Участник:StasFomin/Bookmarks/Algorithms — различия между версиями

Материал из DISCOPAL
Перейти к: навигация, поиск
(2024-01)
(2024-01)
Строка 14: Строка 14:
 
=== 2024-01 ===
 
=== 2024-01 ===
  
* 2024-01-19, 00:54:25: [https://github.com/jarrodmillman/pcp/blob/master/final.tex pcp/final.tex at master · jarrodmillman/pcp]
 
* 2024-01-18, 22:17:49: [https://github.com/SanskarX10/Coding-Graph-Theory-101/tree/main SanskarX10/Coding-Graph-Theory-101: Coding and explanation of Graph theory algorithms used in computer science in python-3 . These set of notebooks acts as a course in graph theory.]
 
* 2024-01-18, 22:16:14: [https://github.com/rjwrobel86/Python4Statistics/tree/main rjwrobel86/Python4Statistics: Python Scripts and Jupyter Notebooks for Prof. Robert Wrobel's Applied Business Statistics course at Webster University and anybody else who wants to learn!]
 
* 2024-01-18, 22:04:34: [https://github.com/hishamcse/Discrete-Math-Specialization-Coursera-/tree/master hishamcse/Discrete-Math-Specialization-Coursera-: This repository contains the materials, python codes for the quiz and some codes implemented using jupyter notebook related to the specialization ( Introduction to Discrete Mathematics In Computer Science)]
 
* 2024-01-18, 21:52:09: [https://github.com/i40a/python-for-industry40 i40a/python-for-industry40: Jupyter Notebook files from the course Python for Industry 4.0.]
 
* 2024-01-18, 21:50:24: [https://github.com/kylebeggs/Numerical-Methods-in-Python kylebeggs/Numerical-Methods-in-Python: A collection of Python notebooks covering topics in an undergraduate Numerical Methods in Engineering course.]
 
* 2024-01-18, 21:49:05: [https://github.com/sslotin/universum-dl sslotin/universum-dl: Some notebooks from a Deep Learning mini-course taught in Summer '18]
 
* 2024-01-18, 21:43:06: [https://github.com/ali-tny/boyd-convex-optimisation-py ali-tny/boyd-convex-optimisation-py: homework notebooks for the Stanford Convex Optimisation course in python (rather than Matlab)]
 
 
* 2024-01-18, 21:40:45: [https://github.com/Novota15/fourier-transforms-in-python Novota15/fourier-transforms-in-python: A jupyter python notebook that provides a crash course on Fourier Series, Fourier Transforms, Fast Fourier Transforms, and improving Chebyshev Interpolation with FFT]
 
* 2024-01-18, 21:40:45: [https://github.com/Novota15/fourier-transforms-in-python Novota15/fourier-transforms-in-python: A jupyter python notebook that provides a crash course on Fourier Series, Fourier Transforms, Fast Fourier Transforms, and improving Chebyshev Interpolation with FFT]
 
* 2024-01-18, 21:37:53: [https://github.com/nivkeren/computational-methods nivkeren/computational-methods: computational-methods course notebooks]
 
* 2024-01-18, 21:37:53: [https://github.com/nivkeren/computational-methods nivkeren/computational-methods: computational-methods course notebooks]

Версия 23:00, 3 января 2025

2024

2024-12

2024-05


2024-03

2024-01

2023

2023-11

2023-10

2023-09

2023-08

2023-06

2023-03

2022

2022-04

  • 2022-04-27, 22:04:58: Nick Titterton
    X = cvx.Variable((V, V), PSD=True)

2022-03

2021

2021-12

2021-11

2021-10

2021-09

2021-08

2021-07

2021-06

2021-05

  • 2021-05-30, 11:24:30: Facebook
    Аллен Дауни прямо радует - читается хорошо, без академической воды и понятно, с адекватными и ясными примерами практических задач. Последний раз все было так ясно и лаконично при перерешивании задач по терверу из советского учебника Вентцель и книги по байесовским методам Джона Крушке. Покрутил, наверное, в 10 раз в голове теорему Байеса и, вообще, понятие вероятности, условной вероятности, совместной вероятности, априорного и апостериорного распределения, сопряженного приора, pdf, pmf, cdf с разных сторон (и в очередной раз так и не просек простую идею бета-распределения, но, верю, она же есть) - ну чтобы чуйка развилась еще больше. Я честно, от всего сердца и ума, делал несколько подходов к прикладной байесовской статистике с разных сторон и с разными инструментами, прочитал, наверно несколько книг (поняв в них далеко не все) и не помню уже как много статей, но постоянно преследовал вопрос - а зачем и как это мне поможет в повседневной практике? Основная цель, которую я преследовал и до сих пор преследую для себя - научиться понимать "небольшие" данные и причины, стоящие за ними глубже, чем позволяют популярные статистические методы и мало кем, на самом деле, глубоко понимаемые доверительные интервалы на хи-квадратах, погоняемых группами сТЬЮдентов

2021-04

2021-03

2021-02

2021-01

2020

2020-12

2020-11

2020-10

2020-09

2020-08

2020-07