3 полезных каналов для тех, кому интересен хакинг, OSINT и Python:

🧾 Infosec Globe — обозреватель кибермира в реальном времени. Новости про хакеров, взломы, утечки, кибервойны.

👨‍💻Python и 1000 программ — уроки, практика, тесты по самому востребованному языку программирования в 2023.

🔬 Лаборатория Хакера — полезные github-инструменты, книги, курсы по пентесту, OSINT, анонимности.

⚫️ Musou Black — самая чëрная акриловая краска в мире, поглощающая более 99,4% видимого света. В этом видео показан результат покраски половинки яблока и целой комнаты.

У Musou Black есть антипод — самая белая на свете краска. Она создана американскими учеными и отражает 98,1% солнечного излучения. Это является официальным рекордом. За это пигмент даже попал в Книгу Гиннесса.

#физика #оптика #physics #свет #эксперименты #опыты

💡 Physics.Math.Code

📚 Дифференциальное и интегральное исчисления для втузов [2 тома] Н.С. Пискунов

Допущено Министерством высшего и среднего специального образования СССР в качестве учебного пособия для высших технических учебных заведений. Москва: Издательство «Наука». Главная редакция физико-математической литературы, 1985
Хорошо известное Учебное пособие по математике для втузов с достаточно широкой математической подготовкой.

💾 Скачать книги

Чем хороша книга (учебники) Н. С Пискунова? Автор в 1929 г закончил Ярославский педагогический институт. В соответствии с профилем вуза он обучался и методике преподавания математики. Можно быть ученым-математиком, но не методистом, не уметь донести знания до студентов. Но, читая учебники Пискунова, мы словно слышим голос автора.

С другой стороны как ученый (с 1941г. доктор ф-м наук, профессор в Математическом институте Академии наук СССР) Пискунов занимался исследованиями по математическому моделированию, математической физике, гидромеханике и пр., что помогло включить в учебники по математике вопросы, разъясняющие связь с практическими приложениями.

Хороший довод можно привести тем, кто полагает, что использовать при изучении (преподавании) математики нужно только учебники, возраст которых не старше ... лет. Учебники Пискунова выдержали множество переизданий, с успехом используются не только в нашей стране. Самого автора уже давно нет среди нас. Учебник - достойный, в настоящее время ему замены нет, да и искать не стоит. Как классический учебник по математическому анализу — отличный. #подборка_книг #математика #математический_анализ #math #физика #physics #алгебра

💡 Physics.Math.Code

📕 Дифференциальное и интегральное исчисления для втузов [Том 1] Пискунов

Первый том включает разделы: введение в анализ, дифференциальное исчисление (функций одной и нескольких переменных), неопределенный и определенный интегралы. Настоящее издание не отличается от предыдущего (1978 г.).
Для студентов высших технических учебных заведений.
Глава I. Число. Переменная. Функция (13).
Глава II. Предел. Непрерывность функций (31).
Глава III. Производная и дифференциал (64).
Глава IV. Некоторые теоремы о дифференцируемых функциях (124).
Глава V. Исследование поведения функций (144).
Глава VI. Кривизна кривой (184).
Глава VII. Комплексные числа. Многочлены (206).
Глава VIII. Функции нескольких переменных (230).
Глава IX. Приложения дифференциального исчисления к геометрии в пространстве (288).
глава X. Неопределенный интеграл (315).
Глава XI. Определенный интеграл (356).
Глава XII. Геометрические и механические приложения определенного интеграла (401).

📕 Дифференциальное и интегральное исчисления для втузов [Том 2] Пискунов

Второй том включает разделы: дифференциальные уравнения, кратные и криволинейные интегралы, интегралы по поверхности, ряды, уравнения математической физики, операционное исчисление, элементы теории вероятностей и математической статистики, матрицы. Для студентов высших технических учебных заведений.
Глава XIII. Дифференциальные уравнения (13).
Глава XIV. Кратные интегралы (152).
Глава XV. Криволинейные интегралы и интегралы по поверхности (208).
Глава XVI. Ряды (245).
Глава XVII. Ряды Фурье (318).
Глава XVIII. Уравнения математической физики (364).
Глава XIX. Операционное исчисление и некоторые его приложения (400).
Глава XX. Элементы теории вероятностей и математической статистики (434).
Глава XXI. Матрицы. Матричная запись систем и решений систем линейных дифференциальных уравнений (508).
Приложения (550).

📙 Пособие по математике для поступающих в МГУ [1977] Александров Б.И., Лурье М.В.

💾 Скачать книгу

✏️ Было бы хорошо, если бы эти знания требовало само госу­дарство и если бы лиц, занимающих высшие государственные должности, приучали заниматься математикой и в нужных случаях к ней обращаться. — Платон

#математика #геометрия #разбор_задач #задачи

💡 Physics.Math.Code

📙 Пособие по математике для поступающих в МГУ [1977] Александров Б.И., Лурье М.В.

Настоящее пособие представляет собой методическое руководство по математике для учащихся подготовительных курсов МГУ, готовящихся к поступлению на естественные факультеты.
Подготовка к экзаменам рассчитана на один учебный год. Учащиеся должны систематически работать над школьными учебниками, по которым необходимо повторить программу курса по математике. Никаких дополнительных знаний сверх школьной программы для поступления в Московский университет не требуется. Однако приобрести навыки решения экзаменационных задач, и особенно задач повышенной трудности, необходимых в первую очередь поступающим на факультеты с математическим уклоном/ можно только в результате систематической напряженной работы.
В этой книге сформулированы основные темы для проработки, дан перечень необходимых параграфов в учебнике и список задач для решения. В конце первой части помещены контрольные задания для учащихся заочных подготовительных курсов.
Во второй части пособия приведено большое количество задач, предлагавшихся на письменных экзаменах по математике абитуриентам естественных факультетов МГУ в 1972—1975 гг. Для первого варианта каждого факультета выполнен подробный разбор, ознакомление с которым может служить ключом для решения остальных задач этого факультета. Эта часть книги должна послужить пособием для приобретения практических навыков решения задач.#математика #геометрия #разбор_задач #задачи

💡 Physics.Math.Code

📓 Time-Aware Item Weighting for the Next Basket Recommendations

💾 Скачать исследование

Ученые из лаборатории исследований искусственного интеллекта Tinkoff Research представили на ACM RecSys 2023 новый алгоритм TAIW (Time-Aware Item-based Weighting) для более точного прогнозирования потребительских покупок в интернете с учетом времени покупок и их периодичности.

Исследователи провели эксперименты на реальных данных: в частности, использовали датасет онлайн-площадки Taobao, которая входит в Alibaba Group. В результате экспериментов TAIW стал самым эффективным методом среди аналогов в задаче next basket recommendation (NBR) за счет более точного ранжирования товаров на основе их актуальности в конкретный момент времени. Согласно результатам экспериментов, алгоритм повышает точность рекомендательной системы до 8%.

Алгоритм состоит из двух модулей: «Повторная покупка» и «Соседство». Модуль «Повторная покупка» работает на основе процесса Хоукса — статистической модели, которая позволяет понять временные закономерности и зависимости между событиями. Этот модуль помогает определить, когда конкретные товары будут наиболее актуальными для конкретного покупателя. Модуль «Соседство» помогает описать привычки пользователей с похожими предпочтениями.

💡 Physics.Math.Code

🍇 В 2010 году представители больницы Эдварда в Иллинойсе похвастались на YouTube новым приобретением для учреждения — роботизированной хирургической системой Да Винчи. Установку разработали в 2000 году, пишет Daily Dot. Врачи с её помощью получили возможность качественнее проводить малоинвазивные операции, ведь у человека рука может дрогнуть, чего нельзя сказать о роботе. Чтобы показать точность и качество работы установки, сотрудники больницы Эдварда загрузили на свой канал видео, где доктор, управляя роботом Да Винчи, с идеальной точностью счищает кожицу с виноградинки.

За последние 30 лет в хирургии произошла настоящая революция. На смену традиционным операциям с большими разрезами приходят малоинвазивные вмешательства. Это операции, проводимые без широких разрезов, через естественные отверстия в организме или небольшие разрезы и проколы диаметром до 2 см, с использованием специальных миниатюрных хирургических инструментов. Часто во время таких операций применяется непрерывное видеосопровождение. В операционную область вводится зонд, снабженный миниатюрной камерой и источником света. Изображение в хорошем разрешении выводится на большой экран, что существенно облегчает работу хирурга и увеличивает точность вмешательства. #медицина #техника #видеоуроки #опыты #роботы

💡 Physics.Math.Code

⚙️ Магнитный маховик, генератор и электромагнитная индукция 🧲

Электричество за счет маховика. Как сделать самому генератор электричество в домашних условиях.

Маховик — массивное вращающееся колесо, использующееся в качестве накопителя (инерционный аккумулятор) кинетической энергии или для создания инерционного момента, как это используется на космических аппаратах. Сами маховики были изобретены очень давно и даже успешно применялись в промышленности тех лет. Есть даже находки в Междуречье и древнем Китае, которые подтверждают использование подобных устройств.

Благодаря своей массивности и законам физики, которые сопровождают движение маховика, он нашел применение во многих современных механизмах — от транспорта до промышленности. Самое простое применение заключается в сохранении скорости вращения вала, на котором установлен маховик. Это может пригодиться во время работы какого-нибудь станка. Особенно, в те моменты, когда он испытывает резкие нагрузки и надо не допустить падения частоты вращения. Получается такой своего рода демпфер. #научные_фильмы #физика #видеоуроки #physics

💡 Physics.Math.Code

🧲 Магнитная подвеска маховика

Профессор, доктор технических наук, преподаватель кафедры деталей машин МГИУ Нурбей Владимирович Гулиа рассказывает о магнитной подвеске маховика.

Супермаховик — один из типов маховика, применяемый в Маховичных Накопителях Кинетической Энергии для накопления энергии. По сравнению с обычными маховиками, способен сохранять больше кинетической энергии и безопасен в использовании.

В составе Маховичного Накопителя Кинетической Энергии супермаховик работает в паре с мотором-генератором. При подключении в сеть мотор-генератор раскручивает супермаховик, а при подключении нагрузки — тормозит. КПД этого преобразования достигает 98 %. Для уменьшения потерь на трение супермаховик помещается в вакуумированный кожух. Зачастую используется магнитный подвес.

Маховики как буферные устройства начали использоваться ещё во времена неолита, например, в устройстве гончарного круга. В XX веке маховик претерпел ряд конструктивных изменений, позволивших запасать энергию на значительное время. Так, например, в 1950-х годах вакуумированные маховики использовались в экспериментальном общественном транспорте, в частности, испытывались гиробусы. В 1964 году советский инженер Н. В. Гулиа заявил авторские права на первую конструкцию супермаховика. #научные_фильмы #видеоуроки #механика #физика #physics

💡 Physics.Math.Code

Яндекс решил напомнить основную мысль конференции YaTalks — код лежит в основе многих повседневных явлений, о чем мы даже не задумываемся — и вывел программный код, запускающий рекламу прямо на баннер. В этом году конференция будет проходить как онлайн, так и очно, поэтому имеет смысл сходить как минимум для нетворкинга и лайвкодинга.

📘 Математика в машинном обучении [2024] Дайзенрот, Фейзал, Он
📗 Mathematics for Machine Learning [2020] Marc Peter Deisenroth, A. Aldo Faisal, Cheng Soon Ong

⚠️ Книги предоставляется вам для ознакомления и не для распространения

💳 Купить книгу
( Для книг Питера есть специальный промокод для наших подписчиков: Подробнее здесь )

💾 Ознакомиться с книгами RU + EN

Марк Питер Дайзенрот — руководитель DeepMind в области искусственного интеллекта (Университетский колледже Лондона). Сфера его научных интересов включает дата-эффективное обучение, вероятностное моделирование и автономное принятие решений. Его исследования удостаивались премии «За лучшую научную работу» на конференциях ICRA 2014 и ICCAS 2016. Марк удостоен премии для выдающихся молодых исследователей в Имперском колледже Лондона, корпоративной премии для сотрудников Google и гранта на соискание PhD от Microsoft.

А. Альдо Фейзал возглавляет лабораторию по изучению мозга и поведения в Имперском колледже Лондона, он преподает на факультетах биоинженерии и вычислительной техники, а также является членом института исследования данных. Он руководит Научно-исследовательским и инновационным центром Великобритании (UKRI), занимающимся подготовкой докторов наук в области искусственного интеллекта и здравоохранения. Он получил степень PhD в области вычислительной нейрофизиологии в Кембриджском университете и стал младшим научным сотрудником в лаборатории вычислительного и биологического обучения.

Чен Сунь Он — главный научный сотрудник в Исследовательской группе по машинному обучению (Data61, CSIRO), а также ассоциированный адъюнкт-профессор в Австралийском национальном университете. Сфера его научных интересов связана с расширенным использованием статистических методов машинного обучения.

💡 Physics.Math.Code

📘 Математика в машинном обучении [2024] Дайзенрот, Фейзал, Он

Фундаментальные математические дисциплины, необходимые для понимания машинного обучения, — это линейная алгебра, аналитическая геометрия, векторный анализ, оптимизация, теория вероятностей и статистика. Традиционно все эти темы размазаны по различным курсам, поэтому студентам, изучающим data science или computer science, а также профессионалам в МО, сложно выстроить знания в единую концепцию. Эта книга самодостаточна: читатель знакомится с базовыми математическими концепциями, а затем переходит к четырем основным методам МО: линейной регрессии, методу главных компонент, гауссову моделированию и методу опорных векторов. Тем, кто только начинает изучать математику, такой подход поможет развить интуицию и получить практический опыт в применении математических знаний, а для читателей с базовым математическим образованием книга послужит отправной точкой для более продвинутого знакомства с машинным обучением.

📗 Mathematics for Machine Learning [2020] Marc Peter Deisenroth, A. Aldo Faisal, Cheng Soon Ong

The fundamental mathematical tools needed to understand machine learning include linear algebra, analytic geometry, matrix decompositions, vector calculus, optimization, probability and statistics. These topics are traditionally taught in disparate courses, making it hard for data science or computer science students, or professionals, to efficiently learn the mathematics. This self contained textbook bridges the gap between mathematical and machine learning texts, introducing the mathematical concepts with a minimum of prerequisites. It uses these concepts to derive four central machine learning methods: linear regression, principal component analysis, Gaussian mixture models and support vector machines. For students and others with a mathematical background, these derivations provide a starting point to machine learning texts.