Акция — ценная бумага, дающая право на долю в компании. Инвестор становится совладельцем бизнеса и может заработать на росте цены акции или на дивидендах.
## Как заработать
- продать дороже, чем купил: длинная позиция;
- заработать на падении через короткую позицию, если это соответствует стратегии и риску;
- получить дивиденды;
- держать долю в бизнесе на длинном горизонте.
## Типы акций
- Обыкновенные — дают право голоса.
- Привилегированные — обычно дают больше прав на дивиденды, но ограничивают голосование.
- Акции роста — компании быстро растут и часто реинвестируют прибыль.
- Акции стоимости — бизнес торгуется дешевле справедливой оценки или аналогов.
- Дивидендные акции — устойчивые компании с денежным потоком и выплатами.
## Что влияет на котировки
Внутренние факторы:
- операционные показатели;
- финансовые показатели;
- новости компании;
- дивидендная политика;
- байбэки;
- сделки и корпоративные события.
Внешние факторы:
- динамика рынка;
- макроэкономика;
- ключевая ставка;
- курс рубля;
- геополитика;
- поведение крупных участников;
- блогеры и рыночный хайп.
Выход позитивной новости не всегда ведет к росту цены: рынок мог заложить её заранее.
## Стратегии
- Индексная — повторять широкий рынок через индекс или фонд.
- Усреднение — регулярно покупать активы независимо от текущей цены.
- Buy and hold — держать качественные компании долго.
- Дивидендная — выбирать бизнесы с устойчивыми выплатами.
Инвестиционный портфель строится от цели, горизонта и риск-профиля. Отдельные инструменты — облигации, фонды, золото, акции — имеют смысл только внутри структуры портфеля.
Навигационная заметка по инвестициям. Общая логика: сначала цель, горизонт и [[Риск-профиль инвестора]], потом структура [[Инвестиционный портфель|портфеля]], затем выбор классов активов и конкретных инструментов.
Не является индивидуальной инвестиционной рекомендацией.
## Базовый алгоритм
1. Определить цель и горизонт: зачем инвестировать и когда нужны деньги.
2.Определить риск-профиль: какую просадку портфеля реально выдержать без паники.
3.Выбрать стиль: пассивный, активный или трейдинг.
5.Собрать портфель из классов активов, а не из случайных идей.
6.Проверить налоги, комиссии, ликвидность, валютные и кредитные риски.
7. Периодически ребалансировать портфель, но не дергать его из-за каждого рыночного шума.
## Риск-профиль
Риск-профиль складывается из трех блоков:
-готовность к риску: отношение к волатильности, прошлый опыт, эмоциональная устойчивость;
-возможность риска: стабильность дохода, финансовая подушка, обязательства и долги;
-цель: горизонт инвестирования и требуемая доходность.
Типовые профили:
| Профиль | Цель | Комфортная просадка | Типовая структура |
|---|---|---:|---|
| Консервативный | сохранность капитала | просадка больше 5% уже дискомфортна | облигации 85-90%, акции 10-15% |
| Умеренный | баланс риска и доходности | 15-20% без паники | акции 60%, облигации 40% |
| Агрессивный | максимальный рост | готовность к просадкам больше 30% | акции 80-100% |
Из другого источника: консервативный инвестор может ориентироваться на просадку до 15%, умеренный — до 35%, агрессивный — до 60%. Это не противоречие, а разные шкалы грубости. Практический вывод: риск-профиль лучше задавать не красивым названием, а конкретной максимальной просадкой в рублях и процентах.
## Стили инвестирования
- Долгосрочный/пассивный инвестор — тратит до пары часов в месяц, держит качественные активы и фонды.
- Активный инвестор — тратит несколько часов в неделю, следит за макроэкономикой, секторами и идеями.
- Трейдер — работает с рынком почти ежедневно, зависит от графиков, новостей, дисциплины и риск-менеджмента.
Риск-профиль должен ограничивать стиль. Консерватору логичнее пассивная база и надежные инструменты. Умеренный профиль допускает пассивную базу и часть активных идей. Агрессивный профиль может использовать активные стратегии и трейдинг, если есть время и навык.
## Психологические ловушки
- стадное чувство;
- FOMO и эмоциональный трейдинг;
- отсутствие диверсификации;
- инвестирование на заемные средства;
- погоня за максимальной доходностью без понимания риска;
- вера, что знакомая компания автоматически надежна.
## Макроэкономика и портфель
Цены активов зависят от будущих доходов, ставок, роста экономики, инфляции, курса рубля и геополитической премии за риск.
Ключевые индикаторы:
- ВВП, бизнес-настроения, безработица, зарплаты и спрос;
- инфляция годовая и текущая;
- ключевая ставка, доходности ОФЗ и корпоративных облигаций;
Для российского рынка после ухода значительной части нерезидентов важнее стали внутренние драйверы: прибыль компаний, ставки, инфляция, бюджет, розничные инвесторы. Доля экспортеров в капитализации снизилась примерно до 50%, но сырье и курс рубля все еще важны.
Практические зависимости:
- снижение ставок обычно поддерживает акции и длинные облигации;
- рост ставок давит на длинные облигации и повышает привлекательность денежного рынка;
- ослабление рубля поддерживает экспортеров и валютные/квазивалютные инструменты;
- высокая инфляция повышает значимость флоатеров, линкеров и защитных активов;
- геополитическая неопределенность увеличивает риск-премию и волатильность.
## Облигации
Облигация — долговой инструмент: инвестор дает деньги эмитенту, получает купоны и возврат номинала при погашении. Главная идея: доход предсказуемее, чем в акциях, но риск не нулевой.
Базовые понятия:
- эмитент — государство, регион, муниципалитет или компания;
- номинал — сумма, которую вернут при погашении;
- купон — процентное вознаграждение;
- дата погашения — момент возврата номинала;
- доходность к погашению — ожидаемая доходность при удержании до погашения и реинвестировании купонов;
- дюрация — средний срок возврата денег и чувствительность цены к изменению доходности;
- оферта — возможность досрочного выкупа.
Важный принцип: смотреть нужно не только на купон, а на доходность к погашению/оферте. Большой купон не означает хорошую сделку, если бумага куплена сильно выше номинала.
- ВДО — высокодоходные облигации с повышенным риском дефолта;
- золотые облигации — номинал и купон привязаны к цене золота.
## Дюрация и ставка
Цена облигации обратно зависит от рыночной доходности и ключевой ставки:
- ставка растет — старые облигации дешевеют;
- ставка падает — старые облигации дорожают;
- чем выше дюрация, тем сильнее реакция цены.
Пример логики: ОФЗ с дюрацией 5 лет может дать около 5% переоценки при снижении доходности на 1 п.п. Поэтому длинные облигации — это не просто "надежно", а ставка на снижение ставок. Если ставка неожиданно вырастет, длинная бумага даст временную просадку.
## Как выбирать облигации
Чек-лист:
1. Оценить доходность к погашению или оферте.
2. Сравнить доходность с ОФЗ сопоставимого срока через кредитный/G-spread.
3. Проверить кредитный рейтинг: на старте разумнее AAA-AA, для более рискованных идей не ниже A.
4. Проверить долговую нагрузку эмитента: Net Debt/EBITDA, динамику выручки, прибыли и процентного покрытия.
5. Выбрать срок под свой горизонт. Деньги нужны через 2 года — не покупать 10-летнюю бумагу только ради доходности.
6. Проверить ликвидность через объем торгов.
7. Диверсифицировать по эмитентам и отраслям.
8. Не пропускать оферты и пересмотр купона.
Красные флаги:
- рейтинг BB и ниже;
- отсутствие рейтинга;
- доходность сильно выше рынка без понятной причины;
- маленький выпуск до 1 млрд рублей;
- высокая долговая нагрузка;
- долги по налогам;
- странные сделки;
- оборотный капитал растет быстрее выручки;
- бизнес непонятен инвестору.
## Стратегии в облигациях
### Держать до погашения
Покупать облигации со сроком, близким к финансовой цели. Это снижает риск вынужденной продажи по плохой цене. Кредитный риск остается, поэтому важен надежный эмитент.
### Лестница облигаций
Покупать выпуски с разными сроками погашения. Деньги от погашений направлять в новые длинные выпуски. Плюсы: часть портфеля регулярно высвобождается, доходность фиксируется на долгий срок, купоны приходят регулярно.
### Золотовалютный доход
Использовать замещающие, квазивалютные, юаневые или золотые облигации для защиты от слабости рубля.
### "Зарплата" на облигациях
Идея — собрать портфель так, чтобы купоны приходили каждый месяц. Это не покупка одной бумаги с большим купоном, а структурирование денежных потоков.
- следование за циклом: флоатеры 50%, валютные 50%.
Вывод: регулярный доход требует структуры и дисциплины. Погоня за максимальным купоном часто заканчивается концентрацией кредитного риска.
## Высокодоходные облигации
ВДО — облигации компаний с рейтингом BBB+ и ниже, небольших бизнесов, компаний с высокой долговой нагрузкой или нестабильной моделью.
Для начинающего инвестора чаще всего не подходят. Причина простая: высокая доходность — компенсация за высокий риск, а не подарок рынка.
Что проверять в ВДО:
- чем занимается компания;
- рынок и устойчивость бизнес-модели;
- история бенефициаров;
- выручка и ее динамика;
- долговая нагрузка;
- долги по налогам;
- странные сделки;
- качество оборотного капитала.
Главная задача начинающего инвестора — не максимальная доходность, а предсказуемый и стабильный портфель.
## Фонды
Фонд — коллективный портфель активов. Инвестор покупает пай и получает долю в портфеле, которым управляет управляющая компания.
Плюсы фондов:
- диверсификация внутри одного инструмента;
- низкий порог входа;
- профессиональное управление;
- ликвидность биржевых фондов;
- налоговая эффективность внутри фонда;
- автоматическое реинвестирование купонов и дивидендов, если фонд не делает выплаты;
- доступ к инструментам, которые сложно собрать самому.
Минусы:
- комиссия управления;
- риск ошибки слежения;
- зависимость от качества УК;
- один фонд редко решает все задачи портфеля.
