deploy: ac77f34

Author: fuodorov

index.html

@@ -179,6 +179,33 @@ <h1 class="menu-title">Базовые методы искусственного
                 <div id="content" class="content">
                     <main>
                         <h1 id="Базовые-методы-искусственного-интеллекта-в-физических-исследованиях"><a class="header" href="#Базовые-методы-искусственного-интеллекта-в-физических-исследованиях">Базовые методы искусственного интеллекта в физических исследованиях</a></h1>
+<h2 id="Добро-пожаловать"><a class="header" href="#Добро-пожаловать">Добро пожаловать!</a></h2>
+<p>Эта книга предназначена для физиков, студентов и всех, кто интересуется применением методов машинного обучения в физических исследованиях.</p>
+<h3 id="Зачем-это-нужно"><a class="header" href="#Зачем-это-нужно">Зачем это нужно?</a></h3>
+<p>В современной физике мы постоянно встречаемся с огромными объёмами данных. Будь то результаты экспериментов на коллайдере, астрономические наблюдения или численное моделирование сложных систем — без инструментов анализа данных становится всё сложнее извлекать полезную информацию.</p>
+<p>Методы машинного обучения позволяют нам:</p>
+<ul>
+<li><strong>Находить закономерности</strong> в больших наборах данных</li>
+<li><strong>Классифицировать</strong> физические объекты и явления</li>
+<li><strong>Предсказывать</strong> поведение систем на основе известных данных</li>
+<li><strong>Оптимизировать</strong> экспериментальные установки и процессы</li>
+</ul>
+<h3 id="Что-вы-найдёте-в-этой-книге"><a class="header" href="#Что-вы-найдёте-в-этой-книге">Что вы найдёте в этой книге</a></h3>
+<p>Эта книга структурирована так, чтобы вы постепенно, от простого к сложному, овладели основными методами машинного обучения:</p>
+<ol>
+<li><strong>Теория</strong> — мы разберёмся в математике и интуиции за каждым методом</li>
+<li><strong>Практика</strong> — вы реализуете алгоритмы самостоятельно, чтобы действительно их понять</li>
+</ol>
+<h3 id="Важное-замечание"><a class="header" href="#Важное-замечание">Важное замечание</a></h3>
+<p>Эта книга <strong>не требует</strong> глубокого знания машинного обучения. Мы предполагаем, что вы:</p>
+<ul>
+<li>Знакомы с математикой на уровне старших курсов физического факультета</li>
+<li>Умеете программировать хотя бы на базовом уровне</li>
+<li>Готовы экспериментировать и искать решения</li>
+</ul>
+<p>Главное — <strong>понимание</strong>. Мы не просто будем давать готовые рецепты, а будем разбираться, почему методы работают так, а не иначе.</p>
+<hr />
+<p>Давайте начнём этот путь вместе. Машинное обучение — это мощный инструмент, который каждый физик должен иметь в своём арсенале.</p>
 
                     </main>
 

intro/intro.html

@@ -179,6 +179,33 @@ <h1 class="menu-title">Базовые методы искусственного
                 <div id="content" class="content">
                     <main>
                         <h1 id="Базовые-методы-искусственного-интеллекта-в-физических-исследованиях"><a class="header" href="#Базовые-методы-искусственного-интеллекта-в-физических-исследованиях">Базовые методы искусственного интеллекта в физических исследованиях</a></h1>
+<h2 id="Добро-пожаловать"><a class="header" href="#Добро-пожаловать">Добро пожаловать!</a></h2>
+<p>Эта книга предназначена для физиков, студентов и всех, кто интересуется применением методов машинного обучения в физических исследованиях.</p>
+<h3 id="Зачем-это-нужно"><a class="header" href="#Зачем-это-нужно">Зачем это нужно?</a></h3>
+<p>В современной физике мы постоянно встречаемся с огромными объёмами данных. Будь то результаты экспериментов на коллайдере, астрономические наблюдения или численное моделирование сложных систем — без инструментов анализа данных становится всё сложнее извлекать полезную информацию.</p>
+<p>Методы машинного обучения позволяют нам:</p>
+<ul>
+<li><strong>Находить закономерности</strong> в больших наборах данных</li>
+<li><strong>Классифицировать</strong> физические объекты и явления</li>
+<li><strong>Предсказывать</strong> поведение систем на основе известных данных</li>
+<li><strong>Оптимизировать</strong> экспериментальные установки и процессы</li>
+</ul>
+<h3 id="Что-вы-найдёте-в-этой-книге"><a class="header" href="#Что-вы-найдёте-в-этой-книге">Что вы найдёте в этой книге</a></h3>
+<p>Эта книга структурирована так, чтобы вы постепенно, от простого к сложному, овладели основными методами машинного обучения:</p>
+<ol>
+<li><strong>Теория</strong> — мы разберёмся в математике и интуиции за каждым методом</li>
+<li><strong>Практика</strong> — вы реализуете алгоритмы самостоятельно, чтобы действительно их понять</li>
+</ol>
+<h3 id="Важное-замечание"><a class="header" href="#Важное-замечание">Важное замечание</a></h3>
+<p>Эта книга <strong>не требует</strong> глубокого знания машинного обучения. Мы предполагаем, что вы:</p>
+<ul>
+<li>Знакомы с математикой на уровне старших курсов физического факультета</li>
+<li>Умеете программировать хотя бы на базовом уровне</li>
+<li>Готовы экспериментировать и искать решения</li>
+</ul>
+<p>Главное — <strong>понимание</strong>. Мы не просто будем давать готовые рецепты, а будем разбираться, почему методы работают так, а не иначе.</p>
+<hr />
+<p>Давайте начнём этот путь вместе. Машинное обучение — это мощный инструмент, который каждый физик должен иметь в своём арсенале.</p>
 
