Разработка

ARRAYFORMULA vs. MAP

В Google Sheets есть две функции, позволяющие производить операции над целыми массивами: ARRAYFORMULA и MAP.

Пусть в столбце A лежит цена товара, а в столбце B — скидка в процентах. Посчитаем финальную цену для всех товаров:

=ARRAYFORMULA(A2:A*(1-B2:B))

Как видно, ARRAYFORMULA позволяет обращаться с массивами как с одиночными ячейками, выполняя любые арифметические (и не только) действия. Под капотом формула работает построчно: сначала обрабатывает первые ячейки столбцов A и B, потом вторые, и т.д. Всего одной формулой мы посчитали финальные цены сразу для всех товаров. Минус такого подхода: когда формула разрастается, становится тяжело разобраться, какие действия с какими столбцами производятся.

Решим ту же задачу с помощью MAP:

=MAP(A2:A;B2:B;LAMBDA(price;discount;price*(1-discount)))

Функция принимает на вход неограниченное количество массивов (в нашем случае — два). Далее она последовательно берёт элементы этих массивов, передаёт в функцию LAMBDA под именами, указанными в первых аргументах (price и discount), и выполняет вычисление, переданное последним аргументом (price*(1-discount)). Благодаря явному именованию массивов формула читается понятнее.

Встречаются случаи, когда ARRAYFORMULA в принципе не работает. Например, когда внутри необходимо использовать другую формулу массива.

Пример: пусть для каждого значения из столбца A нужно отфильтровать и склеить через запятую значения из другой таблицы:

=ARRAYFORMULA(JOIN(", ";FILTER(D2:D;E2:E=A2:A)))

Формула не работает, т.к. FILTER получает вторым аргументом сравнение двух массивов и не понимает, что от него требуется.

MAP же успешно справляется с этой задачей, т.к. передаёт в лямбда-функцию конкретное значение, по которому можно отфильтровать другую таблицу:

=MAP(A2:A;LAMBDA(id;JOIN(", ";FILTER(D2:D;E2:E=id))))

Резюме: в простейших случаях ARRAYFORMULA компактнее, в сложных формулах MAP более понятное, а иногда и единственное решение.

На недавно прошедшем мероприятии 39th Chaos Communication Congress 27 дек 2025 была обнародована информация о впечатляющих уязвимостях в программном обеспечении беспроводных (bluetooth) наушников на базе чипа ф. Airoha. Результаты таковы, что можно смело наводить панику: на видео демонстрируется не только дистанционное считывание названия проигрываемой наушниками композиции, но и обеспечивается доступ к звуковому каналу (bluetooth профиль HFP HF со всеми его фичами), что важно - незаметно для пользователя наушников, а далее - и к софту на смартфоне пользователя. Немаловажно что протестированы наушники вовсе не каких то там непонятных производителей, а известнейших и популярных брендов: многие модели Sony и Marshall, а также некоторые JBL, Jabra, Beyerdynamic, Bose (далее по ссылке есть список протестированых моделей). Выглядит впечатляюще, хотя и сильно подглюкивает, но уже близко к тому что мы видим в компьютерных играх и фильмах про хакеров.

https://www.youtube.com/watch?v=TK5Tz4Bt94Y

Изначально реверсеры раскрутили и прошивки для нескольких устройств, а затем фирменный протокол обмена поверх bluetooth (называется RACE). В нем есть и доступ к оперативке устройств и доступ к флешу. Ну и дырок всяких достаточно.

В текстовом виде + ссылки: https://insinuator.net/2025/12/bluetooth-headphone-jacking-full-disclosure-of-airoha-race-vulnerabilities/

Производители наушников уже оповещены и конечно же обновили прошивки.

Часто ли вы смотрите фильм «Одиннадцать друзей Оушена» как учебное пособие? А стоит. Потому что команда, которую собрал Дэнни — это не просто группа авантюристов, а идеально сбалансированный стартап. В нём нет случайных людей, только нужные роли.

