модная программулечка

блондинка в законе буквально 💔

Fall into ML: влог с двух дней 🎀 два дня на научной конференции Института искусственного интеллекта и цифровых наук ФКН – моего родного факультета 🎓 пост про первый день тут а самым интересным событием второго для меня стала постерная сессия. о ней в видео! 🥹

все, что нужно знать об изменениях цен на технику в 2026 😭 слева – цена, за которую я купила новый макбук этим летом. анпакинг тут справа – его стоимость сейчас… +88 тысяч рублей всего за 4 месяца вы в шоке коллеги? я в шоке… 😱

3 вещи, по которым можно узнать владельца нового сенсорного макбука: ✨ постоянно протирает экран ✨ любуется светящимся яблоком ✨ скроллит тикток прямо с ноутбука

мой первый хеллоуин вечеринка NRAV проходила в старинном особняке! дресс-код был темный шик, но я выбрала сторону света и стала ангелом 😇 особянк превратили в настоящую готическую сказку: 🧳 гадали на таро 🧳 фотобудка со склетом 💅 туалетный столик Мортиши Аддамс 🧳 торт, у которого точно такая же укладка как у меня хаха 🧳 крик за диджеинским пультом 🧳 и даже делали пирсинг!!! шок 🧳 были еще ходулисты (ребята на длинных ходулях) а в конце всем подарили косметику от NRAV 💋 честно это была одна из самых роскошных вечеринок! 🤵‍♀️ ссылка на лучок

Python глазами фронтендера: 10 отличий от JavaScript 🔰 vs 🖼️ когда пишешь на JS и начинаешь учить питон, кажется, что все знакомо. а потом один и тот же код выдает разный результат. собрала отличия, которые мне пришлось разбирать на практике: 1. ни скобок, ни let

let total = 0
if (total === 0 && !done) {
  total += 1
}

total = 0
if total == 0 and not done:
    total += 1

блоки в питоне задаются отступами вместо фигурных скобок, неверный отступ - ошибка. let и const не нужны, переменная появляется при присваивании, а логические операторы пишутся словами and, or, not 2. циклы классического for (let i = 0; i < n; i++) в питоне нет, зато есть range, enumerate и zip:

names = ["Аня", "Маша"]
ages = [25, 30]

for i in range(3): ...                  
# 0, 1, 2
for i, name in enumerate(names): ...    
# номер + элемент
for name, age in zip(names, ages): ... 
# два списка сразу

range генерирует последовательность чисел, enumerate отдает пары «индекс – элемент», а zip идет по нескольким коллекциям параллельно. в JS встроенных range python нет, все через индексы:

for (let i = 0; i < 3; i++) {}
names.forEach((name, i) => {})
names.forEach((name, i) => {
  const age = ages[i]   // zip руками
})

3. comprehensions

[x ** 2 for x in range(5) if x % 2 == 0]   # [0, 4, 16]
{name: len(name) for name in names}        # {'Аня': 3, 'Маша': 4}

[0, 1, 2, 3, 4].filter(x => x % 2 === 0).map(x => x ** 2)
Object.fromEntries(names.map(n => [n, n.length]))

comprehension – это создание коллекции одним выражением с фильтрацией и преобразованием. в JS тот же результат дает цепочка filter + map, а для объекта еще и Object.fromEntries 4. встроенные помощники

sum(nums), max(nums)
any(x > 2 for x in nums)
sorted(nums)
"привет"[::-1]            
# "тевирп"

nums.reduce((a, b) => a + b, 0)
Math.max(...nums)
nums.some(x => x > 2)
nums.sort()
"привет".split("").reverse().join("")

в питоне агрегации – это встроенные функции: sum, max, any, all. в JS суммы из коробки нет, только reduce, а максимум живет в Math. еще .sort() в JS мутирует исходный массив, а sorted в питоне возвращает новый. срез [::-1] в питоне разворачивает любую последовательность, включая строки 5. коллекции и оператор in в JS по факту есть массив и объект, а в питоне под каждую задачу своя структура: list, tuple, dict, set. и in там работает по-разному:

3 in [1, 2, 3]   // false

3 in [1, 2, 3]   # True

в JS in проверяет ключи, а у массива это индексы 0, 1, 2. для поиска значения нужен .includes() 6. сравнение списков

[1, 2] === [1, 2]   // false

[1, 2] == [1, 2]    # True
[1, 2] is [1, 2]    # False

JS сравнивает объекты по ссылке: два разных массива в памяти не равны, даже с одинаковым содержимым. в питоне == сравнивает значения, а идентичность объектов проверяет is 7. умножить массив на 2

[1, 2, 3] * 2             // NaN

[1, 2, 3] * 2     # [1, 2, 3, 1, 2, 3]
np.array([1, 2, 3]) * 2   
# array([2, 4, 6])