## Как выбирать фонд
Чек-лист:
- комиссия фонда;
- ошибка слежения за индексом;
- способ репликации: физическая предпочтительнее сложной двойной структуры;
- размер активов под управлением;
- состав и веса активов;
- история фонда и поведение в кризисы;
- ликвидность паев;
- соответствие фонда текущей фазе экономического цикла.
Типы фондов:
| Тип | Когда полезен | Риск | Горизонт |
|---|---|---|---|
| Денежный рынок | временное размещение денег, высокая ставка | низкий | до года |
| ОФЗ | снижение ставки, надежная облигационная база | низкий/средний из-за дюрации | от года |
| Корпоративные облигации | премия за кредитный риск, стабильная экономика | средний | 1-3 года |
| Валютные облигации | защита от ослабления рубля | средний | от года |
| Золото | защитный актив и валютный риск | средний | от года |
| Российские акции | рост капитала | высокий | от 3 лет |
| Недвижимость | альтернативный доход | средний | от 3 лет |
| Венчур | ставка на быстрый рост частных компаний | высокий | от 5 лет |
## Фонды и ставка
Фонд денежного рынка хорош, когда ставка высокая или растет: он дает ликвидность и ежедневный положительный доход, но не фиксирует высокую доходность на годы.
Фонды ОФЗ и длинных облигаций интереснее при ожидании снижения ставки: цена облигаций растет, но дюрация добавляет волатильность.
Корпоративные облигационные фонды дают премию за кредитный риск. Их логичнее использовать в стабильные периоды и при горизонте от года.
Валютные облигационные фонды нужны для снижения риска ослабления рубля, но результат зависит от курса и рублевых ставок.
## Золото
Золото — защитный актив, который используют для снижения риска портфеля в кризисы, периоды высокой инфляции, геополитической нестабильности и валютных шоков.
Драйверы золота:
- ослабление доллара;
- реальные процентные ставки;
- высокая инфляция;
- геополитическая нестабильность;
- спрос центробанков;
- ювелирный и промышленный спрос;
- инвестиционный спрос.
После 2022 года мировые центробанки заметно нарастили покупки золота, снижая долю резервов в государственных облигациях США. Доля центробанков в мировом спросе стала выше прежней.
Практическое правило из материалов: около 10% золота в портфеле может улучшать соотношение доходности и риска. Это не жесткая норма, а ориентир для защитной доли.
## Как инвестировать в золото
Инструменты:
- слитки и монеты;
- биржевое золото;
- фонды на золото;
- акции и облигации золотодобытчиков;
- золотые облигации.
Сравнение:
| Инструмент | Плюсы | Минусы |
|---|---|---|
| Слитки и монеты | независимость от брокера, нет НДС при покупке | спред покупки/продажи, хранение, повреждения снижают цену |
| Биржевое золото | высокая ликвидность, быстро купить/продать | комиссия брокера/хранения |
| Фонд на золото | низкий порог входа, ликвидность | комиссия управления |
| Акции/облигации золотодобытчиков | потенциально выше доходность, дивиденды/купоны | риск компании и фондового рынка |
Налоговая логика из материалов:
- налог платится с дохода от продажи золотого инструмента;
- при владении золотом, биржевым золотом и фондами больше 3 лет может применяться освобождение;
- для акций и облигаций применимы стандартные правила налогообложения и льгота долгосрочного владения.
## ИИС-3
ИИС-3 — налоговая оболочка для инвестиций.
Ключевые параметры из материалов:
- комбинированная льгота: вычет на взнос и вычет на доход;
- можно открыть до трех ИИС-3;
- нет лимита на пополнение;
- минимальный срок владения для счетов 2024-2026 годов — 5 лет, далее срок поэтапно увеличивается;
- можно вывести деньги на дорогостоящее лечение с сохранением права на льготы;
- можно выводить дивиденды на банковский счет;
- с 2026 года активы на ИИС-3 застрахованы до 1,4 млн рублей у брокеров и УК, участвующих в системе возмещения.
## Практическая структура портфеля
Для старта разумнее строить не "портфель идей", а портфель ролей:
Дивидендный портфель — стратегия получения денежного потока из [[Акции|акций]] устойчивых компаний. Важно смотреть не только на текущую дивидендную доходность, но и на способность бизнеса регулярно генерировать прибыль.
## Что искать
- устойчивый денежный поток;
- понятная дивидендная политика;
- умеренная долговая нагрузка;
- стабильная прибыль;
- прозрачное корпоративное управление;
- низкая вероятность отмены выплат;
- разумная оценка по мультипликаторам.
## Риски
- компания может отменить дивиденды;
- высокая дивидендная доходность может быть следствием падения цены из-за проблем;
- разовые сверхдивиденды не равны устойчивому доходу;
- налоги снижают итоговую доходность;
- концентрация в нескольких дивидендных бумагах повышает риск.
Золото — защитный актив, который используют для снижения риска портфеля в кризисы, периоды высокой инфляции, геополитической нестабильности и валютных шоков.
## Драйверы
- ослабление доллара;
- реальные процентные ставки;
- высокая инфляция;
- геополитическая нестабильность;
- спрос центробанков;
- ювелирный и промышленный спрос;
- инвестиционный спрос.
После 2022 года мировые центробанки заметно нарастили покупки золота, снижая долю резервов в государственных облигациях США.
## Доля в портфеле
Практическое правило из материалов: около 10% золота может улучшать соотношение доходности и риска. Это не жесткая норма, а ориентир для защитной доли.
## Инструменты
| Инструмент | Плюсы | Минусы |
|---|---|---|
| Слитки и монеты | независимость от брокера | спред, хранение, риск повреждений |
| Биржевое золото | ликвидность | комиссии брокера/хранения |
| Фонд на золото | низкий порог входа | комиссия управления |
| Акции/облигации золотодобытчиков | возможна доходность выше золота | риск компании и рынка |
Инвестиционный портфель — набор активов, собранный под цель, горизонт и [[Риск-профиль инвестора]]. Успех зависит не от одной удачной идеи, а от доходности и устойчивости всего набора активов.
## С чего начать
1. Определить цель: накопление капитала, защита от инфляции, пассивный доход, обучение рынку.
2. Определить горизонт: когда деньги понадобятся.
3. Определить риск-профиль.
4. Разложить портфель по ролям активов.
5. Задать правила пополнения, ребалансировки и фиксации прибыли.
Индексное инвестирование — стратегия покупки рынка целиком или его сегмента через индексные фонды. Цель — повторить результат широкого рынка, а не выбрать одну лучшую акцию.
## Индексы
- Индекс Мосбиржи — акции крупнейших российских компаний.
- Индекс РТС — близкий по составу индекс, но рассчитывается в долларах.
- Индекс голубых фишек — узкая корзина крупнейших компаний.
Индексный фонд может быть ядром портфеля акций. Поверх него можно добавлять отдельные идеи, если инвестор понимает, зачем они нужны и какой риск добавляют.
title: Инсайдерская торговля и манипулирование рынком
source:
- "[[099dd81b-27a1-46e5-88fe-20276b442b78]]"
---
# Инсайдерская торговля и манипулирование рынком
Инсайдерская торговля — использование существенной непубличной информации для сделок на рынке. Для частного инвестора такие кейсы важны как источник рыночного риска и как сигнал, что необычное движение цены не всегда объясняется публичными новостями.
## Признаки подозрительного движения
- рост или падение без публичных новостей;
- повышенные объемы перед существенным фактом;
- движение за часы до дивидендной рекомендации или корпоративного события;
- резкая реакция до официального раскрытия;
- расхождение между фундаментальной картиной и поведением цены.
## Примеры из материалов
- Сбербанк: рост и повышенные объемы перед существенным фактом по дивидендам.
- Ашинский метзавод: покупки на падающем рынке перед рекордными дивидендами.
- ЭсЭфАй: рост на повышенных объемах за несколько часов до объявления дивидендов.
- Магнит: проблемы с раскрытием отчетности, понижение уровня листинга, исключение из индекса и отсутствие дивидендного драйвера.
## Практический вывод
Необычные объемы и движение цены могут быть сигналом, но не являются доказательством инсайда. Для инвестора это повод проверить новости, раскрытие, календарь событий, ликвидность и риск входа в перегретое движение.
Криптовалюты — высоковолатильный класс активов, где инвестиционная логика смешивается с технологией, ликвидностью, регуляторным риском и рыночной спекуляцией.
Ethereum отличается от биткоина тем, что используется как инфраструктура для приложений: смарт-контракты, DeFi, токены, стейблкоины и другие сценарии. Его ценность сильнее зависит от полезности сети и спроса на транзакции.
## Консервативная крипта
В материалах выделяются более осторожные крипто-подходы:
- ограниченная доля крипты в портфеле;
- фокус на наиболее ликвидных активах;
- стейблкоины и цифровые валютные депозиты как отдельный рискованный инструмент;
- избегание покупки через сомнительные Telegram/P2P-схемы;
- учет юридических и операционных рисков.
## Риски
- высокая волатильность;
- регуляторные ограничения;
- риск потери ключей;
- риск биржи/кастодиана;
- риск мошенничества;
- риск стать участником сомнительной сделки при покупке через непрозрачные каналы;
- технологические риски, включая будущие угрозы криптографии.
Облигация — долговой инструмент: инвестор дает деньги эмитенту, получает купоны и возврат номинала при погашении. Доход предсказуемее, чем в акциях, но риск не нулевой.
## Базовые понятия
- эмитент — государство, регион, муниципалитет или компания;
- номинал — сумма, которую вернут при погашении;
- купон — процентное вознаграждение;
- дата погашения — возврат номинала;
- доходность к погашению — ожидаемая доходность при удержании до погашения;
- дюрация — средний срок возврата денег и чувствительность цены к ставке;
- оферта — возможность досрочного выкупа.
Смотреть нужно не только на купон, а на доходность к погашению или оферте.
Риск-профиль описывает, какую просадку инвестор реально может выдержать финансово и психологически. Это первичный фильтр для выбора портфеля, а не формальность из анкеты брокера.
## Из чего складывается
- готовность к риску: реакция на волатильность, прошлый опыт, склонность к панике;
- возможность риска: стабильность дохода, финансовая подушка, долги и обязательства;
- цель: горизонт инвестирования и требуемая доходность.
