Математика Дата саентиста

💰 У пяти крупнейших гиперскейлеров уже $2,8 трлн будущих обязательств По данным Moody’s, совокупные лизинговые, закупочные обязательства и гарантии крупнейших облачных компаний выросли примерно с $350 млрд в 2023 году до $2,8 трлн сегодня. Из них: - более $1 трлн - ещё не начавшиеся аренды дата-центров; - около $1,57 трлн - будущие закупки; - ещё $137 млрд - гарантии. То есть за несколько лет объём обязательств вырос примерно в 8 раз.

Avito DS Meetup: RL, AI-агенты и BidCorrection 🚀 🔸 Булат Шарипов расскажет, как в Авито обучают собственные языковые модели с помощью RL, а Владислав Воробьев — как BidCorrection меняет состав трафика, не трогая сами объявления. 🔸 Всеволод Викулин из Т-Банка поделится, как выбирать правильные процессы для автоматизации с помощью AI-агентов, расскажет про роли, ответственность и, конечно, про самих агентов. Про это и многое другое узнаете на Avito DS Meetup 7 октября. После докладов будет нетворкинг с DS-сообществом. А ещё, если придёте офлайн, сможете найти прикольные тематические пасхалки, которые мы для вас спрятали 👀 📌 Встречаемся в 18:30 7 октября. Количество офлайн-мест ограничено — регистрация обязательна. ✏ Регистрируйтесь по ссылке и приходите!

arXiv получил $17,2 млн на следующие 3–5 лет. Деньги выделили Simons Foundation International, Siegel Family Endowment и XTX Markets. Они пойдут на развитие платформы, поддержку её работы и переход arXiv к статусу независимой некоммерческой организации. Для исследователей это хорошая новость: один из главных открытых архивов научных работ получает ресурсы на обновление инфраструктуры и дальнейшую работу. Источник — arXiv - https://blog.arxiv.org/2026/09/23/arxiv-receives-multiyear-investment/

✔️ OpenAI расширила Academy до 14 курсов OpenAI добавила в свою образовательную платформу курсы для разработчиков, руководителей, преподавателей и студентов вузов. Вместе с уже существовавшим направлением Apply AI at Work каталог теперь разделён на четыре трека по ролям, всего 14 курсов. Каждый курс заканчивается экзаменом из 10–20 вопросов, которые случайно выбираются из банка в 50 заданий. Кто наберёт минимум 80%, получает ачивку OpenAI Academy, которую выдаёт и хранит платформа Accredible. За все курсы и экзамены трека, где это предусмотрено, выдают сертификат об окончании.

Ни цифровая ачивка, ни сертификат не считаются профессиональной сертификацией.

При провале экзамен можно пересдать с новым набором вопросов, а сам курс можно просто пройти без сдачи экзамена. 🟢Apply AI at Work из трёх курсов учит ставить ChatGPT задачу, давать контекст, проверять ответы и превращать удачные приёмы в повторяемые процессы. Затем слушатели поручают работу агентам и расставляют контрольные точки для проверки человеком. 🟢Build with AI – самый большой трек, восемь курсов: работа с Codex на всём цикле разработки и продукты на OpenAI API, от проектирования решения и оценки качества до агентов, поиска нужной информации и эксплуатации в продакшене. 🟢Lead AI Adoption пока состоит из одного курса AI Leadership. Слушатели привязывают ИИ-инициативу к приоритетам бизнеса, распределяют ответственность, задают правила и собирают первую версию стратегии и дорожной карты внедрения. 🟠AI for Educators учит планировать занятия и составлять задания и контрольные. 🟠AI for College Students учит собирать учебный план, распределять роли в групповом проекте и готовиться к собеседованиям. Для компаний есть руководство по внедрению курсов - как представить их сотрудникам, вовлечь руководителей и отслеживать прогресс. @ai_machinelearning_big_data #news #ai #ml

Почему универсального ML-алгоритма не существует? Теорема No Free Lunch утверждает: если усреднить качество алгоритмов по всем возможным задачам, ни один из них не окажется лучше остальных. Преимущество появляется только вместе с предположениями о структуре конкретных данных. В канале «Зачем мне эта математика?» разобрали, как это связано с индуктивным смещением, колмогоровской сложностью и архитектурами нейросетей. Почему CNN хорошо работают с изображениями, откуда берётся сила трансформеров и как ограничения модели становятся её преимуществом. Подписывайтесь на канал и читайте больше историй на стыке математики и технологий.

