🔥 Подборка полезных ресурсов для программистов.
Здесь ты найдёшь всё это - коротко, по делу и без воды.
Пока другие ищут, где “подглядеть решение”, ты уже используешь самые свежие инструменты!
AI: www.tgoop.com/ai_machinelearning_big_data
Python: www.tgoop.com/pythonl
Linux: www.tgoop.com/linuxacademiya
Devops: www.tgoop.com/DevOPSitsec
Собеседования DS: www.tgoop.com/machinelearning_interview
C++ www.tgoop.com/cpluspluc
Docker: www.tgoop.com/DevopsDocker
Хакинг: www.tgoop.com/linuxkalii
Data Science: www.tgoop.com/data_analysis_ml
Javascript: www.tgoop.com/javascriptv
C#: www.tgoop.com/csharp_1001_notes
Java: www.tgoop.com/java_library
Базы данных: www.tgoop.com/sqlhub
Python собеседования: www.tgoop.com/python_job_interview
Мобильная разработка: www.tgoop.com/mobdevelop
Golang: www.tgoop.com/Golang_google
React: www.tgoop.com/react_tg
Rust: www.tgoop.com/rust_code
ИИ: www.tgoop.com/vistehno
PHP: www.tgoop.com/phpshka
Android: www.tgoop.com/android_its
Frontend: www.tgoop.com/front
Big Data: www.tgoop.com/bigdatai
МАТЕМАТИКА: www.tgoop.com/data_math
Kubernets: www.tgoop.com/kubernetc
Разработка игр: https://www.tgoop.com/gamedev
Haskell: www.tgoop.com/haskell_tg
Физика: www.tgoop.com/fizmat
💼 Папка с вакансиями: www.tgoop.com/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: www.tgoop.com/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: www.tgoop.com/addlist/eEPya-HF6mkxMGIy
Папка ML: https://www.tgoop.com/addlist/2Ls-snqEeytkMDgy
Папка FRONTEND: https://www.tgoop.com/addlist/mzMMG3RPZhY2M2Iy
Папка Linux:https://www.tgoop.com/addlist/w4Doot-XBG4xNzYy
😆ИТ-Мемы: www.tgoop.com/memes_prog
🇬🇧Английский: www.tgoop.com/english_forprogrammers
🧠ИИ: www.tgoop.com/vistehno
🎓954ГБ ОПЕНСОРС КУРСОВ: @courses
📕Ит-книги бесплатно: https://www.tgoop.com/addlist/BkskQciUW_FhNjEy
Сохрани себе, чтобы не потерять!
Здесь ты найдёшь всё это - коротко, по делу и без воды.
Пока другие ищут, где “подглядеть решение”, ты уже используешь самые свежие инструменты!
AI: www.tgoop.com/ai_machinelearning_big_data
Python: www.tgoop.com/pythonl
Linux: www.tgoop.com/linuxacademiya
Devops: www.tgoop.com/DevOPSitsec
Собеседования DS: www.tgoop.com/machinelearning_interview
C++ www.tgoop.com/cpluspluc
Docker: www.tgoop.com/DevopsDocker
Хакинг: www.tgoop.com/linuxkalii
Data Science: www.tgoop.com/data_analysis_ml
Javascript: www.tgoop.com/javascriptv
C#: www.tgoop.com/csharp_1001_notes
Java: www.tgoop.com/java_library
Базы данных: www.tgoop.com/sqlhub
Python собеседования: www.tgoop.com/python_job_interview
Мобильная разработка: www.tgoop.com/mobdevelop
Golang: www.tgoop.com/Golang_google
React: www.tgoop.com/react_tg
Rust: www.tgoop.com/rust_code
ИИ: www.tgoop.com/vistehno
PHP: www.tgoop.com/phpshka
Android: www.tgoop.com/android_its
Frontend: www.tgoop.com/front
Big Data: www.tgoop.com/bigdatai
МАТЕМАТИКА: www.tgoop.com/data_math
Kubernets: www.tgoop.com/kubernetc
Разработка игр: https://www.tgoop.com/gamedev
Haskell: www.tgoop.com/haskell_tg
Физика: www.tgoop.com/fizmat
💼 Папка с вакансиями: www.tgoop.com/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: www.tgoop.com/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: www.tgoop.com/addlist/eEPya-HF6mkxMGIy
Папка ML: https://www.tgoop.com/addlist/2Ls-snqEeytkMDgy
Папка FRONTEND: https://www.tgoop.com/addlist/mzMMG3RPZhY2M2Iy
Папка Linux:https://www.tgoop.com/addlist/w4Doot-XBG4xNzYy
😆ИТ-Мемы: www.tgoop.com/memes_prog
🇬🇧Английский: www.tgoop.com/english_forprogrammers
🧠ИИ: www.tgoop.com/vistehno
🎓954ГБ ОПЕНСОРС КУРСОВ: @courses
📕Ит-книги бесплатно: https://www.tgoop.com/addlist/BkskQciUW_FhNjEy
Сохрани себе, чтобы не потерять!
