Computer Science

Функциональное программирование: когда программа — это математика Функциональная парадигма основана на идее, что вычисления — это применение функций, которые не изменяют состояние. Главное правило: Функция при одинаковых входных данных всегда возвращает один и тот же результат и не имеет побочных эффектов. Основные признаки: • отсутствие изменяемых переменных; • функции как «граждане первого класса»; • рекурсия вместо циклов; • map, filter, reduce; • композиция функций. Пример (Python, функциональный стиль): Посчитаем сумму чисел от 1 до n без циклов и изменяемых переменных. from functools import reduce n = 5 result = reduce(lambda a, b: a + b, range(1, n + 1)) print(result) # 15 Или ещё более функционально — через встроенную функцию: sum(range(1, n + 1)) Никакого изменения состояния — просто применяем функции к данным. Примеры языков: • Haskell • F# • Lisp, Clojure • JavaScript (частично) • Python (частично) Когда применять: • Много параллельных вычислений — отсутствие модификации состояния делает код потокобезопасным. • Нужна ясная математическая логика. • Хотите писать компактный и легко тестируемый код.

Императивное программирование: когда программа — это последовательность шагов Императивное программирование — это самый «естественный» для человека способ описывать алгоритмы: делай раз, делай два, делай три. Программа в этой парадигме состоит из команд, которые изменяют состояние — значения переменных, память, содержимое файлов и т. д. Основные признаки: • есть переменные, которые можно менять; • есть инструкции (assignments, циклы, условия); • программа — это последовательность действий. Простой пример (Python) # Находим сумму чисел от 1 до n n = 5 s = 0 for i in range(1, n + 1): s += i print(s) # 15 Здесь мы явно изменяем состояние: • создаём переменную s, • увеличиваем её в цикле. Примеры языков: • C, C++, Java • Python (когда используем циклы и изменяемые переменные) • JavaScript (в императивном стиле) Когда применять: • Нужна высокая производительность. • Логика естественна как последовательность операций. • Важен контроль над состоянием: работа с памятью, сетевыми протоколами, системами реального времени.

Распределение Пуассона для моделирования сетевых пакетов Распределение Пуассона — простой способ описать, сколько случайных событий может произойти за определенное время. Оно подходит, когда события редкие, независимые друг от друга и происходят с постоянной средней скоростью. В компьютерных сетях это идеально для моделирования прибытия пакетов данных — маленьких порций информации, которые передаются между устройствами. Зачем оно нужно в сетях? • Моделирование трафика: Представьте, что пакеты приходят на сервер, как посетители в магазин. Если в среднем приходит 5 пакетов в минуту, Пуассоновское распределение помогает предсказать, сколько их может быть в следующий раз — 3, 7 или ни одного. • Оценка нагрузки: Оно используется в моделях очередей, чтобы понять, не "затормозится" ли сеть. Например, если пакетов слишком много, сервер может не справиться, и данные потеряются. • Анализ проблем: В реальных сетях (как интернет или локальная сеть) пакеты прибывают случайно. Если трафик не соответствует этому распределению, это может сигнализировать о проблеме, как хакерская атака. Простой пример Допустим, в минуту в среднем прибывает 5 пакетов. Распределение Пуассона говорит: • Вероятность, что прибудет ровно 3 пакета, около 14% (довольно часто). • Вероятность, что ни одного — очень маленькая, около 0.7% (редко, потому что сеть активна). • Среднее число пакетов всегда равно 5, а разброс тоже около 5. Это помогает инженерам планировать сети: добавлять больше мощности, если среднее растет. Пример кода на Python (простая симуляция) Генерирует случайные числа пакетов и показывает среднее: import numpy as np # Среднее: 5 пакетов в минуту lambda_rate = 5 # Симуляция 1000 минут packets = np.random.poisson(lambda_rate, 1000) # Среднее из симуляции print(f"Среднее количество пакетов: {np.mean(packets):.2f}") Запустите его (нужен Python с numpy: pip install numpy), и увидите, что среднее близко к 5.

