Приехал на выставку, в 15 будет доклад

#текучка #выступления
Выступил вчера на конференции. Мне понравилось. Порассказывал про себя и описал свое видение влияния ИИ на разработку софта. Оно у меня очень простое.

Софт будет дешеветь каждый год, на 20-30%.

Такой вариант закона Мура.
В целом все тоже самое что и раньше, но время стало в несколько раз быстрее.

Получил пока всего один лид, но очень интересный. Даже не столько денежный (хотя компания очень крупная и у всех на слуху, так что всяко может быть), сколько тематикой. Там не чистая математика+ софт, а математика+софт+физика+оборудование. На алмазы похоже, так и зацепились собственно. Немного неожиданно для конференции про склады и роботы.

Фото с выставки c подписчиком канала @RadislavLatypov :)

#алгоритмы
Писал раньше про то как я делаю алгоритмы методом выравнивания качества (https://t.iss.one/tarasov_math_blog/83)
Вот свеженький пример.

Надо выбрать лучший момент времени для некоторого мероприятия. Генерируем сдвиги по времени назад и вперед. С некоторым шагом.
Если двигать на +-5 часов, то получается 11 вариантов. Если на 50 часов, то 101 вариант. Это маленькая часть задачи, и вся задача во втором случае работает сильно медленнее, разумеется.
Чаще всего хватает 5 часов сдвига, но иногда надо двигать и на 15 и на все 50.

Получается такое противоречие.
1) Если двигать на небольшое максимальное время, то иногда алгоритм не находит лучшего решения, так как нужно было двинуть далеко.
2) Если максимальное время сделать большим, то получается много вариантов и алгоритм начинает тормозить.
3) Если сделать большой шаг и большое максимальное время, то не всегда можно найти подходящий вариант сдвига и решение получается плохое.


На самом деле противоречие кажущееся. Я просто сделал, чтобы размер шага увеличивался по мере увеличения сдвига.
скажем вот список сдвигов 0, 30 минут, 1:10 , 2:00, 3:00 , 4:20, 6:00.

В результате если нужен небольшой сдвиг то вариантов находится достаточно много, а если нужен большой то есть хотя бы 1 вариант и это хватает.

Теперь я сбалансировал проблемы маленького и большого диапазона между собой.
Распределение шагов должно быть такое, чтобы каждый вариант был равновероятным, и если в 90% случаем решение находится в диапазоне +-5 часов, то 90% вариантов должно быть там же.

Неоптимальное решение все равно может проскочить, но это уже будет достаточно редкая и малозначимая ситуация.
Мы взяли лучшее из обоих вариантов и понизили вероятность ошибки на 1-2 порядка.

Поле в Тамбовской области конечно прикольное. Можно играть в картошку, а можно ее сажать.
Upd. Блогом промахнулся. Стирать уже не буду.

#текучка #бизнес
Вернулся из кемпа. Помимо того, что отдохнул и перегрузился, получил для бизнеса несколько важных моментов.
Когда я уезжал на мне висело два срочных и важных проекта. Отпуск создал миникризис. И оказалось, что в условиях кризиса голова сразу начинает по другому работать, и я смог делегировать большие куски в обоих проектах. Хотя все равно я за неделю 20 часов сам наработал в отпуске.

Еще кемп это интересные люди, Помимо просто знакомств с прекрасными людьми, нашел пару контактов полезных для бизнеса:
крутого и системного "агронома", который уже далеко пошел и явно пойдет еще дальше.
и еще продавца микроскопов, которые похоже скоро мне понадобятся. Забавно как мир тесен, он лично знает моего заказчика по алмазному алгоритму.

#текучка #идея
Месяц назад мне у меня в голове столкнулись 3 совершенно разных мысли:
1. Есть такая интересная птица - полярная крачка. Она живет в приполярной местности, но у неё вечное лето. Потому что, когда наступает осень, она улетает из Арктики в Антарктику, а через полгода назад.
2. У фермеров есть такая шутка. Если тебе не хватает денег на комбайн, купи Ламборгини.
3. Наблюдал, как красивая и загорелая девушка делает финты с мячом.

И из этих мыслей сложилась идея бизнеса:
надо на зиму возить комбайны в Бразилию.

Идея очень странная в том смысле, что вообще не IT ни разу. И тут нет моей добавленной стоимости. Но чем больше я её прорабатываю, тем лучше она выглядит. С учетом высокой процентной ставки и в России и в Бразилии, эта идея еще вкуснее.
В результате я не буду конечно все бросать и бежать ее реализовывать, но развивать буду.

