В статье даётся краткий обзор курса алгебры, призванный помочь тем, кто собирается изучать её самостоятельно, с репетитором или на курсах.
Университетский курс алгебры условно можно разбить на три части:
• элементарная алгебра (комплексные числа, многочлены, делимость, вычеты, ...);
• линейная алгебра (системы линейных уравнений, теория размерности, матрицы, линейные отображения, билинейные и квадратичные формы, тензоры, ...);
• высшая алгебра (алгебраические структуры: группы, кольца, поля, ...).

Для большинства наук и приложений, в машинном обучении, computer science прежде всего нужна, конечно, линейная алгебра. Для её успешного освоения нужно уверенно владеть элементарной алгеброй. На школьном уровне она (не)проста и скучна. Но при переходе в университет алгебра резко становится абстрактной и потому для многих сложной и непонятной: больно много аксиоматических определений — примеры еле поспевают. Как исторически произошёл этот скачок? Что нужно/полезно всем, изучающим математику, из высшей алгебры? Как лучше освоить азы линейной алгебры с прицелом на приложения, machine learning, не упустив что-то важное, но и не перетрудившись зря? Эти вопросы мы обсудим в статье.

Цель моей статьи сегодня - показать какие инструменты финансовой поддержи стартап может найти в России и мое субъективное мнение о каждом источнике. В статье не раскрою секретов, но соберу все источники в одном месте.

То, что ChatGPT может автоматически генерировать что-то, что хотя бы на первый взгляд похоже на написанный человеком текст, удивительно и неожиданно. Но как он это делает? И почему это работает? Цель этой статьи - дать приблизительное описание того, что происходит внутри ChatGPT, а затем исследовать, почему он может так хорошо справляться с созданием более-менее осмысленного текста. С самого начала я должен сказать, что собираюсь сосредоточиться на общей картине происходящего, и хотя я упомяну некоторые инженерные детали, но не буду глубоко в них вникать. (Примеры в статье применимы как к другим современным "большим языковым моделям" (LLM), так и к ChatGPT).

Цифровые помощники с искусственным интеллектом и машинным обучением проникли практически в каждую область нашей жизни. Что бы мы не делали — просматривали поток новых писем в электронной почте, выбирали лучший маршрут для объезда пробок или искали новый интересный сериал, ИИ придет на помощь, чтобы облегчить задачу. 

Те, кто следит за новыми возможностями, которые дает нам внедрение умных машин, и знает как их использовать, могут получить немало преимуществ, как в профессиональной области, так и в плане улучшения общего качества жизни. В этой статье мы собрали наиболее яркие примеры того, как ИИ и ML технологии меняют или изменят в ближайшее время окружающую нас действительность.

Я рекомендую эту статью прочитать не только бизнесменам, но и тем, кто работает на должностях инженеров, техников и промышленных рабочих. Тут буду рассказывать про производство на станках с ЧПУ, но любой более или менее умный человек этот рассказ легко переложит на другие типы производства, вплоть до производства компьютерных программ. Кроме того, я, деля производство на типы, не подразумеваю, что такое производство обязательно оформлено юридически в виде отдельного. Оно может быть составляющим какого то достаточно большого бизнеса.

Сделать собственный блог, писать туда полезные статьи, прогревать читателей и делать так, чтобы они сами сломя голову бежали к вам с деньгами — звучит, как крутая идея. Но в большинстве случаев это круто только на бумаге.

Фундаментальный парадокс ИИ заключается в том, что раньше люди его представляли идеальным разумом: всезнающим, корректным и точным, который благодаря доступу к массиву всех накопленных человечеством знаний, свободе от эмоциональных искажений и мощности своих алгоритмов, может стать совершенным помощником человека, извне компенсирующего внутренние изъяны человеческой натуры — эдаким Джарвисом, с которым каждый может быть Железным человеком. 

