Истории из 80, 90х. Изобретатель Дмитрий Парфенов. Большое интервью с Константином Академик Заруцким


Как изобретались автомобили Лаура, Комбат, Канонир, Ладога, Охта. На канале «Супротек Рейсинг» Дмитрий Викторович Парфёнов выдающийся российский конструктор, автомобилестроитель, сумевший создать самый быстрый бронированный внедорожник в мире, воплотив в жизнь непревзойденные идеи мирового автомобилестроения. Таймкод ниже.
Ведение канала является проектом компании «Супротек» suprotec.ru
00:00 — Тизер.
01:00 — Вступление. Дмитрий Викторович Парфенов — инженер, конструктор
02:47 — Как все началось?
07:50 — Единственный источник информации — чешские журналы.
08:22 — Лаура 1.
10:49 — Базовые ценности при создании автомобиля.
12:50 — Про работу инженером на заводе и написание «Рацух».
13:43 — Горбачёва Раиса Максимовна увидела Лауры по телевизору.
14:15 — Съемки передачи «Это вы можете»
15:17 — Что делали не сами?
16:40 — Заправок до Москвы не было.
17:11 — Красные номера на Лауре. «Мы не знали что они дипломатические»
17:50 — Выезд в Москву. Документов нет.
22:11 — Как переживали повышенное внимание?
23:25 — Постройка новой машины.
23:56 — Первая Лаура проехала 84000 км без поломок.
26:00 — Сделали Лауру 2.
28:21 — Минивэн для народа Охта 1987.
29:40 — Государственная премия. На что потратили?
33:07 — Дети.
34:37 — Еще про ОХТУ.
35:59 — Про автоваз и дизайн.
38:17 — Принцип Королева — как руководителя
40:44 — Стойка Макферсон.
42:45 — 90е. АС-1925 Онега.
51:15 — Инкассаторский броневик газ 2957 «ОХТА» и Тендеры.
52:20 — «Канонир»
54:40 — Перепродажа Ford Econoline.
55:18 — Работа с компанией OGara-Hess

Создаю свой смартфон


Лучший магазин техники Apple и не только:
biggeek.ru

Игра в видео: Smartphone Tycoon — доступна для iOS и Android, ищите в App Store и Google Play.

Twitter — twitter.com/wylsacom
Instagram — instagram.com/wylsacom
Сайт — wylsa.com
Группа вконтакте — vk.com/wylsacom
Телеграм канал — telegram.me/Wylsared
Facebook — fb.com/wylcom
InstagramRED — www.instagram.com/wylsacom_red/

Java vs C# (C Sharp). Что выбрать?


Сегодня у нас на сравнении Java и C# (c sharp). Какой язык лучше? Что стоит выбрать для себя?

Курсы для новичков:
JAVA — bit.ly/2ZLsrrC
JAVA Start — bit.ly/30ugIwS
Инструментарий JAVA — bit.ly/3fNddrL
Automation QA (Java) — bit.ly/3hj21TT
ANDROID — bit.ly/2OIPxsx
C#/.NET — bit.ly/2WGRwlz
C# START — bit.ly/2BgFfga
PYTHON — bit.ly/3fPPAyA
FRONT-END — bit.ly/32BVBv1
WORDPRESS Developer — bit.ly/2E3HYL3
SALESFORCE Developer — bit.ly/2WCD2TC
UI/UX дизайн — bit.ly/2WVP9f1
Project management — bit.ly/2WG4OPh
Обучение на проекте — bit.ly/39fIUrl

Продвинутые курсы для состоявшихся девелоперов:
GRASP and GoF Design patterns — bit.ly/2CP9Im6
Enterprise patterns — bit.ly/2BkQUe0

Сайт Foxminded: bit.ly/3eN9GYU
Foxminded в ФБ: www.facebook.com/foxmindedco
FoxmindEd в Instagram: www.instagram.com/foxminded.ua/
Foxminded в VK: vk.com/foxminded
Мой Telegram: t.me/nemchinskiyOnBusiness
Мой блог: www.nemchinsky.me

0:00 – вступление Сергея Немчинского
0:30 – сравнение областей применения Java и C#
3:21 – сравнение зарплат разработчиков
4:19 – сравнение синтаксиса языков
5:34 – сравнение вакансий Java и C# разработчиков
8:04 – фреймворки
10:02 – перспективы разработчиков
11:32 – как выбирать: Java или C#

Сам себе математик


Рассказываю про самостоятельное изучение вышмата: какие бывают ошибки и как их избежать, а также про разделы математики.
Мое интервью с Лексом тут: youtu.be/tQYCd8tg56U
Канал IT борода: www.youtube.com/channel/UCeObZv89Stb2xLtjLJ0De3Q
Моя статья для студентов по терверу: m.habr.com/ru/post/311092/

