C++, стандарт, Comeau, 1TBS, Страустрап/D&E/Джосаттис/Вандервуд, Дьюхэрст/Мейерс/Саттер, RAII/copy-on-swap, правило трех, exception-safety, Александреску/Абрахамс-Гуртовой, type erasure, CRTP, NVI, SFINAE, Koenig lookup, Duff's device, Boost, Сик-Ламсдейн/Карлссон, TR1, TR on C++ performance, ABI, тест Степанова, forwarding problem, SPECS, C++0x
Компиляторы, особенности реализации стандарта, ограничения реализации, интринсики, отличия стандартных библиотек (контейнеры, rand), ABI, реализация виртуальных функций, виртуального наследования, исключений, RTTI, switch, указателей на функции и методы; оптимизации, copy elision (RVO, NRVO), sizeof на различных платформах, дефайны компилятора и среды, __declspec, ключи компилятора, empty-base optimization, статическая и динамическая линковка, манглинг, распределенная компиляция, precompiled header, single compilation unit, (strict) aliasing/restrict, inline/_forceinline, volatile
Мультитредность, обедающие философы, deadlock/livelock/race condition/starvation, атомарность, lock инструкции процессора, memory model/barrier/ordering, CAS или LL/SC, wait/lock/obstruction-free, ABA problem, написание lock-free контейнеров, spin-lock, TLS/per-thread data, закон Амдала, OpenMP, MPI, map-reduce, critical section/mutex/semaphore/condition variable, WaitForSingleObject/WaitForMultipleObjects, green thread/coroutine, pthreads, future/deferred/promise, модель акторов
Язык ассемблера, Зубков/Хайд/Дреппер/Касперски/Фог/Абраш, x86, FPU/MMX/SSEn/AVX, AT&T и Intel-синтаксис, masm32, макросы, стек, куча/менеджеры кучи, соглашения вызова, hex-коды, машинное представление данных, IEEE754, little/big endian, SIMD, аппаратные исключения, прерывания, виртуальная память, реверсинг, срыв стека и кучи, return oriented programming, alphanumeric shellcode, L1/L2/RAM/page fault и их тайминг, язык ассемблера ARM
Аппаратное обеспечение, Хоровиц-Хилл/Титце-Шенк/От физики к Си от
panchul, полупроводниковая электроника/спинтроника/фотоника, транзистор, триггер, схемотехника, микрокод, технология создания процессоров, logic synthesis, static timing analysis, FPGA, Verilog/VHDL/SystemC, SISAL, Arduino, устройства памяти (ROM → EEPROM, RAM, SSD, HDD, DVD), RISC/CISC, Flynn's taxonomy ([SM]I[SM]D), принстонский и гарвардский подход, архитектуры процессоров, архитектуры x86, VID/PID
Процессоры, конвейеризация, hyper-threading, out-of-order execution, спекулятивное исполнение, static/dynamic branch prediction, префетчинг, множественный ассоциативный кэш, кэш-линия/кэш-промах, такты, кольца защиты, память в мультипроцессорных системах (SMP/NUMA), тайминг памяти
Дискретная математика, K2, теорема Поста, схемы, конечные автоматы (ДКА и НДКА), автомат Калашникова, клеточные автоматы
Вычислимость, машина Тьюринга, нормальные алгоритмы Маркова, машина Поста, диофантовы уравнения Матиясевича, лямбда-функции Черча, частично рекурсивные функции Клини, комбинаторное программирование Шейнфинкеля, Brainfuck, эквивалентность тьюринговых трясин, проблема останова и самоприменимости, счетность множества вычислимых функций, RAM-машина, алгоритм Тарского, SAT/SMT-солверы, теория формальных систем