## Типовые профили
| Профиль | Цель | Комфортная просадка | Типовая структура |
|---|---|---:|---|
| Консервативный | сохранить капитал | 5-15% | облигации, денежный рынок, золото, минимум акций |
| Умеренный | баланс риска и доходности | 15-35% | акции + облигации, часть защитных активов |
| Агрессивный | максимальный рост | 30-60% | высокая доля акций, активные идеи, выше волатильность |
Разные источники дают разные границы просадок. Практичнее фиксировать не название профиля, а максимальную приемлемую просадку в процентах и рублях.
## Связь со стилем
- Консерватору логичен пассивный стиль и надежные инструменты.
- Умеренный профиль допускает пассивную базу и активные идеи.
- Агрессивный профиль может использовать активные стратегии и [[Трейдинг]], если есть время, навык и дисциплина.
## Ошибки
- выбирать риск-профиль "на росте рынка", когда просадок ещё не было;
- считать доходность без риска;
- держать агрессивный портфель без финансовой подушки;
Трейдинг — активная торговля, где результат зависит от стратегии, риск-контроля, исполнения и дисциплины. Это отдельная деятельность, а не ускоренная версия инвестирования.
## Чем трейдер отличается от инвестора
- Трейдер работает с движением цены и ликвидностью.
- Инвестор работает с бизнесом, активом и горизонтом.
- Трейдер не получает гарантированную зарплату от рынка.
- Издержки, налоги и ошибки исполнения сильнее влияют на результат.
## Типы стратегий
Направленные:
- скальпинг;
- интрадей;
- свинг-трейдинг;
- торговля на пробой уровня;
- торговля по новостям.
Ненаправленные:
- арбитраж;
- спреды;
- торговля волатильностью;
- опционные стратегии.
## Технический анализ
Теханализ пытается прогнозировать цену по прошлым движениям графика. Его сила — в визуальных паттернах, уровнях, трендах, индикаторах и объемах. Ограничение: он не видит фундамент, новости и действия крупных участников.
Практическое правило: технический сигнал должен подтверждаться контекстом, ликвидностью, объемом и риск-планом.
## Объем
Объем показывает, сколько единиц актива было куплено и продано за период. Через объем можно косвенно оценивать, насколько "настоящим" выглядит движение цены.
Базовые идеи:
- рост цены на сильном объеме убедительнее роста на пустом рынке;
- пробой уровня без объема чаще ложный;
- резкий объем около новости может указывать на смену ожиданий;
- объем не дает точный прогноз, но помогает оценивать качество движения.
## Уроки Market Wizards
- Волатильность не равна риску: низкая волатильность может скрывать большой хвостовой риск.
- Если новость против позиции, а рынок почти не падает, это может быть сильным сигналом.
- Если новость за позицию, а рынок реагирует слабо, стоит насторожиться.
- Нельзя рисковать всем ради одной сделки.
- Риск-контроль важнее правоты в прогнозе.
## Риск-контроль
- заранее определять риск на сделку;
- сопоставлять объем позиции с волатильностью инструмента;
После сборки портфеля главная задача — не совершать лишних сделок и поддерживать соответствие портфеля целям, горизонту и [[Риск-профиль инвестора|риск-профилю]].
## Решения в реальных ситуациях
При падении рынка есть три типовые реакции:
- продать активы;
- взять паузу;
- продолжить следовать стратегии.
Паническая продажа часто приводит к плохому исполнению рыночных заявок, комиссиям, налогам и фиксации просадки. Финансовая подушка снижает давление и помогает не принимать решения из страха.
## Когда пересматривать портфель
- появились новые цели;
- изменился риск-профиль;
- изменился горизонт инвестирования;
- активы ушли далеко от целевых долей;
- изменилась фаза рынка: ставка, инфляция, курс, кредитный риск;
- появилась новая информация по эмитенту.
## Ребалансировка
Ребалансировка — способ вернуть портфель к целевым долям риска и доходности.
Пример: целевая структура 60% акции, 20% облигации, 20% золото. Если из-за роста золото стало 27%, акции 55%, облигации 18%, портфель уже отличается от исходного риска. Ребалансировка возвращает его к плану.
Подходы:
- календарная: раз в квартал/полгода/год;
- пороговая: когда доля класса активов отклоняется от цели на заданный процент;
- событийная: при изменении целей, горизонта, риска или макроусловий.
## Календарь инвестора
События, которые стоит отслеживать:
- финансовые и операционные отчеты;
- дивиденды;
- байбэки;
- сделки и реорганизации;
- оферты по облигациям;
- изменения в руководстве;
- крупные сделки;
- банкротства и приостановка деятельности.
Календарь нужен не для постоянной суеты, а чтобы не пропускать события, меняющие инвестиционный тезис.
## Фиксация доходности
Фиксировать доходность стоит, когда:
- цель достигнута;
- актив стал слишком большой долей портфеля;
- оценка стала слишком дорогой относительно качества бизнеса;
- появился более подходящий инструмент под текущий риск-профиль;
./01 Ideas/Идея от 2026-05-14.md:![[Recording 20260514000859.m4a]]
./01 Ideas/Идея от 2026-05-14.md:- как объяснить базовую [[Введение в сетевую безопасность|сетевую безопасность]] человеку без технического бэкграунда.
./01 Ideas/Идея от 2026-05-14.md:- [[Введение в сетевую безопасность]]
./01 Ideas/Идея от 2026-05-14.md:- [[Fail2Ban - Ansible]]
./01 Ideas/Идея от 2026-05-14.md:- [[Environment Variables]]
./90 Library/01 Admin/CA и NGINX.md:- [[VPN]] — ассиметричное шифрование (открытый/закрытый ключ) из VPN-ноты — это и есть PKI, на котором строится TLS-сертификат от CA
./90 Library/01 Admin/CA и NGINX.md:- [[Docker Swarm]] — встроенный mTLS между нодами Swarm использует ту же инфраструктуру CA и сертификатов
./90 Library/01 Admin/Nginx Proxy Manager под path.md:source: "[[Лайфхак для NPM. Как проксировать не на поддомен а на под путь]]"
./90 Library/01 Admin/Nginx Proxy Manager под path.md:- [[Infrastructure — ada-dev]] — где NPM используется как публичный и локальный reverse proxy.
./90 Library/01 Admin/Nginx Proxy Manager под path.md:- [[CA и NGINX]] — TLS и базовая настройка Nginx.
./90 Library/01 Admin/Nginx Proxy Manager под path.md:- [[Docker - Дополнительные знания]] — эксплуатация сервисов в контейнерах.
./90 Library/02 DevOps/Ansible/Inventory - Ansible.md:- [[DHCP]] — если хосты получают IP динамически через DHCP, inventory должен использовать имена (DNS), а не IP-адреса
./90 Library/02 DevOps/Ansible/Inventory - Ansible.md:- [[DNS]] — `ansible_host: web1.example.com` требует DNS-резолвинга; `/etc/resolv.conf` определяет, где искать
./90 Library/02 DevOps/Ansible/Fail2Ban - Ansible.md:- [[DHCP-snooping]] — defence-in-depth: Fail2Ban блокирует атаки на L7 (SSH brute-force), DHCP Snooping — на L2 (rogue DHCP); разные уровни одной стратегии защиты
./90 Library/02 DevOps/Ansible/Fail2Ban - Ansible.md:- [[Super-user]] — `become: true` в Ansible использует sudo для установки и управления Fail2Ban
./90 Library/02 DevOps/Ansible/Modules - Ansible.md:- [[File Permissions]] — модуль `user` управляет uid/gid пользователей Linux; `lineinfile` редактирует системные файлы; все это работает поверх Linux-прав доступа
./90 Library/02 DevOps/Ansible/Modules - Ansible.md:- [[Super-user]] — `become: true` использует sudo; модуль `user` создаёт пользователей без root-прав для следующих задач
./90 Library/02 DevOps/Ansible/Ansible - основы.md:- [[Playbooks - Ansible]] — структура плейбуков, синтаксис задач
./90 Library/02 DevOps/Ansible/Ansible - основы.md:- [[Inventory - Ansible]] — описание хостов и групп
./90 Library/02 DevOps/Контейнеризация/Docker/Network Drivers - Docker.md:- [[Модель OSI]] — bridge/overlay/macvlan реализуют концепции L2/L3 из модели OSI; iptables работает на L3/L4
./90 Library/02 DevOps/Контейнеризация/Docker/Network Drivers - Docker.md:- [[VLAN - Base]] — bridge-изоляция контейнеров ≈ VLAN-изоляция устройств: разные бриджи не видят друг друга, как разные VLAN
./90 Library/02 DevOps/Контейнеризация/Docker/Network Drivers - Docker.md:- [[VPN]] — overlay-сеть реализует принцип VPN: инкапсуляция трафика одной сети поверх другой
./90 Library/02 DevOps/Контейнеризация/Docker/Network Drivers - Docker.md:- [[Сегментация сети]] — изоляция контейнеров по bridge-сетям = программная сегментация сети
./90 Library/02 DevOps/Контейнеризация/Docker/Volume - Docker.md:- [[File Permissions]] — uid/gid маппинг в Docker Volumes напрямую зависит от Linux-прав доступа; проблема "владелец root по умолчанию" решается через chmod/chown
./90 Library/02 DevOps/Контейнеризация/Docker/Volume - Docker.md:- [[Active Storage]] — Active Storage в Rails хранит файлы вне БД; в Docker-деплое они должны персистироваться через Volume, иначе теряются при перезапуске контейнера
./90 Library/02 DevOps/Контейнеризация/Docker/Docker - Дополнительные знания.md:- [[Super-user]] — "не использовать root внутри контейнера" — прямое применение принципа наименьших привилегий из Linux; rootless Podman реализует его на уровне демона
./90 Library/02 DevOps/Контейнеризация/Docker/Docker - Дополнительные знания.md:- [[Проблемы дистрибутивов]] — реальный кейс: запуск Rails в контейнере как решение проблемы OpenSSL на Arch Linux
./90 Library/02 DevOps/Контейнеризация/Docker/Images, Dockerfile - Docker.md:- [[Environment Variables]] — инструкция `ENV` в Dockerfile устанавливает переменные окружения внутри контейнера; это расширение того же механизма Linux env vars
./90 Library/02 DevOps/Контейнеризация/Docker/Images, Dockerfile - Docker.md:- [[Volume - Docker]] — инструкция `VOLUME` в Dockerfile объявляет точки монтирования для Docker Volumes
./90 Library/02 DevOps/Контейнеризация/Docker Swarm.md:- [[Сегментация сети]] — network policy в Swarm (не поддерживается нативно) решает ту же задачу изоляции трафика, что VLAN в физической сети
./90 Library/02 DevOps/Контейнеризация/Docker Swarm.md:- [[CA и NGINX]] — встроенный mTLS между нодами Swarm использует ту же PKI-инфраструктуру, что и SSL-сертификаты в NGINX
./90 Library/02 DevOps/Kubernetes/Control Plane - Плоскость управления.md:**Etcd** — Opensource *key-value* хранилище, использующее алгоритм консенсуса [[Алгоритм консенсуса raft|raft]] для обеспечения надежного способа хранения данных.