❤4
Media is too big
VIEW IN TELEGRAM
Красота неосвещенных геометрических проблем
0:00 — О чем это видео
0:24 — Задача об освещении многоугольника
1:34 — А как быть с вершинами?
2:06 — Существует ли другие примеры?
2:50 — Открытая проблема о зеркальных кругах
3:31 — Циклический путь в остроугольном треугольнике
4:30 — Экстремальный признак
5:22 — Прямоугольные, тупоугольные и равнобедренные
6:13 — Луч внутри прямоугольника
6:38 — Окружность и каустики траекторий
8:06 — Каустики траекторий в эллипсе
9:46 — Бильярд Пенроуза
10:38 — Коэффициент диффузии
12:11 — Мельница Токарского
12:35 — Четырехугольник Токарского
источник
0:00 — О чем это видео
0:24 — Задача об освещении многоугольника
1:34 — А как быть с вершинами?
2:06 — Существует ли другие примеры?
2:50 — Открытая проблема о зеркальных кругах
3:31 — Циклический путь в остроугольном треугольнике
4:30 — Экстремальный признак
5:22 — Прямоугольные, тупоугольные и равнобедренные
6:13 — Луч внутри прямоугольника
6:38 — Окружность и каустики траекторий
8:06 — Каустики траекторий в эллипсе
9:46 — Бильярд Пенроуза
10:38 — Коэффициент диффузии
12:11 — Мельница Токарского
12:35 — Четырехугольник Токарского
источник
❤8👍2
🚨 Новая редкая работа от Терренса Тао: AlphaEvolve решает часть математических задач лучше людей
Google представила AlphaEvolve - систему, которая эволюционным поиском находит решения к сложным математическим задачам. Тао протестировал её на 67 задачах из разных областей: от неравенств до числовых констант.
📌 Что проверяли
- задача о «движущемся диване» в 2D и 3D
- Kissing problem в N-мерном пространстве
- упаковка окружностей
- задача IMO 2025 по тесселяции
- задача о стопках блоков
🧠 Как работает AlphaEvolve
Алгоритм запускает множество параллельных попыток, проверяет решения, а затем «скрещивает» лучшие идеи, отбирая наиболее успешные.
🔥 Интересные выводы
- сильнее модель - быстрее сходимость (хотя не всегда)
- параллельность ускоряет поиск, но сильно увеличивает стоимость
- reward hacking встречается часто
- результаты значительно лучше, если похожие задачи были в обучении и если процесс направляет эксперт (особенно когда эксперт - сам Тао)
💡 Важное предложение из статьи
Тао предлагает вводить класс задач «AlphaEvolve-hard» - те, где ИИ не может легко нарушить неравенство или найти конструкцию. Такие задачи требуют принципиально нового человеческого инсайта.
Эта работа пролетела почти незаметно, но я провёл над ней больше двух часов - и это одна из самых впечатляющих математических статей за последнее время.
https://www.alphaxiv.org/abs/2511.02864v1
Google представила AlphaEvolve - систему, которая эволюционным поиском находит решения к сложным математическим задачам. Тао протестировал её на 67 задачах из разных областей: от неравенств до числовых констант.
📌 Что проверяли
- задача о «движущемся диване» в 2D и 3D
- Kissing problem в N-мерном пространстве
- упаковка окружностей
- задача IMO 2025 по тесселяции
- задача о стопках блоков
🧠 Как работает AlphaEvolve
Алгоритм запускает множество параллельных попыток, проверяет решения, а затем «скрещивает» лучшие идеи, отбирая наиболее успешные.
🔥 Интересные выводы
- сильнее модель - быстрее сходимость (хотя не всегда)
- параллельность ускоряет поиск, но сильно увеличивает стоимость
- reward hacking встречается часто
- результаты значительно лучше, если похожие задачи были в обучении и если процесс направляет эксперт (особенно когда эксперт - сам Тао)
💡 Важное предложение из статьи
Тао предлагает вводить класс задач «AlphaEvolve-hard» - те, где ИИ не может легко нарушить неравенство или найти конструкцию. Такие задачи требуют принципиально нового человеческого инсайта.
Эта работа пролетела почти незаметно, но я провёл над ней больше двух часов - и это одна из самых впечатляющих математических статей за последнее время.
https://www.alphaxiv.org/abs/2511.02864v1
❤8👍3
Привет! Авито проводит второй ML reading club, в этот раз с Денисом Кайшевым, Senior Backend Engineer. Вместе со зрителями прочитаем и разберём статью Demystifying NCCL: An In-depth Analysis of GPU Communication Protocols and Algorithms.