Языки программирования, грамматики, иерархия Хомского, теорема Майхилла-Нероуда, лемма о накачке и лемма Огдена, алгебра Клини, НДКА → ДКА, алгоритмически неразрешимые задачи в формальных языках, Драгонбук, Фридл, регекспы и их сложность, PCRE/POSIX RE, БНФ, Boost.Spirit + Karma + Qi/Ragel, LL, LR/SLR/LALR/GLR, PEG/packrat, yacc/bison/flex/antlr, статический анализ кода, компиляция/декомпиляция/обфускация/деобфускация, Clang/LLVM/XMLVM, GCCXML, OpenC++, построение виртуальных машин, JiT/AoT/GC, DSL/DSEL
Алгоритмы и комбинаторная оптимизация, Кормен/Скиена/Седжвик/Кнут/Ахо-Хопкрофт-Ульман/Пападимитриу/Шрайвер-Голдберг/Препарата-Шеймос, структуры данных, алгоритмы, сложность, символика Ландау, теорема Акра-Баззи, time-space tradeoff, классы сложности, NP-полные задачи, КМП, графы и деревья, потоки в сетях, матрица Кирхгофа, деревья поиска (особенно RB-дерево и B-дерево), occlusion detection, куча, хэш-таблицы и идеальный хэш, сети Петри, алгоритм русского крестьянина, метод Карацубы и матричное умножение Винограда-Штрассена, сортировки, жадные алгоритмы и матроиды, динамическое программирование, линейное программирование, diff-алгоритмы, рандомизированные алгоритмы и алгоритмы нечеткого поиска, псевдослучайные числа, нечеткая логика
Численные методы, дихотомия/метод Ньютона, интер- и экстраполяция, сплайны, метод Гаусса/Якоби/Зейделя, QR и LU-декомпозиция, SVD, МНК, методы Рунге-Кутты, метод Адамса, формулы Ньютона-Котеса, метод Ритца, метод Бубнова-Галеркина, метод конечных разностей/элементов, FFT/STFT, сходимость и устойчивость
Машинное обучение, Рассел-Норвиг, подходы к моделированию AI, байесовские сети, нейросети, сети Кохонена, градиентный спуск/hill climbing, стохастическая оптимизация (метод Монте-Карло, метод отжига, генетические алгоритмы, муравьиные алгоритмы), SVM, gradient boosting, кластерный анализ, метод главных компонент, LSH, обучение с подкреплением, MDP, information retrieval/data mining/natural language processing, машинное зрение (OpenCV, image processing, OCR, фильтры Собеля, каскад Хаара, Viola-Jones framework, SURF, введение в психофизиологию зрения)
Теория информации, сжатие, Хаффман, RLE, LZ, коды коррекции ошибок, сжатие с потерями (изображения, аудио, видео), информационная энтропия, формула Шеннона, сложность Колмогорова
Криптография, Шнайер/Ященко, Принцип Керкгоффса, симметричная (DES, AES), асимметричная (RSA), качество ГПСЧ, алгоритм Диффи-Хеллмана, эллиптические кривые, хэширование (MD5, SHA, CRCn), DHT, криптостойкость, криптоатаки, WEP/WPA/WPA2 и атаки на них, цифровая подпись и сертификаты, PKI, HTTPS/SSL, доказательство с нулевым разглашением
Математика, Кнут-Грэхем-Паташник/Зорич/Винберг, Spivak/Dummit-Foote, матан, линал, комплан, функан, диффгем, теория чисел, дифуры/интуры/урчпы/вариационное исчисление/оптимальное управление, производящие функции, ряды, комбинаторика, теорвер/матстат/слупы/теория массового обслуживания, цепи Маркова, интегральные преобразования (Фурье, Лаплас, вейвлет), NZQRCHOS, матпакеты (Mathematica, Maple)