./90 Library/02 DevOps/Kubernetes/Control Plane - Плоскость управления.md:- Выбор лидера происходит по алгоритму [[Алгоритм выбора лидера Lease|lease]].
./90 Library/02 DevOps/Kubernetes/Control Plane - Плоскость управления.md:- Выбор лидера происходит по алгоритму [[Алгоритм выбора лидера Lease|lease]].
./90 Library/02 DevOps/Kubernetes/Control Plane - Плоскость управления.md:- Выбор лидера происходит по алгоритму [[Алгоритм выбора лидера Lease|lease]].
./90 Library/02 DevOps/Git.md:Git используется для управления историей изменений исходного кода, командной разработки и организации процессов доставки ПО. В [[DevOps - основы]] Git относится к базовым инструментам контроля версий.
./90 Library/02 DevOps/Git.md:- интегрируется с платформами вроде [[Gitlab]] и CI/CD.
./90 Library/02 DevOps/Git.md:Практические команды вынесены в заметку [[Основные команды git]].
./90 Library/02 DevOps/Gitlab.md:**Gitlab** — веб-платформа для управления репозиториями, командной разработкой и CI/CD-процессами поверх [[Git]].
./90 Library/02 DevOps/Gitlab.md:В [[DevOps - основы]] Gitlab относится к инструментам CI/CD и командной разработки.
./90 Library/02 DevOps/Gitlab.md:- управление исходным кодом через [[Git]];
./90 Library/02 DevOps/Gitlab.md:Основная работа ведётся через проекты, репозитории, ветки, коммиты и merge request. Практические операции с локальным репозиторием описаны в [[Основные команды git]].
./90 Library/02 DevOps/Gitlab.md:- [[Git]]
./90 Library/02 DevOps/Gitlab.md:- [[Основные команды git]]
./90 Library/02 DevOps/Основные команды git.md:Эта заметка — краткий справочник по базовым командам [[Git]].
./90 Library/02 DevOps/Основные команды git.md:Платформы вроде [[Gitlab]] используют эти операции как основу для командной разработки, merge request и CI/CD.
./90 Library/02 DevOps/Основные команды git.md:- [[Git]]
./90 Library/02 DevOps/Основные команды git.md:- [[Gitlab]]
./90 Library/02 DevOps/Основные команды git.md:- [[DevOps - основы]]
./90 Library/03 Math/Статистика/Временные ряды/ВР - основы.md:- [[Линейные модели]] — AR-модель — это линейная регрессия на лаговых значениях; параметры оцениваются МНК
./90 Library/03 Math/Статистика/Временные ряды/ВР - основы.md:- [[Функции налогов и экономические циклы]] — циклическая компонента ВР (C) — математическая модель тех самых экономических циклов (7-11, 50-60 лет)
./90 Library/03 Math/Статистика/Временные ряды/Случайное блуждание.md:- [[Производные финансовые инструменты]] — случайное блуждание — фундаментальная модель динамики цен активов, лежащая в основе ценообразования фьючерсов и опционов
./90 Library/03 Math/Статистика/Временные ряды/Случайное блуждание.md:- [[Стационарность - ВР]] — случайное блуждание — классический пример нестационарного процесса (единичный корень)
./90 Library/03 Math/Статистика/Временные ряды/Скользящее среднее MA.md:Стохастический процесс называется процессом скользящего среднего порядка $q$, если в [[Разложение Вольда|разложении Вольда]] присутствует только $q$ слагаемых.
./90 Library/03 Math/Статистика/Временные ряды/Скользящее среднее MA.md:Запись с использованием [[Лаговый оператор|лагового оператора]]:
./90 Library/03 Math/Статистика/Временные ряды/Автокорреляционная функция (АКФ).md:- [[Частная автокорреляционная функция]] — ЧАКФ дополняет АКФ, очищая связь от влияния промежуточных лагов
./90 Library/03 Math/Статистика/Временные ряды/Автокорреляционная функция (АКФ).md:- [[Автокорреляционная (ACF) и частная автокорреляционная (PACF) функции]] — объединённое изложение обеих функций
./90 Library/03 Math/Статистика/Временные ряды/Автокорреляционная функция (АКФ).md:- [[Определение порядков АР и СС]] — АКФ и ЧАКФ применяются для определения порядков моделей AR/MA
./90 Library/03 Math/Статистика/Временные ряды/Частная автокорреляционная функция.md:- [[Автокорреляционная функция (АКФ)]] — базовая автокорреляция; ЧАКФ отличается «очисткой» от промежуточных лагов
./90 Library/03 Math/Статистика/Временные ряды/Частная автокорреляционная функция.md:- [[Определение порядков АР и СС]] — ЧАКФ используется для определения порядка AR
./90 Library/03 Math/Статистика/Временные ряды/Автокорреляционная (ACF) и частная автокорреляционная (PACF) функции.md:- [[Автокорреляционная функция (АКФ)]] — расширенное изложение АКФ
./90 Library/03 Math/Статистика/Временные ряды/Автокорреляционная (ACF) и частная автокорреляционная (PACF) функции.md:- [[Определение порядков АР и СС]] — практическое применение АКФ/ЧАКФ для выбора p и q
./90 Library/03 Math/Статистика/Временные ряды/Автокорреляционная (ACF) и частная автокорреляционная (PACF) функции.md:- [[Стационарность - ВР]] — АКФ/ЧАКФ определены для стационарных рядов
./90 Library/03 Math/Статистика/Дискриминантный анализ/Дискриминантный анализ.md:- [[Параметрический дискриминантный анализ в случае нормального закона распределения классов]]
./90 Library/03 Math/Статистика/Дискриминантный анализ/Принципы дискриминантного анализа.md:- [[Линейные модели]] — логистическая регрессия решает ту же задачу классификации; ДА — статистическая формализация, ML — вычислительная реализация
./90 Library/03 Math/Статистика/Дискриминантный анализ/Принципы дискриминантного анализа.md:- [[Метрические алгоритмы]] — kNN — ещё один метод классификации с обучающей выборкой; классифицирует по расстоянию, а не по плотности распределения
./90 Library/03 Math/Статистика/Дискриминантный анализ/Принципы дискриминантного анализа.md:- [[Функция потерь]] — функция потерь C → min как критерий оптимальной процедуры классификации
./90 Library/03 Math/Статистика/Дискриминантный анализ/Функция потерь.md:- [[Линейные модели]] — MSE → min в МНК и C → min в ДА — один и тот же принцип минимизации ошибки; в ML реализован численно через градиентный спуск
./90 Library/03 Math/Статистика/Дискриминантный анализ/Функция потерь.md:- [[Принципы дискриминантного анализа]] — контекст применения функции потерь
./90 Library/03 Math/Статистика/Кластерный анализ/Критерии определения оптимального числа классов.md:1) [[Функционалы качества разбиения]]
./90 Library/03 Math/Статистика/Кластерный анализ/Итерационная классификация. Метод K-средних (K-means).md:- [[Метрические алгоритмы]] — kNN также классифицирует по минимальному расстоянию до ближайших объектов; supervised-аналог K-means
./90 Library/03 Math/Статистика/Кластерный анализ/Итерационная классификация. Метод K-средних (K-means).md:- [[Расстояние между объектами]] — метрики расстояния, используемые при вычислении $\min \rho_{il}$
./90 Library/03 Math/Статистика/Кластерный анализ/Расстояние между объектами.md:- [[Метрические алгоритмы]] — те же формулы (Евклид, Манхэттен, Минковский, Махаланобис) реализованы в sklearn; ML-нота даёт практическое применение
./90 Library/03 Math/Статистика/Кластерный анализ/Расстояние между объектами.md:- [[Итерационная классификация. Метод K-средних (K-means)]] — использует $\min_{1 \leq l \leq k} \rho_{il}$ для отнесения объекта к кластеру
./90 Library/03 Math/Статистика/Кластерный анализ/Агломеративные (иерархические) методы.md:4) Пересчет матрицы расстояний между классами ([[Расстояние между классами объектов|по выбранному методу]])
./90 Library/03 Math/Статистика/Кластерный анализ/Агломеративные (иерархические) методы.md:- [[Постановка задачи Кластерного анализа]] — формальная постановка задачи разбиения
./90 Library/03 Math/Статистика/Кластерный анализ/Агломеративные (иерархические) методы.md:- [[Расстояние между классами объектов]] — метрики, используемые в шаге объединения классов
./90 Library/03 Math/Статистика/Кластерный анализ/Агломеративные (иерархические) методы.md:- [[Дивизимные методы]] — противоположный подход: от одного класса к N
./90 Library/03 Math/Статистика/Кластерный анализ/Агломеративные (иерархические) методы.md:- [[Критерии определения оптимального числа классов]] — как выбрать порог остановки алгоритма
./90 Library/03 Math/Статистика/Кластерный анализ/Дивизимные методы.md:> Принцип работы обратен [[Агломеративные (иерархические) методы|Агломерации]].