Меня зовут Анастасия, и я разбираю рабочие процессы на примерах из кино, книг и истории. Сегодня предлагаю посмотреть на одну из самых стильных команд в кино через призму организационной структуры.

Дэнни Оушен здесь — классический CEO, визионер и конечный ответственный. Он видит цель, набирает звездную команду и держит в голове общую картину, даже когда всё летит в тартарары.

Роль Расти Райана — это чистейший пример операционного директора (COO). Он — правая рука и главный переводчик. Его задача — превратить дерзкую идею Дэнни в пошаговый план, координировать работу всех отделов и следить, чтобы каждый спринт укладывался в нужные две минуты.

А дальше начинаются ключевые департаменты. У них есть свой технический гений — Ливингстон Делл (фактически CTO) и инновационный отдел снабжения в лице Бэшера Тарра. Есть даже свой глава службы безопасности и по совместительству HR в лице Фрэнка Каттона, а «Грек» следит за качеством работы и атмосферой в коллективе. И конечно, логист Сэдлс, который отвечает за то, чтобы все оказались в нужном месте в нужное время.

Особняком стоит «отдел продаж» и внешних коммуникаций. Сэул Блум обеспечивает финансирование, находя инвестора. А главный козырь команды — Лайнус Колдуэлл — это мастер социальной инженерии, идеальный переговорщик, который «продаёт» ложь так, что её хочется купить.

Их история — это не руководство по ограблению, а чистый Agile-учебник. Бери кросс-функциональную команду, дроби глобальную миссию на короткие спринты и будь готов к быстрым итерациям. Успех определяется не идеальным сценарием, а умением всей системы адаптироваться на лету.

StackOverflow сдаёт позиции. Количество задаваемых вопросов на StackOverflow близится к полному нулю

Спад начался еще несколько лет назад, когда начали хайпить нейросети, но сейчас количество задаваемых вопросов достигло рекордно низких значений. Так, за весь декабрь поступило всего 3800 вопросов, а за первые дни января около 300

Больше интересного тут

Чего ждать от ИИ в 2026 году?

Каждый день в мире выходят сотни исследований в области ИИ. За прошлый год вышло около 50 000 работ. Изучить все это невозможно, и главное — большая часть из них не влияет на реальный прогресс в ИИ.

На моем YouTube-канале вышло новое видео, в котором я проанализировал 30 самых перспективных исследований ИИ за прошлый год. Это позволяет понять текущие тренды и прогнозировать, что нас ждет в новом году.

Я разделил исследования на шесть ключевых направлений и разобрал их простыми словами. :

• как меняются методы обучения моделей;

• как строить работающие мультиагентные системы;

• как ИИ воплощается в физическом мире в виде роботов и других устройств;

• как ИИ влияет на программирование и науку;

• и почему когнитивные системы и агентная экономика — следующий шаг в развитии ИИ.

Если вам важно не просто пользоваться ИИ или внедрять его в бизнес, а понимать, куда развивается сама технология и какую роль в этом играет человек — это видео для вас.

А какие из этих направлений вы считаете самыми перспективными в 2026 году?

2025 год был непростым:

И 2026 год тоже будет непростым: 2⋅1013

А вот 2027 год будет простым!

Всех с наступившим Новым Годом!

Как установить HTTP прокси с TLS на свежий сервер с Linux одной командой:

curl https://raw.githubusercontent.com/Snawoot/easy-dp/refs/heads/master/easy-dp.sh | bash -s

Вывод будет примерно таким:

Всё, готово - можно пользоваться!

Скрипт устанавливает и настраивает dumbproxy c TLS-сертификатами от LetsEncrypt, выпущенными прямо на IP-адрес сервера, без домена.