                     </main>
 

print.html

@@ -180,6 +180,33 @@ <h1 class="menu-title">Базовые методы искусственного
                 <div id="content" class="content">
                     <main>
                         <h1 id="Базовые-методы-искусственного-интеллекта-в-физических-исследованиях"><a class="header" href="#Базовые-методы-искусственного-интеллекта-в-физических-исследованиях">Базовые методы искусственного интеллекта в физических исследованиях</a></h1>
+<h2 id="Добро-пожаловать"><a class="header" href="#Добро-пожаловать">Добро пожаловать!</a></h2>
+<p>Эта книга предназначена для физиков, студентов и всех, кто интересуется применением методов машинного обучения в физических исследованиях.</p>
+<h3 id="Зачем-это-нужно"><a class="header" href="#Зачем-это-нужно">Зачем это нужно?</a></h3>
+<p>В современной физике мы постоянно встречаемся с огромными объёмами данных. Будь то результаты экспериментов на коллайдере, астрономические наблюдения или численное моделирование сложных систем — без инструментов анализа данных становится всё сложнее извлекать полезную информацию.</p>
+<p>Методы машинного обучения позволяют нам:</p>
+<ul>
+<li><strong>Находить закономерности</strong> в больших наборах данных</li>
+<li><strong>Классифицировать</strong> физические объекты и явления</li>
+<li><strong>Предсказывать</strong> поведение систем на основе известных данных</li>
+<li><strong>Оптимизировать</strong> экспериментальные установки и процессы</li>
+</ul>
+<h3 id="Что-вы-найдёте-в-этой-книге"><a class="header" href="#Что-вы-найдёте-в-этой-книге">Что вы найдёте в этой книге</a></h3>
+<p>Эта книга структурирована так, чтобы вы постепенно, от простого к сложному, овладели основными методами машинного обучения:</p>
+<ol>
+<li><strong>Теория</strong> — мы разберёмся в математике и интуиции за каждым методом</li>
+<li><strong>Практика</strong> — вы реализуете алгоритмы самостоятельно, чтобы действительно их понять</li>
+</ol>
+<h3 id="Важное-замечание"><a class="header" href="#Важное-замечание">Важное замечание</a></h3>
+<p>Эта книга <strong>не требует</strong> глубокого знания машинного обучения. Мы предполагаем, что вы:</p>
+<ul>
+<li>Знакомы с математикой на уровне старших курсов физического факультета</li>
+<li>Умеете программировать хотя бы на базовом уровне</li>
+<li>Готовы экспериментировать и искать решения</li>
+</ul>
+<p>Главное — <strong>понимание</strong>. Мы не просто будем давать готовые рецепты, а будем разбираться, почему методы работают так, а не иначе.</p>
+<hr />
+<p>Давайте начнём этот путь вместе. Машинное обучение — это мощный инструмент, который каждый физик должен иметь в своём арсенале.</p>
 <div style="break-before: page; page-break-before: always;"></div><h1 id="О-себе"><a class="header" href="#О-себе">О себе</a></h1>
 <p>Меня зовут Федоров Вячеслав Васильевич, я разработчик программного обеспечения с глубокими знаниями в области физики и вычислительной математики. На протяжении нескольких лет я работаю в Институте ядерной физики им. Будкера, где занимаюсь разработкой наукоемкого прикладного программного обеспечения на языках высокого уровня Python и C++ для решения различных задач. Моя основная работа сосредоточена на моделировании динамики заряженных частиц в сложных электромагнитных полях, а также на внедрении алгоритмов машинного обучения для оптимизации и настройки ускорительных комплексов.</p>
 <p>Мой опыт также включает работу в международной компании по разработке ПО и веб-приложений SIBERS, где я руководил командой разработчиков в создании ПО на основе микросервисной архитектуры для государственной организации, оказывающей финансовые услуги. Я активно участвовал в разработке дополнительных модулей для статического анализа кода для различных сред разработки, а также был ведущим разработчиком приложения для врачей, предназначенного для распознавания и присвоения кодов болезней в медицинских картах пациентов с использованием бессерверных вычислений и алгоритмов машинного обучения. Я внедрял процессы автоматизированного тестирования, непрерывной интеграции и доставки кода, проводил обзор и оценку кода, а также подготовил и прочитал полугодовой обучающий курс «Микросервисные масштабируемые веб-сайты» для команды.</p>