три ответа на один вопрос. обычный список повторяется, а NumPy-массив применяет операцию поэлементно, без циклов. на этой векторизации держится вся data science 8. округление

Math.round(2.5)   // 3

round(2.5)        # 2

в питоне банковское округление: половинки идут к ближайшему четному, поэтому round(3.5) уже 4. так при массовых расчетах не копится систематическая ошибка 9. обращение к несуществующему

[1, 2][10]   // undefined
({}).name    // undefined

[1, 2][10]   # IndexError
{}["name"]   # KeyError

JS молча вернет undefined, а питон сразу бросит исключение 10. на десерт: замыкания в цикле

fs = [lambda: i for i in range(3)]
[f() for f in fs]   # [2, 2, 2]

const fs = []
for (let i = 0; i < 3; i++) fs.push(() => i)
fs.map(f => f())    // [0, 1, 2]

лямбды в питоне захватывают переменную, а не значение, и к моменту вызова i уже 2. а let в JS создает новую привязку на каждой итерации а что из этого удивило вас?

мой образ ангела для halloween party от NRAV! 😇🪽 прелести интернета: за пару кликов можно превратиться в ангела, даже не спускаясь с небес оставляю ссылочки на крылья, нимб и весь образ!! ✨ крылья: Arte ~1000₽ нимб: Arte ~380₽ платье: Zara кейп: Befree чулки: Calzedonia сапоги: Londri кошелек: Chanel цепочка для кошелька: Aliexpress (у меня длина 120) dress code был: готика, тёмный гламур, старинный шик и всё, что выглядит зловеще. раскрой свой нрав – чем смелее, тем лучше думаете я справилась? 😃 #луки@enjicITmagic

ангел 21 века: носит крылья в пакете 🪽🪽

до сих пор не привыкла к тому, что вы меня узнаёте, и каждый раз это такой шок и такое умиление 🥺 не знаю, чем заслужила столько любви и внимания, но я очень-очень благодарна каждому из вас 😍 вы такие добрые, умные и светлые!!! мне невероятно повезло, что именно вы читаете мой блог! люблю вас, моя невероятная аудитория 😭❤️

Fall into ML: день первый 💅🏼🎀 вчера была на Fall into ML! это главная конференция по машинному обучению и AI в ВШЭ чтобы понять масштаб: свои работы здесь представляют исследователи, чьи статьи приняли на топовые мировые AI-конференции (уровня A* и A) 80% конфы на английском и много иностранных участников день начался с туториалов: 🖇️ про Vision-Language-Action (VLA) модели в робототехнике. это нейросети, которые соединяют зрение, понимание текста и движение. то есть робот видит, слышит команду и сам решает, как её выполнить 🖇️ про современные методы сэмплирования дальше были воркшопы, например, от Sber AI про то, как оценивать LLM на русском языке и какие для этого есть бенчмарки потом попала на сессию Россия × Китай, и она оказалась одной из самых интересных! Том Луо из китайского института SLAI (Шэньчжэнь) рассказывал про международное научное сотрудничество, а Вышка представила их общую AI-лабораторию NextGenAI. ну и главное: есть аспирантура с двумя дипломами, 3 года учишься в Вышке, а потом 2 года в Китае а между докладами можно было получить карьерную консультацию от Сбера вечером была панельная дискуссия «прорыв в области ИИ: каким станет ИИ и кем станем мы?»: на сцене были представители ВШЭ, Сбера, Т-Банка, Сколтеха, AIRI и SLAI и на кофебрейке лично познакомилась с Марией Тихоновой, до сих пор не верю… она как раз вела воркшоп от Sber AI, а ещё преподаёт у меня в вышке факультатив Start в Research, обожаю ее пары! ✨ кстати, теперь они выложены на YouTube в открытом доступе! все ссылки у Марии в посте, забирайте бесплатные знания 🥰

мой стек: Swift, React и Hello Kitty 🐱🧚‍♀

меня спросили, как я всё успеваю, а я решила спросить об этом свой ChatGPT 😃 мне очень понравилось последнее предложение 4 пункта!! это прям точно я