./90 Library/03 Math/Статистика/Кластерный анализ/Дивизимные методы.md:- [[Постановка задачи Кластерного анализа]] — формальная постановка задачи разбиения
./90 Library/03 Math/Статистика/Кластерный анализ/Дивизимные методы.md:- [[Агломеративные (иерархические) методы]] — противоположный подход: от N классов к одному
./90 Library/03 Math/Статистика/Кластерный анализ/Дивизимные методы.md:- [[Расстояние между классами объектов]] — матрица расстояний, на которой работает алгоритм
./90 Library/03 Math/Статистика/Кластерный анализ/Постановка задачи Кластерного анализа.md:- [[Агломеративные (иерархические) методы]] — объединяем объекты снизу вверх
./90 Library/03 Math/Статистика/Кластерный анализ/Постановка задачи Кластерного анализа.md:- [[Дивизимные методы]] — делим одну группу сверху вниз
./90 Library/03 Math/Статистика/Кластерный анализ/Постановка задачи Кластерного анализа.md:- [[Итерационная классификация. Метод K-средних (K-means)]] — итеративный метод с заранее заданным K
./90 Library/03 Math/Статистика/Кластерный анализ/Постановка задачи Кластерного анализа.md:- [[Расстояние между объектами]] — метрики близости между объектами
./90 Library/03 Math/Статистика/Кластерный анализ/Постановка задачи Кластерного анализа.md:- [[Расстояние между классами объектов]] — метрики близости между кластерами
./90 Library/03 Math/Статистика/Кластерный анализ/Постановка задачи Кластерного анализа.md:- [[Критерии определения оптимального числа классов]] — как выбрать K
./90 Library/03 Math/Статистика/Кластерный анализ/Кластерный анализ.md:- [[Постановка задачи Кластерного анализа]]
./90 Library/03 Math/Статистика/Кластерный анализ/Кластерный анализ.md:- [[Расстояние между классами объектов]]
./90 Library/03 Math/Статистика/Кластерный анализ/Кластерный анализ.md:- [[Расстояние между объектами]]
./90 Library/03 Math/Статистика/Кластерный анализ/Кластерный анализ.md:- [[Функционалы качества разбиения]]
./90 Library/03 Math/Статистика/Кластерный анализ/Кластерный анализ.md:- [[Классификация]] — типология задач классификации: кластерный vs. дискриминантный анализ
./90 Library/03 Math/Статистика/Кластерный анализ/Кластерный анализ.md:- [[Дискриминантный анализ]] — классификация с обучающей выборкой (в отличие от кластерного)
./90 Library/03 Math/Статистика/Кластерный анализ/Классификация.md:- [[Кластерный анализ]] — детальное рассмотрение классификации без обучения
./90 Library/03 Math/Статистика/Кластерный анализ/Классификация.md:- [[Дискриминантный анализ]] — детальное рассмотрение классификации с обучением
./90 Library/03 Math/Статистика/Кластерный анализ/Классификация.md:- [[Постановка задачи Кластерного анализа]] — формальная постановка задачи
./90 Library/03 Math/Статистика/Факторный анализ/Матрица нагрузок и её свойства.md: Сумма произведений нагрузок $i$-го и $l$-го признаков по всем компонентам равна коэффициенту корреляции между этими признаками ([[Фундаментальная теорема факторного анализа]]):
./90 Library/03 Math/Статистика/Факторный анализ/Факторный анализ.md:- [[Факторный анализ. Цели и сущность. Постановка задачи. Отличие от анализа главных компонент]]
./90 Library/03 Math/Статистика/Факторный анализ/Постановка задачи снижения размерности признакового пространства.md:- [[Линейные модели]] — снижение размерности (PCA) используется как предобработка перед линейными моделями в ML; матрица X в обоих случаях одинакова
./90 Library/03 Math/Статистика/Факторный анализ/Постановка задачи снижения размерности признакового пространства.md:- [[Метрические алгоритмы]] — kNN страдает от проклятия размерности; снижение размерности напрямую улучшает качество kNN
./90 Library/03 Math/Теория нечетких множеств/Определение нечеткого множества.md:<u>Нечеткое множество $A$ на универсуме ($U$)</u> - это совокупность пар вида $u,\mu_{A}(u)$, где $\mu_{A}(u)$ - [[Функция принадлежности|функция принадлежности]] нечеткого множества $A:U \to [0,1]$.
./90 Library/03 Math/Теория нечетких множеств/Функция принадлежности.md:- [[Метрические алгоритмы]] — $\hat{P}_c(x)$ в kNN возвращает значение в [0,1], аналогично μ_A; оба представляют "мягкую" принадлежность классу
./90 Library/03 Math/Теория нечетких множеств/Функция принадлежности.md:- [[Линейные модели]] — сигмоидальная функция принадлежности = та же сигмоида в логистической регрессии
./90 Library/03 Math/Теория нечетких множеств/Логические операции над нечеткими множествами.md:Дизъюнкцией (объединением) нечетких множеств называют наименьшее подмножество $A \cup B$, включающее как $A$, так и $B$, с функцией принадлежности вида: $$\mu_{A\cup B}(u) = \max(\mu_{A}(u)\mu_{B}(u)),\ u \in U$$![[Pasted image 20260227193130.png|400]]
./90 Library/03 Math/Теория нечетких множеств/Логические операции над нечеткими множествами.md:![[Pasted image 20260227194025.png|400]]
./90 Library/03 Math/Теория нечетких множеств/Логические операции над нечеткими множествами.md:![[Pasted image 20260227194309.png|400]]
./90 Library/03 Math/Теория нечетких множеств/Логические операции над нечеткими множествами.md:- [[Линейные модели]] — линейная разделимость в ML (жёсткая граница) vs нечёткие операции (мягкая граница); оба решают задачу разделения классов
./90 Library/03 Math/Теория нечетких множеств/Логические операции над нечеткими множествами.md:- [[Функция принадлежности]] — операции определены через μ
./90 Library/03 Math/Теория нечетких множеств/Теория нечетких множеств.md:- [[Доказательство законов Де Моргана]]
./90 Library/03 Math/Теория нечетких множеств/Теория нечетких множеств.md:- [[Коэффициенты функций принадлежности]]
./90 Library/03 Math/Теория нечетких множеств/Теория нечетких множеств.md:- [[Логические операции над нечеткими множествами]]
./90 Library/04 Networking/Протоколы/IP-адрес.md:В стандарте IPv4 мы можем использовать только **4 294 967 296** адресов, что может не хватить. На замену ему потихоньку вводится [[IPv6]] - число из 128 единиц и нулей, переведенный в 16-чную С.С. и разбитый на 8 частей. Тут доступно уже сильно больше вариантов...
./90 Library/04 Networking/Протоколы/IP-адрес.md:Т.к. переход на IPv6 дорог, да и иметь всем конкретный IP не очень безопасно, придумали [[NAT]] (Network Address Translation) и его надстройку PAT (Port Address Translation). Суть в том, что много устройств могут выходить в сеть под "одним" белым (внешним) IP. Но есть нюанс, при маршрутизации трафика к белому IP добавляется порт, который уточняет, к какому именно устройству сети и с каким "внутренним" IP направить эти пакеты.
./90 Library/04 Networking/Протоколы/ICMP - Internet Control Messag.md:ICMP - расшифровывается как Internet Control Message Protocol - протокол служебных сообщений на сетевом уровне. Используется на третьем уровне модели [[Модель OSI|OSI]]. ICMP позволяет определить, может ли достичь пакет адреса назначения в установленные временные рамки (TTL). ICMP используют маршрутизаторы и др. устройства третьего уровня.
./90 Library/04 Networking/Протоколы/IPv6.md:При использовании IPv4 и нехватке адресов, люди начали адаптироваться, придумав частные сети и [[VLSM]] (сегментацию сети), использовали [[NAT]] и так далее. При переходе на IPv6 такой проблемы уже не будет, т.к. пула доступных адресов будет достаточно для снабжения адресами нескольких планет, таких, как Земля. Протокол IPv6 предлагает два варианта для одноадресной рассылки:
./90 Library/04 Networking/Протоколы/ARP.md:Сети используют адресацию для идентификации и группировки устройств для успешной передачи данных. Протокол [[Ethernet]] использует MAC-адреса, привязанные к сетевой карте устройства.
./90 Library/04 Networking/Router-on-a-Stick/Router-on-a-Stick.md:- [[VLAN]] — RoaS используется именно для маршрутизации между VLAN на одном физическом интерфейсе
./90 Library/04 Networking/Router-on-a-Stick/Router-on-a-Stick.md:- [[DHCP]] — часто настраивается совместно: разные VLAN получают адреса из разных пулов
./90 Library/04 Networking/Router-on-a-Stick/Router-on-a-Stick.md:- [[Коммутатор L3 vs Маршрутизатор]] — альтернатива RoaS для крупных сетей
./90 Library/04 Networking/VLSM.md:Стоит вспомнить про [[IP-адрес]], а конкретно то, что существует две версии IPv4 и IPv6.
./90 Library/04 Networking/Инкапсуляция данных.md:Согласно моделям [[Модель OSI|OSI]] и TCP/IP данные передаются последовательно от приложения ниже по уровням, далее по физическому уровню от отправителя к получателю, а у получателя последовательно вверх к уровню приложения. Процесс "спуска" сверху вниз называется _**инкапсуляцией**_, а "подъем" снизу вверх - _**деинкапсуляцией**_
./90 Library/04 Networking/Модель OSI.md:Основным протоколом является [[Ethernet]]
./90 Library/04 Networking/Модель OSI.md:После получения физического сигнала (набор напряжений разной амплитуды, волн, радиочастот), второй уровень проверяет и исправляет ошибки передачи. На этом уровне мы оперируем понятием _frame_ или кадр. Появляются идентификатора - [[MAC-адрес]]
./90 Library/04 Networking/Модель OSI.md:На сетевом уровне, мы вводим понятие _маршрутизации_ и, следовательно, [[IP-адрес|ip-адреса]]
./90 Library/04 Networking/Модель OSI.md:[[TCP vs UDP]]
./90 Library/04 Networking/Сегментация сети.md:- [[Network Drivers - Docker]] — изоляция контейнеров по bridge-сетям = программная сегментация; разные bridge-сети не видят друг друга, как разные VLAN
./90 Library/04 Networking/Сегментация сети.md:- [[File Permissions]] — принцип наименьших привилегий: в ФС — rwx для owner/group/others; в сети — изоляция Guest/Employee/Admin
./90 Library/04 Networking/Широковещательные и коллизионные домены. Коммутация..md:Если узел А отправляет пакет на `192.168.1.2` (узел B), то от отправляет перед этим широковещательный запрос ко всем узлам, запрашивая [[MAC-адрес]] соответствующего устройства. Разрешает этот запрос протокол [[ARP]](Address Resolution Protocol). Так как узлы находятся в одном широковещательном домене, то устройство B получает этот запрос и отправляет свой MAC-адрес обратно отправителю для последующего обмена пакетами.