Физика, правила Кирхгофа, комплексное сопротивление, скорость и частота света, уравнения Максвелла, лагранжиан
Химия, стехиометрия, химия кремния :)
Архитектура и стиль кода, Макконнелл/Фаулер/Лебланк/Гамма/Александреску-Саттер/Буч, защитное программирование, паттерны, SOLID/GRASP/KISS DRY SPOT/YAGNI, UML, OOP (Smalltalk), OOD/OOA, метрики кода
Методологии разработки, Waterfall/RUP/Agile/Scrum/Kanban/XP, TDD/BDD, CASE
Тестирование, юнит-тесты, функциональное, нагрузочное, интеграционное тестирование, тестирование UI
Инструментальные средства разработки, IDE, IntelliSense, отладчики (VS/Olly/WinDbg/kdb/gdb) и трейсеры (strace/ltrace), DWARF2 debug information format, дизассемблеры и декомпиляторы (IDA/HexRays/Reflector), системы контроля версий (SVN, GIT), merge/branch/trunk, системы именования файлов и бранчей, continuous integration, ant, code coverage, статический анализ (lint), динамический анализ (valgrind, фаззинг), верификация и валидация ПО (Frama-C, RAISE (RSL), Coq), профайлинг, багтрекеры, документирование кода, системы сборки (CMake)
Фреймворки, Qt, moc и метаинформация, концепция слот-сигнал, Саммерфилд-Бланшет/Шлее, PoCo, промышленные библиотеки: GMP, i18n, lapack, fftw, pcre
Операционные системы, Silberschatz/Рихтер/Соломон-Руссинович/Робачевский/Вахалия/Стивенс/Love/Linux Kernel Internals, менеджер памяти, менеджер кучи и ее устройство (LAL/LFH/slab), менеджер устройств, менеджер процессов, context switch, реальный и защищенный режим, исполнимые файлы (PE/ELF/Mach), объекты ядра, отладочные механизмы (strace/ptrace/dtrace/pydbg, Debug API) и минидампы, bash, сетевой стек и высокопроизводительные сервера, netgraph, CR0, IPC, оконная подсистема, система безопасности: ACE/ACL и права доступа, технологии виртуализации, RTOS (QNX), программирование драйверов, IRQL, IRP, файловые системы, BigTable, NDIS/miniport/FS drivers/filter driver, Mm-, Io-, Ldr-функции, DKOM и руткиты, GDT/IDT/SDT, ядра Windows/Linux/BSD, POSIX
Компонентно-ориентированные модели, Роджерсон/Таварес, COM/OLE/ActiveX/COM+, ATL, апартменты, моникеры, MIDL, DCOM RPC, XPCOM, CORBA, TAO, D-Bus
Сеть, Стивенс, OSI model/Internet model, Ethernet, TCP/IP, TCP window, алгоритм Нейгла, сокеты, Protocol buffers/Thrift/Avro/ASN.1, AMQP, ICMP, роутинг/BGP/OSPF, ARP, атака Митника, syn flood, HTTP/FTP, P2P/DHT, DHCP, SMB/NBNS, IRC/XMPP, POP3/SMTP/ESMTP/IMAP, DNS, WiFi/WiMax/GSM/CDMA/EDGE/Bluetooth/GPS, ACE, Wireshark
Графика и GPGPU, алгоритм Брезенхема, цветовые модели, трассировка лучей vs полигональная графика, OpenGL/GLSL/Open Inventor, DirectX/DirectShow/DirectAudio/HLSL, stencil/depth/alpha-test, графический конвейер в DirectX 11, шейдеры, модели освещения (Фонг), пропускная способность, fillrate, OpenCL/CUDA/AMP, ландшафты, лоды, тени, deferred shading, текстурирование и фильтрация, антиалиасинг, HDR, tone mapping, virtual/augmented reality
Форматы, XML/XSLT/XPath/XMLStarlet/DOM/SAX, RTF/ODF, JSON/BSON/bencode, YAML, JPEG/PNG/WebP, AVI/MPEG/RIFF/WAV/MP3/OGG/WebM, SVG, Unicode, кодировки однобайтные/UTF-8/UTF-16/UCS-2/UTF-32, проблемы длины и сравнения Unicode-строк
