Самый красивый спутник на орбите
4 мая 1976 года, ровно 50 лет назад, был запущен LAGEOS-1 - спутник, в котором нет ничего лишнего.
Он представляет из себя идеальный латунный шар диаметром около 60 см, покрытый зеркальными ретрорефлекторами. Без электроники, без двигателей, без антенн. Только масса и геометрия.
Этот спутник не «работает» в привычном смысле, а просто движется по орбите и отражает лазерные импульсы с Земли. Его красота в физике:
1) Почти идеальное тело для движения в гравитационном поле
2) Минимум внешних воздействий => максимум точности
3) Орбита, которую можно измерять с миллиметровой точностью
С помощью LAGEOS-1 уточняют форму Земли, движение континентов и проверяют эффекты общая теория относительности. Это редкий случай, когда инженерия сознательно отказывается от сложности чтобы получить чистый эксперимент.
4 мая 1976 года, ровно 50 лет назад, был запущен LAGEOS-1 - спутник, в котором нет ничего лишнего.
Он представляет из себя идеальный латунный шар диаметром около 60 см, покрытый зеркальными ретрорефлекторами. Без электроники, без двигателей, без антенн. Только масса и геометрия.
Этот спутник не «работает» в привычном смысле, а просто движется по орбите и отражает лазерные импульсы с Земли. Его красота в физике:
1) Почти идеальное тело для движения в гравитационном поле
2) Минимум внешних воздействий => максимум точности
3) Орбита, которую можно измерять с миллиметровой точностью
С помощью LAGEOS-1 уточняют форму Земли, движение континентов и проверяют эффекты общая теория относительности. Это редкий случай, когда инженерия сознательно отказывается от сложности чтобы получить чистый эксперимент.
❤9🔥3🥰2🌚1
Внезапно, панкейки 🥞
Допустим, у нас есть набор последовательных натуральных чисел, расставленных в произвольном порядке.
Такие последовательности называются перестановками, и для каждой выбранной длины n их количество будет составлять ровно n!
Например, перестановки длины 3 будут выглядеть так:
123, 132, 213, 231, 312, 321.
Их количество равно 3! = 1•2•3 = 6
Введем операцию "флип", смысл которой можно описать так:
"Возьми первые k чисел в перестановке и расставь в обратном порядке". Для краткости будем обозначать ее Rk (reverse k).
Например,
123 -> R2 -> 213
123 -> R3 -> 321
Назовем упорядоченной перестановку, в которой числа расставлены в порядке возрастания.
Сможем ли мы построить последовательность флипов, переводящую произвольную перестановку в упорядоченную?
Спойлер:да, и этот алгоритм несложно придумать. Рекомендую попробовать.
Эта задача называется блинной сортировкой (pancake sorting). И алгоритм построения самой короткой последовательности флипов человечеству неизвестен по сей день.
Допустим, у нас есть набор последовательных натуральных чисел, расставленных в произвольном порядке.
Такие последовательности называются перестановками, и для каждой выбранной длины n их количество будет составлять ровно n!
Например, перестановки длины 3 будут выглядеть так:
123, 132, 213, 231, 312, 321.
Их количество равно 3! = 1•2•3 = 6
Введем операцию "флип", смысл которой можно описать так:
"Возьми первые k чисел в перестановке и расставь в обратном порядке". Для краткости будем обозначать ее Rk (reverse k).
Например,
123 -> R2 -> 213
123 -> R3 -> 321
Назовем упорядоченной перестановку, в которой числа расставлены в порядке возрастания.
Сможем ли мы построить последовательность флипов, переводящую произвольную перестановку в упорядоченную?
Спойлер:
Эта задача называется блинной сортировкой (pancake sorting). И алгоритм построения самой короткой последовательности флипов человечеству неизвестен по сей день.
❤8👀3🤓2❤🔥1🥰1
Влажность. Точка росы
Летним утром на траве и цветах можно заметить множество мелких капель воды - росу.
Откуда она берётся?
Воздух при каждой температуре может содержать лишь ограниченное количество водяного пара. Это состояние называют насыщением.
