Математика Дата саентиста

📐 Генерируйте пошаговую LaTeX-документацию прямо из Python-кода с помощью handcalcs Показывать промежуточные шаги расчёта — критично для отчётов и верификации: так стейкхолдеры видят логику, а не только итоговое число. Писать LaTeX вручную для каждого шага — долго и рутинно. handcalcs снимает эту боль: он автоматически превращает ваш Python-код в понятные математические выкладки (с формулами и подстановками), готовые для вставки в отчёт, ноутбук или публикацию. Зачем это нужно • инженерные записки и техотчёты с проверяемыми шагами • документация к моделям данных и расчётам в DS/ML • учебные материалы и туториалы с «развёрнутыми» формулами Как это выглядит на практике

# pip install handcalcs

from math import pi
from handcalcs.decorator import handcalc

# handcalcs возьмёт выражения внутри функции и сгенерирует пошаговые формулы
@handcalc()
def circle_area(r):
    A = pi * r**2
    return A

latex_output = circle_area(3)   # возвращает LaTeX со всеми шагами: A = π·r^2 → подстановка → результат
print(latex_output)

# Пример для инженерной механики
@handcalc()
def bending_stress(F, L, b, h):
    I = b * h**3 / 12
    M = F * L
    y = h / 2
    sigma = M * y / I
    return sigma

print(bending_stress(F=1500, L=2.0, b=0.05, h=0.02))

Подсказки к использованию • держите формулы в чистом виде: переменные и выражения — внутри функций, без «магических» чисел • для отчётов экспортируйте LaTeX-строки в файл и подключайте в шаблон (или вставляйте в Markdown с MathJax) • фиксируйте входные параметры: handcalcs красиво покажет подстановку значений и все промежуточные шаги Итог: вы пишете расчёты один раз на Python, а читатели получают понятные формулы со всеми шагами — быстро, прозрачно и без ручного набора LaTeX.

🔍 Интерактивный визуальный гид по математике и алгоритмам через концепты геймдева Это отличный ресурс, где сложные идеи показываются через визуализацию и примеры из геймдева. 💡 Особое внимание главам про теорию графов - визуализация узлов, рёбер, путей - алгоритмы поиска: DFS, BFS, A* - минимальные остовные деревья и прочие структурные концепты Если хочешь, могу собрать подборку самых полезных страниц/статей с Red Blob Games про графы, которые стоит сохранить. https://redblobgames.com

🎮 DOOMscrolling: The Game Думскроллинг превратился в игру! Энтузиаст сделал пародию на DOOM, где вместо стрелялки — бесконечная лента новостей. ⚡ Как играть: - листаешь вниз/вверх → так двигается персонаж - на пути — монстры, оружие с апгрейдами, ловушки и даже стена огня, которая подгоняет вперёд - сверху накладываются реальные заголовки из RSS В итоге получается безумный микс: привычный думскроллинг, но теперь он реально «убивает». 👉 Попробовать: https://gisnep.com/doomscroll/?ref=ironicsans.ghost.io

Как выучить вышмат за 1 вечер? 😨 Никак. Ведь в первую очередь важно научиться понимать математику. Это позволит не только быстро восстанавливать известные факты, но и адаптировать их под свои задачи и цели! И поможет вам в этом единственный канал в телеграме о высшей математике. Его автор - выпускник СПБГУ, а ныне — аспирант РАН, преподаватель теории вероятностей и математического анализа. На простом языке разбирает сложные вещи, даёт шпаргалки и проводит регулярные консультации по высшей математике 📈 Находка для студентов и тех, кому нужен вышмат по работе. От полезных материалов и книг до ответов на вопросы и уроков по подготовке к олимпиадам, собеседованиям, вступительным испытаниям. Посмотрите сами 👉 @lav_math