Базы данных, Грубер/Дейт, ANSI SQL, T-SQL, ODBC, MySQL/PostgreSQL/MS SQL/BDB/SQLite/Sphinx, хранимые процедуры, триггеры, алгебра Кодда/А, Tutorial D, нормальные формы, оптимизация и выполнение запросов, структуры данных индексов, транзакции и ACID, CAP-теорема Брюера, NoSQL, key-value storage, шардинг, ORM (C++ ODB), ERD, OLAP, семантическая сеть, triplestore, RDF/Turtle, SPARQL, OWL, Semanticscience Integrated Ontology, reasoner, DBpedia
Прикладное программирование, C#/F#, Шилдт/Троелсен/Рихтер, генерики, yield, linq/plinq, рефлексия, AST, WCF, WinForms/WPF/Silverlight, AOP, фреймворки логгирования, .NET assembly, Scala, Хорстманн/Одерски, pattern matching, макросы/квазицитаты
Квантовые вычисления, алгоритм Шора, квантовая криптография
Функциональное программирование, Haskell/Ocaml/Scheme/Alice или Oz, SICP/TaPL/YAHT/Purely Functional Data Structures/Харрисон-Филд, HOF (map/fold/filter), система типов Хиндли-Милнера, монады, тайпклассы, АТД, dependent types, ленивость/энергичность, логическое программирование (Prolog или Mercury), конкурентное программирование (Erlang или Oz)
Веб-программирование и скриптовые языки, Фланаган/Zend PHP5 Certification Course + Study Guide, Apache/nginx, CGI/FastCGI, PHP/Zend Framework/ReactPHP/Zend Engine/Doctrine или Propel/CodeIgniter или Symphony или Yii, Python/Django/Twisted, Ruby/RoR, ASP.NET MVC, JavaScript/jQuery/React/Google Closure/ExtJS/node.js, ООП в JavaScript, HTML5, CSS3/табличная и блочная верстка, RSS, canvas/WebGL, Ajax/WebSockets, вопросы безопасности (XSS, SQL injection, CSRF), highload, C10k problem, SWIG
Проектирование GUI и представление информации, Раскин/Тафти, юзабилити, основы дизайна и типографики, закон Фиттса, основы верстки, LaTeX
С первых же слов - C++, стандарт - моментально нахуй
на сосач, быдло
Под конец задумываешься о начале?
забавно кстати, спустя 20 лет в айтишке могу сказать что где-то половинку этого потрогал.
Если б учился на айтишника или хотя б не просидел большую часть во фронтэнде, вероятно потрогал бы больше. А так ну алгоритмы классику трогал много за всё время, компиляторы писать пробовал но на минималках, мультитредность и race conditions понятно, 3д-движки пробовал строить, конечные автоматы понятно что да, автомат Калашникова в школе собирал (он есть в теорминимуме если ты пропустил), хэш таблицы всякие да, машинное обучение трогал, сжатие трогал, криптографию трогал, математику до алггеома изучал, форматы трогал, с бд работал. Делал яндекс карты, в том числе куски математики, работал с плейбеком и прочими штуками в видеоредакторе Canva.
При этом интересно, сколько прикладных навыков здесь вообще отсутствует, очень много фундаментальных знаний про оптимизацию вообще программ, очень много фундаментальных паттернов про архитектуру и то как вообще строить большие проекты, сто процентов много про ФП пропущено.
Если осовременивать, я б ещё маркетинг включил, чтобы шарить за продвижение петпроектов.
Помним. Когда начинал работать, писал еще на Qt3. Потом 11 стандарт плюсов вывалили. Охуел немношк.