58 лекций за 2 месяца!! 😊 на этой неделе конец первого модуля в вышке! а на следующей сессия поступление в магистратуру «Искусственный интеллект» стало одним из лучших событий этого года! я обожаю учиться, а в вышке это оказалось еще и в удовольствие главная проблема самообразования, особенно в новой сфере, в том, что ты не знаешь, с чего начать и куда двигаться. а здесь всё так круто систематизировано лекции и домашки делятся на PRO и BASE, и изначально я думала везде выбрать BASE. но ради интереса ходила на все лекции, и на PRO, и на BASE, и домашки тоже делала по обоим трекам. да, двойная нагрузка, но мне было интересно всё! и знаете что? в итоге я везде выбрала PRO! потому что BASE закрывался моими фронтенд-знаниями, а на PRO я реально расту за эти 2 месяца учебы я побывала на 58 лекциях: 💕 математика: 12 💕 python: 18 💕 SQL: 5 💕 инструменты разработки: 18 💕 старт в research: 3 💕 английский: 2 все лекции и домашки супер интересные. конечно, приходится еще и самой сидеть: писать конспекты, пересматривать лекции, НО БОЖЕ, СКОЛЬКО ЖЕ Я ВСЕГО УЗНАЛА ЗА ЭТО ВРЕМЯ! невероятный кайф, честно я открыла для себя новый мир и впереди еще столько всего! еще была классная пара про то, как проходить собесы по AI/ML/DL. я конечно ничего не поняла аххах, но уверена что к концу обучения всё смогу 💅🏼🎀

как Zara и Uniqlo учат роботов складывать футболки ⚪️ Bershka и Zara принадлежат одной компании, Inditex, и я тут нашла у них интересную историю про роботов складывать одежду кажется самой простой задачей на свете, но для робота это прям боль футболка мнётся, у каждой вещи свой размер, своя ткань, шёлк ведёт себя совсем не так, как деним. обычного промышленного робота программируют под одно конкретное движение с одним конкретным предметом, а тут каждый раз что-то новое. в UC Berkeley, например, сделали робота, который складывает джинсы, стоит он $60.000 и складывает 30–40 вещей в час, то есть медленнее обычного человека. поэтому на складах и в логистике одежду до сих пор в основном берут и складывают люди руками и вот inditex ещё в 2025 году вложился в испанский стартап Theker Robotics, а в январе 2026 у Theker был раунд инвестиций на €21 млн (это когда стартап привлекает деньги сразу от нескольких инвесторов) и Inditex среди них Theker делает промышленные роботы-манипуляторы, которые работают в связке с computer vision и AI. то есть робот не просто повторяет заученное движение, а смотрит на вещь, понимает, что перед ним, и подстраивается в реальном времени под размер, ткань и формат, без того чтобы его каждый раз перепрограммировали при этом Inditex тут не первые. Uniqlo начали ещё в 2019: свой главный склад в Токио они автоматизировали так, что людей там стало на 90% меньше, но футболки всё равно складывали руками. пока японский стартап Mujin не поставил туда двурукого робота, который сам складывает футболки и упаковывает их в коробки так что сейчас это прям гонка двух главных fast fashion гигантов, и соревнуются они уже не только коллабами, но и технологиями: кто быстрее автоматизирует склад, у того и преимущество

главная бимбо-коллаба осени! y2k-коллекция от bershka и Juicy Couture 🎀💅🏼 если зарочка коллабится с Джоном Гальяно, то бершка с джуси кутюр главные айтемы – розовый спортивный костюм и ремень, и они уже едут ко мне! это будет моя первая вещь от джуси, велюровый костюм планирую носить со своими розовыми мунбутами цены у коллекции очень приятные: костюм Bershka стоит 82€ против 200€ за оригинальный Juicy Couture 💗 заказала сама через сервис Azora ➡️ САМ СЕБЕ БАЙЕР: Azora

мои спортивные покупки из Парижа! 💭 помимо бутиков Chanel и Louis Vuitton, я очень мечтала попасть во флагманский 📍магазин On на Елисейских полях его открыли к Олимпиаде и это самый большой магазин бренда в мире я перемерила полмагазина и выбрала самые удобные модели для себя 💗 Cloud Tilt – лучшие кроссовки для ходьбы! теперь понимаю, почему их так хвалят: даже мои суперудобные balenciaga им проигрывают 💗 Cloud X Tempo – эта модель вышла буквально за пару недель до моего приезда, поэтому я даже не планировала её покупать. изначально я ехала за Cloudpulse Pro, моделью, которую On создали специально для силовых тренировок, но их подошва оказалась слишком жёсткой для ходьбы в горку, которую я делаю сразу после силовой а у Cloud X Tempo стопа хорошо зафиксирована, но при этом есть амортизация, которая мне так нужна для кардио. в общем, это самые удобные кроссовки для тренировок, которые у меня когда-либо были! настолько понравились, что я сразу взяла две пары в разных цветах 💗 а для бега у On есть отдельная модель – Cloudmonster 3 в общем, хайп вокруг швейцарского бренда On абсолютно оправдан

sporty girl era 🎀 моя обычная тренировка последние 8 месяцев: ❤️ 20 мин эллипс ❤️ 1 час силовой с тренером ❤️ 1 час ходьбы в горку под наклоном 25° плюс 10–15 тысяч шагов каждый день за 8 месяцев: −4 кг жира и +1 кг мышц