🚨 DeepSeek обучает модель на 2 трлн параметров и планирует следующую на 8 трлн Для сравнения: • Kimi K3: 2,8 трлн параметров • DeepSeek V4 Pro: 1,6 трлн • новая модель DeepSeek: 2 трлн • будущая модель: до 8 трлн Главная ставка компании заключается в переходе на китайские ускорители. DeepSeek ожидает новые обучающие чипы Huawei в IV квартале 2026 года или I квартале 2027 года. По данным The Information, глава DeepSeek Лян Вэньфэн заявил инвесторам, что обучение на отечественных чипах «должно сработать». Пока это планы, раскрытые на встрече с инвесторами, а не официальный релиз модели. Но направление понятно: DeepSeek хочет масштабировать модели и одновременно избавиться от зависимости от Nvidia. https://www.theinformation.com/articles/deepseek-bets-big-huawei-chips-bypass-u-s-export-controls/

Вопрос уже не в том, нужен ли ИИ, а в том, как его внедрять и масштабировать Найдем ответ на бесплатной конференции 8 октября Все об эффективном и безопасном внедрении ИИ в бизнес расскажут эксперты топовых технологических компаний на конференции Selectel ТехноДень в Москве. На повестке: 🔺Как использовать генеративный ИИ в компании без хаоса и получать от этого измеримый эффект: от теории до реальных кейсов. 🔺Как ускорить внедрение ИИ в бизнес-процессы и минимизировать риски для бизнеса с помощью инструментов ИБ. 🔺Какую ИТ-инфраструктуру выбрать для инференса и обучения моделей. Кроме 20 экспертных докладов и 20 интерактивных стендов, в финале вечера вас ждет живая запись подкаста Вселенная Плюс на главной сцене конференции. Присоединяйтесь к Selectel ТехноДень, чтобы лично задать вопросы экспертам рынка и обменяться опытом. Количество мест ограничено, регистрируйтесь уже сейчас → Реклама. АО "Селектел". erid:2W5zFFzm7cD

OpenAI близка к решению ещё одной задачи тысячелетия — гипотезы Ходжа, сообщает The Information. Гипотеза пытается связать сложную геометрию многомерных пространств с более простыми алгебраическими объектами. Она остаётся нерешённой с 1950 года, а за доказательство назначена премия $1 млн. Ранее OpenAI заявила о решении задачи Навье - Стокса. Теперь компания сообщила о «существенном прогрессе» над следующей проблемой, но может отложить публикацию из-за конфликта с математическим сообществом вокруг авторства и прозрачности предыдущей работы. Пока доказательство гипотезы Ходжа не опубликовано и не прошло независимую проверку — речь идёт о сообщении источников, а не о признанном решении. https://www.theinformation.com/newsletters/ai-agenda/openai-close-solving-another-millennium-prize-math-problem?

VisualGenAI — курс по генеративным моделям в компьютерном зрении, который идёт в ногу с передним краем генеративного ИИ. Его автор — Дмитрий Баранчук из Школы анализа данных. Студенты изучают диффузионные и гибридные модели, авторегрессионную, мультимодальную и 3D-генерацию, а в домашках работают с технологиями из свежих научных статей — то есть с тем, что ещё только появляется. И главное — материалы лежат в открытом доступе на GitHub, так что проходить его можно и вне ШАДа.   За этот курс Дмитрий Баранчук получил Yandex ML Prize — премию для преподавателей и руководителей образовательных программ, которые готовят ИИ-специалистов. Всего премию получили восемь лауреатов — их отобрали из 400 заявок.

VisualGenAI — курс по генеративным моделям в компьютерном зрении, который идёт в ногу с передним краем генеративного ИИ. Его автор — Дмитрий Баранчук из Школы анализа данных. Студенты изучают диффузионные и гибридные модели, авторегрессионную, мультимодальную и 3D-генерацию, а в домашках работают с технологиями из свежих научных статей — то есть с тем, что ещё только появляется. И главное — материалы лежат в открытом доступе на GitHub, так что проходить его можно и вне ШАДа.   За этот курс Дмитрий Баранчук получил Yandex ML Prize — премию для преподавателей и руководителей образовательных программ, которые готовят ИИ-специалистов. Всего премию получили восемь лауреатов — их отобрали из 400 заявок.

🧠 Одна формула, которая объясняет идею гомоморфизма: φ(a ∗ b) = φ(a) ∘ φ(b) Смысл простой: можно сначала выполнить операцию в исходной структуре, а потом применить отображение φ. Или сначала перенести a и b через φ, а затем выполнить соответствующую операцию уже в целевой структуре. Результат должен быть одинаковым. Именно это означает, что отображение сохраняет алгебраическую структуру. Та же идея работает для групп, колец, алгебр и других структур. А если φ ещё и биективно, получаем изоморфизм: с точки зрения алгебры структуры фактически одинаковы, просто записаны по-разному. Красивая идея: не важно, как выглядят элементы — важно, сохраняются ли отношения и операции между ними.

