масштаб 1:1, т.е. «не масштабировать».
Разметка OpenGraph
Кол-во: 7
Мета-теги для красивых превью в соцсетях
?
OpenGraph (og:title, og:description, og:image) управляет тем, как страница выглядит при репосте в социальных сетях и мессенджерах. Отсутствие OG-тегов — невзрачный превью при шеринге.
Разметка OpenGraph задана. Страница оптимизирована под социальные сети.
Показать полный список og мета-тегов
| Тип | Значение |
|---|---|
| og:site_name | Weiming Zhuang |
| og:url | https://weiming.me/ |
| og:title | Weiming Zhuang |
| og:description | Senior Research Scientist |
| og:image | https://weiming.me/media/icon_hucd5295acde5580b21376d4b65feb1658_134892_512x512_fill_lanczos_center_3.png |
| og:locale | en-us |
| og:updated_time | 2030-06-01T13:00:00+00:00 |
Все мета-теги
Кол-во: 16
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 16шт. Мета-теги не видимы для человека и предназначены для обмена информацией между веб-страницей и поисковыми системами, браузерами и другими веб-службами. С ними роботы 🤖 и устройства ведут себя более ожидаемо.
Показать полный список мета-тегов
| Тип | Название | Значение |
|---|---|---|
| name | viewport | width=device-width,initial-scale=1 |
| name | generator | Wowchemy 5.4.0 for Hugo |
| name | author | Weiming Zhuang |
| name | description | Senior Research Scientist |
| name | theme-color | #3f51b5 |
| property | twitter:card | summary |
| property | twitter:site | @wowchemy |
| property | twitter:creator | @wowchemy |
| property | og:site_name | Weiming Zhuang |
| property | og:url | https://weiming.me/ |
| property | og:title | Weiming Zhuang |
| property | og:description | Senior Research Scientist |
| property | og:image | https://weiming.me/media/icon_hucd5295acde5580b21376d4b65feb1658_134892_512x512_fill_lanczos_center_3.png |
| property | twitter:image | https://weiming.me/media/icon_hucd5295acde5580b21376d4b65feb1658_134892_512x512_fill_lanczos_center_3.png |
| property | og:locale | en-us |
| property | og:updated_time | 2030-06-01T13:00:00+00:00 |
Оптимизация Готовность: 62%
Структура
Ошибок нет
Семантические HTML-элементы страницы
?
Проверяет наличие основных структурных элементов: nav, header, footer, main. Корректная семантическая структура помогает поисковику понять архитектуру страницы.
Структура документа корректна (теги <html> и <body> присутствуют в одном экземпляре).
Контент
Есть ошибки
Объём и качество текстового содержимого
?
Анализирует объём полезного текста на странице. Слишком мало — страница может считаться малополезной. Слишком много — ухудшается читаемость и восприятие.
Слова из title 2 встречаются в тексте редко. Добавьте в контент страницы слова из тега <title>!
Абзацев с текстом 15 достаточно.
Среднее число слов в абзаце 16 достаточно.
Кол-во знаков контента 10535 на странице оптимально.
Кол-во слов 1513 на странице оптимально.
Заголовки
Ошибок нет
Иерархия заголовков H1–H6
?
H1 должен быть один и содержать ключевой запрос. H2–H6 описывают подразделы. Пропуск уровней (H1 → H3) и несколько H1 — типичные ошибки, снижающие понятность страницы для поисковика.
На странице присутствуют заголовки <h1> 8. Это прекрасно.
На странице присутствуют заголовки <h2> 1. Это хорошо.
На странице присутствуют заголовки <h3> 2.
Тошнота
5,66
Насколько одно слово доминирует в тексте
?
Классическая тошнота = √(частота самого повторяющегося слова). Норма до 7–8: текст воспринимается естественно. Выше — поисковик может счесть страницу переспамленной.
Тошнота превышает норму 3. Измените текст страницы!
Академич. тошнота
29,21%
Насколько текст перенасыщен ключевыми словами
?
Академическая тошнота = (частота слова / общее количество слов) × 100%. Показывает долю конкретного слова в тексте. Норма 5–15%.
Академическая тошнота превышает норму 5-15%. Измените текст страницы!
Семантическое ядро
20
Наиболее часто встречающиеся слова на странице
?
Топ слов по частоте использования. Показывает, какие слова доминируют в тексте с точки зрения поисковика.
Контент страницы содержит осмысленный текст и слова.