Настройка браузеров и прочих клиентов уже обсуждалась в одной из предыдущих статей. Добавлю только, что на сегодняшний день в качестве клиента для Android я бы выбрал NekoBox.

На этом всё!

пет-проект невозможно доделать - только выпустить в открытую бету

Что ж, встречайте открытую бету проекта

📚📚📚📚📚📚📚📚📚📚
SweetReader!
📚📚📚📚📚📚📚📚📚📚

Что это:
Пространство для авторов и читателей, упор сделан на книги с высоким уровнем визуала (графические романы, комиксы, манги, книги с упором на иллюстрации). 

Преимущества:
Три настраиваемых режима просмотра книг, поиск и фильтры по произведениям, лайки, избранные, страницы авторов и всё в этом духе.

На текущий момент это MVP - буквально базовая версия продукта, есть планы по его доработке и даже (о, ужас) "дорожная карта", которую, может быть, я реализую )))

_____

Должен упомянуть, что автор идеи и базового дизайна, которые я впоследствии доработал - Семён Диваченко.

Буду рад обратной связи тут в комментариях. Если найдёте баг или ошибку (а это на текущей стадии несложно), в меню есть кнопка "Ошибка?" специально для неравнодушных пользователей.

Итак, мы в деревне и почему бы нам не извлечь подарки из под ёлки, и не спрятать по всему дому? За пару дней я таки добился, чтобы Gemini AI studio собрал игру "Поиск подарков с Мортимером", где AI-ворон Мортимер придумывал мрачные импровизированные загадки на английском языке.
Ещё в процессе отладки поразило сколько рифмованных загадок в стиле Уильяма Блейка LLM может придумать на одно и то же слово.
Итак, Gemini-генератор выдал изображение, переключаемся на другое окно, и Gemini-вайбкодер тут же предложил дизайн. Скорость, с которой родилась концепция, слегка ошеломила… Процесс построения приложения, с другой стороны, со всеми задуманными фичами (хотелось озвучку от ElevenLabs, бесплатное API без лимита и сохраняемые сетапы), похож на бросание камня с закрытыми глазами.
Но результат порадовал, день релиза был днем смеха и поисков.

Мы часто говорим о сильных лидерах и слаженных командах, но как на практике выглядит эта слаженность? Можно ли разложить магию успешной команды на работающие элементы? Такой анализ помогает понять, какую роль вы играете в своей команде, кого вам не хватает для идеального баланса и как распознать в коллеге скрытый потенциал, который выведет всех на новый уровень.

Добрый день, меня зовут Анастасия, и я рассматриваю рабочие процессы на примерах из кино, книг и истории. Давайте прямо сейчас посмотрим, как работает одна из самых стильных и известных команд.

Команду Дэнни Оушена интересно разобрать не только как сборник ярких персонажей, но и как тонкий социальный энергетический механизм. В ней Альфа - сам Дэни — лидер, задающий цель. Бета (Расти) — его правая рука, превращающая идеи в инструкции. Гамма — блестящие специалисты, идеально собирающие свою часть пазла. А Дельта — тёмная лошадка, скрытый ресурс, который раскрывается в самый нужный момент.

Именно в этой роли в команде Оушена выступает Лайнус Колдуэлл. И здесь раскрывается главный талант Дэнни как лидера — умение работать с энергией Дельты.

Оушен не просто нашел талантливого вора. Он разглядел в Лайнусе-одиночке, в его «слабости» и непохожести на других, уникальный потенциал. Он не пытался его переделать, а встроил в план, дав ему именно ту роль, где его особенность становилась сверхоружием. При этом Дэнни защищал Лайнуса от давления системы, от скепсиса остальной команды, сохраняя его хрупкую и ценную энергию для решающего момента.

Это и есть высший пилотаж. В кульминации, когда даже гениальный план Альфы и Беты сталкивается с абсолютно непредвиденным препятствием, именно энергия Дельты — нестандартный, непредсказуемый ход Лайнуса — спасает ситуацию. Сила настоящего Альфы не в том, чтобы управлять винтиками, а в том, чтобы увидеть в «тёмной лошадке» скрытый козырь и превратить её в главный триумф команды.