🌟 Lumina-DiMOO Lumina-DiMOO — это передовая модель, использующая дискретную диффузию для обработки мультимодальных задач, таких как генерация изображений и их редактирование. Она демонстрирует высокую эффективность и превосходит существующие решения по множеству показателей. 🚀Основные моменты: - Унифицированная архитектура для различных модальностей. - Поддержка текстово-изображенческой генерации и понимания. - Увеличенная скорость выборки с помощью кэширования. - Достижение состояния искусства в нескольких бенчмарках. 📌 GitHub: https://github.com/Alpha-VLLM/Lumina-DiMOO #python

Почему нужно подать заявку на Студкемп по математике в ИИ от Яндекс Образования в СПбГУ по этой ссылке? 🤔 Потому что это: 1️⃣ Возможность пообщаться с экспертами из ШАД, СПбГУ и Яндекс Образования 2️⃣ Перспектива подключиться к научным исследованиям по математике и ИИ 3️⃣ Потенциал получить глубокий математический взгляд на ML 4️⃣ Обработка теоретических и практических профессиональных знаний 5️⃣ Можно продолжать до бесконечности… И это точно нельзя упускать! Ведь даже проезд и проживание оплатит Яндекс Образование 💙 Приём заявок открыт до 21 сентября — не теряем время.

⚡ Speculative Cascades — как ускорить работу LLM Google Research придумали новый способ сделать большие языковые модели быстрее и дешевле. Что это такое: 🔹 Каскады Сначала отвечает маленькая модель. Если задача слишком сложная - подключается большая. Так экономятся ресурсы, но качество может прыгать. 🔹 Спекулятивная декодировка Маленькая модель угадывает сразу несколько слов вперёд. Большая быстро проверяет данные и подтверждает. Скорость выше, но большая модель всё равно тратит много ресурсов. 🟢 Speculative Cascades Это комбинация: маленькая модель иногда отвечает полностью сама, а иногда используется как ускоритель для большой. В итоге получаем меньше затрат, больше скорости и то же качество. 🔥Что показали тесты (тестили на Gemma, T5): - быстрее, чем обычная спекулятивная декодировка - дешевле и качественнее, чем каскады - удобнее настраивать баланс «скорость ↔ качество» При том же уровне качества, что и у спекулятивной декодировки, новый метод работает быстрее (генерирует больше токенов за один вызов большой модели). А в задачах математических рассуждений получен явный апгрейд по скорости при сохранении или даже улучшении качества. LLM всё чаще используются в поиске, чатах, ассистентах. Чтобы они реально были полезными, их нужно ускорять и удешевлять. *Speculative cascades* помогают это сделать без потери качества. 🔗 Подробнее: https://research.google/blog/speculative-cascades-a-hybrid-approach-for-smarter-faster-llm-inference/ @ai_machinelearning_big_data #AI #LLM #Inference #SpeculativeDecoding #Cascades #GoogleResearch

🔥Авито открыл набор на стажировку для тех, кто хочет прокачаться в ML и работать в одной из самых технологичных DS-команд!

Развивайте уникальные продукты и получите шанс продолжить свой путь в Авито по результатам программы — подробнее в карточках.

Отправляйте заявку до 15 сентября: https://u.to/FpdXIg

💡 Новая физика: “тёмный свет” Учёные предложили квантовую теорию, которая утверждает: даже в темноте есть свет. 📌 Раньше считалось, что «тёмные зоны» возникают, когда световые волны гасят друг друга и там пусто. 🔬 Теперь же физики говорят: фотоны остаются, но переходят в «тёмное квантовое состояние» — они существуют, но их невозможно увидеть. ✨ Как это работает: - Свет — это смесь «ярких» и «тёмных» состояний. - В ярком состоянии фотоны взаимодействуют с детекторами и становятся видимыми. - В тёмном — остаются скрытыми, хотя никуда не исчезают. - Сам акт наблюдения переводит фотон из тёмного в яркое состояние — и именно тогда возникает видимый результат. ⚡️ Это переосмысление может объяснить старые парадоксы квантовой механики и открыть путь к технологиям, которые будут уметь обнаруживать и управлять скрытыми состояниями света. 📌 Источник: https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.134.133603

