Часто вижу вот такой способ съёмки, особенно во всяких роликах про съёмки якобы случайных прохожих. Тут чел держит фотоаппарат одной рукой, ещё и съёмка ночная. Неужели нет смазов? Или это навороченная техника с суперстабилизацией?
Вторая рука у него вообще занята.
Привет Пикабу! Есть задача: получить чистый синус из розетки 220v в старом фонде. Покурив форумы нашёл интересный и бюджетный вариант.
На руках у меня есть релейный стабилизатор, выдающий модифициртванный синус, если после него воткнуть феррорезонансный стаб получу ли я идеальный синус, как из инверторного стаба?
Просто совковый феррорезонансный стаб можно купить за копейки на авито, а инвертор стоит как крыло от боинга и мягко говоря выходит за рамки бюджета.
З.ы. Про импульсные блоки питания можете не рассказывать, я в курсе, чистый синус в данной задаче нужен только для использования с линейным блоком питания.
Машинное обучение — технология, которая позволяет компьютеру самообучаться и распознавать закономерности. А помогают ему инженеры машинного обучения. Рассказываем, чем они занимаются, какие навыки им нужны и как войти в эту профессию.
Инженер машинного обучения (ML-инженер — от англ. Machine Learning Engineer) — это специалист, который разрабатывает и внедряет алгоритмы, позволяющие программам обучаться на данных и принимать решения без явного программирования. Скажем, специалист по Data Science анализирует данные и строит модели, а ML-инженер оптимизирует их и интегрирует в реальные приложения.
Профессия находится на пересечении программирования, математики, статистики и прикладного машинного обучения. ML-инженер не просто строит модель, а делает так, чтобы она эффективно работала в продакшене, обрабатывала большие объемы данных, быстро реагировала на запросы пользователей и корректно обновлялась по мере поступления новых данных.
Работа ML-инженера включает сразу несколько направлений. В первую очередь это сбор и подготовка данных. Реальный мир далек от идеала, и данные часто приходят в сыром виде: с пропусками, ошибками и несоответствиями. Инженер должен очистить их, привести к единому формату и расширить с помощью внешних источников.
Следующий этап — выбор и обучение модели. Здесь инженер выбирает один или несколько алгоритмов, проводит эксперименты, настраивает параметры, оценивает качество. Он должен понимать, как работают линейные регрессии, деревья решений, градиентный бустинг, нейронные сети и уметь выбрать нужный инструмент под задачу.
Самое сложное и ответственное начинается после того, как модель готова. ML-инженер превращает ее в часть работающего приложения. Это означает упаковку модели в API, написание серверного кода, оптимизацию по скорости и памяти, мониторинг качества в реальном времени и повторное обучение по мере необходимости. Он также работает над масштабируемостью и надежностью, так как в реальных условиях модели должны обрабатывать тысячи или миллионы запросов ежедневно.
Кроме того, инженер взаимодействует с другими специалистами: аналитиками, продукт-менеджерами, разработчиками. Он объясняет, как работает модель, какие у нее ограничения, как интерпретировать результаты. Коммуникация — неотъемлемая часть его работы.
Чтобы стать инженером машинного обучения, нужно сочетание теоретической базы и практических навыков:
Уверенное владение языками программирования, прежде всего Python. Большинство библиотек машинного обучения, таких как scikit-learn, TensorFlow, PyTorch, написаны именно на нем.
Знания математики, особенно линейной алгебры, теории вероятностей и математической статистики тоже играют важную роль. Без них невозможно понять, как и почему работает та или иная модель, как интерпретировать ее поведение и где могут возникнуть ошибки. Для повторения основ у нас есть отдельный бесплатный курс базовой математики.
Алгоритмы машинного обучения важно понимать на уровне реализаций: что такое переобучение, как работает регуляризация, какие метрики применимы для классификации, регрессии, кластеризации.
Также важно уметь работать с базами данных (SQL, NoSQL), системами хранения и обработки больших данных (Hadoop, Spark), знать основы DevOps и MLOps (Docker, CI/CD, Kubernetes, автоматизация моделей).
