Мы уже давно, всей админкой, угораем с мемов на профункторе, а у них так же относительно недавно появился канал, @profunctor_jobs, с самыми годными вакухами для разрабов! 

Все вакансии проходят тщательный отбор а описание не сожержит ничего лишнего, только должность, стэк технологий и зп (всегда только 10к+$/с.). 

Так что подписывайтесь на @profunctor_jobs, там действительно много годных вакансий, которых нет ни на одной другой площадке, а если хотите разместить свою, то это можно сделать бесплатно, но пройдя тщательную модерацию!

SymPy

SymPy — это библиотека, которую следует использовать при работе с символьной математикой в Python. Она полностью написана на Python и имеет опциональные расширения для ускорения работы, а также построения графиков и интерактивных сессий.

Символьные функции SymPy работают с объектами SymPy, такими как символы, функции и выражения, для создания других символьных выражений, например так:
>>> import sympy as sym
>>> x = sym.Symbol('x')
>>> f = sym.exp(-x**2/2) / sym.sqrt(2 * sym.pi)
>>> f
sqrt(2)*exp(-x**2/2)/(2*sqrt(pi))

Их можно интегрировать как символьно, так и численно:
>>> sym.integrate(f, x)
erf(sqrt(2)*x/2)/2
>>> sym.integrate(f, (x, -1, 1))
erf(sqrt(2)/2)
>>> sym.N(_)
0.682689492137086

#sympy

Насколько хорошо нейросети могут "воспроизводить" физику?

Это действительно интересный вопрос. В честной симуляции физики жидкости вам бы потребовалось решать уравнения Навье-Стокса (вязкая, сжимаемая жидкость), которые в наиболее полном своем виде конечно довольно сложны.

Для их решения требуется бóльшая вычислительная мощность, нежели для вычисления предсказания в машинном обучении, с которым справится любой GPU с достаточным количеством ядер.

Возвращаясь к исходному вопросу, отвечу: достаточно хорошо. С помощью модели "Graph Network-based Simulators" (GNS) можно симулировать жидкость, песок, и даже вязкое тело. Более того, обучив модель на небольшом числе частиц, можно потом делать предсказания и для бóльшего числа частиц!

🌊 Ссылка на видео:
Смотреть видео

📝 Исходная статья "Learning to Simulate Complex Physics with Graph Networks" вместе с примерами работы алгоритма доступна по ссылкам:
Статья
Примеры работы алгоритма

@hw_code

​​Сегодня у нас на повестке дня один довольно таки интересный сниппет и одна полезная либа. Начнем по порядку.

📌 У многих людей, которые переходят с какого нибудь компилируемого языка на Python возникает этот вопрос: а как же все таки реализовать switch case? Так вот, один мой знакомый любитель языка Rust недавно поделился в группе своей реализацией switch case для языка Python. Надеюсь будет полезно.

📌 Недавно наткнулся на либу для преобразования формул в привычный для человека вид (работает в среде jupyter с помощью магического слова %%render). Теперь можно писать формулы на Python и сразу же выводить их в jupyter в человеческом виде. Либо даже оборачивать целые функции. Есть возможность вывода формул в latex, что может быть особенно полезно людям, занимающимся научными расчетами.

Теперь можно накатить SymPy, handcalcs и кайфовать от мысли что Mathematica больше не нужна. Ура.

dev blog #1

Давно планировал эту рубрику, и вот наконец руки дошли. Прошу любить и жаловать.

Читать 📝

#devblog

master vs main

В Github решили отказаться от названия master в пользу "менее расистского" main. Говорят, что таким образом хотят избежать ненужных ассоциаций с рабством на волне black lives matter.

Таким образом, с 1 октября 2020 года любые новые репозитории, которые создаются, будут использовать  в качестве ветки по умолчанию main вместо master.

Непонятно правда, как вообще это поможет бороться с расизмом... Что думаете по поводу этих изменений?

📝 Подготовил для вас специальный ноутбук .ipynb по Swift. Будем изучать так сказать "платформонезависимую" часть языка. Да, может кого-то из вас это удивит, но google colab имеет свой Swift kernel. Даже есть tensorflow под него.

Сделал все чисто по доброте душевной (никакой рекламы или курсов) заодно подтянув основы языка. Предлагаю теперь и вам. Для полноценного погружения рекомендую залогиниться в сам колаб через сервисы гугла, хотя это и не обязательно, по ссылке можно сразу изучать код и выполнять ячейки:

Смотреть ноутбук

Кстати, создать подобный ноутбук самостоятельно можно например с помощью ссылки:

Создать ноутбук

@hw_code

И тут эти ваши лазеры засветились...

Наткнулся тут на интересную статью о фотолитографии в глубоком ультрафиолете (EUV). Каждый такой аппарат – это технологическое чудо. Внутри него каждую секунду 50 000 капель расплавленного олова падают через камеру в её основании. Мощный лазер взрывает каждую каплю дважды. Первый импульс формирует необходимую форму капельки, а второй превращает его в плазму.

Плазма испускает глубокое ультрафиолетовое (EUV) излучение, которое фокусируется в пучок и отражается через серию зеркал. Зеркала отшлифованы настолько гладко, что, если их расширить до размера Германии, то на поверхности не будет выпуклостей больше миллиметра.

Наконец, EUV попадает на кремниевую подложку с точностью, эквивалентной выстрелу с Земли стрелой в яблоко, расположенное на Луне. Это позволяет создавать транзисторы размером всего пять нанометров.