Всмысле половину? Это база для джуна. Тут контента на 10к страниц максимум, что читается за год на изи. Добрая половина учится, когда тыкаешь плюсы или изучаешь схемотехнику
м² с черновой отделкой от млн при заказе у строительных компанийИнтересные нынче времена настали - вроде общаешься с людьми, но мозги им заменяет нейрокал, которому они слепо верят.Спроси у своего надмозга - дом за .кк соток там это полляма барыги наверное себе в убыток построили?https://www.cian.ru/sale/suburban/А вот этот за .? земля кhttps://www.cian.ru/sale/suburban/И ещё спроси - если взять тот же Переславль-Залесский, где же найти легендарные каркасные сараи от застройщика по .кк? Почему циан подло прячет их от народа?
Вот это тоже за год читается? Это всё прочитать по диагонали не получится. Это всё надо пробАтывать, с доказательствами, задачами, контрольными вопросами.
> Математика, Кнут-Грэхем-Паташник/Зорич/Винберг, Spivak/Dummit-Foote, матан, линал, комплан, функан, диффгем, теория чисел, дифуры/интуры/урчпы/вариационное исчисление/оптимальное управление, производящие функции, ряды, комбинаторика, теорвер/матстат/слупы/теория массового обслуживания, цепи Маркова, интегральные преобразования (Фурье, Лаплас, вейвлет), NZQRCHOS, матпакеты (Mathematica, Maple)
А все технические/программистские дисциплины с лабами/упражнениями/проектами.
Ты наверно наркоман, обкурился чего то забористого и выдал такую хуету.
Не ебу зачем это вообще сегодня читать. Большая часть учебников по математике написана просто чтобы повыебываться перед другими коллегами, а не чтобы реально научить студентов математике.
Клод в состоянии разжевать тебе как дауну любую тему. Клод гораздо лучший учитель чем какая-либо книга или лекция на ютубе. Даже хорошие лекторы проигрывают в качестве объяснения материала клоду, увы.
И самый важный вопрос - а зачем теперь все это знать? Нейронки научили решать математику лучше чем это делает любой человек на планете.
>а зачем теперь все это знать?
Потому что ты человек разумный, а не животное.
>Это всё надо пробАтывать, с доказательствами, задачами, контрольными вопросами
Это нахуй ненужынй кал. У тебя есть убогая некомпилируемая матеша, и мощный язык программирования. Зачем брать первое, когда есть второе. Всё, что есть полезного в матеше уже давно переписано на нормальный язык. Открываешь исходники и смотришь
>Конкретная математика. Математические основы информатики
Ненужный кал ввиду абзаца выше. Чекни транзистор что такое. Там нет в нём математики. Чекни что такое проц, там нет матеши. Чекни код, там её тоже нет. Нахуй она нужна вообще. Основы схематехники лучши читни, есть пара годных книг
>Зорич
Как справочник норм. Читать это от корки до корки - шиза. Ты не поймёшь того же Фурье, пока не начёшь в реале сталкиваться с задачами кодирования волн, того же взука. А без практики - это какой-то бессмыленный дроч
>Винберг
Аналогично, справочник, те же, афинные преобразования и вектора тыкал на практике, когда рендеры универе писал, просто так читать это - пиздец. Ты ещё Британику открой и начни заучивать всё оттуда, ну а хули, пригодится
>цепи Маркова
Вообще хуета. Достаточно статьи на википедии, чтобы понять принцип. Плюс, в 2к00 на них дорвеи делали, если ты не альфикс, то засдал и наглядно понимаешь, что это
>теорвер/матстат
Интуитивно понятная хуйня, вообще учить не надо. Берёшь все возможные события, берёшь те, которые нам нужны, делишь одно на другое, получаешь вероятность. Ну и там всякие формулки для быстрого подсчёта хитрых случаев
>матпакеты
Это вообще смех. Зачем их учить, лол
Остальное чёт не хочу разбирать. В общем, математики напридумывали всякого, кодеры это всё давно переделали на современные рельсы, но преподошизы до сих пор носятся с этими бамажками и дрочат студентов учить вот это, вот, всё. Поэтому базой является краткое ознакомление с этими придумками в виде исходников, чтобы просто посмотреть, что человечество имеет, использование этого, а также при необходимости исторический экскурс в матешу
>Именно способность человека к анализу и синтезу (которая все же не берется из ниоткуда, а достигается активным познавательным трудом) отличает его от гугла, который даже в очень отдаленной перспективе не научится решать даже div2 250.