➕ Востребованность и высокая оплата труда. Инженеры по машинному обучению — одни из самых востребованных специалистов в IT-сфере. Зарплаты выше среднего по рынку, особенно при наличии успешных проектов и глубоких знаний.
➕ Перспективность. ML активно применяется в медицине, финансах, ритейле, науке и других отраслях. Это дает широкие возможности для карьерного роста.
➕ Интеллектуальная работа. Работа подходит тем, кто любит решать сложные задачи и работать с данными.
➕ Богатая образовательная экосистема. По теме ML иного курсов, open-source инструментов, конференций и сообществ. Есть возможность постоянно учиться и обмениваться опытом.
➖ Высокий порог входа. Нужны глубокие знания математики, программирования, а также баз данных, алгоритмов и архитектур моделей.
➖ Работа бывает рутинной. Большую часть времени занимает обработка и подготовка данных, отладка моделей, а не изобретение революционных алгоритмов.
➖ Трудности с внедрением моделей. Не всегда удается успешно интегрировать модель в продукт. Требуются усилия по адаптации под инфраструктуру, масштабированию, мониторингу и учету бизнес-ограничений.
➖ Конкуренция. Растущая популярность профессии означает, что в крупных городах конкуренция среди кандидатов может быть высокой.
По данным Dream Job, средняя зарплата ML-инженеров в России за 2025 год составляет 165 000 рублей. Чаще всего зарплаты находятся в диапазоне от 100 000 до 230 000 рублей. Минимальная зафиксированная зарплата — 87 000 рублей, максимальная — 360 000.
Вилки джуниоров в машинном обучении, по данным HH Карьера, составляют от 70 000 до 110 000 рублей. Мидлов — от 220 000 до 250 000 рублей, а сеньоров — от 348 000 до 350 000 рублей.
Вот так выглядят зарплаты в профессии ML-инженер летом 2025 года.
Машинное обучение используется в самых разных сферах: от финансов и медицины до логистики, маркетинга и развлечений. ML-инженеры разрабатывают алгоритмы для прогнозирования спроса, распознавания лиц, антифрод-систем и рекомендательных алгоритмов.
Спрос на таких специалистов продолжает расти, а уровень доходов остается одним из самых высоких на рынке. По данным исследования, наибольший спрос в сфере анализа данных и ML пришелся на последние четыре года — число предложений выросло в 2,5 раза.
Конечно, вход в профессию требует знаний, самообразования и реальных кейсов. Но те, кто готов учиться и двигаться вперед, найдут в этой области интересную работу с постоянными интеллектуальными вызовами и большими карьерными перспективами.
Многие специалисты приходят в машинное обучение из смежных областей: математики, физики, программирования, аналитики. Часто у них есть техническое образование, хотя это необязательно. Важнее — желание учиться и практиковаться.
Один из самых надежных способов — пройти профильное обучение. Это может быть вуз, где есть направления по ИИ и анализу данных, или курсы, ориентированные на практику. Онлайн-платформы предлагают мощные программы, которые можно проходить параллельно с работой или учебой.
Например, стартовать в профессии поможет онлайн-курс «Инженер машинного обучения» Практикума — за 4 месяца вы изучите полный жизненный цикл модели машинного обучения и сможете строить продвинутые ML‑модели. Вы освоите Docker, FastAPI, Airflow, MLflow, Yandex Cloud и другие инструменты, добавите 7 ML-проектов в портфолио и получите диплом о профессиональной переподготовке.
Реклама ООО «Яндекс», ИНН: 7736207543
LM317 — это популярный интегральный стабилизатор, который чаще всего используется для регулировки напряжения. Однако он может быть также применён в качестве стабилизатора тока, что полезно для зарядки аккумуляторов, питания светодиодов и других устройств, где важно поддерживать постоянный ток.
Рис 1
Также очень удобно использовать блок питания со стабилизацией тока для ремонта различной электроники.
В данной статье мы разберём нестандартную схему стабилизатора тока на LM317 с дополнительными компонентами, которые улучшают её функциональность. В отличие от классической схемы, здесь присутствуют два диода и слаботочный переменный резистор, что позволяет плавно регулировать выходной ток практически от нуля и до максимального значения, допустимого для LM317.