🔢 Качество математических данных — ключ к развитию reasoning-моделей. Но тут есть проблема: лучшие данные скрыты в старых научных статьях, а OCR математики — это настоящий кошмар: куча исключений, форматы, языки. 👉 Даже GPT-5 при распознавании путает F с τ (маленькая правка в символе, но огромная смысловая разница) и ломает форматирование. Исследования (*deepseek-math, NVIDIA Nemotron*) подтверждают: предобучение на математике критично для улучшения рассуждений LLM. Работа HuggingFace над *smollm* показала, что фильтрация токенов с 34B → 10B только по качеству повысила результативность. ⚠️ Для хорошего математического корпуса OCR должен быть почти 100% точным, справляться с разными языками и макетами страниц. 💡 Обычно используют MathPix — он неплох, но дорогой, медленный и закрытый. Хорошие новости: за последние месяцы open-source модели обошли MathPix. Marker уже показывает SoTA на бенчмарке *olmocr* по математике. Внутренние тесты в tier-1 AI-лаборатории: лучше MathPix. Минимальные ошибки даже на китайских статьях, где GPT-5 «сдавался». 📌 Репозитории: - Marker → https://github.com/datalab-to/marker - Surya → https://github.com/datalab-to/surya Персонализация и on-prem кастомизация тоже доступны — разработчики открыты к диалогу. ⚡ Открытые решения для математического OCR двигаются быстрее, чем кажется.

🔥 Успех в IT = скорость + знания + окружение Здесь ты найдёшь всё это — коротко, по делу и без воды. Пока другие ищут, где “подглядеть решение”, ты уже используешь самые свежие инструменты! AI: t.me/ai_machinelearning_big_data Python: t.me/pythonl Linux: t.me/linuxacademiya Собеседования DS: t.me/machinelearning_interview C++ t.me/cpluspluc Docker: t.me/DevopsDocker Хакинг: t.me/linuxkalii Devops: t.me/DevOPSitsec Data Science: t.me/data_analysis_ml Javascript: t.me/javascriptv C#: t.me/csharp_1001_notes Java: t.me/java_library Базы данных: t.me/sqlhub Python собеседования: t.me/python_job_interview Мобильная разработка: t.me/mobdevelop Golang: t.me/Golang_google React: t.me/react_tg Rust: t.me/rust_code ИИ: t.me/vistehno PHP: t.me/phpshka Android: t.me/android_its Frontend: t.me/front Big Data: t.me/bigdatai МАТЕМАТИКА: t.me/data_math Kubernets: t.me/kubernetc Разработка игр: https://t.me/gamedev Haskell: t.me/haskell_tg Физика: t.me/fizmat 💼 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 😆ИТ-Мемы: t.me/memes_prog 🇬🇧Английский: t.me/english_forprogrammers 🧠ИИ: t.me/vistehno 🎓954ГБ ОПЕНСОРС КУРСОВ: @courses 📕Ит-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy Подпишись, если хочешь быть в числе тех, кого зовут в топовые проекты!

🚨 Новый отчёт от Epoch AI: GPT-5 значительно превосходит GPT-4 Хотя запуск GPT-5 прошёл тише, чем громкий дебют GPT-4, цифры показывают обратное — это снова огромный скачок, как когда-то между GPT-3 и GPT-4. 📊 Рост по ключевым бенчмаркам: 🧠 +67% на HumanEval 📚 +80% на Mock AIME 📈 +75% на продвинутой математике (Level 5 MATH) Итог: GPT-5 подтверждает тренд — каждое поколение приносит качественный прорыв в возможностях моделей. https://epoch.ai/data-insights/gpt-capabilities-progress

✔️ NVIDIA и Университет Эссекса провели крупнейшую в истории симуляцию в статистической физике. Инженеры из Университет Эссекса при поддержке NVIDIA установили новый мировой рекорд в компьютерном моделировании. Эксперимент позволил впервые на практике наблюдать термодинамический предел — ключевое понятие, объясняющее, как свойства материи проявляются в макроскопических системах. Для симуляции использовалась стоечная архитектура NVIDIA GB200 NVL72, которая позволила смоделировать поведение до 70 триллионов взаимодействующих частиц. Система достигла рекордной производительности почти в 115 000 обновлений решетки в наносекунду. Результаты исследования, опубликованные в Physical Review Research, могут ускорить разработку новых дисплеев, магнитных материалов и дать более глубокое понимание фундаментальных свойств материи. essex.ac.uk

