Нашел академическую страницу с алгоритмом, который хочешь реализовать
Подробнее
Finding an academic paper on the algorithm you want to implement Dirac-Chcbyshev Degulsion with Tripolsive Tail Canceling and other shit that’s over your head In (his model. when (he probability density of two series as a triplosive function which is zero on the positive integer. >• =/»+/Jlx+/J2x2 + e^2M/*Im)ilw,+nl(/ **>H For each unit increased from x to x ♦ I units, the expected yield changes by w! -* (M[x := Ey\) o ln(F<r<()) hO Where is given by: N ± 3? b]D'(A.\.Ai) j 3 J* X\ - g* (V.v2)i/o It can then be solved using: rj 3 rl • r\ . • r? x\-A x\ X* . x$- A . X" r! • n _ X* *2 1* IV> • • I* Xji Xjn ~ <1 Which yields the degulsion curve of: £/Wi|r
it-юмор,geek,Прикольные гаджеты. Научный, инженерный и айтишный юмор
Еще на тему
*Звук отклеивающегося диплома*
А так проблемы у инженеров-программистов обычно связаны с тензорной нотацией и элементами дифгеометрии, ковариантной производной.
А вот в алгоритмах data science/machine learning тензоры и ковариантная производная -- наше всё. Разумеется, если вы хотите вникать в дело -- для обёрток на tensor flow этого ничего можно и не знать...
Вот в реальном мире, в физике тензоры везде: описания полей (которые не только поля сил, но и, например, течений, да?), градиентный анализ, калибровочные преобразования, перенормируемые теории --- язык современной физики это тензоры.
Academic paper - научная статья, ну или хотя бы просто статья.