Показать список слов
| Слово | Кол-во | Частота |
|---|---|---|
| federated | 32 | 2,12% |
| learning | 27 | 1,78% |
| accepted | 16 | 1,06% |
| vision | 15 | 0,99% |
| weiming | 11 | 0,73% |
| zhuang | 11 | 0,73% |
| training | 11 | 0,73% |
| research | 10 | 0,66% |
| foundation | 10 | 0,66% |
| computer | 8 | 0,53% |
| performance | 7 | 0,46% |
| platform | 6 | 0,40% |
| pruning | 6 | 0,40% |
| updated | 6 | 0,40% |
| models | 5 | 0,33% |
| lingjuan | 5 | 0,33% |
| simultaneous | 5 | 0,33% |
| university | 4 | 0,26% |
| systems | 4 | 0,26% |
| practical | 4 | 0,26% |
Индексация Готовность: 60%
Индексирование
Ошибок нет
Разрешено ли индексирование страницы
?
Проверяет, не закрыта ли страница от индексации через robots.txt, meta robots или X-Robots-Tag. Страница, закрытая от индексации, не появится в поисковой выдаче.
Анкоров на странице 82 оптимально. Поисковые роботы обязательно проиндексируют сайт.
Robots.txt
Найден корректный robots.txt
Файл управления сканированием сайта роботами
?
Robots.txt указывает поисковым роботам, какие страницы сканировать, а какие — нет. Ошибки в файле могут случайно закрыть важные разделы от индексации.
Robots.txt настроен корректно. Размер файла: 55 байт. Загружен за: 0сек.
Проверяемая страница не запрещена в robots.txt.
Robots.txt доступен по постоянному адресу
Показать содержимое robots.txt
User-agent: *
Sitemap: https://weiming.me/sitemap.xml
Sitemap
Кол-во: 1
XML-карта сайта для поисковиков
?
Sitemap.xml помогает поисковику быстрее находить и индексировать страницы. Особенно важен для крупных сайтов и новых страниц, на которые ещё нет входящих ссылок.
Robots.txt содержит карту сайта. Это прекрасно!
Robots.txt не содержит ошибок в карте сайта.
Показать карту сайта
| Url | Статус |
|---|---|
| https://weiming.me/sitemap.xml |
|
Внутренние ссылки
Кол-во: 47
Ссылки на другие страницы своего сайта
?
Внутренние ссылки распределяют ссылочный вес между страницами и помогают поисковику обходить сайт. Пустые анкоры и ссылки на запрещённые robots.txt страницы — типичные ошибки.
Внутренних ссылок на странице 47 оптимально.
Внутренние ссылки не запрещены к индексации в robots.txt.
На странице присутствуют изображения 11.
Показать внутренние ссылки
| Url | Анкор | Состояние | Анализировать |
|---|---|---|---|
| / |
Weiming Zhuang
|
|
Анализировать url |
| / |
Weiming Zhuang
|
|
Анализировать url |
| /publication |
<span>Publications</span>
|
|
Анализировать url |
| /post |
<span>Posts</span>
|
|
Анализировать url |
| /patent |
<span>Patents</span>
|
|
Анализировать url |
| /publication/background-augmentation-diffusion/ |
work
|
|
Анализировать url |
| /publication/coala-federated-learning-platform/ |
work
|
|
Анализировать url |
| /publication/ymir/ |
work
|
|
Анализировать url |
| /publication/fedmef/ |
work
|
|
Анализировать url |
| /publication/fedwon/ |
work
|
|
Анализировать url |
| /publication/feddure/ |
work
|
|
Анализировать url |
| /publication/fedicon/ |
work
|
|
Анализировать url |
| /publication/mas/ |
federated multiple-task learning
|
|
Анализировать url |
| /publication/fl-continual/ |
federate continual learning
|
|
Анализировать url |
| /publication/fedwon/ |
work
|
|
Анализировать url |
| /publication/fedssl/ |
work
|
|
Анализировать url |
| /publication/easyfl/ |
work
|
|
Анализировать url |
| /publication/fedu/ |
work
|
|
Анализировать url |
| /publication/fedureid/ |
work
|
|
Анализировать url |
| /publication/argus/ |
Argus: A Compact and Versatile Foundation Model for Vision
|
|
Анализировать url |
| /publication/argus/ |
<div class="article-style">
We introduce Argus, a compact and versatile vision foundation model designed to support a wide range of vision tasks through a unified multitask architecture. Argus employs a two-stage training strategy: (i) multitask pretraining over core vision tasks with a shared backbone that includes a lightweight adapter to inject task-specific inductive biases, and (ii) scalable and efficient adaptation to new tasks by fine-tuning only the task-specific decoders. Extensive evaluations demonstrate that Argus, despite its relatively compact and training-efficient design of merely 100M backbone parameters (only 13.6% of which are trained using 1.6M images), competes with and even surpasses much larger models. Compared to state-of-the-art foundation models, Argus not only covers a broader set of vision tasks but also matches or outperforms the models with similar sizes on 12 tasks.