📚 Mathos (ранее MathGPT Pro) — ИИ-репетитор по математике Mathos — это умная платформа на базе искусственного интеллекта, которая помогает решать задачи по математике: от алгебры до высшей математики. Подходит и школьникам, и студентам, и преподавателям. ✨ Возможности: - На 20% точнее GPT-4o при решении задач по математике и STEM - Поддерживает ввод с фото, PDF, голосом, текстом или рисунком - Пошаговые объяснения + интерактивные графики и аннотации - Доверие более 1 млн студентов в 200+ странах - Стартап из акселератора Y Combinator (Winter 2024), офис в Калифорнии Идеально для самоподготовки, помощи с домашкой, подготовки к экзаменам и для учебных занятий. http://mathgptpro.com/ #AI #EdTech #Math #Образование

🌌 Математический мем в стиле «Звёздных войн» Внизу — маленький Энакин: зовая основная теорема анализа — интеграл от производной равен приращению функции. А тень — Дарт Вейдер, то есть «взрослая форма»: Это обобщённая теорема Стокса, которая объединяет под собой все классические результаты: Ньютона–Лейбница, Грина, Остроградского–Гаусса и Стокса. ⚡️ Смысл мема: основная теорема анализа — лишь маленький частный случай великой теоремы Стокса.

Подпространства в ℝ³ за минуту У линейных подпространств в ℝ³ всего четыре типа — именно их и шутливо показали на меме: • {0} — только нулевой вектор. • Прямая через начало: span(d) = { t·d }. • Плоскость через начало: { p | n·p = 0 } = ker(nᵀ). • Всё пространство ℝ³. Как понять, что множество — подпространство: 1) 0 ∈ S 2) Замкнутость по умножению на скаляр: αx ∈ S 3) Замкнутость по сложению: x + y ∈ S Быстрые примеры: • z = 0 — подпространство (плоскость через начало). • z = 1 — уже не подпространство (нет нулевого вектора, нет замкнутости). Запомнить просто: линейные подпространства всегда проходят через начало координат.

Суммы Римана и интегралы обе преследуют цель вычислить площадь под кривой, но отличаются точностью и методом. Сумма Римана — это приближение, при котором площадь оценивается как сумма площадей прямоугольников, расположенных под кривой. Ширина каждого прямоугольника определяется разбиением интервала, а высота берётся из значения функции в выбранной точке внутри каждого подинтервала (например, в левой границе, правой границе или середине). При увеличении числа прямоугольников точность приближения возрастает. Интеграл же представляет собой точное значение площади под кривой и определяется как предел суммы Римана при стремлении числа прямоугольников к бесконечности и их ширины — к нулю. Иными словами, суммы Римана — это ступени, а определённый интеграл — это конечная цель.

📌Приглашаем вас на три бесплатных вебинара курса «ML для финансового анализа» 💎Вебинар №1: «Инструменты тестирования торговых стратегий» ⏰ 27 августа в 20:00 мск 🔹На вебинаре: - Познакомитесь с инструментами для backtesting’а: от pandas до backtrader и backtesting. -Узнаете про метрики оценки: доходность, просадка, Sharpe ratio - Покажем ошибки при тестировании и как их избежать. - Практика по тестированию простой стратегии и анализу ее метрик. 💎Вебинар №2: «Введение в технический анализ: построение торговой стратегии» ⏰ 4 сентября в 20:00 мск 🔹На вебинаре: -Узнаете архитектурное решение локального торгового робота - Познакомитесь с понятием технического анализа - Практика с актуальными инструментами - Построения индикаторов на практике - Первая стратегия на тех. анализе 💎Вебинар №3: «Работа с торговой площадкой ByBit» ⏰ 17 сентября в 20:00 мск 🔹На вебинаре: - Обзор возможностей платформы ByBit: типы ордеров, торговые пары. - Разбор основных принципов работы с API ByBit: авторизация, получение котировок, выставление ордеров. - Напишем простой торговый скрипт на Python и протестируем его на демо-аккаунте. 🎁Участники вебинаров получат подарки на почту Регистрация на вебинары ➡️ OTUS.RU Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