PostgreSQL и DevOps: управление базой данных через CI/CD и Kubernetes Как автоматизировать развёртывание, обслуживание и мониторинг PostgreSQL в продакшн-среде? На открытом вебинаре курса OTUS PostgreSQL. Advanced Антон Герасименко покажет, как объединить DevOps-практики и PostgreSQL 17, чтобы упростить работу с базой данных и повысить её отказоустойчивость. → 8 декабря, 18:00 PostgreSQL и DevOps — управляем базой данных через CI/CD и Kubernetes — создание Docker-контейнера для PostgreSQL и его правильная настройка — использование Kubernetes-операторов для автоматического развертывания — мониторинг и алертинг через Prometheus и Grafana — настройка репликации и standby-реплик в PostgreSQL 17 — интеграция миграций и бэкапов в CI/CD-процессы Вебинар будет полезен DevOps-инженерам, администраторам баз данных и разработчикам, которые хотят упростить управление PostgreSQL и сделать инфраструктуру более гибкой и надёжной. → Зарегистрируйтесь: https://otus.pw/46ia/ Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576

Машинное обучение — область ИИ, где модели обучаются на данных для выполнения задач, таких как предсказание, классификация или кластеризация. Алгоритмы ML делятся на категории: обучение с учителем, без учителя и с подкреплением. Алгоритмы обучения с учителем: Здесь модель обучается на размеченных данных (с входами и правильными выходами). • Линейная регрессия: Предсказывает непрерывные значения, минимизируя ошибку между предсказанием и реальностью. Пример: прогноз цен на недвижимость на основе площади и расположения. Преимущества: простота и интерпретируемость. • Логистическая регрессия: Классифицирует данные в бинарные категории (да/нет). Пример: определение, одобрить ли кредит по финансовым данным. Преимущества: эффективность для больших наборов данных. • Деревья решений: Строит дерево правил на основе признаков. Пример: диагностика заболеваний по симптомам. Преимущества: легко визуализировать и интерпретировать. • Случайный лес: Ансамбль деревьев решений для улучшения точности. Пример: классификация спама в email. Преимущества: устойчив к переобучению. • Метод опорных векторов: Находит гиперплоскость для разделения классов. Пример: распознавание рукописных цифр. Преимущества: хорош для высокомерных данных. • Нейронные сети (включая глубокое обучение): Многослойные модели, имитирующие мозг. Пример: распознавание изображений в компьютерном зрении. Преимущества: мощны для сложных задач, но требуют много данных. Алгоритмы обучения без учителя: Здесь модель находит паттерны в неразмеченных данных. • K-средних: Группирует данные в кластеры по сходству. Пример: сегментация клиентов по покупкам. Преимущества: простота и скорость. • Иерархическая кластеризация: Строит дерево кластеров. Пример: анализ генетических данных. Преимущества: не требует задания числа кластеров заранее. • Метод главных компонент: Снижает размерность данных, сохраняя ключевую информацию. Пример: сжатие изображений. Преимущества: уменьшает шум и ускоряет вычисления. Алгоритмы обучения с подкреплением: Модель учится через взаимодействие с окружением, получая награды. • Q-обучение: Агент учится оптимальной стратегии. Пример: обучение агента играть в шахматы или управлять роботом. Преимущества: подходит для динамических задач, как игры или автономное вождение.

В России можно посещать IT-мероприятия хоть каждый день: как оффлайн, так и онлайн Но где их находить? Как узнавать о них раньше, чем когда все начнут выкладывать фотографии оттуда? Переходите на канал IT-Мероприятия России. В нём каждый день анонсируются мероприятия со всех городов России 📆 в канале размещаются как онлайн, так и оффлайн мероприятия; 👩‍💻 можно найти ивенты по любому стеку: программирование, frontend-backend разработка, кибербезопасность, дата-аналитика, osint, devops и другие; 🎙 разнообразные форматы мероприятий: митапы с коллегами по цеху, конференции и вебинары с известными опытными специалистами, форумы и олимпиады от важных представителей индустрии и многое другое А чтобы не искать по разным форумам и чатам новости о предстоящих ивентах: 🚀 IT-мероприятия России — подписывайся и будь в курсе всех предстоящих мероприятий!