Изучим архитектуру библиотеки NCCL и обсудим:
— как работают её внутренние механизмы, для которых почти нет документации;
— как описываются способы обмена при взаимодействии intra/inter node;
— как строятся алгоритмы коллективных операций.
Найдём узкие места библиотеки и выясним, как оптимизировать производительность распределённых вычислений.
📌 Встреча пройдёт 20 ноября в 18:00 в Контур.Толке.
⌚️ Ссылку на подключение пришлём в канал «Доска AI-объявлений» за час до начала эфира.
Изучим архитектуру библиотеки NCCL и обсудим:
— как работают её внутренние механизмы, для которых почти нет документации;
— как описываются способы обмена при взаимодействии intra/inter node;
— как строятся алгоритмы коллективных операций.
Найдём узкие места библиотеки и выясним, как оптимизировать производительность распределённых вычислений.
📌 Встреча пройдёт 20 ноября в 18:00 в Контур.Толке.
⌚️ Ссылку на подключение пришлём в канал «Доска AI-объявлений» за час до начала эфира.
❤2👍1
This media is not supported in your browser
VIEW IN TELEGRAM
✨ Превращай математику в живые анимации с Manim
Статические слайды — это хорошо, но сложные идеи гораздо легче объяснить через динамические визуализации.
Manim позволяет создавать профессиональные математические анимации в Python — такие же, как в видео 3Blue1Brown.
Что делает Manim мощным:
• MathTex — задаёт формулы в LaTeX
• Transform — плавно превращает одну формулу в другую
• play() и wait() — управляют ходом анимации
• Рендеринг одной командой:
Manim — идеальный инструмент, когда нужно не просто показать формулу, а *объяснить идею* так, чтобы она оживала на экране.
https://docs.manim.community/en/stable/reference/manim.mobject.geometry.html#module-manim.mobject.geometry
Статические слайды — это хорошо, но сложные идеи гораздо легче объяснить через динамические визуализации.
Manim позволяет создавать профессиональные математические анимации в Python — такие же, как в видео 3Blue1Brown.
Что делает Manim мощным:
• MathTex — задаёт формулы в LaTeX
• Transform — плавно превращает одну формулу в другую
• play() и wait() — управляют ходом анимации
• Рендеринг одной командой:
manim -p -ql script.pyManim — идеальный инструмент, когда нужно не просто показать формулу, а *объяснить идею* так, чтобы она оживала на экране.
https://docs.manim.community/en/stable/reference/manim.mobject.geometry.html#module-manim.mobject.geometry
👍7🕊3
Media is too big
VIEW IN TELEGRAM
Как мнимые числа спасли математику
Вероятно, вы слышали про мнимую единицу, или «i». Это число, которое при возведении в квадрат даёт -1 (минус один). Тем, кто из школьной программы помнит, что результат возведения в квадрат всегда положительный, это может показаться странным. Не переживайте, долгое время идея о квадратных корнях отрицательных чисел ставила в тупик величайших математиков.
Тем не менее мнимые числа вошли в обиход и доказали свою пользу: с их помощью мы не только научились решать некоторые уравнения, но и получили возможность узнать чуть больше о том, как на самом деле устроена Вселенная. Историю их появления, как мы считаем, вполне достойную экранизации, расскажет Дерек Маллер в новом видео.
источник
Вероятно, вы слышали про мнимую единицу, или «i». Это число, которое при возведении в квадрат даёт -1 (минус один). Тем, кто из школьной программы помнит, что результат возведения в квадрат всегда положительный, это может показаться странным. Не переживайте, долгое время идея о квадратных корнях отрицательных чисел ставила в тупик величайших математиков.
Тем не менее мнимые числа вошли в обиход и доказали свою пользу: с их помощью мы не только научились решать некоторые уравнения, но и получили возможность узнать чуть больше о том, как на самом деле устроена Вселенная. Историю их появления, как мы считаем, вполне достойную экранизации, расскажет Дерек Маллер в новом видео.
источник
👍7❤5
💵💸💸 Открытый урок «Введение в библиотеки обработки данных финансовых моделей».
🗓 04 декабря в 20:00 МСК🆓 Бесплатно. Урок в рамках старта курса «ML для финансового анализа».
Программа вебинара:
✔️ Минимально необходимые основы языка python.
✔️ Примеры финансовых данных, способов их загрузки, обработки и визуализации.
✔️ Использование библиотек pandas и numpy для анализа финансовых данных.
👥 Для кого будет актуален:
- Для тех, кто хочет познакомиться с основными инструментами и библиотеками для анализа финансовых данных. Узнать, как использовать эти инструменты для обработки, анализа и визуализации финансовых данных;
✅ Что вы узнаете по итогам урока:
- Проведут обзор популярных инструментов и библиотек обработки финансовых данных.