☀️ Surya: фундаментальные модели ИИ для гелиофизики и предсказания воздействии солнца на космическое и земное пространство. NASA и IBM выпустили в опенсорс Surya Heliophysics Foundational Model — крупномасштабную ИИ-модель, обученную на 14 годах наблюдений космоса спутника Solar Dynamics Observatory (SDO) 🟢 Зачем это нужно: Солнечные бури влияют на нашу жизнь: 🛰️ могут вывести из строя спутники ✈️ нарушить работу навигации в самолётах ⚡ вызвать перебои с электричеством 👨‍🚀 создать радиационную угрозу для астронавтов Иногда вспышки сопровождаются потоками частиц, которые повреждают электронику и опасны для здоровья. 🟠 Чем интересна Surya: - Обучена на 14 годах наблюдений за Солнцем - Позволяет предсказать вспышки на солнце за 2 часа до их - Показывает точное место на Солнце, где произойдёт вспышка - Помогает заранее подготовиться авиации, энергетике и связи к возможным проблемам. 🚀 IBM и NASA десятилетиями работали над моделями климата и погоды на Земле. Теперь они перешли к прогнозированию «космической погоды». ▪HF: https://huggingface.co/nasa-ibm-ai4science ▪Модели: https://huggingface.co/nasa-ibm-ai4science/models ▪Датасеты: https://huggingface.co/nasa-ibm-ai4science/datasets @ai_machinelearning_big_data #AI4Science #Heliophysics #OpenScience #MachineLearning #NASA #IBM

🧮 GPT-5 Pro выходит на новый уровень. Теперь модель способна выводить корректные математические доказательства прямо из научных статей. 📌 Недавний пример: GPT-5 Pro построила проверенное доказательство из работы по выпуклой оптимизации, расширив «безопасное окно шага» на 50%. 🧮 Эксперимент выглядел так: он взял статью по выпуклой оптимизации, где оставался открытым вопрос о шагах градиентного спуска. GPT-5 Pro предложил доказательство, которое улучшило границу из оригинальной работы, и Бюбек лично проверил его корректность. 📄 В первой версии статьи было установлено: 🟢если η < 1/L (L — параметр гладкости), кривая значений функции выпуклая; 🟢если η > 1.75/L, существует контрпример. Неясным оставался диапазон [1/L, 1.75/L]. 💡 GPT-5 Pro сумел продвинуться и показал, что условие выпуклости сохраняется вплоть до η = 1.5/L. Это не окончательное решение, но значимый шаг вперёд — фактически новый научный результат, который мог бы быть опубликован на arXiv. 👀 Однако в обновлённой версии статьи , где появился дополнительный соавтор, люди закрыли задачу полностью, доказав точность границы 1.75/L. Примечательно, что доказательство GPT-5 Pro оказалось независимым: оно не совпадает с версией v2 и выглядит как естественное развитие идей из v1. Это показывает, что модель действительно смогла предложить свой собственный путь к решению открытой математической проблемы. Главное не только в результате, но и в контроле: на второй попытке, при заданных ограничениях, модель сместила константу дальше — сохранив все правила. Можно представить так: GPT-5 крутит очень чувствительную ручку, но не ломает механизм — а параллельно пишет чистое и проверяемое объяснение, которое может разобрать эксперт. Это шаг к тому, чтобы ИИ стал ежедневным соавтором на самых острых технических границах — где модели быстро «поджимают» константы, а люди доводят их до предела. Эра, когда большая часть математических открытий будет рождаться вместе с ИИ, только начинается. 🚀