Надежда была, что таким образом ИИ станет решением проблем роста человеческой цивилизации и отношений людей в ней далеко за пределами сугубо технологического применения: вплоть до разрешения политических конфликтов, войн и коррупции. Но первые эксперименты с современными чат-ботами, ChatGPT 3.5, ChatGPT 4 и их конкурентами, показывают, что ИИ несёт в себе в равной степени потенциалы решения одних проблем вместе с усугублением других. Такие проблемы как спам, скам и ложная информация силами ИИ прямо на наших глазах начинают мутировать из обычных злодеев интернета в будущих суперзлодеев.

У нас есть прокатный Стан-2000. 2 000 — это не год создания, а длина бочки рабочего валка в миллиметрах, а значит, ширина стальной полосы. Стан раскатывает металлический слиток под названием сляб (примерно 25 тонн, толщиной 25 см и длиной — 10–12 м) в стальную полосу длиной до 1,5 км.

Всё, что входит в стан с одной стороны, проедет целых 1 500 метров до самых моталок, будет раскатано и смотано в готовый рулон. На выходе толщина полосы — минимум 1,45 мм, а в среднем — около 3 мм. Поскольку стан длиннющий, на нём едет сразу несколько слябов/полос: пока одна полоса в конце стана сматывается в рулон, другая катается, и ещё пара слябов уже выходит на стан из печи.

Это ключевое звено всего производства. Производительность цеха во многом определяется тем, насколько хорошо мы загружаем прокатный стан.

Естественно, что мы хотим загрузить на стан как можно больше слябов, но при этом точно вовремя, чтобы они не помешали друг другу. Поэтому важно:

1) Чтобы слябы не догоняли друг друга, потому что тогда будет пробка и всё остановится.

2) Чтобы разрыв между слябами был минимальным, то есть подаваться они должны почти впритык.

Задача сводится к пониманию того идеального момента, когда надо подавать на стан следующий сляб.

До появления ИТ-системы, о которой и хотим рассказать, люди в общем неплохо справлялись, но они всегда перестраховывались и закладывали несколько дополнительных секунд паузы между слябами (такой пессимистичный прогноз вместо оптимального).

Ведь сложность ещё и в том, что в зависимости от того, какой типоразмер полосы нужно получить, прокатывать нужно с разной скоростью. А ещё есть совершенно неалгоритмизируемые факторы типа «как-то не так дрожит полоса» и «что-то мне звук не нравится» — их мы пока не можем выделить для полной автоматизации.

То есть нам нужна система, которая работает в паре с человеком (точнее, командой из четырёх человек): модель принимает решение, а люди могут вносить корректировки, если их опыт подсказывает, что нужно поступить иначе.

Помните историю про "танцующий" мост? Эти тёплые времена, когда новости были просто интересными, а не вызывали посттравматическое расстройство...

В этой статье посмотрим, как выполняются инженерные расчёты и почему мост пустился в пляс. Добро пожаловать в наш инженерный клуб!

Слово «математика» у кого-то ассоциируется с вечной зубрёжкой и строгим учителем, другие же представляют себе некоторую абстракцию, существующую отдельно от нашего мира, но есть и те, кто видит проявления этой науки в нашей повседневной жизни.

С вами снова Александр Никитин, руководитель направления цифровых двойников компании UMNO.digital. В этой статье я продолжу рассказывать о применении цифровых двойников в промышленности, а именно о том, как можно их использовать для повышения операционной эффективности компаний. На примере обзоров различных индустрий, а также нескольких реализованных мной кейсов опишу, какие задачи по повышению эффективности компаний можно решать с помощью цифровых двойников и какие результаты можно при этом получить.

История о том как мы с моим другом разрабатывали дозатор для красителей, продолжение . В этой части расскажу о том как я разрабатывал и собирал электронику, всем кому все еще интересно, прошу под кат.

Примерно год назад встала задача, на первый взгляд наипростейшая, – поменять 120 светильников. Изначально в решении было два условия: 1) нужны были купольные светильники (такой же формы, чтобы не мудрить с монтажом), 2) светодиодные.