LLM расшифровывается как Large Language Model (Большая языковая модель).

Это тип ИИ, основанный на машинном обучении, который обучен на огромных объемах текстовых данных для понимания, генерации и обработки человеческого языка. Такие модели способны выполнять задачи, связанные с текстом, такие как ответы на вопросы, перевод, написание статей, генерация кода или даже творческие задачи (например, сочинение стихов).

Как работают LLM? • Обучение: Модели обучаются на миллиардах слов из книг, статей, веб-сайтов и других источников. Они используют нейронные сети (часто трансформеры, как в архитектуре Transformer) для предсказания следующего слова в предложении на основе контекста. • Размер: "Large" указывает на огромные параметры — миллиарды или триллионы весов в модели, что требует мощных компьютеров для обучения и запуска. • Примеры технологий: Они основаны на алгоритмах вроде GPT (Generative Pre-trained Transformer), BERT (Bidirectional Encoder Representations from Transformers) или LaMDA от Google. Ограничения LLM могут "галлюцинировать" (генерировать неправдивую информацию), быть предвзятыми (из-за данных обучения) или требовать много ресурсов. Они не "понимают" мир как люди — это статистическое предсказание на основе паттернов.

AI-Ops для PostgreSQL: нейросети против узких мест и деградации производительности Как заставить PostgreSQL не только работать быстрее, но и самостоятельно объяснять, где и почему всё тормозит? На открытом вебинаре курса OTUS PostgreSQL. Advanced Дмитрий Золотов покажет, как применять AI и LLM-модели для анализа производительности, поиска узких мест и предотвращения деградации ещё до того, как она станет проблемой. → 2 декабря, 20:00 AI-Ops для PostgreSQL: нейросети против узких мест и деградации производительности — применение AIOps-подхода для анализа метрик, логов и планов выполнения запросов — автоматическая интерпретация EXPLAIN ANALYZE и рекомендации по оптимизации — использование ML-моделей для прогнозирования деградации и роста нагрузки — примеры внедрения AI-мониторинга в продакшн Вебинар будет полезен DBA, DevOps-инженерам, архитекторам высоких нагрузок и разработчикам, которые ищут новые способы автоматизации и анализа систем. → Зарегистрируйтесь: https://otus.pw/7zq4/ Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576

Видеокарта (или GPU — Graphics Processing Unit) устройство, которое обрабатывает графические данные для отображения изображений на экране. Она ускоряет задачи, связанные с графикой, такими как игры, видеоредактирование, 3D-моделирование и машинное обучение. Основная задача — преобразовывать данные в визуальные пиксели, которые монитор может показать. Основные компоненты видеокарты Видеокарта состоит из нескольких ключевых частей, работающих вместе: • GPU (графический процессор): Основной "мозг". Это множество ядер (сотни или тысячи), оптимизированных для параллельных вычислений. В отличие от CPU (центрального процессора), GPU лучше справляется с повторяющимися задачами, как обработка пикселей. • Видеопамять (VRAM): Специальная память (например, GDDR6 или HBM) для хранения текстур, моделей и промежуточных данных. Она быстрая и работает независимо от оперативной памяти компьютера. • Шина данных (PCIe): Связь с материнской платой и CPU. Через неё передаются команды и данные. • Контроллеры и интерфейсы: Включают HDMI/DisplayPort для вывода на экран, кулеры для охлаждения и питание (через разъёмы на карте). Как работает видеокарта: пошаговый процесс Работа видеокарты можно описать как конвейер обработки данных. Вот упрощённая схема: 1. Получение данных: CPU отправляет задачу (например, рендеринг сцены в игре) через PCIe. Данные включают 3D-модели, текстуры и инструкции. 2. Обработка на GPU: • Вершинный шейдер: Преобразует координаты объектов (вершин) в 3D-пространстве, применяя трансформации (вращение, масштабирование). • Растеризация: Преобразует 3D-данные в 2D-изображение, разбивая на пиксели. • Пиксельный (фрагментный) шейдер: Вычисляет цвет каждого пикселя, учитывая освещение, текстуры и эффекты (тени, отражения). Здесь используется параллельная обработка на множестве ядер. • Дополнительные этапы: Могут включать постобработку (антиалиасинг, bloom) и вычисления для AI (например, в RTX-картах NVIDIA с DLSS). 3. Хранение и вывод: Результаты хранятся в VRAM, затем передаются на монитор через интерфейсы. Видеокарта может обрабатывать несколько кадров в секунду (FPS), обеспечивая плавность. Примеры и аналогии • Аналогия: Представьте GPU как конвейер на фабрике. CPU — менеджер, который даёт задания, а GPU — рабочие, которые быстро собирают детали (пиксели) параллельно. • Производительность: Современные карты вроде NVIDIA RTX 40-series или AMD RX 7000-series могут обрабатывать миллиарды операций в секунду. Для сравнения, в играх видеокарта может рендерить 4K-изображение при 60 FPS, используя тысячи ядер.