📘 Бесплатная книга по выпуклой оптимизации Convex Optimization: Algorithms and Complexity Себастьена Бюбека - разбор алгоритмов оптимизации, их сходимости и вычислительной сложности. Внутри: * градиентный спуск и ускоренные методы; * Frank–Wolfe и зеркальный спуск; * проксимальные методы и FISTA; * методы внутренней точки; * стохастический градиентный спуск, мини-батчи и координатный спуск. Для тех, кто хочет понять, почему алгоритмы сходятся и сколько вычислений нужно для заданной точности. Материал на английском, с математическими доказательствами и связями с машинным обучением. https://arxiv.org/pdf/1405.4980 #Математика #Алгоритмы #MachineLearning

🔥 Хочешь расти в IT быстрее остальных? Перестань учиться в одиночку Можно годами смотреть курсы, читать документацию и всё равно топтаться на месте. А можно попасть в правильное окружение, где каждый день обсуждают новые инструменты, вакансии, реальные кейсы, ошибки и то, что уже завтра станет стандартом. Здесь собраны папки и каналы по разным направлениям IT, чтобы ты быстрее находил нужных людей, идеи и полезный контент - без бесконечного поиска. AI: t.me/ai_machinelearning_big_data Python: t.me/pythonl Linux: t.me/linuxacademiya Хакинг: t.me/linuxkalii DevOps: t.me/DevOPSitsec Docker: https://t.me/+90Z5TAyfuNU5YmRi Golang: t.me/Golang_google Rust: t.me/rust_code C++: t.me/cpluspluc C#: t.me/csharp_ci Java: t.me/javatg JavaScript: t.me/javascriptv React: t.me/react_tg Frontend: t.me/front PHP: t.me/phpshka Android: t.me/android_its Мобильная разработка: t.me/mobdevelop Базы данных: t.me/sqlhub Data Science: t.me/data_analysis_ml Big Data: t.me/bigdatai Математика: t.me/data_math Физика: t.me/fizmat Kubernetes: t.me/kubernetc GameDev: https://t.me/gamedev Haskell: t.me/haskell_tg Собеседования и карьера: DS собеседования: t.me/machinelearning_interview Python собеседования: t.me/python_job_interview Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy Папка Frontend: https://t.me/addlist/mzMMG3RPZhY2M2Iy Полезное сверху: ИТ-мемы: t.me/memes_prog Английский для программистов: t.me/english_forprogrammers ИИ и технологии: t.me/vistehno 954 ГБ open-source курсов: https://t.me/+rKBQEMccAA01MTcy ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy Max Ai: https://max.ru/ai_machinelearning_big_data Max python: https://max.ru/pythonl ТЕХНО: https://max.ru/vistehno Max Go: https://max.ru/Golang_google Max Linux: https://max.ru/linuxkalii Devops: https://max.ru/DevOPSitsec C#: https://max.ru/csharp_ci C++: https://max.ru/cpluspluc SQL: https://max.ru/sqlhub Java: https://max.ru/javatg Подпишись и сохрани, здесь регулярно появляются новые подборки, инструменты и материалы, которые реально помогают расти быстрее.

🚨 Теренс Тао и ещё 24 лауреата Филдсовской премии выступили против того, как AI-компании используют математику 25 ведущих математиков подписали декларацию A Severe Misalignment of AI in Mathematics. Их главный тезис: превращать сложнейшие открытые задачи в очередной benchmark для моделей — опасный путь. Что их беспокоит: - AI-решения публикуются слишком быстро - не хватает времени на полноценную проверку и нормальное изложение доказательств - новые идеи и методы не успевают отделить от уже существующих работ - возникают серьёзные вопросы атрибуции и плагиата - поток «решено / не решено» может вытеснить главное — понимание того, почему математика вообще работает Авторы прямо пишут: > «Мы наблюдаем общую угрозу интеллектуальному труду». Они не отрицают резкий прогресс LLM в математике. Наоборот — признают, что модели уже способны решать крупные открытые проблемы. Но для математиков ценность задачи не только в финальном доказательстве. Важны новые идеи, объяснения, обсуждение, обучение следующего поколения и корректная связь с предыдущими работами. Поэтому конфликт целей становится всё заметнее: AI-лаборатории → решить быстрее и показать capability математическое сообщество → понять, проверить, объяснить и встроить результат в науку Декларацию подписали Теренс Тао, Питер Шольце, Марина Вязовская, Седрик Виллани, Максим Концевич и ещё 20 лауреатов Филдсовской премии. https://terrytao.wordpress.com/2026/09/11/a-severe-misalignment-of-ai-in-mathematics/ @vistehno

