Ui ux во мне дохуя. Там сидит что-то иллюстратор свои плагины для фотошопа дрочит, я ему говорю братан съеби нахуй, беру SD3 и чатгпт, на следующий день макет уже на прод выкатили

Внимание!!! Полезная реклама.

Когда я был школьником и решил в начале 11ого класса ботать олимпиады по математике, то я купил курс от Сергея Жесткова, и не пожалел, собственно диплом МОШ по математике тому подтверждение.

И теперь они открыли курс по математическому анализу для поступающих в РЭШ!
На математический анализ приходится около 2/3 всего экзамена по математике (курс к линейной алгебре будет в апреле). Курс также отлично подойдет третьекурсникам – полезно начинать подготовку заранее. Актуально и тем, кто готовится к экзамену GRE Subject Test in Math

📚 Что является основой курса?

Сердце курса – большой задачник, который составил лично Сергей:

• Более 400 задач из экзаменов РЭШ (с 2003 года), разделенных по темам
• Теоретические блоки с необходимыми связями и контрпримерами
• Методические рекомендации и ссылки на отобранные материалы

🔥 Большинство задач Сергей прорешал сам, поэтому хорошо знает специфику экзамена, понимает на что важно сделать акцент. В этом курсе вы получите структурированную подготовку с учётом всех закономерностей и особенностей экзамена

⏳ 12 недель подготовки

Курс стартует в конце января, а завершится в середине апреля накануне олимпиады РЭШ. Доступ к задачнику не ограничен по времени, так что вы сможете пользоваться материалами даже после завершения курса, в том числе для подготовки в летним экзаменам

🧑‍🏫 Пара фактов о Сергее

• Преподает высшую математику уже 10 лет
• Вёл курсы в МФТИ, дважды получил премию «Преподаватель года»
• Сейчас работает над своей онлайн-школой Zhestkov University и активно готовит студентов к престижным магистратурам и ШАД (Школе анализа данных Яндекса)

Подробнее о нем можно узнать здесь, а познакомиться с его работой можно на этом канале

Чтобы попасть на курс, пишите в директ @s_zhestkov или записывайтесь на него на сайте Zhestkov University

Блин сегодня после продуктивного рабочего дня и полутора часов в качалке был вайб взять свой железный меч и пойти кошмарить район под славянский фонк

Года пролетели и юность отняли
Косухи на галстуки мы променяли
И вместо пивка для поднятия духа
Лишь утренний кофе и бытовуха

Вообще это так необычно - жить по расписанию.
Ты знаешь, во сколько ты завтра проснешься. Во сколько пойдешь спать. Что сделаешь утром. В какие часы будешь работать. Знаешь как будешь готовить себе обед, что примерно съешь. Знаешь во сколько пойдешь в спортзал, и что будешь делать как вернешься. И так почти каждый день.
Это так… спокойно? И в хорошем, и в плохом смысле. Это уменьшает нервотрепку, но и уменьшает некоторое наслаждение от жизни, от ее приятных неожиданностей.
А для чего это все в конечном итоге? Максимизация денег. Если не максимизировать деньги в молодости, тяжелее будет максимизировать счастье в старости.
В расписание безусловно входит отдых, какие-то активности по типу встреч с людьми. Но… Ты становишься идеальным винтиком. Ты идеально добиваешься краткосрочных целей, через которые лежит путь к долгосрочным. Но ты все еще остаешься просто винтиком

Люди делятся на два типа: тех, кто работает/учится под LoFi, и тех, кто делает это под фонк

Я снова вошел в эру аниме герл

Поздравляю всех причастных с днем российской науки!
Сегодня не успел, но завтра выкачу содержательных постов. Будет рассмотрена интересная оптимизационная задача с ограничениями и безградиентным решением.
Поставьте огонек если хотите

Зачем нам вся эта математика бахнем ML все и так заработает. Или нет?
Сегодня разберем следующую 'оптимизационную' задачу. Мы хотим найти максимум ф-ии f на некотором ограниченном домене, при это f отделима от нуля на этом домене и монотонна. В чем же сложность, если f - монотонная ф-ия? В том, что есть дополнительное условие - xf(x) <= b. Существуют задачи в индустрии, на которых завязано много денег и которые формулируются подобным образом. Фактически, нужно решить уравнение xf(x)=b.
Дополнительная проблема в том, что мы не знаем вид функции f, и даже не можем взять ее градиент. Все что мы можем - измерить значение f в некоторой точке. В оптимизации это называется оракулом нулевого порядка. Соответственно, оракул 1ого порядка - знаем значение функции и ее градиента, второго порядка - то же что и ранее + гессиан, и так далее.
Вспомним метод простой итерации. Как он формулируется? Нужно найти сжимающее отображение, которое в итоге будет сходиться к нужной точке. Однако алгоритмически подобрать сжимающее отображение не очень возможно. К счастью, тут его придумать просто.
Например, отображение g(x) = a* x + (1 - a) * b/f(x). Идейно понятно, почему оно сходится к решению - если x слишком большой, тогда b/f(x) < x, и мы его уменьшим, иначе увеличим. На картинке приведено доказательство, почему для этого отображения наше решение - неподвижная точка.
Почему это круто? Ну... Метод сходится геометрически, на практике за 4-5 итераций, что важно, если измерить значение функции f сложно. Подобную тактику можно использовать для подбора гиперпараметров каких-то моделей, если мы идейно представляем, как устроена зависимость лосса от конкретно этого гиперпараметра. Также подобный метод никак не привязан ко времени, и адаптируется, если ф-ия f между итерациями меняется, но не сильно.
Вот так простая математика позволяет зарабатывать деньги. Формальное доказательство что это сжимающее отображение приводить не буду ибо оно немного громоздкое и также следует из свойств метода простой итерации.
Также легко обобщается на стохастический случай, можете попробовать в комментариях :)