</div>
|
|
Анализировать url |
| /publication/argus/argus_vfm_cvpr25.pdf |
PDF
|
|
|
| /publication/coala-federated-learning-platform/ |
COALA: A Practical and Vision-Centric Federated Learning Platform
|
|
Анализировать url |
| /publication/coala-federated-learning-platform/ |
<div class="article-style">
We present COALA, a vision-centric Federated Learning (FL) platform, and a suite of benchmarks for practical FL scenarios, which we categorize as task, data, and model levels. At the task level, COALA extends support from simple classification to 15 computer vision tasks, including object detection, segmentation, pose estimation, and more. It also facilitates federated multiple-task learning, allowing clients to train on multiple tasks simultaneously. At the data level, COALA supports different degrees of data annotation availabilities, including all data being labeled, partial data being labeled, and no data being labeled. From the data distribution perspective, COALA supports continual & test-time shift, and also covers both label shift and domain shift. At the model level, COALA benchmarks FL with split models and different models in different clients.
</div>
|
|
Анализировать url |
| /publication/fedmef/ |
FedMef: Towards Memory-efficient Federated Dynamic Pruning
|
|
Анализировать url |
| /publication/fedmef/ |
<div class="article-style">
We propose FedMef, a novel and memory-efficient federated dynamic pruning framework. FedMef comprises two key components. First, we introduce the budget-aware extrusion that maintains pruning efficiency while preserving post-pruning performance by salvaging crucial information from parameters marked for pruning within a given budget. Second, we propose scaled activation pruning to effectively reduce activation memory footprints, which is particularly beneficial for deploying FL to memory-limited devices. Extensive experiments demonstrate the effectiveness of FedMef. In particular, it achieves a significant reduction of 28.5% in memory footprint compared to state-of-the-art methods while obtaining superior accuracy.
</div>
|
|
Анализировать url |
| /publication/mas/ |
MAS: Towards Resource-Efficient Federated Multiple-Task Learning
|
|
Анализировать url |
| /publication/mas/ |
<div class="article-style">
Federated learning (FL) is an emerging distributed machine learning method that empowers in-situ model training on decentralized edge devices. However, multiple simultaneous FL tasks could overload resource-constrained devices. In this work, we propose the first FL system to effectively coordinate and train multiple simultaneous FL tasks. We first formalize the problem of training simultaneous FL tasks. Then, we present our new approach, MAS (Merge and Split), to optimize the performance of training multiple simultaneous FL tasks. MAS starts by merging FL tasks into an all-in-one FL task with a multi-task architecture. After training for a few rounds, MAS splits the all-in-one FL task into two or more FL tasks by using the affinities among tasks measured during the all-in-one training. It then continues training each split of FL tasks based on model parameters from the all-in-one training. Extensive experiments demonstrate that MAS outperforms other methods while reducing training time by 2x and reducing energy consumption by 40%. We hope this work will inspire the community to further study and optimize training simultaneous FL tasks.
</div>
|
|
Анализировать url |
| /project/fedcv/ |
Project
|
|
Анализировать url |
| /publication/fl-fm/ |
When Foundation Model Meets Federated Learning: Motivations, Challenges, and Future Directions
|
|
Анализировать url |
| /publication/fl-fm/ |
<div class="article-style">
The intersection of the Foundation Model (FM) and Federated Learning (FL) provides mutual benefits, presents a unique opportunity to unlock new possibilities in AI research, and address critical challenges in AI and real-world applications. FL expands the availability of data for FMs and enables computation sharing, distributing the training process and reducing the burden on FL participants. It promotes collaborative FM development, democratizing the process and fostering inclusivity and innovation. On the other hand, FM, with its enormous size, pre-trained knowledge, and exceptional performance, serves as a robust starting point for FL, facilitating faster convergence and better performance under non-iid data. Additionally, leveraging FM to generate synthetic data enriches data diversity, reduces overfitting, and preserves privacy. By examining the interplay between FL and FM, this paper aims to deepen the understanding of their synergistic relationship, highlighting the motivations, challenges, and future directions. Through an exploration of the challenges faced by FL and FM individually and their interconnections, we aim to inspire future research directions that can further enhance both fields, driving advancements and propelling the development of privacy-preserving and scalable AI systems.