Обновлён проект Python Scripts, где более 60 Python-скриптов для любых задач, включая алгоритмы по парсингу, работе с видео и фото, клонированию сайтов, скачиванию с сайтов и другие популярные решения.

Ранее был представлен учебный проект «Числа Python, которые должен знать каждый программист» (Python Numbers Every Programmer Should Know). Проект также доступен на GitHub.

AI-лоботомия отменяется

Представьте, что вы научили LLM всему, а потом поняли, что "всему" включает и рецепты сибирской язвы. Что делать? Простая фильтрация данных — дорого, ненадёжно и оставляет дыры. Пост-тренировочные методы "разучивания" (unlearning) слетают от простого fine-tuning. Новая статья от исследователей из Anthropic и Imperial College London предлагает элегантное решение — Selective GradienT Masking (SGTM).

Технические детали. Идея SGTM — не удалять знания, а локализовать их. Внутри модели создаётся "песочница" для нежелательных знаний (например, о биологии, как прокси для CBRN-угроз).

Как это работает:

1. Разделение параметров: Нейроны MLP и головы внимания в каждом блоке трансформера делятся на две группы: 0_retain (для обычных знаний) и 0_forget (для опасных).

2. Маскировка градиентов: Во время обучения, когда модель видит "опасный" пример, градиенты для 0_retain обнуляются. Обновляются только "опасные" параметры 0_forget. И наоборот, на обычных данных замораживаются 0_forget.

3. Удаление: После обучения достаточно просто обнулить веса 0_forget. Опасные знания исчезают, а основная модель остаётся нетронутой и функциональной.

Этот метод показал себя значительно лучше, чем простая фильтрация данных, особенно в условиях "шумных" меток, когда часть опасного контента случайно промаркирована как безопасная.

Практическое применение. Основной кейс — это удаление "dual-use" возможностей из моделей. Например, можно обучить модель на всей Википедии, а затем хирургически удалить только знания в области органической химии и вирусологии, оставив при этом общие научные знания. Это позволяет создавать мощные, но безопасные модели для широкого круга задач, не опасаясь, что их используют для создания оружия.

Насколько это эффективно? На мой взгляд, это один из самых перспективных подходов к AI Safety на сегодня.

• Плюсы: Это pre-training метод, что делает его фундаментально более надёжным. В статье показано, что SGTM в 7 раз устойчивее к попыткам восстановить знания через fine-tuning, чем другие методы. Это не "костыль", а часть архитектуры.

• Минусы: За всё надо платить. Метод добавляет около 6% вычислительной нагрузки на обучение. Кроме того, нужно заранее определить, какие именно знания мы хотим изолировать.

Вердикт: SGTM — это не панацея, но огромный шаг вперёд. Это переход от "лоботомии" модели к точечной "нейрохирургии". Для серьёзных систем, где цена ошибки высока, 6% оверхеда — смешная плата за такой уровень контроля. Скорее всего, скоро увидим эту технологию в основе всех крупных моделей от Anthropic, Google и других.

Исследование

«Мстители» как кейс: что делать, когда в команде два босса и одна живая катастрофа

История про команду Мстителей — это не просто блокбастер про супергероев. Это готовый разбор того, как собрать в одну комнату людей, каждый из которых привык быть главным, и заставить это работать. А ещё — что делать с тем участником, который в любой момент может всех вас уничтожить.

В центре этой истории — конфликт двух Альф. Тони Старк — инновационный лидер, чья энергия бьёт током. Он генерирует идеи, ломает устои и верит в технологию больше, чем в приказы. Его противоположность — Стив Роджерс, моральный Альфа. Его сила — не в броне, а в стержне. Он задаёт этический вектор и становится той точкой сборки, вокруг которой могут объединиться остальные. Пока эти двое не определят, кто и за что отвечает, команда похожа на два рояля, которые несут в одну квартиру — много шума, но никакой музыки.