>Именно на развитие этой способности и направлен теоретический минимум
Даже смищно такое читать сегодня. Учитывая, что нейросети, в том числе и гугловские, прекрасно решают любые спортивные задачи, в том числе и пресловутый div2 250. Так и хочется спросить у автора: что с лицом? Казалось бы, сам так много написал про машинное обучение в этом своём "теорминимуме" - а простой вывод из написанного не сделал.
>а зачем теперь все это знать, если ты человек разумный, а не робот?
Пофиксил тебя. Нет никакого смысла теперь заучивать задротскую хуйню и грузить свой мозг тем, под что он никогда не был предназначен, деформируя своё мышление в сторону роботоподобного. Имеет смысл учить то, что реально человеческое: скажем, общественные науки, социологию, историю, политологию, экономику. А вся перечисленная задротская хуйня нафиг не нужна - это не те области, под которые реально эволюционно проектировался человеческий мозг. Все они - отвратительный интерфейс для мозга, но отличный интерфейс для компьютера, буквально его родное поле, на котором он отлично играет.
Это писалось в стародавние времена, когда машинным обучением назывался обычный классический ML с градиентными бустингами, деревьями, регрессиями, кластеризациями и прочей дедовской хуетой.
Нейронные сети тогда уже были, но скорее в виде теории и на практике мало применялись.
До публикации статьи про архитектуру трансформера оставалось что-то типа 7 лет или даже больше. Поэтому автор даже представить себе не смог, что в 2026 году модели нейронных сетей смогут задачи тысячелетия по математике решать.
А так, конечно, codeforces нахуй не нужен. И научиться решать CF до уровня div2 можно даже школьника не нагружая его всем этим бекграундом.
>>3790394
Это не науки, а скорее болтология и какие-то невнятные попытки описать общество и процессы в нем. Можно ли это назвать наукой? Ну, экономику точно да, там много математики и вполне осязаемых вещей. Возможно социологию еще да. История и политология это по большей части кал и болтология.
И с таким образованием нигде и никем работать толком не получится. Технический бекграунд даже в эпоху ИИ кратно лучше гуманитарного.
>Это не науки, а скорее болтология и какие-то невнятные попытки описать общество и процессы в нем. Можно ли это назвать наукой? Ну, экономику точно да, там много математики и вполне осязаемых вещей. Возможно социологию еще да. История и политология это по большей части кал и болтология.
Так тут всё дело в том, что как раз болтология и начинает обретать реальную ценность, когда любые точные вещи на себя берёт компьютер.
>Так тут всё дело в том, что как раз болтология и начинает обретать реальную ценность, когда любые точные вещи на себя берёт компьютер.
Нет, не начинает. Оттого что нейросеть может в математику, болтология не становится чем-то серьезным.
Быдло здесь только ты. Потому что считать важными только точные науки, но игнорировать общественные - это эталонный признак быдла. Которое считает, что оно умнее всех лишь потому, что матешу хорошо решает, а любые реально человеческие вещи, такие как эмпатия, искусство или культура - это "ря нинужна". Что такое bydło? Скот, если по-русски. Это именно что поведение скота, просто тяглового животного, лошади, которую запрягли пахать конкретную задачу. На борде анальников часто называют "макаками", но как по мне, им куда больше подходит выражение "рабочая лошадь".