Единственный математик, решивший одну из семи задач тысячелетия. 🧠 Решил задачу, над которой бились почти век. Отказался от медали и миллиона долларов Это Григорий Перельман - российский математик, доказавший гипотезу Пуанкаре, одну из семи задач тысячелетия. 🥇 1982 год: в 16 лет получает золото Международной математической олимпиады с идеальным результатом - 42 из 42 баллов. 📄 2002–2003 годы: выкладывает на arXiv три препринта с доказательством гипотезы, сформулированной ещё в 1904 году. Работу он строит на методе потока Риччи Ричарда Гамильтона. Проверка и подробное изложение доказательства занимают у математиков несколько лет. 🏅 2006 год: отказывается от Филдсовской медали - одной из самых престижных наград в математике. 💵 2010 год: отказывается и от $1 млн, присуждённого Институтом Клэя за решение задачи. Доказательство Перельмана при этом остаётся в открытом доступе - прочитать его может любой. О задаче и доказательстве: https://www.claymath.org/millennium/poincare-conjecture/

🚨 OpenAI обвинили в возможном использовании чужой неопубликованной математики Математик Андреас Том заявил, что есть признаки того, что OpenAI могла обучать Astra на приватных обсуждениях, где он вместе с Габором Куном работал над гипотезой Громова о софичности - одной из задач, решение которой позже приписали Astra. Если его версия подтвердится, спор будет уже не только о том, «кто решил задачу». Речь пойдёт о том, могла ли неопубликованная работа исследователей попасть в обучающие данные модели, а затем быть представлена как самостоятельный прорыв ИИ. Автор поста пишет, что похожие претензии ранее поднимали и другие исследователи. Пока это именно обвинения, а не доказанный факт. Но если появятся подтверждения, вопрос происхождения «научных открытий» моделей станет намного серьёзнее. https://x.com/Machinelearrn/status/2098002641468985622

📲 OpenAI решила задачу тысячелетия? Пока доказательств нет Математик Тристан Бакмастер утверждает, что 6 сентября представители OpenAI сообщили ему о готовом доказательстве образования сингулярности в уравнениях Навье–Стокса с внешней силой. Если доказательство верно и соответствует условиям задачи Института Клэя, оно может закрыть одну из главных нерешённых проблем математики. До этого Бакмастер и Левент Алпёге с помощью Claude и моделей OpenAI получили новые результаты для уравнений Эйлера и родственных систем. Однако эти работы сами по себе задачу Навье–Стокса не решают. Параллельно возник спор об авторстве. Бакмастер заявляет, что ему предлагали оформить результат OpenAI без Алпёге, работающего в Anthropic. Себастьен Бюбек назвал обвинения ложными. Доказательство OpenAI не опубликовано, Бакмастер его не видел, независимой проверки нет. Институт Клэя по-прежнему указывает задачу как нерешённую. https://www.claymath.org/millennium/navier-stokes-equation/ @ai_machinelearning_big_data

✔️ Агенты Claude за 11 дней формализовали знаменитую теорему Ферма За основу взята упрощенная версия доказательства Уайлса от Дармона, Даймонда и Тейлора. Сгенерировано 13 млн строк кода и 30 300 промежуточных теорем, из которых в финальное доказательство вошли 29 500. Результат проверил компилятор Lean и подтвердил математик Кевин Баззард, ведущий проект формализации этой теоремы с 2024 года. Первые попытки проваливались. Агенты теряли состояние проекта и переставали координироваться, их неудачные заходы дали около 7% строк итогового кода. Сработало после перехода на платформу Prove2Me, которая держит граф теорем и позволяет агентам работать параллельно, смягчая деградацию памяти на длинной дистанции. Полностью автономным процесс не был - человек изредка давал указания верхнего уровня. Смысл автоматизации в том, что люди-рецензенты уже не успевают проверять поток доказательств, а формализация снимает с них часть нагрузки. anthropic.com

Никола Тесла хотел передавать электричество без проводов на большие расстояния. Беспроводная связь уже показала, что информацию можно передавать без кабелей, но с энергией всё оказалось намного сложнее. Тесла считал, что Землю и атмосферу можно использовать как часть глобальной системы передачи электричества. Для проверки идеи он построил башню Wardenclyffe в Нью-Йорке при финансовой поддержке Дж. П. Моргана. Но проект быстро стал слишком дорогим. Дополнительного финансирования Тесла не получил, башню так и не достроили в задуманном виде, а в 1917 году её снесли. Эксперименты Теслы помогли развитию исследований беспроводной передачи, но его мечта о передаче больших объёмов электричества по всему миру без проводов так и не была реализована. Сегодня беспроводная передача энергии работает на коротких расстояниях - например, в зарядках для смартфонов. А передавать большие мощности на очень большие расстояния без проводов всё ещё крайне сложно.