Между ними — Наташа Романофф, идеальная Бета. Пока Альфы спорят о будущем вселенной, она обеспечивает движение здесь и сейчас. Её роль — не принимать глобальные решения, а переводить их в конкретные действия, гасить конфликты и делать так, чтобы разрозненные специалисты начали работать как единый механизм. Без неё спор двух лидеров остался бы просто спором.

А вокруг — классические Гаммы. Тор, могущественный, но со своей внешней повесткой. Соколиный Глаз, меткий стрелок, чьи навыки на старте оказываются заблокированы. Это эксперты, винтики системы, которые ждут чётких указаний от Альф и слаженной работы от Беты.

И тут мы подходим к главной проблеме — Брюсу Бэннеру, или, точнее, к Халку. Он не сотрудник, он — ходячая форс-мажорная оговорка в договоре. Скрытая ядерная кнопка, которую все боятся нажать. Сначала команда, и особенно системный мыслитель Старк, пытается с этой энергией справиться классически: подавить, игнорировать, использовать только безопасную часть — учёного Бэннера. Результат предсказуем: попытка контроля оборачивается катастрофой на Хелккэриере, когда Дельта-энергия вырывается наружу и обращается против своих же.

Гениальное решение приходит оттуда, откуда его не ждали — от инновационного Альфы, Тони Старка. Он первым понимает, что энергию Халка нельзя контролировать, запереть или игнорировать. Её можно только направить. Его знаменитая фраза «Сейчас бы прекрасный момент для того, чтобы разозлиться» — это не приказ. Это ритуальное разрешение, выданный кредит доверия разрушительной силе. Это момент, когда хаос получает легитимную цель.

Итог известен: Халк, бывший главной внутренней угрозой, становится ключевым оружием в битве за Нью-Йорк. Он сокрушает левиафанов и, что символично, одним ударом выбивает спесь с бога. Дельта не становится предсказуемой Гаммой — она остаётся собой, но её хаотическая сила теперь работает на команду, а не против неё.

Вывод для любого лидера прост: если в вашей команде есть своя «живая катастрофа», не пытайтесь её перевоспитать. Ваша задача — создать такие условия, чтобы в решающий момент её энергия ударила не внутрь команды, а по вашим общим проблемам. Иногда самый большой риск — это и есть ваше главное преимущество. Просто нужно знать, куда его направить.

Представлен учебный проект «Числа Python, которые должен знать каждый программист» (Python Numbers Every Programmer Should Know). Проект также доступен на GitHub.

«Существуют цифры\числа\значения, которые должен знать каждый программист на Python. Например, насколько быстро или медленно добавляется элемент в список в Python? А как насчёт открытия файла? Это занимает меньше миллисекунды? Есть ли что‑то, что замедляет этот процесс? Если у вас есть алгоритм, чувствительный к производительности, какую структуру данных следует использовать? Сколько памяти занимает число с плавающей запятой? А как насчёт одного символа или пустой строки? Насколько быстр FastAPI по сравнению с Django? Я хотел бы уделить немного времени и записать показатели производительности, специально ориентированные на разработчиков Python», — сообщил автор проекта Майкл Кеннеди.

Открытый проект mail2telegram позволяет перенаправляет электронную почту сразу в Telegram. Можно настроить фильтры пересылки, выбрать группу, в которую будут падать письма и автоматом отсеивать весь спам.