⁉️Машинное обучение кажется чем-то сложным и недосягаемым? Всё проще, чем вы думаете! Первый шаг — разобраться, как устроен ML-процесс и научиться работать в Jupyter Notebook — инструменте, с которого начинают все специалисты в Data Science. На открытом уроке вы шаг за шагом поймёте, как строится путь от данных до модели. Научитесь запускать эксперименты в Jupyter Notebook и Google Colab, работать с виртуальными окружениями и не бояться “сломать” систему. Всё — в формате простых и наглядных примеров. После урока вы сможете уверенно начать свой первый ML-проект и поймёте, какие инструменты нужны, чтобы перейти от теории к практике. ➡️ 13 ноября в 20:00 МСК. Открытый вебинар проходит в преддверии старта курса «Machine Learning. Basic». Регистрируйтесь и сделайте первый шаг в машинное обучение без страха и путаницы: https://otus.pw/KGVQ/ Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576

Web scraping Скрапинг — стандартная процедура для сбора необходимой информации. Для этих целей применяется специализированное программное обеспечение.  С помощью веб-скрейпинга информация собирается в автоматическом режиме по заданным параметрам, структурируется и записывается в файл для дальнейшего анализа.  Такой метод подходит для сбора статистики, стоимости различных офферов, получения данных о товарах в каталогах.

Законно ли это? Если боитесь собирать данные с сайтов, то лучше не стоит, но все, что находится в открытом доступе, можно собирать.

Сигналы прерывания в зависимости от источника возникновения делятся на два основных типа: 1. Внутренние (или программные, синхронные) прерывания — возникают внутри процессора в результате выполнения инструкций программы. Примеры: • Деление на ноль; • Ошибка страницы (page fault); • Выполнение специальной инструкции программного прерывания (например, INT в x86); • Переполнение арифметической операции. 2. Внешние (или аппаратные, асинхронные) прерывания — возникают вне процессора, от внешних устройств или по внешним сигналам. Примеры: • Сигнал от таймера; • Сигнал от клавиатуры, мыши, сетевого адаптера и других периферийных устройств; • Аппаратный сброс. Иногда внешние прерывания дополнительно подразделяют на: • Маскируемые — могут быть временно запрещены программно (например, с помощью флага разрешения прерываний). • Немаскируемые (NMI — Non-Maskable Interrupts) — всегда обрабатываются, даже если остальные прерывания запрещены (обычно для сигналов аварийных состояний).