./90 Library/04 Networking/VPN.md:- [[CA и NGINX]] — TLS-сертификат в NGINX реализует асcиметричное шифрование, описанное здесь; CA выдаёт пару ключей
./90 Library/04 Networking/VPN.md:- [[Network Drivers - Docker]] — overlay-драйвер в Docker реализует принцип VPN: инкапсуляция трафика одной сети поверх другой
./90 Library/04 Networking/NAT.md:- [[Terraform]] — NAT-шлюзы и пулы IP-адресов — типовые сетевые ресурсы, которые Terraform декларативно управляет в облачной инфраструктуре (VPC, subnets)
./90 Library/04 Networking/Введение в сетевую безопасность.md:Сетевая безопасность связана с архитектурой сети, политиками доступа, сегментацией, мониторингом и защитой от атак. В контексте сети рядом лежат темы [[Сегментация сети]], [[VPN]] и [[Networking - MOC]].
./90 Library/04 Networking/Введение в сетевую безопасность.md:- [[Networking - MOC]]
./90 Library/04 Networking/Введение в сетевую безопасность.md:- [[Сегментация сети]]
./90 Library/04 Networking/Введение в сетевую безопасность.md:- [[VPN]]
./90 Library/05 Operating System/Linux/Environment Variables.md:- [[Images, Dockerfile - Docker]] — инструкция `ENV` в Dockerfile задаёт переменные окружения внутри контейнера; тот же механизм, что `export` в Linux
./90 Library/05 Operating System/Linux/File Permissions.md:- [[Volume - Docker]] — uid/gid и права доступа в Docker Volumes определяются Linux-правами; проблема "root как владелец" решается через userns-remap + chown
./90 Library/05 Operating System/Linux/File Permissions.md:- [[Modules - Ansible]] — модуль `user` управляет uid/gid; `file`/`copy` задают владельца и режим файлов через те же chmod/chown
./90 Library/05 Operating System/Linux/File Permissions.md:- [[Сегментация сети]] — принцип наименьших привилегий: на уровне ФС — rwx для owner/group/others; на уровне сети — VLAN для Admin/Employee/Guest
./90 Library/05 Operating System/Linux/Super-user.md:- [[Docker - Дополнительные знания]] — "не запускать контейнер от root" — прямое применение принципа least privilege; rootless Podman реализует его на уровне демона
./90 Library/05 Operating System/Linux/Super-user.md:- [[Modules - Ansible]] — `become: true` в Ansible — это sudo под капотом; позволяет выполнять задачи с привилегиями root
./90 Library/06 Programming/Ruby On Rails/Ruby On Rails.md:- [[Active Storage]]
./90 Library/06 Programming/Ruby On Rails/Ruby On Rails.md:- [[Sidekiq - основа работы]]
./90 Library/06 Programming/Ruby On Rails/Sidekiq - основа работы.md:- [[Основы - Docker]] — Sidekiq требует Redis; в production и Redis, и Rails-приложение обычно запускаются как Docker-контейнеры
./90 Library/06 Programming/Ruby On Rails/Sidekiq - основа работы.md:- [[Volume - Docker]] — данные очередей Redis нужно персистировать через Docker Volume
./90 Library/06 Programming/Ruby On Rails/Active Storage.md:- [[Volume - Docker]] — в Docker-деплое файлы Active Storage должны персистироваться через Volume; без этого файлы теряются при перезапуске контейнера
./90 Library/06 Programming/Ruby - основы языка.md:source: "[[Ruby - основы языка]]"
./90 Library/06 Programming/Ruby - основы языка.md:Связанные темы: [[Ruby On Rails]]
./90 Library/06 Programming/Ruby - массивы.md:Связанные темы: [[Ruby - основы языка]]
./90 Library/07 HomeLab/Проблемы дистрибутивов.md:- [[Docker - Дополнительные знания]] — "запускать Rails из под контейнера" — прямой кейс отсюда; контейнер решает проблему несовместимости версий OpenSSL
./90 Library/07 HomeLab/Проблемы дистрибутивов.md:- [[Ruby On Rails]] — проекты на RoR не запускаются на Arch из-за OpenSSL; решение — запуск в изолированном контейнере
./90 Library/07 HomeLab/Infrastructure — ada-dev.md:VPS принимает внешний трафик и проксирует его дальше. Домашние сервисы не обязаны напрямую светиться в интернет: доступ к ним можно строить через публичный [[CA и NGINX|Nginx]]/NPM и приватную overlay-сеть.
./90 Library/08 Study/31, 32 - Налоги.md:- [[Налогообложение в России]]
./90 Library/08 Study/РИАС - база.md:[[Игорь Прохоров|Прохоров Игорь Вениаминович]]
./90 Library/08 Study/Налоги - Организационные моменты.md:- [[Налогообложение в России]]
./90 Library/08 Study/Налоги - СР2.md:- [[Налогообложение в России]]
./90 Library/08 Study/OSINT - Зачет.md:- [[DNS]] — DNS-записи и reverse-lookup — один из ключевых инструментов OSINT для атрибуции домена и IP
./90 Library/08 Study/OSINT - Зачет.md:- [[IP-адрес]] — IP-адрес как артефакт OSINT при идентификации юридических лиц; Shodan ищет устройства по IP
./90 Library/08 Study/OSINT - Зачет.md:- [[Бухгалтерский баланс]] — ГИР БО содержит данные бухгалтерских балансов; именно их анализирует FININT и Due Diligence
./90 Library/08 Study/OSINT - Зачет.md:- [[Производные финансовые инструменты]] — блокчейн-аналитика (кластеризация кошельков) пересекается с крипто-деривативами и налогообложением крипты
./90 Library/09 Sport/L-карнитин.md:Для силовых тренировок L-карнитин не является добавкой первого выбора. По уровню практической полезности и доказательности он заметно уступает [[Креатин|креатину]].
./90 Library/09 Sport/L-карнитин.md:Если цель - силовой прогресс и набор мышц, [[Креатин]] полезнее. Если цель - снижение веса, L-карнитин может быть второстепенной добавкой, но не заменяет питание и тренировочный режим.
./90 Library/09 Sport/L-карнитин.md:- [[Креатин]]
./90 Library/10 Finance/Бухгалтерский учет/Бухгалтерский баланс.md:- [[Отчет о финансовых результатах]]
./90 Library/10 Finance/Налоги/Методы признания доходов и расходов.md:> Получаются аналогично "[[Разница метода по отгрузке и по оплате]]"
./90 Library/10 Finance/Налоги/Налоговая система (Классификация налогов).md:![[Pasted image 20260110232034.png]]
./90 Library/10 Finance/Налоги/Налоговая система (Классификация налогов).md: - [[Специальные налоговые режимы]] - по сути прямые, но для отдельных видов налогоплательщиков, который могут быть использованы как добровольно, так и в обязательном порядке.
./90 Library/10 Finance/Налоги/Налоговая система (Классификация налогов).md: ![[Pasted image 20260111122331.png]]
./90 Library/10 Finance/Налоги/Разница метода по отгрузке и по оплате.md:Разница между методом по отгрузке (начисления) и методом по оплате (кассовым) при учете [[Налог на добавленную стоимость|НДС]] и связанных показателей
./90 Library/10 Finance/Налоги/Функции налогов и экономические циклы.md:- [[ВР - основы]] — экономические циклы формализованы в ВР как циклическая компонента C; математический аппарат для их моделирования
./90 Library/10 Finance/Налоги/Функции налогов и экономические циклы.md:- [[Стационарность - ВР]] — налоговые поступления нестационарны: содержат тренд и циклическую компоненту
./90 Library/10 Finance/Налоги/Производные финансовые инструменты.md:- [[Случайное блуждание]] — стохастическая модель динамики цен базовых активов; лежит в основе ценообразования ПФИ (модель Блэка-Шоулза предполагает Броуновское движение)
./90 Library/10 Finance/Налоги/Доходы в целях налога на прибыль.md:- [[Расходы в целях налога на прибыль]] — зеркальная категория; налоговая база = доходы − расходы
./90 Library/10 Finance/Налоги/Доходы в целях налога на прибыль.md:- [[Методы признания доходов и расходов]] — когда именно доход считается полученным: начисление vs. кассовый
./90 Library/10 Finance/Налоги/Доходы в целях налога на прибыль.md:- [[Налог на прибыль]] — налог, для которого определяются эти доходы
./90 Library/10 Finance/Налоги/Доходы в целях налога на прибыль.md:- [[Разница метода по отгрузке и по оплате]] — практическая разница методов признания
./90 Library/10 Finance/Налоги/Расходы в целях налога на прибыль.md:- [[Доходы в целях налога на прибыль]] — зеркальная категория; налоговая база = доходы − расходы
./90 Library/10 Finance/Налоги/Расходы в целях налога на прибыль.md:- [[Методы признания доходов и расходов]] — когда расходы признаются: метод начисления vs. кассовый
./90 Library/10 Finance/Налоги/Расходы в целях налога на прибыль.md:- [[Налог на прибыль]] — налог, для которого определяются эти расходы
./90 Library/10 Finance/Налоги/Расходы в целях налога на прибыль.md:- [[Разница метода по отгрузке и по оплате]] — практическая разница методов признания
./90 Library/10 Finance/Налоги/Налог на имущество ФЛ.md:- [[Налог на имущество организаций]] — аналогичный налог, но для юридических лиц; разная база и ставки
./90 Library/10 Finance/Налоги/Налог на имущество ФЛ.md:- [[Налоговые вычеты]] — ФЛ вправе применить вычет по имущественному налогу
./90 Library/10 Finance/Налоги/Налог на имущество ФЛ.md:- [[Специальные налоговые режимы]] — на УСН/ПСН физлицо-ИП может освобождаться от налога на имущество, задействованного в предпринимательстве
./90 Library/10 Finance/Налоги/Налог на имущество организаций.md:- [[Налог на имущество ФЛ]] — аналогичный налог для физических лиц; база по кадастровой стоимости
./90 Library/10 Finance/Налоги/Налог на имущество организаций.md:- [[Налогоплательщики и объекты налога на прибыль организаций]] — организации платят несколько налогов параллельно
./90 Library/10 Finance/Налоги/Налог на имущество организаций.md:- [[Специальные налоговые режимы]] — на УСН организации освобождаются от налога на имущество (кроме кадастровых объектов)
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Сущность и история налогов]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Функции налогов и экономические циклы]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Законодательная база]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Налоговая система (Классификация налогов)]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Субъекты налоговой системы (права и обязанности)]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Государственный бюджет]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Кривая Лаффера]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Налог на прибыль]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Налогоплательщики и объекты налога на прибыль организаций]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Доходы в целях налога на прибыль]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Расходы в целях налога на прибыль]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Методы признания доходов и расходов]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Разница метода по отгрузке и по оплате]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Налог на добавленную стоимость]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Налог на имущество организаций]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Акцизы]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Специальные налоги организаций]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Страховые взносы]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Налог на доходы физических лиц (НДФЛ)]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Налог на имущество ФЛ]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Налоговые вычеты]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Специальные налоговые режимы]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Таможенные пошлины]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Государственная пошлина]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Налоговая декларация]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Налоговая нагрузка]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Налоговый контроль (камеральные, выездные проверки)]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Ответственность (санкции, административная и уголовная)]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Производные финансовые инструменты]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Бухгалтерский баланс]] — бухучёт и налоговый учёт пересекаются в части налога на прибыль
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Отчет о финансовых результатах]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[31, 32 - Налоги]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Налоги - Организационные моменты]]
./90 Library/10 Finance/Налоги/Налогообложение в России.md:- [[Налоги - СР2]]
./90 Library/10 Finance/Экономическая Безопасность/Индикаторы экономической безопасность.md:- [[Экономическая безопасность - база]]
./90 Library/10 Finance/Экономическая Безопасность/Экономическая безопасность - база.md:- [[Индикаторы экономической безопасность]]
./90 Library/10 Finance/Инвестиции/База инвестора.md:Навигационная заметка по инвестициям. Общая логика: сначала цель, горизонт и [[Риск-профиль инвестора]], потом структура [[Инвестиционный портфель|портфеля]], затем выбор классов активов и конкретных инструментов.