Схема состоит из следующих ключевых компонентов:
LM317 (регулятор тока);
Резистор ШУНТ (задающий ток);
Переменный резистор (для плавной регулировки тока);
Два диода (используются для создания дополнительного падения напряжения и более точной регулировки тока).
Работа схемы основывается на том, что LM317 поддерживает постоянное падение напряжения между своим выходом OUT (вывод 2) и управляющим входом ADJ (вывод 1).
В классической схеме стабилизатора тока LM317 сопротивление задающего резистора напрямую определяет ток через нагрузку, согласно формуле:
I = 1.25V / R
Однако в предложенной модификации введены дополнительные элементы:
Переменный резистор изменяя сопротивление позволяет увеличивать или уменьшать разность напряжения между 1 и 2 выводом LM317 не изменяя сопротивление самого шунта, а только влияя на выходной ток в широком диапазоне.
Два диода создают дополнительное падение напряжения (около 1,5 В), которое подаётся на переменный резистор, что позволяет плавно регулировать ток практически от нуля.
Схема представленная выше на рисунке 1. В отличие от классической схемы(рисунок 2) где основной ток протекает через сопротивление переменного резистора.
И это в свою очередь накладывает некоторое ограничение при выборе регулятора. Резистор должен быть мощным, габаритный и как правило проволочный, чтобы выдерживать большой ток. И также он будет подвержен нагреванию из-за протекания большого тока.
Рис 2
Регулируемость: В классической схеме выходной ток фиксирован, так как зависит только от резистора. В новой схеме введён переменный резистор, позволяющий изменять ток в реальном времени.
Стабильность: Дополнительные диоды помогают компенсировать изменения напряжения, снижая влияние температурных колебаний.
Широкий диапазон регулировки: Благодаря падению напряжения на диодах, регулировка возможна от практически нулевого значения до максимального тока, допустимого для LM317.
Расширенный функционал: Возможность точной настройки тока делает схему более универсальной и малогабаритной.
Зарядка аккумуляторовПозволяет заряжать аккумуляторы с контролем тока, что предотвращает их перегрев и продлевает срок службы.
Питание светодиодовСветодиоды требуют стабильного тока, а не напряжения. Данная схема идеально подходит для их питания.
Токовая защита схемИспользуется как предохранительное устройство, ограничивающее ток в цепи, предотвращая выход из строя компонентов.
Использование в лабораторных источниках питанияПрименяется в качестве регулятора тока в лабораторных блоках питания, обеспечивая безопасное тестирование компонентов.
Модифицированная схема стабилизатора тока на LM317 с дополнительными элементами значительно расширяет её возможности по сравнению с классическим вариантом. Благодаря плавной регулировке и улучшенной стабильности схема подходит для множества практических применений в электронике.
При сборке схемы важно правильно подобрать номиналы резисторов и диодов, чтобы обеспечить нужный диапазон регулировки тока. Также следует учитывать тепловой режим работы LM317 и использовать радиатор при высоких нагрузках.
Диоды так же стоит подбирать по мощности. Чтобы они с запасом выдерживали протекающие через них ток
Эта схема — отличный вариант для тех, кто хочет построить простой, но эффективный стабилизатор тока с возможностью регулировки.
Каждый, кто сталкивался с построением качественного усилителя звука, знает, насколько критично стабильное и чистое питание. Даже небольшие пульсации напряжения способны проникнуть в звуковой тракт, вызывая фон, наводки и искажения. Особенно это заметно в усилителях класса A, где ток потребления относительно постоянен, но любые нестабильности питания напрямую отражаются на качестве звука.
Раньше для сглаживания пульсаций широко применялись дроссели – массивные катушки индуктивности, которые вместе с конденсаторами формировали фильтр низких частот. Они эффективно подавляли переменную составляющую напряжения, но имели свои недостатки: значительные размеры, вес, электромагнитные наводки и неизбежные потери энергии.
Современной альтернативой стали электронные дроссели – активные фильтры на базе MOSFET-транзисторов. Они выполняют ту же задачу, но компактнее, эффективнее и точнее, обеспечивая глубокую фильтрацию без необходимости использования громоздких индуктивностей. Именно такое решение представлено в данной статье.