- Познакомятся с основами python, pandas и numpy.
- Узнают основные приемы языка программирования и библиотек для анализа и визуализации данных.
🔗 Ссылка на регистрацию: https://otus.pw/untZ/?erid=2W5zFGDdUZv
Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.
🗓 04 декабря в 20:00 МСК🆓 Бесплатно. Урок в рамках старта курса «ML для финансового анализа».
Программа вебинара:
✔️ Минимально необходимые основы языка python.
✔️ Примеры финансовых данных, способов их загрузки, обработки и визуализации.
✔️ Использование библиотек pandas и numpy для анализа финансовых данных.
👥 Для кого будет актуален:
- Для тех, кто хочет познакомиться с основными инструментами и библиотеками для анализа финансовых данных. Узнать, как использовать эти инструменты для обработки, анализа и визуализации финансовых данных;
✅ Что вы узнаете по итогам урока:
- Проведут обзор популярных инструментов и библиотек обработки финансовых данных.
- Познакомятся с основами python, pandas и numpy.
- Узнают основные приемы языка программирования и библиотек для анализа и визуализации данных.
🔗 Ссылка на регистрацию: https://otus.pw/untZ/?erid=2W5zFGDdUZv
Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.
Media is too big
VIEW IN TELEGRAM
Media is too big
VIEW IN TELEGRAM
Media is too big
VIEW IN TELEGRAM
Media is too big
VIEW IN TELEGRAM
Media is too big
VIEW IN TELEGRAM
Media is too big
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
Media is too big
VIEW IN TELEGRAM
Media is too big
VIEW IN TELEGRAM
Media is too big
VIEW IN TELEGRAM
Основы линейной алгебры
1. Введение
2. Векторы. Часть 1
3. Векторы. Часть 2
4. Векторы. Часть 3
5. Матрицы. Часть 1
6. Матрицы. Часть 2
7. Линейные уравнения. Часть 1
8. Линейные уравнения. Часть 2
9. Спектр матрицы
10. Заключение
источник
1. Введение
2. Векторы. Часть 1
3. Векторы. Часть 2
4. Векторы. Часть 3
5. Матрицы. Часть 1
6. Матрицы. Часть 2
7. Линейные уравнения. Часть 1
8. Линейные уравнения. Часть 2
9. Спектр матрицы
10. Заключение
источник
❤15👍3🔥2👏2😁1
This media is not supported in your browser
VIEW IN TELEGRAM
Конференция AI Driver & RecSys Темы — пространство, где наука и бизнес встречаются, чтобы обсудить будущее рекомендаций ⚡️
28 ноября пройдёт конференция о том, как создаются и развиваются современные рекомендательные системы.
На площадке Сбера соберутся эксперты топовых российских IT-компаний и вузов, чтобы обсудить новые исследования, открытые датасеты и практические решения, которые меняют подход к персонализации.
Это возможность за один день познакомиться с ключевыми трендами RecSys, пообщаться со специалистами и вдохновиться идеями, формирующими будущее рекомендаций.
Присоединяйтесь к профессиональному сообществу 28 ноября в 10:00 — регистрация по ссылке!
28 ноября пройдёт конференция о том, как создаются и развиваются современные рекомендательные системы.
На площадке Сбера соберутся эксперты топовых российских IT-компаний и вузов, чтобы обсудить новые исследования, открытые датасеты и практические решения, которые меняют подход к персонализации.
Это возможность за один день познакомиться с ключевыми трендами RecSys, пообщаться со специалистами и вдохновиться идеями, формирующими будущее рекомендаций.
Присоединяйтесь к профессиональному сообществу 28 ноября в 10:00 — регистрация по ссылке!
❤2
Media is too big
VIEW IN TELEGRAM
Математика и алгоритмы для программиста
Сегодня в гостях у LoftBlog программист-математик Стас Капулкин. Мы поговорим про методологии проектирования IT продуктов, про то, почему просто невозможно создать хорошую архитектуру программы без глубоких знаний в математике. Вы узнаете, что такое теория категорий, при чем тут когнитивная психология, как и где применяются big data, что такое Motion Learning и почему рядовые веб-разработчики рискуют в будущем остаться без работы, если всерьез не возьмутся за изучение алгоритмов и математики.
Сегодня в гостях у LoftBlog программист-математик Стас Капулкин. Мы поговорим про методологии проектирования IT продуктов, про то, почему просто невозможно создать хорошую архитектуру программы без глубоких знаний в математике. Вы узнаете, что такое теория категорий, при чем тут когнитивная психология, как и где применяются big data, что такое Motion Learning и почему рядовые веб-разработчики рискуют в будущем остаться без работы, если всерьез не возьмутся за изучение алгоритмов и математики.
👍6🤡2