Я целую неделю отлаживал свой блок GPU, в котором с мая месяца сделал новый подблок, которого не было у AMD, у которого Самсунг лицензировал технологию RDNA. Моим единственным желанием на Новый Год было чтобы прошел тест. Так как баг проявлялся только на подсистеме, тест которой шел 6 часов в софтвере и 8 часов на эмуляторе, после каждого изменения нужно было ждать это время. И вот я проснулся 1 января и тест прошел. Это значит, что с высокой вероятностью этот новый подблок моего дизайна войдет в телефоны Самсунг 2028 года. Все, сегодня можно не работать, а идти в лес или редактировать статью, которую у меня приняли на крутую конференцию. С Новым Годом!

Прочитайте за вечер: почему «Золотой ключик» — это та самая инструкция по найму, которую вы искали

Январние каникулы — редкое время, когда можно наконец разобрать на молекулы истории, которые читали в детстве. Если вы уже пересмотрели все сериалы, давайте поговорим о «Золотом ключике». Оказывается, эта сказка — не просто история про деревянного мальчика, а готовая модель управления стартапом, где главный актив — не план, а энергия.

В центре этой модели — Буратино. Мы привыкли видеть в нём непослушного ребёнка, но в реальности перед нами чистый образ Дельта-сотрудника. Того самого, которого нанимают за невероятный потенциал, а потом ломают голову, как с ним работать.

Папа Карло — это пассивный основатель. Он даёт проекту жизнь и глобальную миссию — «стать человеком». Но на этом его руководство заканчивается. Его энергия — это потенциал, который так и останется потенциалом, если не найдёт своего проводника.

Этим проводником пытается стать Мальвина. Её энергия — систематизирующая. Она создаёт костяк команды, учит хорошим манерам и прописывает правила. Но её методы работают для артистов, а не для первооткрывателей. Это попытка управлять хаосом через регламент, которая почти всегда даёт обратный эффект.

Рядом с ней — классические Гаммы. Пьеро, «творческий IT-специалист», генерирующий тонны контента, но не способный на решительное действие. И Артемон, «начальник логистики и безопасности», безупречно исполняющий свои тактические задачи по защите периметра.

А что же Буратино? Его главное качество — гипер-любопытство. Тот самый «нос в камин», который все считают ошибкой, оказывается единственным путём к золотому ключику. Он не слушает наставлений, продавая азбуку за билет в театр. Он не следует плану, действуя строго по обстоятельствам. Все попытки управлять им по классическим лекалам проваливаются.

И здесь кроется главный парадокс. Успех приходит не тогда, когда Дельта наконец вписывается в систему. А когда система находит в себе смелость построиться вокруг него. Когда команда Папы Карло, Мальвины и Пьеро принимает, что их роль — не учить, а поддерживать генератор возможностей.

Финал истории — это не перевоспитание Буратино. Это создание нового театра, где его спонтанность и удачливость становятся главным конкурентным преимуществом. Высшая форма управления Дельтой — это не контроль, а умение направить её энергию туда, где невозможное становится неизбежным.

Возможно, в этом году стоит перечитать не очередную книгу по менеджменту, а взять с полки старенький «Золотой ключик». Иногда самые важные бизнес-инсайты прячутся там, где мы их совсем не ждём.

P.S. Если эта модель резонирует, следующий шаг — разобрать на роли команду из «Одиннадцати друзей Оушена». Но это уже история на следующие каникулы.

Ссылка на массив переменной длины

Пусть в столбце A лежит массив переменной длины (например, результат работы FILTER или IMPORTRANGE в Google Sheets). В столбце B мы хотим написать формулу массива, например, удвоить все значения столбца A.

Можно применить формулу ко всему столбцу A:

=ARRAYFORMULA(2*A2:A)

Но так возникнут лишние нули там, где данные закончились. Вопрос, как применить формулу только к диапазону с данными, учитывая, что количество строк может в любой момент поменяться?

Есть такое решение:

=ARRAYFORMULA(2*OFFSET(A2;0;0;COUNTA(A2:A)))

• Функция COUNTA считает количество непустых значений в столбце.

• Функция OFFSET возвращает диапазон нужного размера, начиная с указанной ячейки.