>>3790484
Становится. Когда ИИ может решить любую задачу, заданную в готовых и жёстких рамках, ключевыми навыками становятся твоя эмпатия, субъективный опыт и вкус, способность формировать ценности и смыслы. ИИ легко может доказать теорему, написать код, решить любую комбинаторную задачу, но он никогда по-человечески не ответит на вопрос, зачем это делать, потому что вкладывать какой-либо смысл в его действия - это уже прерогатива погонщика ИИ.
Общество - это сложнейшая нелинейная и саморефлексивная система из всех, которые у нас есть. В нашу эпоху код (и вообще любой чисто технический продукт) становится расходником, в нём больше нет дефицита. А дефицит в том, как именно его распространить, как именно его продать, как именно заинтересовать клиента, какие его скрытые боли решить. Это чисто человеческая прерогатива, потому что для решения таких задач нужно включать эмпатию, попробовать субъективно вжиться в состояние клиента, надо уметь грамотно и по-человечески подавать информацию, вести переговоры (болтать!) и формировать стратегию. А главное - такие задачи родные для человеческого мозга. Пытаться здесь что-то вычислять - бессмысленно, ты всё равно никогда не сможешь учесть всю информацию и все скрытые переменные. Но можно пойти другим путём - включить свою Theory of Mind и моделировать чужое ментальное состояние в своей же голове. И это как раз очень эффективный путь: ты можешь предсказать поведение своих контрагентов, при этом не совершая напрямую вообще никаких вычислений.
Вообще главная проблема технарей - в том, что они часто думают, что общество подчиняется какой-то готовой модели, в которую можно людей загнать - и они строго будут ей следовать. Это когнитивное искажение ты транслировал и в посте выше: >>3790444. Но это не так, общество - куда более сложная система. А главное - люди всегда замечают изменения вокруг себя и сразу после этого начинают вести себя иначе. Ты думаешь как технарь, например: "если ИИ сегодня легко рисует картинки, значит, художники больше никому не будут нужны" - и игнорируешь тот факт, что пролы, увидев вокруг себя засилье нейрохрючева, начали от него плеваться и потому хотят видеть нормальный, человеческий продукт, сделанный со вкусом. Твоя модель такого не могла предсказать, потому что ты слепо экстраполировал: "Если производить в 10 раз больше рисунков с помощью ИИ, то станешь в два раза богаче". А на самом деле ты станешь в два раза беднее, потому что никому твоё нейрохрючево не сдалось, люди хотят видеть что-то человеческое.
> пролы, увидев вокруг себя засилье нейрохрючева, начали от него плеваться и потому хотят видеть нормальный, человеческий продукт, сделанный со вкусом.
Вообще-то нет, с удовольствием наворачивают за обе щеки и просят йещо
>игнорировать общественные
Общественные науки слишком жидкие. Ну был СССР - там научный коммунизм преподавали и коммунистическую экономику, марксизм. Кончился СССР - все эти науки либо сдохли либо развернулись на 180 градусов. Я поэтому не особо понимаю как такое "наукой" можно называть.
Науки это в первую очередь физика, химия, биология. Где всегда есть объективная реальность.
Математику многие не считают наукой как таковой. Computer Science - отчасти наука, все-таки там есть вполне реальные вычислительные машины и результаты вполне себе осязаемые. Хотя некоторые разделы CS это считай что математика.
>>3789789
Вот ты, петух обосанный, нахуй ты сюда свой клод притащил? Ты понимаешь, что тред создали просто вспомнить прикольные моменты нашей юности? Я тебя, гнида, буду ржавой палкой без смазки ебать в жопу, чтобы она порвала твою толстую кишку, и ты, сука, будешь прикован руками и ногами. А вывалившийся пролапс я засуну тебе в рот. Конченный человек с дегенерацией мозга.