Чем выше температура, тем больше водяного пара может находиться в воздухе.
Ночью поверхности (трава, листья, цветы) остывают за счёт теплового излучения и часто становятся холоднее окружающего воздуха.
Если их температура опускается до точки росы, водяной пар вблизи поверхности становится перенасыщенным и начинает конденсироваться.
Так на охлаждённых поверхностях образуются капли росы.
Летним утром на траве и цветах можно заметить множество мелких капель воды - росу.
Откуда она берётся?
Воздух при каждой температуре может содержать лишь ограниченное количество водяного пара. Это состояние называют насыщением.
Чем выше температура, тем больше водяного пара может находиться в воздухе.
Ночью поверхности (трава, листья, цветы) остывают за счёт теплового излучения и часто становятся холоднее окружающего воздуха.
Если их температура опускается до точки росы, водяной пар вблизи поверхности становится перенасыщенным и начинает конденсироваться.
Так на охлаждённых поверхностях образуются капли росы.
❤5☃2🥰1🕊1
От идеи к чертежу
10 мая 1746, ровно 280 лет назад, родился Гаспар Монж - французский математик, геометр инженер, создатель начертательной геометрии.
Он разработал способ точно изображать трёхмерные объекты на плоскости через систему проекций. То, что сегодня кажется базовым навыком (чертежи, разрезы, схемы), в XVIII веке стало технологическим прорывом.
Начертательная геометрия Монжа позволила:
- перейти от наглядных эскизов к строгим инженерным построениям
- проектировать сложные конструкции до их создания
- связать математику с реальным производством
По сути, это язык, на котором до сих пор «разговаривают» инженеры, архитекторы и конструкторы.
🪶 Г.А.А.
Рубрика: юбилей в физике и математике
10 мая 1746, ровно 280 лет назад, родился Гаспар Монж - французский математик, геометр инженер, создатель начертательной геометрии.
Он разработал способ точно изображать трёхмерные объекты на плоскости через систему проекций. То, что сегодня кажется базовым навыком (чертежи, разрезы, схемы), в XVIII веке стало технологическим прорывом.
Начертательная геометрия Монжа позволила:
- перейти от наглядных эскизов к строгим инженерным построениям
- проектировать сложные конструкции до их создания
- связать математику с реальным производством
По сути, это язык, на котором до сих пор «разговаривают» инженеры, архитекторы и конструкторы.
Рубрика: юбилей в физике и математике
Please open Telegram to view this post
VIEW IN TELEGRAM
❤6🤓1👀1
✨Кросс-энтропия✨
(Cross Entropy Loss)
Это функция, которая измеряет насколько предсказанное распределение вероятностей отличается от правильного ответа.
Энтропия - мера неопределенности.
Cross-entropy измеряет:
сколько информации теряется,
если использовать предсказанное распределение вместо истинного.
Отсюда название.
Допустим, мы решаем задачу распознавания лиц.
Создаём модель, считающую вероятность события "На данном фото изображен N", где N - один из трех котиков:
Рыжик, Мурка и Барсик.
Для фото Мурки правильный ответ y = [0,1,0].
Модель предсказала ŷ = [0.1,0.7,0.2]
Она довольно уверена в правильном классе. Cross-entropy будет маленькой.
А если модель выдала:
ŷ = [0.9,0.05,0.05]
(то есть уверенно ошиблась) значение функции станет огромным.
То есть:
• "я почти уверен и прав" → маленький штраф
• "я почти уверен и ошибся" → чудовищный штраф
Таким образом, минимизация кросс-энтропии - есть минимизация ошибочных предсказаний, что делает эту функцию отличным инструментом для обучения моделей машинного обучения.
(Cross Entropy Loss)
Это функция, которая измеряет насколько предсказанное распределение вероятностей отличается от правильного ответа.
Энтропия - мера неопределенности.
Cross-entropy измеряет:
сколько информации теряется,
если использовать предсказанное распределение вместо истинного.
Отсюда название.
Допустим, мы решаем задачу распознавания лиц.
Создаём модель, считающую вероятность события "На данном фото изображен N", где N - один из трех котиков:
Рыжик, Мурка и Барсик.