Из первого пункта следует важное ограничение: формула работает только при отсутствии пустых значений в данных, иначе функция COUNTA неправильно посчитает высоту диапазона.

Обновлена открытая база по 500+ ИБ-сервисам Awesome OSINT For Everything, включая:

• базовую сетевую разведку, чтобы собрать «скелет» цели — домены, почты, имена, поддомены, URL;

• метапоисковики и поиск по специфическим типам данных — кэши, PGP-ключи, публичные бакеты, прямые ссылки и подобное;

• кастомные поисковые движки;

• поиск и контроль утечек любых данных — понять, светились ли email/телефон/учетки в открытых базах, найти следы компрометации;

• просмотр истории владения доменом. Поиск всех доменов, связанных с конкретным человеком;

• проверка URL на вредоносы, пробив репутации ресурса;

• поиск по открытым датасетам, реестрам или санкционным спискам;

• детальный поиск по кусочкам кода в любом репозитории и в сети;

• гео-поиск с визуализацией на карте;

• радио/сканеры и Wi-Fi-картография — можно пробить человека в сети и по использованию оборудования;

• распознавание и анализ автомобильного номера, VIN-номера, а также передвижений машин;

• поиск следов криптоплатежей из открытых источников;

• поиск по базам судов, реестрам, зарплатным базам, FOIA-ресурсам, публичным архивы на предмет утечек.

2026. Год, когда ваша Loss-функция наконец сойдется. 🎆

Друзья, коллеги, любители данных и градиентного спуска!

Пока часы бьют 12, а мы заменяем шампанское на кофе (все равно тренируется модель), давайте не просто загадываем желания. Давайте их оптимизируем.

2025 был годом больших LLM, диффузий и Agentic AI. А что будет ядром 2026? Моя гипотеза — возврат к фундаменту. К математике, которая делает магию машинного обучения возможной.

Вот 3 математических концепции, которые станут вашими лучшими друзьями в новом году:

1. Теория информации.
   Энтропия Шеннона говорит нам о степени неопределенности:

   

А KL-дивергенция измеряет "расстояние" между распределениями — ключ к пониманию distillation's, RLHF и многого другого:

2.Дифференциальная геометрия и многообразия.

Где живут ваши эмбеддинги? На многообразии, где локально все похоже на евклидово пространство, но глобально — сложная искривленная структура. Это язык диффузионных моделей.

3.Байесовские методы и Uncertainty Quantification.Нас интересует не просто предсказание yy, а апостериорное распределение:

Где θ — параметры модели, а DD — данные. 2026 — год, когда model.predict() будет возвращать не число, а (mean, variance).

А теперь — главное. Как сделать 2026 годом вашего прорыва? Формула года:

Где:

• Регуляризация_Отдых — это не dropout, а сознательное "зануление" для перезарядки: output = 0 if (burnout_risk) else input.

• Скорость_Обучения — умение учиться быстрее, а не просто больше.

• Момент — тот самый нетворкинг, комьюнити и поддержка.

И вот ваш подарок от меня на Новый год — маленький "мозговой тизер" (ответ в комментариях!):

Для модели линейной регрессии  с априорным распределением  найдите вид апостериорного распределения p(w∣X,Y), выведите формулы для его параметров и покажите, как его максимум (MAP-оценка) связан с ridge-регрессией с коэффициентом регуляризации /

Подсказка: вспомните теорему Байеса: апостериорное распределение пропорционально произведению правдоподобия и априорного распределения.

Давайте встретим 2026 год не как пассивные наблюдатели, а как архитекторы будущего.

С Новым 2026 годом! Пусть ваши градиенты не затухают, обобщающая способность растет, а оптимизатор всегда находит глобальный минимум. 🥂

#MachineLearning #Математика #DataScience #ИИ #2026 #НовыйГод #КарьераВAI #Наука #Формулы