Принцип работы

T T F S E...

Моделирование воды в компьютерной графике в реальном времени до сих пор остается весьма сложной задачей. Особенно актуально это при разработке компьютерных игр, в которых требуется создать визуально привлекательную картинку для игрока в рамках жесткого ограничения вычислительных ресурсов. И если на десктопах программист еще может рассчитывать на наличие мощной видеокарты и процессора, то в мобильных играх необходимо опираться на значительно более слабое железо.

В этой статье мы хотели поговорить о моделировании волн в открытом море и представить алгоритм, который позволил достичь достаточно интересные результаты при приемлемых 25-30Fps на среднем китайфоне.

Пляж — делает город. Город с пляжа начинается. Пляжем город красен.

Заезжали коллеги на конференцию про геометрию графов, нейросети и прочую современную математику, остроумно решающую злободневные задачи на стыке биологии, общества, и химии. Некоторым повезло воплотить модную концепцию bleisure и захватить выходные в городе — бывает, работодатели поощряют такую практику. Разметил для таких ситуаций несколько километров побережья родного континента и данных о местных достопримечательностях собрал. Учтите, самые интересные участки сделаны из твёрдых и местами острых камней.

Осмотримся вокруг Кашкайша и посмотрим, где здесь найти песок до горизонта.

Добраться в этот город с предельной для Португалии концентрацией Тесл на километр дороги из Лиссабона проще всего на электричке, отправляющейся каждые 20 минут и проводящей 40 в пути. В вагонах есть места для велосипедов и опознать их можно по пандусам на платформе. Первый велопрокат встречает уже на вокзале. В принципе, есть даже бесплатный муниципальный велопрокат. Альтернатива — городской автобус 405, курсирующий раз в два часа по воскресеньям.

Красная или синяя дорожка вьётся вдоль кромки континента.

38,7033228, -9,4772811

Здесь можно пройти по краю. Тут хочется остаться. На виду у всех спрятались две жемчужины серебряного побережья и ухватить их за короткий зимний день вполне возможно. Самовывозом. Паралеллепипедики автомобилей примерно передают масштаб приключения на картинке выше.

Справа на фото — Cabo da Roca, 140 м над уровнем моря, вид от маяка Cabo Raso.

На полпути к самой западной точке континента есть пара живописных мест, куда я время от времени сбегаю из города — отвлечься от перемножения матриц, голову проветрить северо-атлантическим бризом, да поглазеть на уголки гор, в которых ещё не был.

Пересечение медицины и науки о данных всегда было актуальным; возможно, самый очевидный пример — реализация нейронных сетей в глубоком обучении. По мере развития науки о данных и машинного обучения будет развиваться и медицина, но верно и обратное. 

Нанотехнологии, стволовые клетки, оптогенетика, метаболомика, редактирование генов и интерфейсы мозг — компьютер — вот лишь некоторые области, выигрывающие от взаимовыгодных отношений медицины и науки о данных, представители которых должны научиться расти и адаптироваться к эволюции в своей сфере — иначе они рискуют остаться позади. К старту курса по Machine Learning и Deep Learning делимся статьёй о возможностях пакета MNE для визуализации данных о мозге. По словам автора — нейрохирурга и спикера TEDx — как только MNE будет сопряжён с TensorFlow, sklearn или другой библиотекой машинного обучения, в интерфейсы мозг — компьютер сможет погрузиться любой человек.

Доброе утро!

Сегодня поговорим о примерах в дисциплине урматфиз общими словами без погружения в сухой, академический язык и множества формул.

По шкале сложности для чистой математики эта дисциплина на мой субъективный взгляд получает 7/10. Но это не значит что эти формулы легки для зазубривания и запоминания. Тем более говорить о том, что я могу сделать открытие в данной области которое попадет в учебники, например объясняя физику какого - либо нового процесса или уточняя уже существующий. Если подумать, то например выбирая какой-либо параграф учебника по данному предмету, то он исписан формулами которые если провести аналогию похож на модуль по программированию. Скажу сразу мне преподавали данный предмет очень плохо, не объясняя что данные формулы значат, точнее заглавие было например: "Уравнение волны" или "Колебание мембраны", а дальше переписывали все формулы в параграфе с короткими комментариями что откуда, весьма скудными в полной тишине. Препод перелистывал страницы презентации и ходил туда-обратно пока мы переписывали. Видно что не ему, ни мне это было не нужно, как бы для общего развития. Скорее всего надо было читать дополнительную литературу чтобы понять, но там уровень для подкованного студента, предметов было много и где-то были пробелы и особо не было времени на все распылиться. Ну это так к слову. К слову чем больше людей надо учить в промежутке времени, тем меньше времени уделяется каждому студенту и тем хуже уровень знаний у каждого студента, ну это в пределе.

Ну это было уже давно, лекций не осталось, практика забылась, из головы все выветрилось как талая вода. Вот пример волны наглядный:

Даже небольшие погрешности в измерениях скорости судна относительно воды могут привести к большим ошибкам в расчётах ходовых качеств судна и увеличению расхода топлива на десятки тонн в день. О том, как эту проблему решает машинное обучение, рассказываем к старту флагманского курса по Data Science.