Двачую. Тоже кекнул обществонаучника выше. Нейрослоп люди любят больше реальности. Так работает мозг прола. У него нет фильтров. Всё, что новое воспринимается, как потенциально полезное или опасное, а значит, надо смотреть. Поэтмоу они смотрят полностью оторванную от реальности шизофрению. Проверено ютубом, тиктоком лично и множеством других контент креаторов
>Потому что считать важными только точные науки, но игнорировать общественные - это эталонный признак быдла. Которое считает, что оно умнее всех лишь потому, что матешу хорошо решает,
Быдло не считает важной "матешу" как и точные науки, как раз считает это ненужной хренью не из жизни. А "общественные науки" воспринимает чисто через личный опыт и личные представления, не как науки.
пример типичного быдло-подхода:
>>3790394
>Пофиксил тебя. Нет никакого смысла теперь заучивать задротскую хуйню и грузить свой мозг тем, под что он никогда не был предназначен, деформируя своё мышление в сторону роботоподобного
Без достаточно развитого математического мышления человек не в состоянии воспринять науки социальные, как социология и экономика, например, из изучение для него превращается в заучивание "фактов", каких-то определений, чужих мнений.
>Это чисто человеческая прерогатива, потому что для решения таких задач нужно включать эмпатию, попробовать субъективно вжиться в состояние клиента
Типичное представление вайб-психолога о социальных науках. Ничего общего с науками, с той же психологией и социологией. Что считает "эмпатию" чем-то продвинутым, хотя это довольно простой механизм, дающий только первое приближение. Да, у кого-то и с ним проблема (у психопатов и, иногда, у аутистов), но в целом так кто угодно может, получается правда хреново.
>"если ИИ сегодня легко рисует картинки, значит, художники больше никому не будут нужны" - и игнорируешь тот факт, что пролы, увидев вокруг себя засилье нейрохрючева, начали от него плеваться и потому хотят видеть нормальный, человеческий продукт, сделанный со вкусом. Твоя модель такого не могла предсказать, потому что ты слепо экстраполировал: "Если производить в 10 раз больше рисунков с помощью ИИ, то станешь в два раза богаче". А на самом деле ты станешь в два раза беднее, потому что никому твоё нейрохрючево не сдалось, люди хотят видеть что-то человеческое
Это не так работает. Дешёвая генерация ИИ картинок не увеличивает ценность человеческих картинок, а снижает её. Точнее, она обесценивает само явление картинок вообще, они становятся естественной данностью и перестают цениться в принципе. И не важно, ИИ рисовал или даже человек.
Человек ценит только то, что редко и достаётся с трудом. Но эту на всё явление распространяется, а не конкретный экземпляр.
>Общественные науки слишком жидкие. Ну был СССР - там научный коммунизм преподавали и коммунистическую экономику, марксизм. Кончился СССР - все эти науки либо сдохли либо развернулись на 180 градусов.
В СССР фактически не было "общественных наук", потому что в СССР был жёсткий идеологический режим, с которым общественные науки несовместимы. На западе идеологических ограничений намного меньше, хотя они тоже есть, поэтому эти науки там намного лучше развиты, культуры больше соответствующей.
Это в первую очередь про социологию, психологию и экономику. Но на самом деле эти науки ближе к точным-естественным, чем к гуманитарным дисциплинам.
По неведомым причинам у нас их часто принято относить к гуманитарным. Возможно потому, что "научная" часть была фактически под запретом в СССР.
>Всмысле половину? Это база для джуна.
Ну это чисто тролл-наброс. В целом эти вещи изучаются в университетах, на самом деле не настолько большой объём, понятно, что тут изучаешь что-то, потом забываешь, но в интуиции остаётся. В некотором роде база для джуна. Не в том смысле, что джун сможет ответить (а тем более не джун, кто уже тем более забыл всё) сразу про это, а что он в принципе это изучал и представляет, что это.
Заметная часть впрочем очень специальные частные вещи, на которых ничего не строится, то есть не нужные на самом деле. Но есть и общая база для всех, которую надо бы представлять, даже если не используешь это сам.