Электронный дроссель представляет собой активный фильтр на основе силового MOSFET-транзистора, предназначенный для снижения пульсаций напряжения, поступающего с выхода выпрямителя источника питания. Такое устройство особенно полезно в схемах усилителей мощности, где требуется стабильное питание с минимальными помехами и высоким уровнем эффективности.
Представленная схема обладает рядом ключевых преимуществ:
Высокий коэффициент фильтрации, обеспечивающий снижение пульсаций практически в 1000 раз, что существенно улучшает стабильность работы усилителя.
Высокая эффективность за счёт использования MOSFET-транзистора с низким порогом включения и малым сопротивлением открытого канала.
Встроенная защита от короткого замыкания, предотвращающая выход из строя элементов схемы и обеспечивающая долговечность устройства.
Компактность схемы, что позволяет её интегрировать в различные конструкции усилителей мощности без значительных изменений в топологии.
Электронный дроссель широко применяется в:
УМЗЧ класса A, таких как усилитель Джона Линсли-Худа (JLH), однотактные усилители Зена и другие.
Полупроводниковых схемах, требующих стабилизации питания с низкими уровнями пульсаций.
Высокоточных аудиоустройствах, где требуется минимизация фоновых шумов, вызванных нестабильностью питания.
Лабораторных источниках питания, где необходим высокий уровень фильтрации пульсаций и стабильность выходного напряжения.
Схема дросселя включает в себя:
Выпрямитель на диодном мосте Br1, который преобразует переменное напряжение в постоянное.
Фильтрующий конденсатор C1, сглаживающий основные пульсации выпрямленного напряжения.
Формирование управляющего напряжения: диод D1 создает напряжение на затворе транзистора, которое всегда на 0,6–0,7 В ниже напряжения на выходе выпрямителя.
Фильтр низких частот (R2, C2, R3, C3), подавляющий высокочастотные колебания на затворе и обеспечивающий мягкий пуск.
Силовой транзистор T3 (IRL530), работающий в режиме повторителя напряжения.
Стабилитрон D2, выполняющий защитную функцию, ограничивая напряжение затвора и ограничивая ток нагрузки до 7,2 А.
Выходной предохранитель F1, защищающий схему от перегрузки и короткого замыкания.
Входное напряжение выпрямляется и сглаживается конденсатором C1.
Через диод D1 на затвор транзистора подаётся стабилизированное напряжение, определяющее его режим работы.
Комбинация элементов R2, C2, R3, C3 формирует фильтр, устраняющий остаточные пульсации и обеспечивающий плавное включение схемы.
MOSFET транзистор IRL530 работает в режиме повторителя, обеспечивая минимальное падение напряжения и высокую эффективность.
В случае перегрузки или короткого замыкания стабилитрон D2 ограничивает напряжение затвора, снижая ток через транзистор и предотвращая его перегрев.
Использование диодов Шоттки в выпрямителе снижает потери на выпрямлении, увеличивая общую эффективность системы.
Увеличение ёмкости C1 позволяет уменьшить входные пульсации, улучшая стабильность выходного напряжения.
Выбор транзистора с ещё более низким сопротивлением открытого канала (Rds(on)) повысит КПД схемы и уменьшит тепловые потери.
Дополнительное экранирование схемы снижает уровень внешних электромагнитных помех, что особенно важно в аудиосистемах высокого класса.
Электронный дроссель на MOSFET является эффективным решением для сглаживания пульсаций в источниках питания усилителей мощности. Он обеспечивает высокую стабильность выходного напряжения, защищает нагрузку от перегрузок и коротких замыканий, а также улучшает качество работы звуковой аппаратуры за счёт снижения шумов в питании. Благодаря своей компактности, эффективности и универсальности, схема может применяться в широком спектре электронных устройств, требующих высококачественного стабилизированного питания.
камера с трехосевым роботизированным подвесом, который обеспечивает эффективную стабилизацию изображения и автоматическое выравнивание по линии горизонта с рук, с креплением на теле, шлеме
Вот на Яндекс Маркете, на Алике
Взято с телеги Интересный Маркетплейс
Подписывайтесь на наше сообщество на Пикабу
Реклама: АЛИБАБА КОМ (РУ) ИНН 7703380158