Но пообщавшись с одним особо опытным энергетиком, оказалось, что вообще-то светодиодные светильники – это отдельный инженерный мир с кучей подводных камней. При этом, обнаружить их не так просто – они скрыты от человеческого глаза, но напрямую влияют на долговечность. Так, хорошие светильники можно повесить и забыть на несколько лет, а плохие напомнят о себе через год (или после окончания гарантийного срока).

В статье рассмотрю матчасть, на что обращать внимание, а также разберу указанные характеристики на примере 3 производителей в сегментах от эконома до премиума.

История о том, как мы с другом дозатор красителей разрабатывали.
В данном цикле статей хочу рассказать вам о том пути, который мы прошли в процессе разработки данного устройства, с какими трудностями столкнулись и как их решали. Для кого-то это будет просто интересным чтивом, а кто-нибудь возможно учтет наш опыт в собственных проектах. Всем, кому интересно - прошу под кат…

Искусственный интеллект (далее ИИ), все больше проникает в различные сферы нашей жизни. Есть мнение, что развитие ИИ может привести к четвертой промышленной революции, что в свою очередь может изменить жизнь до неузнаваемости.

Последнее время, в информационном пространстве все больше появляется призывов к искусственному замедлению развития ИИ. Давайте рассмотрим какие теоретические угрозы ИИ может представлять для человека и общества. Поскольку угрозы на прямую связаны с уровнем развития ИИ, для фактической реализации большинства из них, еще очень далеко.

Кто не рискует, тот не запускает проектов. Ведь создавать что-то новое — это всегда небезопасно. Всегда есть шанс, что изначальный план предусмотрел не все, потребуется больше ресурсов для достижения результата или появятся новые факторы извне.

Поэтому в управление проектами всегда должна входить работа с рисками. Поиск их причин и вариантов предотвращения. Иначе одно непредвиденное обстоятельство может погубить весь ваш проект.

Статистический анализ играет важную роль в научных исследованиях, коммерческих деятельностях и в других областях. Однако, его результаты могут быть неточными, если не учитывать имеющиеся степени свободы. Степени свободы – это концепция, которая широко используется в статистике, и она позволяет более точно определить, насколько можно доверять полученным результатам.

В данной статье мы рассмотрим понятие степеней свободы, их роль в статистических расчетах, а также примеры их использования. Мы узнаем, как степени свободы помогают улучшить точность статистических выводов и в каких случаях их использование особенно важно.

Из России ушли крупные компании-производители сварочных тренажеров - Soldamatic и Lincoln Electric, а они нужны учебным центрам, колледжам, вузам и крупным компаниям. И поэтому ... продолжим тему импортозамещения и совершенствования тренажера сварщика.

Первые удачные попытки были описаны в https://habr.com/ru/post/597041/. После этого мы решили использовать AR вместо использования относительно сложной конфигурации с использованием системы HTC LightHouse (трекеры HTC VIve). В целом получилось, но точность и скорость трекинга нас не устроили и мы вернулись на использование трекеров.....

Вернемся к вопросу оценки эффективности систем формирования виртуальной реальности в контексте обучения персонала, т.е. при использовании VR в компьютерных имитационных тренажерах. Данная статья является продолжением темы https://habr.com/ru/articles/508390/.

Тема данного поста является актуальной, поскольку в образовательном сообществе есть запрос на исследование эффективности VR. В данном посте я также попытаюсь ответить на некоторые вопросы, обсуждаемые практиками в группе "VR/AR в обучении "(https://t.me/dl_vr_in_digitallearning)

Одним из направлений развития имитационного моделирования технологических процессов и оборудования современного производства является применение компьютерных имитационных тренажеров (КИТ) для обучения персонала. Система ввода-вывода таких имитаторов может быть выполнена:

с использованием стандартных средств (клавиатура/мышь);

с использованием точной копии органов управления;

с использованием VR;

VR + реальные копии систем управления;

AR и другие варианты.