Когда в 2019 году была опубликована работа группы исследователей Google о так называемом квантовом превосходстве, само выражение почти мгновенно вышло за пределы научного контекста и стало частью популярного нарратива о скором вытеснении классических вычислений. Между тем, уже в оригинальной публикации речь шла о строго определённой задаче - выборке из распределения, искусственно сконструированного таким образом, чтобы затруднить классическое моделирование.

Стандартная библиотека Python содержит множество инструментов, которые значительно упрощают решение задач спортивного программирования, но многие из них остаются незамеченными начинающими участниками. В статье собран краткий конспект по наиболее полезным модулям и функциям стандартной библиотеки с небольшими примерами.

Разработчики, работающие с «грязными» данными регулярно сталкиваются с задачами, которые сами по себе несложны, но требуют небольших вспомогательных инструментов. Нужно декодировать строку Base64 из лога, проверить хеш файла, быстро попробовать XOR-ключ, разобрать бинарный фрагмент или понять, что скрывается внутри странной строки из сетевого дампа. Обычно для этого приходится комбинировать несколько утилит, писать короткие скрипты или искать подходящую библиотеку. В какой-то момент вокруг таких задач накапливается целый набор вспомогательных инструментов, каждый из которых решает лишь небольшой кусок проблемы.

Знакомьтесь, CyberChef - веб-приложение, разработанное в Government Communications Headquarters. Его нередко называют «кибер-швейцарским ножом» для работы с данными. В одном интерфейсе собрано несколько сотен операций: кодирование и декодирование строк, криптографические алгоритмы, работа с бинарными форматами, сетевые структуры, временные метки, анализ сертификатов и множество других преобразований. При этом инструмент не требует установки и работает прямо в браузере, хотя при необходимости его можно скачать и использовать локально.

Нейрофизиология долгое время развивалась в рамках представления о мозге как о системе передачи сигналов. Нейрон в такой модели рассматривался как элемент электрической цепи, а нервная система — как сложная сеть проводников, по которым распространяются импульсы. Подобная картина хорошо соответствовала открытиям XIX–XX веков, когда были описаны потенциалы действия, синаптическая передача и основные принципы нейронной связи. Однако по мере накопления экспериментальных данных стало очевидно, что эта модель не объясняет многих особенностей реальной мозговой активности. Исследования последних десятилетий показывают, что нервная система обладает собственной динамикой, способной генерировать сложные формы активности даже при отсутствии внешних стимулов. Это постепенно приводит к пересмотру классических представлений о работе мозга и формированию более сложной системной картины нейронных процессов.

Статья приурочена к празднованию дня кошек в России

Когда я поступала в AI Talent Hub от ИТМО, я ожидала, что прокачаю свои навыки в Machine Learning и Data Science, т.е. научусь обучать модели, работать с нейросетями и оптимизировать функции потерь. Я не ожидала, что научусь лучше понимать естественный интеллект, себя и своих пушистых друзей. На первый взгляд, мне казалось, что между котиками и ИИ нет ничего общего. Ведь модели мне казались сплошной стерильной математикой. У моделей нет эмоций, нет страха, они не помнят боли и жестокости улицы, они просто минимизируют loss function. Но чем глубже я погружалась в принципы обучения искусственных систем, тем яснее становилось, что фундаментальные механизмы обучения универсальны.

Я начинала в 2018 году, будучи в 10-м классе. Моим первым системным обучением стал Яндекс Лицей, где я изучала Python и впервые увидела программирование не как учебную дисциплину, а как инструмент создания реальных решений.

В психологии существует хорошо изученный феномен - эффект наблюдателя. В классической формулировке он звучит парадоксально: чем больше людей наблюдают ситуацию, тем меньше вероятность, что кто то поможет (https://ru.wikipedia.org/wiki/Эффект_наблюдателя).

Но за последние годы я начала замечать обратный феномен. Когда помощь не парализуется присутствием других людей, а наоборот - запускается одним наблюдаемым примером.

Здравствуйте. Меня зовут Барсик. Формально я кот. Фактически я ранний пользователь экосистемы домашней автоматизации. Пока вы обсуждаете цифровую трансформацию, я уже живу в ней. Добро пожаловать в мой 2035 год.

Последние годы стали временем ограничений (ещё помните ковид и свои первые ощущения на самоизоляции?). То, что вчера казалось стабильным фундаментом, сегодня может исчезнуть. В таких условиях легко начать воспринимать ограничения как главного врага.

Жан-Поль Сартр писал, что человек «обречён быть свободным» — но эта свобода всегда связана с ответственностью за выбор. В цифровых продуктах мы часто говорим о свободе пользователя, но гораздо реже — о цене этой свободы.

Четыре года я была волонтёром в приюте для животных. Это не про красивые фотографии с пушистыми котиками — это про ежедневный уход, уборку, лечение, адаптацию и работу с людьми. Самое тяжёлое — видеть стресс у «вернувшихся» животных. Ещё вчера у них был человек, дом, надежда, а сегодня снова клетка, шум и тревожное ожидание. Некоторые так и не находят семью. Самое страшное для животного — прожить жизнь и так и не получить собственного дома хотя бы на один день.

Если вы поступаете в этом году на IT-направление, то сейчас у вас две очевидные задачи: не провалить ЕГЭ и выбрать университет. Но есть и третья — менее заметная, зато стратегически важная: начать формировать интеллектуальное преимущество, которое будет работать на вас следующие 5–10 лет. И это не умение писать промты.