Для фото Мурки правильный ответ y = [0,1,0].
Модель предсказала ŷ = [0.1,0.7,0.2]
Она довольно уверена в правильном классе. Cross-entropy будет маленькой.
А если модель выдала:
ŷ = [0.9,0.05,0.05]
(то есть уверенно ошиблась) значение функции станет огромным.
То есть:
• "я почти уверен и прав" → маленький штраф
• "я почти уверен и ошибся" → чудовищный штраф
Таким образом, минимизация кросс-энтропии - есть минимизация ошибочных предсказаний, что делает эту функцию отличным инструментом для обучения моделей машинного обучения.
❤8🔥5🙏1💘1
Нужен ли калькулятор на экзамене?
Почти каждый школьник сначала воспринимает калькулятор как благо: можно сбросить на него вычисления и сосредоточиться на задаче. А потом начинаются странные ошибки и потерянные баллы.
Почему так происходит?
1) Всегда есть шанс нажать не ту клавишу и не заметить это. Вероятность небольшая, но при большом количестве расчетов ошибка почти гарантировано выстрелит 1-2 раза за экзамен.
2) При счете на калькуляторе резко падает внимательность к деталям. Микрокулоны превращаются в кулоны, килоджоули в джоули. А ошибки со степенями десятки вообще встречаются постоянно.
3) Даже при правильном расчете ответы часто получаются неудобными. Руками можно оставить 2/7 или 4/13, а калькулятор выдает длинные десятичные дроби вроде 0,28571428… Их начинают округлять, ошибка постепенно накапливается, и ответ перестает сходиться.
Поэтому калькулятор на физике стоит использовать только там, где без него действительно неудобно. Например, если нужно посчитать √17 или sin73°. Во многих остальных задачах руками получается и быстрее, и надежнее.
И еще один важный момент: если не сказано иное, во второй части можно оставлять точные ответы. Например:
a = 2√3/7 м/с²
Помните: технологии это всего лишь инструмент. И полагаться на них во всем тоже бывает опасно.
🪶 Г.А.А.
Традиционная серия майских советов к экзаменам
Почти каждый школьник сначала воспринимает калькулятор как благо: можно сбросить на него вычисления и сосредоточиться на задаче. А потом начинаются странные ошибки и потерянные баллы.
Почему так происходит?
1) Всегда есть шанс нажать не ту клавишу и не заметить это. Вероятность небольшая, но при большом количестве расчетов ошибка почти гарантировано выстрелит 1-2 раза за экзамен.
2) При счете на калькуляторе резко падает внимательность к деталям. Микрокулоны превращаются в кулоны, килоджоули в джоули. А ошибки со степенями десятки вообще встречаются постоянно.
3) Даже при правильном расчете ответы часто получаются неудобными. Руками можно оставить 2/7 или 4/13, а калькулятор выдает длинные десятичные дроби вроде 0,28571428… Их начинают округлять, ошибка постепенно накапливается, и ответ перестает сходиться.
Поэтому калькулятор на физике стоит использовать только там, где без него действительно неудобно. Например, если нужно посчитать √17 или sin73°. Во многих остальных задачах руками получается и быстрее, и надежнее.
И еще один важный момент: если не сказано иное, во второй части можно оставлять точные ответы. Например:
a = 2√3/7 м/с²
Помните: технологии это всего лишь инструмент. И полагаться на них во всем тоже бывает опасно.
Традиционная серия майских советов к экзаменам
Please open Telegram to view this post
VIEW IN TELEGRAM
❤11🤓7👍3👀1
Ура, у меня есть второй диплом МФТИ 🤪
Миссия "за год закрыть два семестра DLS на абсолют" выполнена✔️
Следующая миссия: оффер
Миссия "за год закрыть два семестра DLS на абсолют" выполнена
Следующая миссия: оффер
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥14👏8👍5🤨2❤1🤓1💘1
Понимаю, зачем нужен SQL 🌐
Чтоб было с чем работать в Pandas, например.
За два дня я заботала 60 задач, и теперь умею 10/15 отсюда.