Эта подложка с миллиардами или триллионами транзисторов в конечном итоге превращается в известные вам компьютерные чипы, например intel или amd.

@hw_code

SberCloud запустили довольно забавную небольшую ролевую игру, позволяющую почувствовать себя в шкуре начинающего стартапера и потренироваться в запуске и поддержке первого проекта.

Мы поиграли, создали стартап helloworld.cyber и удержали его год на рынке:) В общем мы оценили и вам советуем, если у вас есть 10-15 минут, чтобы почувствовать себя в шкуре стартапера: https://sc.link/B6n

Давно у нас не было розыгрышей, но недавно в чате предложили разыграть код на месячную бесплатную подписку на все продукты jetbrains.

Тыкайте по кнопке, и не забывайте что нужно быть подписанным на канал.
*****
Победители: Vadim Mariiechko

P.S. розыгрыш продлится до 8 октября

Конкурс закончен, поздравляю победителя! В будущем еще может будут подобные розыгрыши.

Немного затянулся с этим постом, наверняка новость уже разлетелась, но все же. Тут NVIDIA запустила новую платформу Maxine, и я не мог не написать об этом.

Платформа позволяет обрабатывать видеозвонки с помощью облачной инфраструктуры с использованием GPU NVIDIA. Что это вообще означает? Платформа сможет повысить качество звонков в самых разных аспектах, используя при этом машинное обучение.

В частности, с помощью Maxine можно будет реконструировать изображение лица и взгляд собеседника таким образом, чтобы создавалось впечатление, что он постоянно смотрит прямо в камеру.

Также эта технология снижает требование к пропускной способности сети для передачи видео. Как это вообще работает? Вместо потоковой передачи всех пикселей, ИИ анализирует ключевые черты лица человека, а затем восстанавливает изображение на экране собеседника.

Кроме того, качество такого изображения еще можно и улучшить, повысив разрешение, или изменяя освещение в режиме реального времени. Ну прямо киберпанк какой то.

@hw_code

​​Знаю что давненько постов не было, сори... Тем не менее, dev blog #2 выйдет как и обещал. Вновь поговорим об аппках, про декларативность и реактивность. Почему не было постов? Не было времени, пилил и еще раз пилил проекты. Скоро закончу рефакторинг первой аппки и попробую выкатиться в стор.

Это была тестовая приложуха с функцией оповещения о том что пора попить в походе (ходили в походы когда нибудь?). Модель рассчитывала приблизительное время похода, учитывала объем бутыли с водой и выдавала оповещения что уже можно попить. Более подробно опишу в будущей статье.

Следующая тема для аппки уже определена, а именно определение домашнего растения по фотке с помощью ML и советы по уходу за ним. Я находил несколько подобных приложух, но в итоге они с дерьмовой точностью определяли растения и требовали платной подписки.

Может быть даже попробуем эпловское ноу хау в виде updatable моделей. В tf/keras я такого не видел, но если вы знакомы с этим, то дайте знать в комментах. Updatable означает что теперь нейросеть можно "дотренировать" под изменившиеся параметры прямо на устройстве.

В контексте тех же растений можно например улучшать качество классификации с помощью пользовательских данных. И никаких говносерверов на ноде/фласке не нужно, все работает прямо офлайн "On-Device".


А вот вам пока кнопачку, я сделяль. Она эко-френдли если что. Ах да, чуть не забыл, адаптер в сделку не входил...

это тг гифки шакалит

На мой взгляд просто отличный способ искать подходящих кандидатов. В описание вакансии кидаешь код, и вот уже тебе и предмет для разговора осознанный, а не эти ваши проверки знания того как перевернуть строку, или как запрогать qsort. Предлагаю рекрутерам взять это на заметку.
Ваши мнения как всегда приветствуются в комментах.

Ищем iOS-разработчика. Знаешь, как улучшить? Пиши @katyasalt

Интересуешься технологиями?

Подпишись на местного датасасера — авторский канал про ИИ и будущее технологий. Собираю интересные новости об искусственном интеллекте и машинном обучении, пишу о своих проектах, например о @RoundDFBot.

Заходи — @datasas

​​Однажды мой друг спросил меня, что выйдет раньше – пост на @hw_code или новый киберпанк? Ну собсна пост все таки раньше вышел...

При всей моей любви к свифту, некоторые научные вычисления все таки проще и удобнее делать на питоне. О нем и поговорим. Не так давно мне понадобилось посчитать ионную температуру в зависимости от координаты и времени, в некоторых случаях говорят что это "фазовый портрет", если вам о чем то это говорит.

А поскольку плазма в моем случае не придвинута к границе вплотную, есть некоторое количество "вакуумных" пустых ячеек по обе стороны от профиля плотности. В процессе перемножения и деления весовых матриц непременно возникает выражение 0/0.

Если на время забыть о лопиталях и прочем матане и вооружиться здравой логикой, то единственным возможным верным вариантом при делении 0 на 0 будет вернуть 0. Поскольку, если частиц в ячейке нет, никакой температуры там тоже не будет. И как бы нам сделать это?

Для этого воспользуемся модулями true_divide, nan_to_num, errstate из библиотеки numpy. Errstate позволит нам избавиться от выбрасывания сообщения о делении на 0, а nan_to_num по сути и будет избавляться от Not a Number элементов в массиве (матрице). true_divide здесь можно заменить и обычным оператором /.

Однажды Эрнест Хемингуэй поспорил, что сможет написать самый короткий рассказ, способный растрогать любого. Он выиграл спор: "вышел пост на хелоу ворлд, а киберпанк еще нет"