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❤🔥2🤣1