⚫️Мой опыт работы с Linux: плюсы, минусы и советы новичкам⚫️

◼️Немногие знают, но уже несколько лет я активно использую Linux в работе. Если быть точным, Linux — это не операционная система сама по себе, а ядро, на котором строятся дистрибутивы. Однако для простоты я буду называть его ОС. Мой переход на Linux был вынужденным: в лаборатории, где я работаю, уже давно стоит OpenSUSE. Хотя иногда я всё же возвращаюсь в Windows для отдельных задач, Linux стал моей основной средой работы. Заметив растущий интерес к этой системе среди коллег и учеников, решил поделиться своим опытом — как хорошим, так и не очень.

▶️Недостатки Linux.

Переход с Windows на Linux редко проходит гладко. Вот основные сложности, с которыми я столкнулся:

1. Многие привычные вещи в Linux устроены иначе: консоль, bash-скрипты, open-source проекты. Новичку придётся потратить время, чтобы в этом разобраться.

2. Книги и курсы по Linux устаревают быстрее, чем успевают выйти в печать. Основные моменты найти конечно же можно, но тонкости — только методом проб и ошибок. Всё решаемо, но требует времени и нервов.

3. Проблемы с ПО в Linux неизбежны, а поиск решений на форумах напоминает Morrowind — сложно, непредсказуемо и порой токсично. Половина комментариев сводится к обвинениям в некомпетентности, а дельных советов никто дать не может.

4. Многие аналоги Windows-программ в Linux либо отсутствуют, либо выглядят и работают неудобно. Особенно это касается специализированного ПО. Сюда же отмечу и установку некоторых драйверов (например, для NVIDIA).

▶️Плюсы Linux: почему оно того стоит?

Несмотря на недостатки, Linux остаётся моей основной системой, и вот почему:

1. За 6 лет использования система зависала считанные разы — и то по моей вине. Работает быстрее Windows, могу подтвердить

2. Почти все дистрибутивы бесплатны. В чём смысл тогда для разработчиков? 90% серверов и суперкомпьютеров работают на Linux — вот и ответ, откуда деньги.

3. Можно сделать систему идеально под себя: от интерфейса до глубокой автоматизации. Посмотрите, например, это видео— там показано, на что способен Linux в умелых руках.

4. Для повседневных задач и профессиональной работы в Linux уже есть большинство необходимых инструментов.

▶️Советы тем, кто хочет попробовать Linux

1. Для первого знакомства лучше подойдёт дистрибутив с KDE Plasma — стабильнее и удобнее, тк похож на Windows. Ubuntu не советую никому. Комментировать не буду даже...

2. Прежде чем ставить Linux как основной, попробуйте его в VirtualBox.

3. Используйте Flathub. Это лучший способ установки программ без головной боли с зависимостями.

4. Базовое понимание командной строки и BASH сильно упростит жизнь в Linux.

✔️Linux — не идеальная система, но если вы готовы разбираться, она даст вам стабильность и контроль над своим железом. Стоит ли переходить? Зависит от ваших задач. Но попробовать определённо стоит.

🔥Автоматизация рутины на Python

⚫️На днях я рассказывал про Linux и важность командной строки и bash. Но давайте смотреть правде в глаза: большинство пользователей всё равно работает на винде. PowerShell не взлетел стал оплотом системных администраторов, многие забывают, что python можно использовать для задач автоматизации, как отличная альтернатива. Кстати, помогает прокачать навыки программирования. Главное — подходить к автоматизации с умом: сначала вручную разберитесь с задачей, потом оптимизируйте процесс, и только затем пишите код для автоматизации. Так вы избежите ситуации, когда скрипт оказывается бесполезным. Проверенно...

Из собственного опыта могу выделить несколько полезных инструментов.
▶️Модуль os — это must have для работы с файловой системой. На Linux он раскрывается полностью, но и под Windows сойдёт: создание директорий, управление файлами, запуск внешних программ.

▶️Ещё одна частая задача, по крайней мере у меня, — массовая замена текста в файлах. Например, когда нужно сгенерировать множество похожих файлов с разными параметрами. Вот мой рабочий пример, который можно адаптировать под свои нужды:

import numpy as np

input_file = 'input.txt'  # Имя входного файла
output_prefix = 'output_'  # Префикс для выходных файлов
value_to_replace = '_NAME_' # это нужно вставить в том месте входного файла, которое будет меняться

# Создаем массив/список. Ясно что здесь я для примера написал, так то может что угодно быть - ФИО, даты, числа и тд 
values = np.arange(0, 20.0, 0.1)

# Читаем входной файл
with open(input_file, 'r') as file:
    content = file.read()

# Проходим по всем значениям и записываем в новые файлы
for value in values:
    # Заменяем значение в тексте
    new_content = content.replace(value_to_replace, str(value))

    # Формируем имя выходного файла
    output_file = f"{output_prefix}{value:.1f}.txt"

    # Записываем новое содержимое в выходной файл
    with open(output_file, 'w') as file:
        file.write(new_content)

Кроме этого, в Python есть и другие полезные модули.
▶️smtplib - пригодится для работы с почтой. Хотя лично я им не пользовался — знаю, что через него делают информационные рассылки.
▶️PyPDF2 поможет при работе с PDF-файлами, особенно если нужно что-то склеить или разобрать. Однако порой и онлайн инструментов может хватить, если задача однократная.
▶️openpyxl выручит, когда Pandas кажется избыточным для работы с Excel.
▶️А если нужно генерировать PDF-отчёты, стоит обратить внимание на reportlab

В итоге, автоматизация — это не про сложность, а про то, как избавить себя от рутины. Python здесь идеален: он гибкий, кросс-платформенный и достаточно простой, если не усложнять.