Гайд для РОПов по проведению эффективных вебинаров Как руководителям отделов продаж увеличить количество успешных сделок при том же объеме лидов с помощью вебинаров? Гайд от МТС Линк по обучающим вебинарам для отделов продаж. ✅ В гайде: - Как эффективнее прокачивать скиллы менеджеров и закрывать больше сделок за меньшие сроки; - Как организовать тренинг так, чтобы участники действительно подключились и дошли до финального модуля; - Как выявить слабого менеджера и улучшить его показатели; - Как сэкономить время на организации вебинара и пригласить всех участников в 2 клика. Бонус внутри: 5 прикладных советов по контролю внимания участников во время вебинара ✨ Скачайте гайд бесплатно по ссылке Скачать #реклама 16+ mts-link.ru О рекламодателе

Кодеки — это устройства или программы, которые сжимают и распаковывают мультимедийные данные, такие как аудио и видео. Название «кодек» происходит от слов coder-decoder — «кодер-декодер». Вот как они работают: 1. Сжатие (кодирование) Когда вы записываете видео или аудио, исходные данные занимают очень много места. Например, одна минута видео в высоком разрешении без сжатия может занимать гигабайты. Кодек уменьшает размер файла двумя основными способами: a) Потеря информации (lossy) • Примеры: MP3 (аудио), H.264 (видео), AAC (аудио) • Убираются «неважные» детали, которые человеческое ухо или глаз практически не замечает. • Преимущество: файлы маленькие • Недостаток: при многократной перезаписи качество теряется b) Без потерь (lossless) • Примеры: FLAC (аудио), PNG (изображения), FFV1 (видео) • Сжимается файл без потери качества, полностью можно восстановить оригинал • Преимущество: качество 100% • Недостаток: сжатие не такое сильное, как у lossy 2. Хранение После сжатия данные сохраняются в файле или потоке, например .mp3, .mp4, .mkv. Файл содержит кодированные данные и иногда дополнительную информацию (метаданные, субтитры, обложки и т.д.). 3. Воспроизведение (декодирование) Когда вы воспроизводите файл, кодек раскодирует его обратно в форму, которую может обработать динамик или экран: • Кодек читает сжатые данные • Преобразует их в поток аудио/видео • Отправляет на устройство вывода Если кодек не установлен, файл не откроется, потому что система не знает, как интерпретировать данные. 4. Примеры популярных кодеков Видео: H.264, H.265 (HEVC), VP9, AV1 Аудио: MP3, AAC, Opus, FLAC

Где вести задачи и проекты? Конечно, в Битрикс24 Бесплатный онлайн-сервис для бизнеса и совместной работы. — Удобный планировщик задач для всей команды с чек-листами и комментариями. — Популярные проектные методики: канбан, скрам, диаграмма ганта. — Видеозвонки в один клик из чата. — Календарь и слоты для совместного планирования. — Умный ИИ-помощник для постановки четких тз. Полный комплект для эффективности вашей команды. Ставьте первую задачу прямо сейчас. Начать #реклама 16+ task-24.bitrix24.ru О рекламодателе

Популярные системы сборки — коротко и по существу C / C++ • Make — дед всех сборщиков. Просто, но больно на больших проектах. • CMake — стандарт для C++, генерирует подо всё, от Visual Studio до Ninja. Настроил один раз — и забыл. • Ninja — летает. Минимализм и скорость, но без генератора не обойтись. • Meson — современный и понятный. Пишешь конфиг, а остальное делает сам. Java / Kotlin • Maven — строгий, надёжный, как бухгалтер. XML, но зато стабильно. • Gradle — гибкий и умный. Kotlin DSL, кэш, плагины — идеально для Android. • Ant — старичок. Всё вручную, без зависимостей. Только если проект с археологических времён. JavaScript / TypeScript • npm scripts — минимализм. Для мелких задач — норм, для монстров — нет. • Webpack — тяжёлый, но делает всё. Настроить — целое приключение. • Vite — быстрый, лёгкий, без боли. Для фронтенда XXI века. • Rollup — идеален для библиотек, чистая сборка без мусора. • esbuild / Parcel — “включил и поехал”. Молниеносные и почти без настроек. Python • setuptools — классика. Работает, но старомодно. • Poetry — современный подход: зависимости, сборка, публикация — всё в одном. Rust • Cargo — лучший пример, как должна выглядеть система сборки. Просто, быстро, всё встроено. Go • go build — минимализм в чистом виде. Один файл — одна команда — готово. Кросс-языковые • Bazel — для монореп и гигантов вроде Google. Кэш, параллель, масштаб. • Buck / Pants / Please — те же идеи, другие акценты. Подходят, если у тебя тысяча микросервисов.