Мне задают много вопросов о том, какие я могу порекомендовать литературные источники. К сожалению, на данный момент я не могу дать каких-либо рекомендаций. Дело в том, что я изучал математику в университете по конспектам лекций и не сильно стремился к глубокому изучению.
Желание понять предмет глубоко возникло после универа. И я стал прицельно разбирать отдельные темы используя интернет. Но на базе профильного образования это делать довольно просто: когда есть общее понимание темы, но надо понять отдельные детали.
Для желающих изучать с нуля я порекомендовал бы, наверное, поинтересоваться у сегодняшних студентов с, какую литературу или какие источники им рекомендовали преподаватели.

Возможно, что я тоже сделаю когда-нибудь обзор учебников, но это не будет не быстро :)

Список упомянутых тем (составил Alexey Samovich: www.youtube.com/channel/UCEkD4JV_5mTQzcuF9nccTsA):

1. Школьная математика(функция, вектор, система координат и т.п.).
2. Мат.логика, способы доказательства теорем.
2. Теория множеств.
3. Линейная алгебра.
4. Комплексные числа, комплексная экспонента, тригонометрия.
5. Придел функции и дополнении: производная, интеграл.
6. Дифференциальные уравнения
7. Спектральные преобразования(фильтрация сигналов и изображений(линейные фильтры), сжатие данных, спектральный анализ)
8. математическая морфология
9. Теория вероятностей, математическая статистика
! Численные методы, методы вычислительного эксперимента
!!! Интерполяция данных (полиномиальная интерполяция, построение регрессия)
!!! Machine Learning (линейная регрессия, SVM, kNN, решающие деревья, случайный лес, логистическая регрессия, нейронные сети, ансамблирование классификаторов)

Аналитика Big Data: что это такое и как сюда попасть


Артем, менеджер поисковых продуктов Mail.Ru Group, расскажет:
— что такое большие данные,
— какие задачи решают аналитики Big Data,
— какими инструментами и навыками должен владеть хороший аналитик,
— рассмотрим кейсы из практики, с которыми встречаются аналитики.

Также рассмотрим, как начать свою карьеру в этой сфере, и ответим на ваши вопросы.
Лекция для начинающих специалистов, и только начинающих знакомство с BigData.

Сопроводительный материал:
Roadmap Data Scientist — github.com/MrMimic/data-scientist-roadmap
Сообщество аналитиков — www.kaggle.com/
Рекомендации по литературе:
www.mann-ivanov-ferber.ru/books/analiticheskaya-kultura/
www.mann-ivanov-ferber.ru/books/paperbook/big-data/

Data Science: Kaggle GRANDMASTER за полгода? | Павел Плесков, Data Nerds


Подписывайтесь! on.fless.pro/subscribe

Начать заниматься data science в сентябре 2017, а к февралю 2018 стать экспертом науки о данных и получать офферы на Chief Data Scientist. Думал, такое не возможно, пока не познакомился с Пашей Плесковым из Data Nerds. Внимание: Видео может вызвать FOMO и отвесить пинка под зад. Скоро снова сентябрь =) Хотите повторить? Смотрите, как.

Тайм-теги:
00:27 #1 Background
02:35 #2 Data science: с чего все началось?
04:45 #3 KAGGLE GRANDMASTER за 6 месяцев… как?
07:39 #4 Data science: много ли математики нужно на практике?
10:30 #5 Data science: немного о рабочем железе
13:47 #6 Соревнования. Командный опыт
17:42 #7 KAGGLE GRANDMASTER и работа
21:29 #8 Соревнования vs работа
23:19 #9 Чем занимаешься сейчас?
26:43 #10 В чем отличие DATA NERDS и DS в BIG3
28:49 #11 Почему бы не найти работу в США?
30:50 #12 Про планы?
32:31 #13 Пара советов?

Другие недавние интервью:
— КАК ПОПАСТЬ В БОЛЬШУЮ ТРОЙКУ В 35 ЛЕТ | БОРИС КУЛАХМЕТОВ — youtu.be/yT0KtsCjvRw

— КАРЬЕРА НА СТЫКЕ DIGITAL И STRATEGY CONSULTING | АНАСТАСИЯ КИМ, IBM iX — youtu.be/7kwd_0qYXY4

БУДЕМ НА СВЯЗИ!
FLESS fless.pro
Instagram www.instagram.com/flesspro
Facebook www.facebook.com/flesspro
VK vk.com/flesspro
Telegram t.me/flesspro