./90 Library/10 Finance/Инвестиции/База инвестора.md:6. Отдельно отделять инвестирование от [[Трейдинг|трейдинга]].
./90 Library/10 Finance/Инвестиции/База инвестора.md:- [[Риск-профиль инвестора]] — готовность и возможность принимать риск.
./90 Library/10 Finance/Инвестиции/База инвестора.md:- [[Инвестиционный портфель]] — структура портфеля, диверсификация, роли активов.
./90 Library/10 Finance/Инвестиции/База инвестора.md:- [[Управление инвестиционным портфелем]] — что делать после сборки портфеля, как ребалансировать и реагировать на события.
./90 Library/10 Finance/Инвестиции/Риск-профиль инвестора.md:- Агрессивный профиль может использовать активные стратегии и [[Трейдинг]], если есть время, навык и дисциплина.
./90 Library/10 Finance/Инвестиции/Инвестиционный портфель.md:Инвестиционный портфель — набор активов, собранный под цель, горизонт и [[Риск-профиль инвестора]]. Успех зависит не от одной удачной идеи, а от доходности и устойчивости всего набора активов.
./90 Library/10 Finance/Инвестиции/Управление инвестиционным портфелем.md:После сборки портфеля главная задача — не совершать лишних сделок и поддерживать соответствие портфеля целям, горизонту и [[Риск-профиль инвестора|риск-профилю]].
./90 Library/10 Finance/Инвестиции/Дивидендный портфель.md:Дивидендный портфель — стратегия получения денежного потока из [[Акции|акций]] устойчивых компаний. Важно смотреть не только на текущую дивидендную доходность, но и на способность бизнеса регулярно генерировать прибыль.
./90 Library/11 Machine Learning/Метрические алгоритмы.md:- [[Линейные модели]] — контраст с параметрическими моделями: kNN хранит обучающие примеры и не строит явную линейную функцию
./90 Library/11 Machine Learning/Метрические алгоритмы.md:- [[Нейронные сети]] — другой класс моделей ML; в отличие от kNN, нейросети обучают веса и строят параметрическое отображение $Y=F(X)$
./90 Library/11 Machine Learning/Метрические алгоритмы.md:- [[Расстояние между объектами]] — формулы метрик (Евклид, Манхэттен, Минковский, Махаланобис) идентичны тем, что реализованы в sklearn; Math-нота даёт строгие определения
./90 Library/11 Machine Learning/Метрические алгоритмы.md:- [[Итерационная классификация. Метод K-средних (K-means)]] — K-means тоже классифицирует по минимальному расстоянию $\min \rho_{il}$; unsupervised-аналог kNN
./90 Library/11 Machine Learning/Метрические алгоритмы.md:- [[Наивный Байесовский алгоритм]] — альтернативный метод классификации с учителем из той же обучающей выборки
./90 Library/11 Machine Learning/Метрические алгоритмы.md:- [[Функция принадлежности]] — μ_A: U → [0,1] аналогична вероятности принадлежности классу $\hat{P}_c(x)$ в kNN
./90 Library/11 Machine Learning/Линейные модели.md:- [[Нейронные сети]] — персептрон и логистическая регрессия используют ту же идею линейной комбинации признаков и весов
./90 Library/11 Machine Learning/Линейные модели.md:- [[Обратное распространение ошибки]] — градиентный спуск и цепное правило обобщают идею оптимизации параметров на многослойные сети
./90 Library/11 Machine Learning/Линейные модели.md:- [[Принципы дискриминантного анализа]] — статистическая формализация той же задачи классификации; обучающая выборка + матрица "объект-свойство" = постановка задачи ML
./90 Library/11 Machine Learning/Линейные модели.md:- [[Функция потерь]] — C → min в ДА и MSE → min в МНК — один и тот же принцип минимизации ошибки классификации
./90 Library/11 Machine Learning/Линейные модели.md:- [[Постановка задачи снижения размерности признакового пространства]] — PCA как предобработка перед линейными моделями
./90 Library/11 Machine Learning/Линейные модели.md:- [[ВР - основы]] — AR-модель — это линейная регрессия, где регрессоры — лаговые значения той же переменной; оценивается МНК
./90 Library/11 Machine Learning/Линейные модели.md:- [[Логические операции над нечеткими множествами]] — нечёткие границы классов vs линейная разделимость в пространстве признаков
./90 Library/11 Machine Learning/Обратное распространение ошибки.md:**Обратное распространение ошибки** (*backpropagation*) - алгоритм вычисления градиентов функции ошибки по весам многослойной [[Нейронные сети|нейронной сети]]. Само обновление весов выполняет градиентный спуск или его модификации, а backpropagation отвечает за эффективный расчёт производных.
./90 Library/11 Machine Learning/Обратное распространение ошибки.md:![[Pasted image 20260507214813.png]]
./90 Library/11 Machine Learning/Обратное распространение ошибки.md:- [[Backpropagation для однослойного перцептрона]] - подробный математический вывод через правило цепочки.
./90 Library/11 Machine Learning/Обратное распространение ошибки.md:- [[Backpropagation для многослойной нейронной сети]] - общий алгоритм для произвольного числа слоёв.
./90 Library/11 Machine Learning/Обратное распространение ошибки.md:![[Pasted image 20260417105754.png|536]]
./90 Library/11 Machine Learning/Обратное распространение ошибки.md:![[Pasted image 20260417105833.png|540]]
./90 Library/11 Machine Learning/Обратное распространение ошибки.md:- [[Backpropagation для однослойного перцептрона]]
./90 Library/11 Machine Learning/Обратное распространение ошибки.md:- [[Backpropagation для многослойной нейронной сети]]
./90 Library/11 Machine Learning/Обратное распространение ошибки.md:- [[Нейронные сети]]
./90 Library/11 Machine Learning/Обратное распространение ошибки.md:- [[Линейные модели]]
./90 Library/11 Machine Learning/Нейронная сеть Кохонена.md:**Нейронная сеть Кохонена** - класс нейронных сетей, основанный на самоорганизующихся картах (*Self-Organizing Maps*, SOM). Такие сети применяются для [[Кластерный анализ|кластеризации]] и проецирования многомерных данных на пространство меньшей размерности с сохранением топологической близости объектов.
./90 Library/11 Machine Learning/Нейронная сеть Кохонена.md:![[Pasted image 20260507230701.png]]
./90 Library/11 Machine Learning/Нейронная сеть Кохонена.md:![[Pasted image 20260507222244.png|500]]
./90 Library/11 Machine Learning/Нейронная сеть Кохонена.md:Подробная процедура вынесена в [[Алгоритм обучения сети Кохонена]].
./90 Library/11 Machine Learning/Нейронная сеть Кохонена.md:По смыслу сеть Кохонена близка к итерационным методам кластеризации: веса нейронов играют роль прототипов групп, а входные объекты притягивают ближайшие прототипы к себе. Поэтому рядом полезно держать заметки про [[Кластерный анализ]], [[Классификация]] и [[Итерационная классификация. Метод K-средних (K-means)]].
./90 Library/11 Machine Learning/Нейронная сеть Кохонена.md:- [[Нейронные сети]]
./90 Library/11 Machine Learning/Нейронная сеть Кохонена.md:- [[Алгоритм обучения сети Кохонена]]
./90 Library/11 Machine Learning/Нейронная сеть Кохонена.md:- [[Кластерный анализ]]
./90 Library/11 Machine Learning/Нейронная сеть Кохонена.md:- [[Классификация]]
./90 Library/11 Machine Learning/Нейронная сеть Кохонена.md:- [[Итерационная классификация. Метод K-средних (K-means)]]
./90 Library/11 Machine Learning/Алгоритм обучения сети Кохонена.md:**Алгоритм обучения сети Кохонена** - процедура самообучения, при которой нейроны топологической карты постепенно становятся прототипами групп похожих входных объектов. Алгоритм относится к [[Нейронная сеть Кохонена|сетям Кохонена]] и связан с задачами [[Кластерный анализ|кластеризации]].
./90 Library/11 Machine Learning/Алгоритм обучения сети Кохонена.md:Такой способ напрямую связан с заметкой [[Расстояние между объектами]].
