асдфг

[StringTheoryPracticist]

И аз съм ЗА да се забрани - само в първи и втори клас събиране/изваждане, всичко друго е пълна глупост

На мен много ми се налага да използвам математика в ежедневието си, ето няколко примера.

За да знам за колко време ще се извършат някои операции трябва да използвам log2 от число. Това се учи в 10ти клас, ако не се лъжа. Понякога се налага за операции, които самия аз съм писал.

Без степенуване и коренуване не мога, това е толкова фундаментално че даже няма да си правя труда да давам примери.

При всяка 2D и 3D апликация се използва геометрията, включително правенето на компютърни игри. Ако искаш да направиш така, че когато задържаш копчето, човечето прави по едно завъртане на секунда, колко бързо въртене е това? Ако гледа на 54 градуса и се придвижва, какви да са новите му x/y координати? Това са най-елементарните неща и бяха само 2D, има и много по-сложни. В 3D се използват матрици вместо вектори. Наскоро един колега-форумник ме помоли да му реша една геометрическа задача, защото прави 3D неща (или май беше 2D).

Комбинаториката се използва при статистиката. Каква е вероятността монета да се падне 40 пъти лице от 100 хвърляния? А ако вземем 100 случайни човека и 40 са мъже, каква е вероятността това да се случи по случайност, ако хората в популацията са 50/50 мъже/жени? А ако са 60/40?

За да извличам знания от данни, един от вариантите е gradient descent - не мога да го опиша без да изписвам много текст. При него се използва интеграция и диференциация, тъй като данните се интерпретират като графа, та областта под кривата представлява важна информация за данните.

Налага ми се да уча Discrete optimization - това предлага решения на проблеми като Travelling Salesman Problem, който е изключително често срещан - навсякъде където искаш да свържеш няколко точки по възможно най-кратък начин с една-единствена линия (най-краткия път който минава през всички и се връща в началото). Един от подходите към това discrete optimization е да моделираш проблема като математическо неравенство - дотук добре, това става с елементарна математика. След това обаче прилагаш Gaussian elimination и правиш други неща. Gaussian elimination е относително напреднал субект в линейната алгебра (която е раздел от висшата математика), затова за жалост не мога да продължа, докато не се заема да я уча.

Теория на вероятностите се използва навсякъде, даже при елементарни решения, но най-вече при статистически апликации. Освен това я използвам в ежедневието си, при взимане на решения (особено Теорема на Бейс: http://yudkowsky.net/rational/bayes ).

Математиката е полезна, интересна и е един от малкото предмети в които не се налага да зубриш. И без това назубреното не се запомня.

[ОР]

На мен много ми се налага да използвам математика в ежедневието си, ето няколко примера.

За да знам за колко време ще се извършат някои операции трябва да използвам log2 от число. Това се учи в 10ти клас, ако не се лъжа. Понякога се налага за операции, които самия аз съм писал.

Без степенуване и коренуване не мога, това е толкова фундаментално че даже няма да си правя труда да давам примери.

При всяка 2D и 3D апликация се използва геометрията, включително правенето на компютърни игри. Ако искаш да направиш така, че когато задържаш копчето, човечето прави по едно завъртане на секунда, колко бързо въртене е това? Ако гледа на 54 градуса и се придвижва, какви да са новите му x/y координати? Това са най-елементарните неща и бяха само 2D, има и много по-сложни. В 3D се използват матрици вместо вектори. Наскоро един колега-форумник ме помоли да му реша една геометрическа задача, защото прави 3D неща (или май беше 2D).

Комбинаториката се използва при статистиката. Каква е вероятността монета да се падне 40 пъти лице от 100 хвърляния? А ако вземем 100 случайни човека и 40 са мъже, каква е вероятността това да се случи по случайност, ако хората в популацията са 50/50 мъже/жени? А ако са 60/40?

За да извличам знания от данни, един от вариантите е gradient descent - не мога да го опиша без да изписвам много текст. При него се използва интеграция и диференциация, тъй като данните се интерпретират като графа, та областта под кривата представлява важна информация за данните.

Налага ми се да уча Discrete optimization - това предлага решения на проблеми като Travelling Salesman Problem, който е изключително често срещан - навсякъде където искаш да свържеш няколко точки по възможно най-кратък начин с една-единствена линия (най-краткия път който минава през всички и се връща в началото). Един от подходите към това discrete optimization е да моделираш проблема като математическо неравенство - дотук добре, това става с елементарна математика. След това обаче прилагаш Gaussian elimination и правиш други неща. Gaussian elimination е относително напреднал субект в линейната алгебра (която е раздел от висшата математика), затова за жалост не мога да продължа, докато не се заема да я уча.

Теория на вероятностите се използва навсякъде, даже при елементарни решения, но най-вече при статистически апликации. Освен това я използвам в ежедневието си, при взимане на решения (особено Теорема на Бейс: http://yudkowsky.net/rational/bayes ).

Математиката е полезна, интересна и е един от малкото предмети в които не се налага да зубриш. И без това назубреното не се запомня.

You = evil
You = math
therefore,
math = evil

[IWannaBeSedated]

На мен много ми се налага да използвам математика в ежедневието си, ето няколко примера.

За да знам за колко време ще се извършат някои операции трябва да използвам log2 от число. Това се учи в 10ти клас, ако не се лъжа. Понякога се налага за операции, които самия аз съм писал.

Без степенуване и коренуване не мога, това е толкова фундаментално че даже няма да си правя труда да давам примери.

При всяка 2D и 3D апликация се използва геометрията, включително правенето на компютърни игри. Ако искаш да направиш така, че когато задържаш копчето, човечето прави по едно завъртане на секунда, колко бързо въртене е това? Ако гледа на 54 градуса и се придвижва, какви да са новите му x/y координати? Това са най-елементарните неща и бяха само 2D, има и много по-сложни. В 3D се използват матрици вместо вектори. Наскоро един колега-форумник ме помоли да му реша една геометрическа задача, защото прави 3D неща (или май беше 2D).

Комбинаториката се използва при статистиката. Каква е вероятността монета да се падне 40 пъти лице от 100 хвърляния? А ако вземем 100 случайни човека и 40 са мъже, каква е вероятността това да се случи по случайност, ако хората в популацията са 50/50 мъже/жени? А ако са 60/40?

За да извличам знания от данни, един от вариантите е gradient descent - не мога да го опиша без да изписвам много текст. При него се използва интеграция и диференциация, тъй като данните се интерпретират като графа, та областта под кривата представлява важна информация за данните.

Налага ми се да уча Discrete optimization - това предлага решения на проблеми като Travelling Salesman Problem, който е изключително често срещан - навсякъде където искаш да свържеш няколко точки по възможно най-кратък начин с една-единствена линия (най-краткия път който минава през всички и се връща в началото). Един от подходите към това discrete optimization е да моделираш проблема като математическо неравенство - дотук добре, това става с елементарна математика. След това обаче прилагаш Gaussian elimination и правиш други неща. Gaussian elimination е относително напреднал субект в линейната алгебра (която е раздел от висшата математика), затова за жалост не мога да продължа, докато не се заема да я уча.

Теория на вероятностите се използва навсякъде, даже при елементарни решения, но най-вече при статистически апликации. Освен това я използвам в ежедневието си, при взимане на решения (особено Теорема на Бейс: http://yudkowsky.net/rational/bayes ).

Математиката е полезна, интересна и е един от малкото предмети в които не се налага да зубриш. И без това назубреното не се запомня.

Новият ми идол.