✔️С чего начать изучение математического моделирования?

Компьютерное математическое моделирование — мощный инструмент для анализа реальных процессов. Но многие новички (особенно школьники и студенты младших курсов) сталкиваются с вопросом: как подступиться к этой теме? Поделюсь своим мнением о ключевых шагах для старта:

1️⃣ Основа основ
Общая физика + высшая математика → База для любой модели. Даже при работе с абстрактными задачами важно сохранять здравый смысл и понимание физической сути процессов.

2️⃣ Базовые инструменты
Excel / Google-таблицы → Не только для обработки данных, но и для решения простейших задач.

QA-системы (Wolfram Alpha) → Решение сложных уравнений, визуализация графиков .

Нейросети → Умение писать точные промты — критически важный навык будущего.

3️⃣ Программирование — обязательный этап
Python / С-подобные языки → Стандарт для научных расчётов. Начинайте с изучения синтаксиса, но не трать на это слишком много времени.

Численные методы → Начните с простого: реализуйте, например, метод трапеций для интегрирования.

4️⃣ Написание собственных программ
Попробуйте закодить школьную задачу (например, движение частицы в электрическом поле). Даже если пока не знаете диффуры — помогут готовые библиотеки (SciPy, если говорим про Python).

5️⃣ Специализированное ПО
Repeat → Мощный бесплатный пакет с огромным потенциалом в будущем. Ещё буду писать про него)

CAD (T-Flex, Компас) → Базовое 3D-моделирование — must have для инженера. Хотя бы на базовом уровне

ЛОГОС / CadFlo → Для сложных систем: гидродинамика, теплообмен и другие инженерные задачи.

Если готовы дополнить этот список - пишите в комментарии⤵️

✔️Тот момент когда у тебя не было гидродинамики в школе, а изучать её начал сразу с Ландау/Лифшица.

🔷Да это странный момент, но факт. Для многих изучение движущихся жидкостей в институте сопряжено с ночными кошмарами и голосом в голове “не трудно показать, что…” или “очевидно…”. Лично считаю, что школьная программа должна восполниться изучением уравнения Бернулли. А некоторые можно было бы и убрать для уменьшения фантомных болей

Для тех, кто хочет всё таки поступить по уму, советую почитать книгу “Мир физической гидродинамики: от проблем турбулентности до физики космоса”. Да, некоторые главы могут быть сложны без знания диффуров. Но для первого погружения сойдёт

Если у вас есть свои рекомендации - пишите в комментарии⤵️

P.S. Для своих постов, как уже все поняли, я генерю картинки через нейронку. Эту назовём "прочтение диплома с научником"🙄

✔️Личное наблюдение: проблема с пониманием основ

Как человек, который профессионально занимается математическим моделированием (да ещё и в атомной отрасли), я давно заметил тревожную тенденцию.

Красивые графики и визуализации расчетов вызывают у людей восторг. Но когда дело доходит до обучения, выясняется, что многие не могут ответить даже на базовые вопросы. Например:

⁉️Чем функция отличается от уравнения?

Серьёзно. Некоторые затрудняются дать внятное объяснение. Если считаешь, что знаешь ответ — смело пиши в комментариях! И да, высокий балл ЕГЭ тут не гарантия понимания.

А без крепкой математической базы ни расчёты, ни моделирование физических процессов невозможны. Об этом я уже говорил.

Поскольку среди моих подписчиков немало школьников вот совет:

▶️ Подписывайтесь на канал моей знакомой — @kibmath
Ольга — опытный преподаватель математики, и её канал поможет разобраться в основах и в правилах оформления.

Всех обнял❤️

▶️Лорена А. Барба, профессор машиностроения и аэрокосмической инженерии, несколько лет назад выложила в открытый доступ курс по введению в вычислительную гидродинамику на python.

✔️Личное мнение - для прям базового изучения численного решения Навье-Стокса ну скорее да, чем нет. Но центральные разности… Лучше обсудить метод контрольного объёма, схему UpWind и так далее. В какой-то момент пришёл к осознанию, что в некоторых задачах, прям и хочется переписать по другому. Однако, если интересно изучить вопрос вот ссылка. Надеюсь, будет полезно.

▶️Небольшой опрос на знание физики

❓Представим следующее: берём шарик для пинг-понга, кладём его в воронку и… начинаем дуть в неё со всей силы.

Вопрос: удастся ли выдуть шарик наружу?

Ставь 👍 если уверен, что да
Или 🔥 если думаешь, что нет

▶️Гидродинамика, коты и Шнобелевская премия

❓Вы когда-нибудь задумывались, к какому агрегатному состоянию ближе кошка?
Марк-Антуан Фардин из Университета Лиона задался этим вопросом и получил за это... Шнобелевскую премию по физике в 2017
В своей работе "О реологии кошек", опубликованной в 2014 году, Фардин применил реологию - науку о текучести и деформациях - к анализу поведения котов и пришёл к выводу, что кошки могут вести себя и как твёрдое тело, и как жидкость, принимая форму сосуда.

⚫️Параметром в его исследовании стало число Деборы — безразмерное число, показывающий, насколько материал ведёт себя как жидкость или как твёрдое тело. Оно определяется как отношение времени релаксации ко времени наблюдения. Чем меньше число Деборы, тем более текучим будет материал; чем оно больше - тем твёрже. Если число Деборы близко к 1, объект проявляет свойства и жидкости, и твёрдого тела одновременно. Для кошек это часто так и есть! Также было замечено, что с возрастом кошки становятся «более жидкими».

Вообще говоря, это исследование - чистый абсурд. Но надо отдать должное к такому нестандартному подходу.