./90 Library/11 Machine Learning/Алгоритм обучения сети Кохонена.md:Алгоритм похож на [[Итерационная классификация. Метод K-средних (K-means)|K-means]] тем, что объект влияет на ближайший прототип. Главное отличие SOM - наличие топологической карты: обновляется не только победитель, но и его соседи, поэтому карта сохраняет отношения близости между областями данных.
./90 Library/11 Machine Learning/Алгоритм обучения сети Кохонена.md:- [[Нейронная сеть Кохонена]]
./90 Library/11 Machine Learning/Алгоритм обучения сети Кохонена.md:- [[Нейронные сети]]
./90 Library/11 Machine Learning/Алгоритм обучения сети Кохонена.md:- [[Кластерный анализ]]
./90 Library/11 Machine Learning/Алгоритм обучения сети Кохонена.md:- [[Расстояние между объектами]]
./90 Library/11 Machine Learning/Алгоритм обучения сети Кохонена.md:- [[Итерационная классификация. Метод K-средних (K-means)]]
./90 Library/11 Machine Learning/Backpropagation для многослойной нейронной сети.md:Эта заметка обобщает [[Обратное распространение ошибки]] на [[Нейронные сети|нейронную сеть]] с произвольным числом слоёв. Подробный вывод для сети с одним скрытым слоем: [[Backpropagation для однослойного перцептрона]].
./90 Library/11 Machine Learning/Backpropagation для многослойной нейронной сети.md:- [[Обратное распространение ошибки]]
./90 Library/11 Machine Learning/Backpropagation для многослойной нейронной сети.md:- [[Backpropagation для однослойного перцептрона]]
./90 Library/11 Machine Learning/Backpropagation для многослойной нейронной сети.md:- [[Нейронные сети]]
./90 Library/11 Machine Learning/Backpropagation для многослойной нейронной сети.md:- [[Линейные модели]]
./90 Library/11 Machine Learning/Backpropagation для однослойного перцептрона.md:Эта заметка фиксирует математический вывод градиентов для алгоритма [[Обратное распространение ошибки]] на примере сети с одним скрытым слоем. Общая схема для произвольного числа слоёв вынесена в [[Backpropagation для многослойной нейронной сети]].
./90 Library/11 Machine Learning/Backpropagation для однослойного перцептрона.md:- [[Обратное распространение ошибки]]
./90 Library/11 Machine Learning/Backpropagation для однослойного перцептрона.md:- [[Backpropagation для многослойной нейронной сети]]
./90 Library/11 Machine Learning/Backpropagation для однослойного перцептрона.md:- [[Нейронные сети]]
./90 Library/11 Machine Learning/Backpropagation для однослойного перцептрона.md:- [[Линейные модели]]
./90 Library/11 Machine Learning/Сеть Хопфилда.md:**Сеть Хопфилда** - однослойная рекуррентная [[Нейронные сети|нейронная сеть]], используемая как ассоциативная память. Она получает входной, возможно искажённый, образ и постепенно приводит состояние сети к одному из сохранённых эталонов.
./90 Library/11 Machine Learning/Сеть Хопфилда.md:В отличие от [[Сеть Хэмминга|сети Хэмминга]], сеть Хопфилда выдаёт не номер ближайшего образа, а сам восстановленный образ.
./90 Library/11 Machine Learning/Сеть Хопфилда.md:Сеть Хопфилда хорошо подходит для восстановления или завершения образа, но не предназначена для явного сопоставления образа с номером класса. Для такой задачи удобнее [[Сеть Хэмминга]].
./90 Library/11 Machine Learning/Сеть Хэмминга.md:По сравнению с [[Сеть Хопфилда|сетью Хопфилда]], сеть Хэмминга обычно требует меньше памяти и вычислений.
./90 Library/11 Machine Learning/Сеть Хэмминга.md:В отличие от [[Сеть Хопфилда|сети Хопфилда]], сеть Хэмминга не пытается восстановить полный эталонный образ. Её цель - выбрать номер или класс ближайшего образца.
./90 Library/11 Machine Learning/Персептрон.md:**Персептрон**, или **перцептрон**, - ранняя модель [[Нейронные сети|нейронной сети]], предложенная Фрэнком Розенблаттом в 1957 году и реализованная в машине "Марк-1" в 1960 году. По смыслу это однослойная модель классификации, которая принимает вектор признаков и относит объект к классу по линейному правилу.
./90 Library/11 Machine Learning/Персептрон.md:Персептрон близок к [[Линейные модели|линейным моделям]]: решение строится через взвешенную сумму входных признаков и пороговую функцию активации.
./90 Library/11 Machine Learning/Персептрон.md:Поэтому персептрон полезен как базовая модель для понимания [[Нейронные сети|нейронных сетей]], но не заменяет многослойные архитектуры и [[Обратное распространение ошибки|обратное распространение ошибки]].
./90 Library/11 Machine Learning/Персептрон.md:- [[Обратное распространение ошибки]]
./90 Library/11 Machine Learning/Предобработка данных для нейронных сетей.md:Перед обучением [[Нейронные сети|нейронной сети]] данные необходимо привести к виду, пригодному для входных нейронов. "Сырые" данные приводят к неустойчивому обучению и большой ошибке выхода. После правильной предобработки сеть зачастую обучается быстрее и достигает меньшей ошибки.
./90 Library/11 Machine Learning/Предобработка данных для нейронных сетей.md:- [[Нейронные сети]]
./90 Library/11 Machine Learning/Предобработка данных для нейронных сетей.md:- [[Обратное распространение ошибки]]
./90 Library/11 Machine Learning/Предобработка данных для нейронных сетей.md:- [[Нейронная сеть Кохонена]]
./90 Library/11 Machine Learning/Обучение без учителя. Алгоритм Хебба.md:Обучение без учителя — режим, при котором [[Нейронные сети|нейронной сети]] не предъявляют желаемых выходных сигналов. Сеть сама формирует выходы, а веса изменяются по алгоритму, учитывающему только входные сигналы и текущее состояние нейронов.
./90 Library/11 Machine Learning/Обучение без учителя. Алгоритм Хебба.md:Обучение по Хеббу используется в сетях, где нет явного учителя, в частности в [[Нейронная сеть Кохонена|сети Кохонена]]. Там нейрон-победитель обновляет свои веса, притягивая их к входному образу, — это вариант сигнального метода.
./90 Library/11 Machine Learning/Обучение без учителя. Алгоритм Хебба.md:- [[Нейронные сети]]
./90 Library/11 Machine Learning/Обучение без учителя. Алгоритм Хебба.md:- [[Нейронная сеть Кохонена]]
./90 Library/11 Machine Learning/Обучение без учителя. Алгоритм Хебба.md:- [[Алгоритм обучения сети Кохонена]]
./90 Library/11 Machine Learning/Обучение без учителя. Алгоритм Хебба.md:- [[Обратное распространение ошибки]]
./90 Library/11 Machine Learning/Нейронные сети.md:То есть производную можно вычислить через уже полученное значение функции. Это удобно для [[Обратное распространение ошибки|обратного распространения ошибки]].
./90 Library/11 Machine Learning/Нейронные сети.md:Отдельный класс составляют сети ассоциативной памяти, например [[Сеть Хопфилда]] и [[Сеть Хэмминга]]. Они ориентированы на хранение эталонных образов и распознавание входного сигнала по близости к этим эталонам.
./90 Library/11 Machine Learning/Нейронные сети.md:| [[Сеть Хопфилда]] | восстановленный образ | когда нужно получить полный эталон |
./90 Library/11 Machine Learning/Нейронные сети.md:| [[Сеть Хэмминга]] | номер ближайшего эталона | когда достаточно классифицировать вход |
./90 Library/11 Machine Learning/Нейронные сети.md:3. **Предобработка данных** — нормировка, кодирование нечисловых переменных, проверка коррелируемости, анализ периодичности. Подробнее: [[Предобработка данных для нейронных сетей]].
./90 Library/11 Machine Learning/Нейронные сети.md:Для многослойных сетей основной алгоритм вычисления градиентов - [[Обратное распространение ошибки]]. Для сети с произвольным числом слоёв схема вынесена в [[Backpropagation для многослойной нейронной сети]].
./90 Library/11 Machine Learning/Нейронные сети.md:Базовая однослойная модель классификации вынесена в отдельную заметку [[Персептрон]]. Она показывает, как нейронная сеть может разделять пространство признаков гиперплоскостью и почему линейная разделимость является важным ограничением простых моделей.
./90 Library/11 Machine Learning/Нейронные сети.md:- [[Обратное распространение ошибки]]
./90 Library/11 Machine Learning/Нейронные сети.md:- [[Backpropagation для многослойной нейронной сети]]
./CODEX.md:Основные инструкции для этого vault находятся в [[AGENTS]].
./CLAUDE.md:Основные инструкции для этого vault находятся в [[AGENTS]].
./AGENTS.md:- Связи важнее иерархии: использовать `[[wikilinks]]` к понятиям, источникам, MOC и соседним темам
./AGENTS.md:- Идеи из `01 Ideas/` не переносить в `90 Library/` без прямого запроса; оформлять на месте, сохраняя авторский стиль, выделяя основную мысль и добавляя релевантные `[[wikilinks]]`
./AGENTS.md:- какие `[[wikilinks]]` будут проставлены к существующим заметкам
./AGENTS.md:6. Переместить исходник в `99 System/Archive/` и добавить в YAML frontmatter созданной/дополненной заметки поле `source: "[[имя_файла]]"` со ссылкой на архивный файл
./AGENTS.md:- предполагаемые `[[wikilinks]]` с существующими заметками
./AGENTS.md:- broken wikilinks — ссылки на несуществующие заметки; если сломанная ссылка находится в поле `source:` YAML frontmatter, заменить `"[[имя_файла]]"` на просто `"имя_файла"` (plain text) во всех затронутых заметках
./AGENTS.md:- ссылка на заметку через `[[wikilink]]`;
./AGENTS.md:Отвечать по содержимому `90 Library/`, цитировать конкретные заметки через `[[links]]`. Если ответа в vault нет, сказать это явно и отделить выводы Codex от фактов из заметок.
./GEMINI.md:Основные инструкции для этого vault находятся в [[AGENTS]].
File diff suppressed because it is too large
Load Diff
Reference in New Issue
Block a user
Blocking a user prevents them from interacting with repositories, such as opening or commenting on pull requests or issues. Learn more about blocking a user.
Dmitry