Google Meet перестал работать в России: что дальше? 📞🏃‍♂️ Сперва в Telegram и WhatsApp заблокировали звонки, а теперь и Google Meet сбоит. Видеозвонки не проходят ни с телефонов, ни с ПК. Для бизнеса это означает: - сорванные онлайн-совещания и встречи с клиентами; - срыв собеседований и переговоров с подрядчиками; - потерю времени и простои в коммуникациях команд; - срочный поиск альтернативы для видеозвонков и онлайн-летучек. Что делать бизнесу, когда зарубежные сервисы один за другим перестают работать в России? ✅ В МТС Линк: видеозвонки, чаты, онлайн-доски и совещания без сбоев и ограничений 50 минут; дата-центры в России, соответствие 152-ФЗ и 149-ФЗ; готовые интеграции; русскоязычная техподдержка 24/7. Проверьте, подходит ли МТС Линк вашей компании Подробнее #реклама 16+ lp.mts-link.ru О рекламодателе

Автоматическая компиляция .ui файлов В больших проектах запускать uic вручную неудобно. Обычно это делается автоматически: • CMake: set(CMAKE_AUTOMOC ON) set(CMAKE_AUTOUIC ON) # Автоматически компилирует .ui файлы find_package(Qt5 COMPONENTS Widgets REQUIRED) add_executable(MyApp main.cpp) target_link_libraries(MyApp Qt5::Widgets) • qmake: .pro файл автоматически обрабатывает все .ui файлы. Таким образом, при сборке проекта uic сгенерирует все нужные заголовочные файлы без вашего вмешательства.

Методичка: как сделать онлайн-встречи эффективнее Надоело ждать коллег, которые постоянно забывают о встречах, а отсутствие повестки и потерянные договоренности мешают нормально работать? Команда МТС Линк собрала на 37 страницах полезные материалы, чек-листы и кейсы, которые помогают компаниям проводить эффективные совещания в онлайне с помощью сервиса Встречи. Из методички узнаете: - Как создать постоянную ссылку и подключаться на встречи в 2 клика, - Как делать заметки и работать с файлами, не переживая за качество связи и безопасность данных. - Как облегчает жизнь ИИ, который расшифровывает созвоны в текст и автоматически отправляет расшифровку на почту. Еще в методичке описаны 7 способов оценки текущей эффективности ваших онлайн-встреч. Получить гайд можно бесплатно на сайте. Скачать #реклама 16+ mts-link.ru О рекламодателе

Если вы работаете с Qt на C++, вы наверняка видели файлы с расширением .ui Что такое .ui файл? .ui — файл интерфейса пользователя, создаваемый в Qt Designer. Он описывает все виджеты (кнопки, поля ввода, метки, окна), их свойства и макеты в формате XML. Пример содержимого .ui файла:

<ui version="4.0">
 <class>MainWindow</class>
 <widget class="QMainWindow" name="MainWindow">
  <widget class="QPushButton" name="pushButton">
   <property name="text">
    <string>Нажми меня</string>
   </property>
  </widget>
 </widget>
</ui>

Зачем нужен uic? uic (User Interface Compiler) — это утилита, которая компилирует .ui файл в C++ заголовочный файл, обычно с именем ui_<имя_формы>.h. Пример команды: uic mainwindow.ui -o ui_mainwindow.h После этого вы получаете класс Ui::MainWindow, который содержит все виджеты и методы для их инициализации. Как использовать с C++ Подключаем сгенерированный заголовочный файл:

#include "ui_mainwindow.h"
#include <QMainWindow>

class MainWindow : public QMainWindow {
    Q_OBJECT
public:
    MainWindow(QWidget *parent = nullptr) : QMainWindow(parent) {
        ui.setupUi(this);  // Настраивает интерфейс
    }
private:
    Ui::MainWindow ui;
};

Всё! Теперь у вас есть полностью рабочий GUI на C++.