🔥 РБК составил топ вузов, куда сложнее всего поступить

Самые требовательные — МФТИ и НИЯУ МИФИ.

Чтобы попасть на бюджет, нужно набирать от 87,5 баллов на ЕГЭ. Лидирует МФТИ с рекордным показателем в 97 баллов. Вторым идет НИЯУ МИФИ (89,9 балла), а на третьем месте — Университет Иннополис (87,5 балла).

Так что начинаем готовиться к экзаменам заранее — баллы вполне достижимы при своевременной подготовке.

#новость

📱 Вопрос с собеса на Python

🔵 Не можете решить — тогда забирайте курс по Python «Основы программирования на Python»

👀 Напоминаем про наш курс «Основы программирования на Python»

Онлайн-курс от Proglib.academy для тех, кто хочет освоить один из самых востребованных языков программирования и получить реальный опыт работы над проектами.

➡️ В чем преимущество курса

▪️Формат: Асинхронные видеоуроки — учитесь в своём темпе.

▪️Доступ: Бессрочный доступ ко всем материалам на платформе CoreApp.

▪️Обратная связь: Преподаватели комментируют каждое домашнее задание.

▪️Проекты: Создайте 4 проекта для портфолио — от Telegram-бота до парсинга веб-страниц.

🔵 Начните учиться уже сегодня «Основы программирования на Python»

🎓 Мини-гид в мире программирования

Ulearn — это бесплатная интерактивная образовательная платформа для студентов и профессионалов, желающих освоить программирование и другие технические навыки.

➡️ Что внутри

▪️ Онлайн-курсы: от основ до продвинутых техник.

▪️ Интерактивные задания: тренируйтесь и закрепляйте материал прямо на платформе.

▪️ Технические дисциплины: охватывают самые актуальные направления для карьеры в IT.

🔗 Ссылка

✏️ Вопрос с реального собеседования по Python

Глубокая и мелкая копии: в чем разница

Когда вы работаете с изменяемыми объектами, такими как списки, разница между глубокой и мелкой копией становится важной. Давайте разберем это на двух сценариях с примерами.

1️⃣ Мелкая копия

Создается новый объект, но элементы копируются по ссылке. Добавление новых элементов в оригинал не повлияет на копию, но изменения самих элементов — повлияют.

list3 = [['a'], ['b'], ['c']]
list4 = list(list3)

list3.append(['d'])
print(list4)
# Вывод: [['a'], ['b'], ['c']]

list3[0][0] = 'X'
print(list4)
# Вывод: [['X'], ['b'], ['c']]

2️⃣ Глубокая копия

Глубокая копия создает независимый объект, включая его содержимое. Изменения в оригинале никак не затронут копию.

list5 = [['a'], ['b'], ['c']]
list6 = copy.deepcopy(list5)

list5.append(['d'])
list5[0][0] = 'X'
print(list6)
# Вывод: [['a'], ['b'], ['c']]

#собес_academy

📌 Простая истина от наших подписчиков

Как успешно стартовать в IT? Вот совет от нашего сеньор-подписчика:

«Не идти, если мотивация только финансовая, и нет желания сначала работать за 50к рублей, то делать в айти нечего»

«Не юзать ии и изучать матан»

«Будьте готовы отдать все свое время обучению, если хотите быстрого перехода»

Искреннее желание развиваться, готовность работать на старте за идею и полное погружение в обучение — залог успеха в IT ⚡️

📊 Что такое LSTM в машинном обучении

LSTM (Long Short-Term Memory) — это вид рекуррентной нейронной сети (RNN), созданный для работы с последовательными данными, такими как текст, временные ряды или видео. Она решает проблему исчезающего градиента, с которой сталкиваются стандартные RNN, и запоминает долгосрочные зависимости в данных.

➡️ Как это работает

LSTM состоит из ячеек памяти, которые используют гейты, чтобы управлять потоком информации.

1️⃣ Forget Gate (забывающее): решает, какую часть информации удалить из ячейки.

2️⃣ Input Gate (входное): определяет, какие новые данные сохранить в памяти.

3️⃣ Output Gate (выходное): выбирает, что передать в следующую ячейку.

Благодаря этим гейтам, LSTM может хранить информацию на протяжении длительных временных интервалов.

🔵 Подтяните свои знания о машинном обучении вместе с нашим курсом «Базовые модели ML и приложения»

#машинное_обучение

✨ Напоминаем про наш курс «Базовые модели ML и приложения»

Онлайн-курс от Proglib.academy для тех, кто хочет изучить основы машинного обучения и научиться применять модели для реальных задач.

➡️ Чему можно научиться на курсе:

▪️ Ансамблевое обучение: разберётесь с бустингом, бэггингом и случайными лесами.

▪️ Рекомендательные системы: освоите коллаборативную фильтрацию, алгоритмы на основе контента и построите свою рекомендательную модель.

▪️ Нейросети: получите базовые знания об архитектурах нейросетей и рекомендации для дальнейшего углубленного изучения.

▪️ Практические кейсы: научитесь применять полученные знания на реальных задачах, включая алгоритмы рекомендаций и машинное обучение.

🔵 Подтяните свои знания о машинном обучении вместе с нашим курсом «Базовые модели ML и приложения»