Вообще пока процентная ставка выше инфляции, любой бизнес с шерингом это бомба.

#текучка #запрос Есть небольшая задача на аутсорс. Нужно сгенерить на python PDF отчеты с заданным стилем и данными.
Нашел одних ребят, но они только на php готовы.
Мне за последний год несколько команд обращалось, я все контакты растерял. Если кто то из читаталей аутсорсит - пишите.

#награды
Неожиданно победил в конкурсе, в котором записывался. :)

🎉 Итоги конкурса авторских Telegram-каналов — 2025

Мы подвели итоги! В каждой из 15 номинаций выбрали два канала, которые покорили и кураторов, и читателей.

Сохраняйте, подписывайтесь, делитесь с друзьями — это настоящая подборка авторского Telegram 2025 года

🍔 Продукты
— @tobeproduct (выбор куратора)
— @nemnogoproduct (победитель голосования)

🎨 Дизайн
— @bymakstorch
— @karma_designera

🖱 Юзабилити
— @uxksenia_channel
— @what_the_text

💻 Разработка и управление командой
— @opensource_findings
— @teamlead_stories

📈 Продажи и маркетинг
— @jedibizdev
— @ignatova_mr_protexti

📣 PR и реклама
— @piarchiksprivetom
— @killerofer

🗂 Управление проектами
— @M3ybeev
— @ozornye_stories

🚀 Стартапы
— @toxic_in_IT
— @RUcofounder

💰 Бизнес и предпринимательство
— @delai_raz
— @mezhkulturno

🤖 AI и инновационные технологии
— @tarasov_math_blog
— @cifrabunak

📚 Образование и книги
— @producer_c
— @voice_and_life

🧑‍💼 Карьера
— @fearstop
— @it_always_sunny

🧭 Менторство
— @takoyvopross
— @marina_omichka

🧠 Психология и саморазвитие
— @mister_igor
— @ups_and

🤣 Юмор
— @wb_prekrati
— @bogdan_e

🏆 Призы победителям

— Новые читатели — этот пост скоро появится в каждом из 15 каналов организаторов конкурса.
— Партнёр конкурса TGStat дарит 1 месяц бесплатной подписки на Premium-аналитику для Telegram-каналов победителям голосования.
— Radiogram дарит 3 месяца бесплатных подкастов для победителей в каждой номинации.
— Teleblog дарит 6 месяцев бесплатной подписки или 80% скидку на годовую подписку Teleblog Pro для победителей в каждой номинации.

В конкурсе приняли участие 389 каналов! А всего мы получили более 800 заявок — сами не ожидали такого интереса.

Спасибо, что были с нами, делали посты, голосовали и поддерживали друг друга. Мы обязательно учтём всё, что узнали в этом году, и проведём ещё один конкурс в 2026-м — уже с новыми фишками и партнерами.

До встречи ✌️

#математика #текучка
Звонил на прошлой неделе из прошлой жизни научный руководитель, говорит нашел ошибку в моей старой теореме. Разобрались, ошибки нет. Пока разбирался, нашел свои старые картиночки. Выложу самую красивую.

Есть такое число Хееша, это сколько раз можно обложить многоугольник вокруг себя. Если многоугольник совсем кривой, то 0, а если им можно упаковать все пространство то бесконечность. Сложно найти такие многоугольники, у которых оно больше нуля, но не бесконечность. Вот мой пример с реберным числом Хееша 6, то есть при условии, что я покрываю только ребра, но не вершины. Рекорд с нормальным числом Хееша - 5.
Пример состоит из дуг, но их можно превратить в многоугольник.

Как правильно фильтровать варианты?
#алгоритмы

Предположим у нас есть сложный алгоритм с многоуровневым перебором. Скажем 5 шагов, и на каждом случаи размножаются от 5 до 100 раз.
Перебрать всё невозможно 100^5= 10 миллиардов, комбинаторный взрыв. При этом все перебирать и не нужно. Довольно быстро находится хороший ответ.


Естественно развивающаяся программа обрастает кучей настроек по уровню фильтрации на каждом из шагов. Какие-то виды фильтров захардкожены и их уже не отключить. Всю эту систему приходится заново подгонять на новом кейсе. И потом мучаться обобщать, когда кейсов становится много.

А есть достаточно простой и универсальный подход к тому, как гармонизировать разные этапы алгоритма вместе.