Несложновое 🤓
Чтоб было с чем работать в Pandas, например.
За два дня я заботала 60 задач, и теперь умею 10/15 отсюда.
Несложновое 🤓
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥6❤3🤓2
Основоположник петербургской математической школы
16 мая 1821 года, ровно 205 лет назад, родился Пафнутий Львович Чебышёв - один из крупнейших русских математиков XIX века.
Его работы положили фундамент для целого ряда направлений современной математики: теории чисел, теории вероятностей, вычислительных методов.
Многие результаты Чебышёва используются до сих пор: от неравенства Чебышёва в теории вероятностей до многочленов Чебышёва, используемых в вычислительной математике, теории приближений и обработке сигналов. Большое значение имели и его исследования распределения простых чисел.
При этом Чебышёв занимался не только чистой математикой, но и разрабатывал механизмы, передачи, изучал кинематику машин и вопросы практической точности инженерных конструкций.
Во многом именно из его школы позже выросла мощная русская школа теории вероятностей: Марков, Ляпунов, а позднее - Колмогоров.
16 мая 1821 года, ровно 205 лет назад, родился Пафнутий Львович Чебышёв - один из крупнейших русских математиков XIX века.
Его работы положили фундамент для целого ряда направлений современной математики: теории чисел, теории вероятностей, вычислительных методов.
Многие результаты Чебышёва используются до сих пор: от неравенства Чебышёва в теории вероятностей до многочленов Чебышёва, используемых в вычислительной математике, теории приближений и обработке сигналов. Большое значение имели и его исследования распределения простых чисел.
При этом Чебышёв занимался не только чистой математикой, но и разрабатывал механизмы, передачи, изучал кинематику машин и вопросы практической точности инженерных конструкций.
Во многом именно из его школы позже выросла мощная русская школа теории вероятностей: Марков, Ляпунов, а позднее - Колмогоров.
❤8🤓2🫡1
Please open Telegram to view this post
VIEW IN TELEGRAM
❤9🥰3🔥1😁1
Функции активации 💥
Каждый слой нейросети, сколь бы огромной она ни была, по сути является линейной функцией:
y=wx+b
И если собрать хоть 1000 таких слоёв подряд - вся сеть всё равно сведётся к одной большой линейной формуле.
То есть модель будет уметь строить только:
прямые,
плоскости,
гиперплоскости.
Фактически разделяя пространство на две части:
«выше» разделяющей поверхности,
«ниже» неё.
Но мир - нелинейный.
Лица, речь, язык, сарказм, котики, болезни, погода - всё это сложные кривые зависимости.
И вот тут появляются функции активации.
Они добавляют в нейросеть нелинейность, позволяя строить гораздо более сложные разделяющие поверхности и учитывать хитрую геометрию пространства признаков.
Функции активации вставляются между линейными слоями и «ломают» линейность модели.
Именно это делает нейросеть "умной", а не просто огромным калькулятором линейных формул.
Без функций активации deep learning в современном виде просто не существовал бы.
Каждый слой нейросети, сколь бы огромной она ни была, по сути является линейной функцией:
y=wx+b
И если собрать хоть 1000 таких слоёв подряд - вся сеть всё равно сведётся к одной большой линейной формуле.
То есть модель будет уметь строить только:
прямые,
плоскости,
гиперплоскости.
Фактически разделяя пространство на две части:
«выше» разделяющей поверхности,
«ниже» неё.
Но мир - нелинейный.
Лица, речь, язык, сарказм, котики, болезни, погода - всё это сложные кривые зависимости.
И вот тут появляются функции активации.
Они добавляют в нейросеть нелинейность, позволяя строить гораздо более сложные разделяющие поверхности и учитывать хитрую геометрию пространства признаков.
Функции активации вставляются между линейными слоями и «ломают» линейность модели.
Именно это делает нейросеть "умной", а не просто огромным калькулятором линейных формул.
Без функций активации deep learning в современном виде просто не существовал бы.
❤6🔥4🥰1🗿1
Please open Telegram to view this post
VIEW IN TELEGRAM
😁6❤5❤🔥3🤣1