Математика Дата саентиста

🔢 Llemma: an open language model for mathematics

Открытая модель LM для математики, обученные на 200 Б лексем математического текста.

Производительность Llemma 34B приближается к Minerva 62B от Google, несмотря на вдвое меньшее количество параметров.

📌 Код: https://github.com/EleutherAI/math-lm
📌 Статья: https://arxiv.org/abs/2310.10631

data_math

Полярная система координат — двумерная система координат, в которой каждая точка на плоскости определяется двумя числами — полярным углом и полярным радиусом. Полярная система координат особенно полезна в случаях, когда отношения между точками проще изобразить в виде радиусов и углов; в более распространённой декартовой, или прямоугольной, системе координат, такие отношения можно установить только путём применения тригонометрических уравнений.

Сегодня утром я снова играл с ней.

График функции f(x) = x (картинка 1).

А вот график f(x) = cos(8x) (картинка 2).

Подробнее о полярной система координат см. в этом посте.

Здесь приведен код Python для построения графиков. Вы можете экспериментировать с собственными графиками, изменяя f.


from numpy import cos
from numpy import linspace
import matplotlib.pyplot as plt

plt.style.use('seaborn-v0_8-muted')

def g(u, c, f):
t = f(u) + c

return 2*u*t**2 / (u**2 + t**2)

def h(u, c, f):
t = f(u) + c
return 2*u*u*t / (u**2 + t**2)

t = linspace(-7, 7, 10000)
fig, ax = plt.subplots()
f = lambda x: cos(8*x)
for c in range(-10, 11):
ax.plot(g(t, c, f), h(t, c, f))
plt.axis("off")
plt.show()

data_math

➕ Видение линейной алгебры, Гилберт Стрэнг в Массачусетском технологическом институте

Очень нравятся эти новые мини-лекции по линейной алгебре. Гилберт Стрэнг разложил сложные темы на куски преобразований матриц/векторов - это действительно "мастерство в игре".

📌 Курс

data_math

Философия математики

1. Субъективность математики
2. Наука без чисел
3. Как доказать недоказуемость?
4. Материализм и эмпириокритицизм
5. Не доказано! - Как доказать недоказуемость? Часть 2
6. Совпадение? Не думаю!
7. Суперсимметричная квантовая механика
8. Аргумент предсказательной силы
9. Куда заведет симметрия?
10. О реальности физических терминов


#video #math

https://www.youtube.com/watch?v=AiEjZRAaCQk&list=PLnbH8YQPwKbm_k8n45VhYZ5wdbB0cuZ_J&ab_channel=LightCone

data_math

📚 18 книг по математике. Подборка книг для подготовки к экзаменам

📙 Математика: Пособие для поступающих в вузы [2002] В. П. Моденов
📙 Сборник задач по математике с анализом решений [1959] Моденов П. С.
📙 Сборник конкурсных задач по математике с анализом ошибок [1950] Моденов П.С.
📙 Сборник задач по дифференциальной геометрии [1949] Моденов П.С.
📙 Геометрические преобразования [1961] Моденов П.С., Пархоменко А.С.
📙 Задачи с параметрами. Координатно-параметрический метод: учебное пособие [2007] Моденов, В. П.
📙 Аналитическая геометрия [1967] Моденов П.С.
📙 Сборник задач по аналитической геометрии [1964] Бахвалов С.В., Моденов П.С., Пархоменко А.С.
📙 Сборник задач по специальному курсу элементарной математики [1957] Моденов П.С.
📙 Геометрические преобразования [1961] Моденов П.С., Пархоменко А.С.
📙 Пособие по математике для подготовительных курсов МГУ [1967] Александров Б.И., Моденов П.С.
📙 Теория поверхностей в векторном изложении [1932] Брюшгенс С.С., Моденов П.С.
📙 Сборник задач по специальному курсу элементарной математики [1960] Моденов П.С.
📙 Курс высшей математики - учебник для пед. ин-тов [1948] П. С. Моденов, Г. А. Невяжский
📙 Экзаменационные задачи по математике с анализом их решения [1969] Моденов П.С.
#подборка_книг #математика #math #maths #алгебра #геометрия

👨‍🎓 Бесплатный курс : Python and Statistics for Financial Analysis

Python и статистика для финансового анализа.

К концу курса вы сможете решать следующие задачи с использованием языка python:

• Импортировать, предварительно обрабатывать, сохранять и визуализировать финансовые данные в pandas Dataframe
• Манипулировать финансовыми данными
• Применять важные статистические функции (частота, распределение, популяция и выборка, доверительный интервал, линейная регрессия и др. ) в финансовых задачах.
• Строить торговые модели с использованием
• Оценивать эффективность торговых стратегий с помощью различных инвестиционных индикаторов

В платформе курса настроена среда Jupyter Notebook, позволяющая практиковаться в коде на python без установки каких-либо приложений.

📌 Курс

data_math

Нестандартные модели арифметики и анализа
С.О. Сперанский.

источник

#математика #math #физика #physics

🧮 Новая технология, позволяющая решать математические задачи любой сложности всего лишь в пару кликов.

🤖 Основана на интеграции ChatGPT и Wolfram

Вы вводите пример, а получаете мгновенное решение. Более того, эта технология также способна определить и решить математические задачи, сфотографированные с помощью камеры.

• Попробовать

@data_math

⚡ 7 БЕСПЛАТНЫХ курсов по математике для Аналитиков данных.

1. Linear Algebra Refresher Course
Это бесплатный курс для изучения основ линейной алгебры.

2. Intro to Statistics
Курс "Введение в статистику" - это совершенно БЕСПЛАТНЫЙ курс для начинающих. Курс ведет сооснователь Udacity Себастьян Трун. Структура курса интересна и увлекательна для начинающих.

3. Intro to Inferential Statistics
Более продвинутый курс - "Введение в описательную и инференциальную статистику".

4. Intro to Descriptive Statistics
Курс "Введение в описательную статистику" - это объемный курс с уклоном в практику.

5. Eigenvectors and Eigenvalues
Это очень короткий курс, в котором вы изучите линейные преобразования, векторы, метод главных компонентов.

6. Intro to Artificial Intelligence
Курс начинается с основ искусственного интеллекта и его приложений. В рамках этого курса вы познакомитесь с различными алгоритмами поиска, такими как поиск по дереву, поиск по графу, поиск по ширине, поиск по A* и т.д.

7. Differential Equations in Action
В этом курсе 7 уроков. В нем вы научитесь находить решения систем дифференциальных уравнений.