Смотрим на написание алгоритма как на оптимизационную задачу. За ограниченное время мы можем перебрать ограниченное количество вариантов и нам надо найти лучший вариант из тех что мы можем найти.
Естественный критерий по которому надо фильтровать - вероятность того, что вариант даст необходимый нам ответ.

Если мы не понимаем какой вариант лучше, а какой хуже, то просто на промежуточном шаге, когда на вход нам пришел вариант с вероятностью p, а мы расщепили его на K подвариантов, то вероятность новых подвариантов будет p/K.
С учетом того, что у каждого шага обычно бывает разное количество вариантов, то вероятности в итоге будут сильно различаться.
Если есть критерий который позволяет примерно оценивать качество получившихся вариантов, то еще лучше. Будем назначать вариантам получше вероятность побольше, а вариантам похуже - поменьше.


Должен быть общий параметр программы - минимальная вероятность варианта. Если это скажем 1e-6 то больше миллиона вариантов мы не переберем.

На каждом шаге после генерации мы не фильтруем варианты, а оцениваем их относительную вероятность и сортируем по убыванию (это на самом деле очень даже похоже на функцию фильтрации, просто вместо запрета мы даем понижающий коэффициент варианту решения).

Таким образом получается простая схема как делать перебор любой глубины и не взрываться от числа вариантов.

Похожим методом работают алгоритмы декодирования сигнала в сотовой связи, там вместо вероятности используется ее логарифм, это по сути тоже самое.

Ключевая идея тут что у варианта естественный параметр - это его вероятность.
Оптимальная схема выстраивается автоматом исходя из этого факта, как школьные задачки по физике решались по размерности.

Мысль не банальная, один внешний заказчик использовал некую естественную вещь сильно коррелирующую с вероятностью, но не её.

А при переходе на вероятность я сразу получаю добавленную стоимость.
Кстати просто вероятность варианта тоже не совсем точный KPI. Напишите в комментариях более правильный параметр варианта, при котором алгоритм будет давать решение лучше.


Метод еще хорош, тем, что его потом удобно подгонять методами машинного обучения. Есть вся статистика по оценочным вероятностям и их потом можно уточнять. Я так понимаю коммерческие ЦЛП с 2010 так заметно ускорились именно благодаря этому подходу.

#текучка #награды
Обещал выложить фотку с награждения дипломом. Вот выкладываю. А то спрашивают потенциальные заказчики имел ли я дело дело с ИИ.

#текучка
Начали на этой неделе внедрять алгоритм планирования самолетов в боевую эксплуатацию. И уже этим утром знакомая полетела на самолете, который распланировал мой алгоритм. Приятно работать не в стол и забавно чувствовать себя немножко демиургом 😇.

Upd. На другом таки. Я заранее планировал, при оперативном планировании что-то поменяли

Программа как завод.
#алгоритмы #голдратт

После прочтения Голдратта и оптимизации несколько заводов я теперь везде эти заводы вижу.

В заводах есть сырье/материалы, полуфабрикаты и изделия и переделы между ними.

В алгоритме есть входные данные, промежуточные результаты и окончательные результаты.
Алгоритм точно так же можно расщеплять на переделы, осознавать какие у нас промежуточные результаты, осознавать какие у них параметры и как с ними работать. Вот этот пост как раз с такой точки зрения написан.

С процессом продаж тоже самое. Смотрим на него, записываем переделы и сущности. Получаем воронку продаж, а в качестве полуфабрикатов просмотры, подписчики, клики, звонки, лиды, рукопожатия, договора и т.п.


Если вернуться к алгоритмам, то очень удобно оказывается сохранять все промежуточные результаты в файлы для отладки.
Еще я пишу сложные алгоритма или с перебором большим или с большим объемом данных и в этом случае я стараюсь программу чтобы она делилась на этапы и каждый этап работал с с загрузки данных из файловой системы и заканчивался сохранением. При этом так, чтобы если например выключилось электричество и все отрубилось, то после перезагрузки программа начинала как раз с того места где она остановилась.
Другими словами можно сказать, что верхний уровень программы должен быть написан в функциональном стиле (идемпотетную или с отсутствием побочных эффектов), и текущее состояние работы алгоритма должно быть отражено в файликах.
Я это в Яндексе подглядел когда-то.

Подход удобен тем, что меньше приходится пересчитывать тяжелые вычисления, удобно строить архитектуру для кластерных и распределенных вычислений и просто отлаживаться.