</div>
|
|
Анализировать url |
| /publication/ |
See all publications
<i class="fas fa-angle-right"></i>
|
|
Анализировать url |
| /project/fedcv/ |
Federated Computer Vision Application
|
|
Анализировать url |
| /project/fedcv/ |
<div class="article-style">
<p>Build federated learning systems for computer vision applications, and optimize system and application performance.</p>
</div>
|
|
Анализировать url |
| /project/flsys/ |
Federated Learning Platform
|
|
Анализировать url |
| /project/flsys/ |
<div class="article-style">
<p>Build a user-friendly federated learning platform that democratizes federated learning to wider audiences.</p>
</div>
|
|
Анализировать url |
| /project/fedssl/ |
Federated Learning Without Labels
|
|
Анализировать url |
| /project/fedssl/ |
<div class="article-style">
<p>Develop federated learning systems and algorithms that do not require data labels on decentralized clients.</p>
</div>
|
|
Анализировать url |
| /post/writing-guides/ |
Beginner Guide on Academic Writing
|
|
Анализировать url |
| /post/writing-guides/ |
<div class="article-style">
A curated guideline with many materials for beginners to learn academic writing.
</div>
|
|
Анализировать url |
| /category/research/ |
research
|
|
Анализировать url |
| /post/fl-research-starter/ |
How to Kick Start Your Federated Learning Research?
|
|
Анализировать url |
| /post/fl-research-starter/ |
<div class="article-style">
Practical route to learn FL and conduct FL research.
</div>
|
|
Анализировать url |
| /category/research/ |
research
|
|
Анализировать url |
| /post/fedreid/ |
Federated Person Re-identification: Benchmark, In-Depth Analysis, and Performance Optimization
|
|
Анализировать url |
| /post/fedreid/ |
<div class="article-style">
Performance optimization for federated person re-identification via benchmark analysis.
</div>
|
|
Анализировать url |
| /category/research/ |
research
|
|
Анализировать url |
Внешние ссылки
Кол-во: 13
Ссылки на сторонние сайты
?
Исходящие внешние ссылки передают часть ссылочного веса на чужие сайты. Ссылки на авторитетные ресурсы безопасны; ссылки на мусорные сайты могут навредить репутации страницы.
Внешних ссылок на странице 13 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать внешние ссылки
| Url | Анкор | Анализировать |
|---|---|---|
| linkedin.com |
<i class="fab fa-linkedin big-icon"></i>
|
Анализировать url |
| scholar.google.com |
<i class="ai ai-google-scholar big-icon"></i>
|
Анализировать url |
| ai.sony |
Sony AI
|
Анализировать url |
| sony.com |
2024
|
Анализировать url |
| ai.sony |
Sony AI
|
Анализировать url |
| openreview.net |
PDF
|
Анализировать url |
| github.com |
Code
|
Анализировать url |
| arxiv.org |
PDF
|
Анализировать url |
| arxiv.org |
PDF
|
Анализировать url |
| github.com |
Code
|
Анализировать url |
| arxiv.org |
PDF
|
Анализировать url |
| wowchemy.com |
Wowchemy
|
Анализировать url |
| github.com |
open source
|
Анализировать url |
Конкуренты Готовность: 0%
Конкуренты в Яндексе
Кол-во: 0
Топ сайтов-конкурентов в Яндексе
?
Сайты, чаще всего появляющиеся в ТОПе Яндекса по запросам из семантического ядра этой страницы.
Мы не нашли у вас конкурентов в Яндексе. Сайт или очень молодой или плохо продвигается.
Конкурентов в ТОП-10 Яндекса не нашлось.
Конкуренты в Google
Кол-во: 0
Топ сайтов-конкурентов в Google
?
Сайты, чаще всего появляющиеся в ТОПе Google по запросам из семантического ядра этой страницы.
Конкуренты в Google тоже не найдены. Займитесь продвижением сайта!
Конкурентов в ТОП-10 Google не нашлось.
ЗоЗПП: права потребителей Готовность: 100%
Нарушения
Не выявлены
Признаков дистанционной продажи товаров (интернет-магазина) не обнаружено — требования ЗоЗПП о раскрытии информации продавца к сайту не применяются. Нарушений нет.
ФЗ-149: рекомендательные технологии Готовность: 100%
Нарушения
Не выявлены
Рекомендательные блоки («с этим покупают», «похожие товары» и т.п.) на сайте не обнаружены — требования ст. 10.7 ФЗ-149 к сайту не применяются. Нарушений нет.
ФЗ-38: реклама Готовность: 100%
Нарушения
Не выявлены
Рекламных тематик с обязательными оговорками (медицина, БАД, кредиты и займы, новостройки) на сайте не обнаружено. Нарушений нет.
ФЗ-436: защита детей Готовность: 100%
Нарушения
Не выявлены
Признаков информационной продукции (новости, видео, книги, игры, курсы) не обнаружено — обязательная возрастная маркировка по ФЗ-436 сайту не требуется. Нарушений нет.
Вердикт
Таким сайт https://weiming.me/ видят поисковые системы. Процент оптимизации невысокий - 61%. Чтобы улучшить сайт и попасть в ТОП необходимо:
Исправьте ошибки в мета-тегах.
Исправьте ошибки оптимизации.
Исправьте ошибки индексации.
Поделитесь с друзьями: