🐜 Случайные блуждания: идём куда глаза глядят
В математике, самой точной из наук, тоже есть феномены, которые кажутся нелогичными и хаотичными. Сегодня речь пойдёт об одном из них.
Представим муравья, которого опустили на лист бумаги. Он делает шаг влево, потом — вправо, потом — снова вправо, и все это — без всякой логики. Куда он придет через сто шагов? А через тысячу? Это и есть классическая задача случайного блуждания.
Случайные блуждания — это такая математическая модель. Она описывает движение, в котором каждый следующий шаг определяется случайным образом. Звучит как что-то хаотичное и рандомное? Так и есть, но эта идея лежит в основе множества природных и прикладных явлений. Примеры собрали в карточках.
Может, вам тоже вспомнятся примеры случайных блужданий?
#как_устроено
В математике, самой точной из наук, тоже есть феномены, которые кажутся нелогичными и хаотичными. Сегодня речь пойдёт об одном из них.
Представим муравья, которого опустили на лист бумаги. Он делает шаг влево, потом — вправо, потом — снова вправо, и все это — без всякой логики. Куда он придет через сто шагов? А через тысячу? Это и есть классическая задача случайного блуждания.
Случайные блуждания — это такая математическая модель. Она описывает движение, в котором каждый следующий шаг определяется случайным образом. Звучит как что-то хаотичное и рандомное? Так и есть, но эта идея лежит в основе множества природных и прикладных явлений. Примеры собрали в карточках.
Может, вам тоже вспомнятся примеры случайных блужданий?
#как_устроено
❤16🔥11✍6
Настроение сегодня философское, поэтому снова порассуждаем о случайностях. А заодно расскажем о математике, который посвятил изучению этих случайностей годы.
Представьте человека, который гуляет по городу. На каждом перекрёстке он бросает монетку, чтобы решить, куда идти: орёл — направо, решка — налево. Куда он попадёт в итоге, зависит не от того, откуда он пришёл, а от его поведения на текущем перекрёстке. Решает момент!
Именно такую идею случайности впервые описал Марков, когда придумал марковские процессы. А с ними и марковские цепи: частный случай марковских процессов, где переходы из одних состояний в другие описываются набором вероятностей.
Марков не подозревал, что его работа ляжет в основу сервисов, которыми пользуемся мы с вами. Например, в популярных поисковиках работает PageRank: это марковская цепь, которая определяет, какие сайты должны быть в топе выдачи. Работает это так:
Каждая страница, на которую можно кликнуть, считается возможным состоянием. Человек может попасть на страницу с определенной вероятностью, просчитать которую помогает поведение пользователей.
Какой бы ни была начальная страница, с которой пользователь начинает путешествовать по интернету, абсолютно любая страница имеет вероятность стать той, на которую он попадет. Чем выше вероятность, тем выше в выдаче окажется страница.
Ещё марковские цепи используют в машинном обучении — например, в генерации текста. Чтобы сгенерировать следующее слово, алгоритм смотрит на текущее слово или короткий контекст, а предысторию не учитывает.
Другой пример — распознавание речи в Siri и других ассистентах: алгоритмы прогнозируют следующее слово с помощью скрытых марковских моделей.
Никакой магии, только математика 🔮
#как_устроено
Please open Telegram to view this post
VIEW IN TELEGRAM
❤25🔥14👍11🤓3👏2
Зачем мне эта математика
Ни для кого не новость, что любой текст на русском языке — это чередование гласных и согласных букв. Андрей Марков посмотрел на это как математик и задался вопросами: можем ли мы как-то измерить это? Оценить? Как именно устроено это чередование?
Чтобы ответить на эти вопросы, Марков провел анализ «Евгения Онегина» и, возможно, стал прервым в мире человеком, который попробовал математически подойти к анализу языка. Изучив последовательность из 20 000 букв романа, он выяснил, что:
Доклад, кстати, назывался «Пример статистического исследования над текстом “Евгения Онегина” иллюстрирующий связь испытаний в цепь», а представил его Марков в 1913 году на физико-математическом собрании Академии наук. На картинках показываем, как выглядела часть доклада и заметки по анализу.
Вот такой изящный способ нашел Андрей Марков для демонстрации своего подхода к случайным величинам — того, что впоследствии стали называть марковскими цепями.
#история
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥20❤11👍4😍4😐1
📱Рекомендательные системы. Как они работают и где там математика
Этот пост для нас написал автор канала «Аналитика данных / Data Study», за что ему большое спасибо! Передаем микрофон гостю, а вас приглашаем в его канал. Подписывайтесь, там еще больше интересного: @data_study.
Рекомендательные системы предлагают нам контент, товары и услуги. Работают они благодаря сложным алгоритмам, за которыми стоят машинное обучение и математика.
В карточках разбираем разные подходы к построению рекомендательных систем и их применение на практике. Если заинтересовались, вот полезные ссылки по темам:
Матричная факторизация, конспекты:
🔗 Рекомендации на основе матричных разложений
🔗 Матричная факторизация
Коллаборативная фильтрация и полезные ссылки по item-based- и user-based-подходам:
🔗 Анатомия рекомендательных систем. Часть первая
🔗 Анатомия рекомендательных систем. Часть вторая
Гибридные подходы, полезные статьи:
🔗 Перевод статьи об алгоритмах рекомендательных систем
🔗 Как помочь пользователю найти то, что ему нужно
Генеративные подходы, интервью Николая Савушкина:
🔗 Рекомендательные системы моделируют поведение людей
Вот так математика помогает компаниям делать рекомендации релевантными и полезными.
#рекомендуем
Этот пост для нас написал автор канала «Аналитика данных / Data Study», за что ему большое спасибо! Передаем микрофон гостю, а вас приглашаем в его канал. Подписывайтесь, там еще больше интересного: @data_study.
Рекомендательные системы предлагают нам контент, товары и услуги. Работают они благодаря сложным алгоритмам, за которыми стоят машинное обучение и математика.
В карточках разбираем разные подходы к построению рекомендательных систем и их применение на практике. Если заинтересовались, вот полезные ссылки по темам:
Матричная факторизация, конспекты:
🔗 Рекомендации на основе матричных разложений
🔗 Матричная факторизация
Коллаборативная фильтрация и полезные ссылки по item-based- и user-based-подходам:
🔗 Анатомия рекомендательных систем. Часть первая
🔗 Анатомия рекомендательных систем. Часть вторая
Гибридные подходы, полезные статьи:
🔗 Перевод статьи об алгоритмах рекомендательных систем
🔗 Как помочь пользователю найти то, что ему нужно
Генеративные подходы, интервью Николая Савушкина:
🔗 Рекомендательные системы моделируют поведение людей
Вот так математика помогает компаниям делать рекомендации релевантными и полезными.
#рекомендуем
❤10❤🔥7👍6🤓2
Зачем мне эта математика
🐜 Случайные блуждания: идём куда глаза глядят В математике, самой точной из наук, тоже есть феномены, которые кажутся нелогичными и хаотичными. Сегодня речь пойдёт об одном из них. Представим муравья, которого опустили на лист бумаги. Он делает шаг влево…
🧊Задача о муравье и кубе: сколько нужно шагов?
Тема случайных блужданий нас не отпускает, поэтому предлагаем решить связанную с ней задачу. Кстати, ее часто дают на собеседованиях — например, на позицию дата-аналитика.
➡️ Условие
Допустим, у нас есть куб. У куба 8 вершин и 12 ребер. На одну из вершин этого куба мы посадили муравья. Он начинает двигаться случайным образом: на каждом шаге выбирает одно из трёх соседних рёбер с равной вероятностью и переходит по нему в следующую вершину.
➡️ Вопрос
Сколько шагов в среднем понадобится муравью, чтобы добраться до противоположной вершины — то есть до той, которая соединена с начальной диагональю через весь куб?
Делитесь рассуждениями и ответами в комментариях, а мы опубликуем решение уже вечером!
#задача
Тема случайных блужданий нас не отпускает, поэтому предлагаем решить связанную с ней задачу. Кстати, ее часто дают на собеседованиях — например, на позицию дата-аналитика.
Допустим, у нас есть куб. У куба 8 вершин и 12 ребер. На одну из вершин этого куба мы посадили муравья. Он начинает двигаться случайным образом: на каждом шаге выбирает одно из трёх соседних рёбер с равной вероятностью и переходит по нему в следующую вершину.
Сколько шагов в среднем понадобится муравью, чтобы добраться до противоположной вершины — то есть до той, которая соединена с начальной диагональю через весь куб?
Делитесь рассуждениями и ответами в комментариях, а мы опубликуем решение уже вечером!
#задача
Please open Telegram to view this post
VIEW IN TELEGRAM
👀10👍5❤2⚡1
🧊Задача о муравье и кубе: решение
Как мы уже сказали, задача связана со случайными блужданиями, и хотя куб — довольно простая фигура, решить ее может быть непросто. Давайте разберем задачу шаг за шагом.
Прежде чем приступить к решению, разобьём вершины куба на группы:
🟠 A — вершина, откуда стартует наш муравей.
🟠 группа B — три вершины, соединенные гранями с A. На одну из них муравей попадёт после первого шага.
🟠 группа C — три вершины, до которых можно добраться из группы B. Это промежуточные вершины, не конечные.
🟠 группа D — целевая вершина, противоположная начальной. Попасть туда из вершин из группы C можно только одним путём.
Так, с вершинами разобрались.
Остальное решение — в карточках. Традиционно спрятали их, чтобы не проспойлерить ответ тем, кто пока не закончил разбираться.
Получилось ли решить задачу? Ставьте 😱, если решение показалось сложным, 🤓 — лёгким и ❤️ — если в самый раз.
#задача
Как мы уже сказали, задача связана со случайными блужданиями, и хотя куб — довольно простая фигура, решить ее может быть непросто. Давайте разберем задачу шаг за шагом.
Прежде чем приступить к решению, разобьём вершины куба на группы:
Так, с вершинами разобрались.
Остальное решение — в карточках. Традиционно спрятали их, чтобы не проспойлерить ответ тем, кто пока не закончил разбираться.
Получилось ли решить задачу? Ставьте 😱, если решение показалось сложным, 🤓 — лёгким и ❤️ — если в самый раз.
#задача
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
😱24❤11🤓5👍1🎉1😭1
Майские — хороший повод начать новую книгу. Выбрали для вас самые интересные и рассказали, почему они нам нравятся.
Must read и первейшая рекомендация для тех, кто интересуется математикой, но не готов браться за слишком трудный материал. Если бы наш канал был книгой, это была бы «Математическая составляющая».
Книга состоит из трех частей. Первая — о математике и достижениях цивилизации. Например, о том, как задача о Кёнигсбергских мостах (рассказывали о ней здесь) пригождается при расшифровке генома.
Вторая часть — о математике в повседневных вещах. Вы узнаете, почему футбольный мяч устроен именно так и почему у бумаги формата А4 такие длины сторон.
В третьей части собраны тексты посложнее: объемные и со множеством деталей.
Кстати, электронную версию книги можно бесплатно прочитать и скачать на официальном сайте.
Это не совсем книга, а скорее сборник статей профессора Владимира Успенского — математика, лингвиста и ученика великого Колмогорова.
«Апология математики» объясняет, какое огромное место математика занимает в нашей жизни, и помогает проникнуться ее красотой. А еще — связывает математическое и гуманитарное. Например, одна из глав называется «Параллельные прямые в мифологии, в реальности и в математике», и практически весь первый абзац этой главы посвящен... Пушкину!
Книга о том, как математика работает внутри поисковиков, онлайн-рекламы, шифрования и даже очередей в супермаркете. Она объясняет, почему современный мир буквально существует благодаря математике (нам такая точка зрения очень близка!).
Книга написана для широкой аудитории, но в ней есть математические приложения и даже строгие математические формулировки с доказательствами теорем.
Кстати, все три книги — лауреаты или финалисты премии «Просветитель». Вот такая просветительская у нас получилась подборка
#рекомендуем
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥40✍14❤6👍4😍3👏1
Если достаточно долго думать о математике, можно начать везде видеть математику.
Ставьте 🤯, если вы уже на этой стадии, и 🤗 — если еще нет!
#меммат
Ставьте 🤯, если вы уже на этой стадии, и 🤗 — если еще нет!
#меммат
🤗88🤯40😁24❤16