Участник:StasFomin/Bookmarks/Algorithms — различия между версиями

Материал из DISCOPAL
Перейти к: навигация, поиск
(Добавлена закладка Notes/EECS598-001-Approximation-Algorithms-and-Hardness-of-Approximation/Lectures/lec_2.tex at 7e28b1c548da109b7e89a62acc6ed1076841352c · sleepymalc/Notes)
(Добавлена закладка sheryl-ai/MVGCN: Multi-View Graph Convolutional Network and Its Applications on Neuroimage Analysis for Parkinson's Disease (AMIA 2018))
(не показано 18 промежуточных версий этого же участника)
Строка 1: Строка 1:
 
== 2024 ==
 
== 2024 ==
 +
=== 2024-03 ===
 +
 +
* 2024-03-20, 19:14:22: [https://github.com/sheryl-ai/MVGCN sheryl-ai/MVGCN: Multi-View Graph Convolutional Network and Its Applications on Neuroimage Analysis for Parkinson's Disease (AMIA 2018)]
 +
* 2024-03-03, 19:22:07: [https://sysblok.ru/knowhow/kak-ustroena-nejroset-bert-ot-google/ Как устроена нейросеть BERT от Google - Системный Блокъ]
 +
* 2024-03-03, 19:13:07: [https://github.com/LeorFinkelberg/Optimization LeorFinkelberg/Optimization]
 +
 +
=== 2024-02 ===
 +
 +
* 2024-02-27, 20:55:59: [https://vk.com/video-176869000_456239030 Video005 — Видео]
 +
 
=== 2024-01 ===
 
=== 2024-01 ===
  
 +
* 2024-01-27, 07:22:19: [https://github.com/MykolaHerasymovych/Optimizing-Acceptance-Threshold-in-Credit-Scoring-using-Reinforcement-Learning/blob/master/Source/simulation.py Optimizing-Acceptance-Threshold-in-Credit-Scoring-using-Reinforcement-Learning/Source/simulation.py at master · MykolaHerasymovych/Optimizing-Acceptance-Threshold-in-Credit-Scoring-using-Reinforcement-Learning]
 +
* 2024-01-27, 07:05:06: [https://habr.com/ru/companies/glowbyte/articles/519382/ ML и DS оттенки кредитного риск-менеджмента / Хабр]
 +
* 2024-01-27, 02:47:46: [https://bijournal.hse.ru/data/2015/10/12/1076342406/2.pdf BI 3 (33) 2015 new.indd - 2.pdf]
 +
* 2024-01-26, 03:06:01: [https://habr.com/ru/companies/yandex/articles/263991/ Вероятностное программирование / Хабр]
 +
* 2024-01-21, 03:00:34: [https://github.com/fast-algos/graphs-matrices-optimization/blob/master/lecture1.pdf graphs-matrices-optimization/lecture1.pdf at master · fast-algos/graphs-matrices-optimization]
 +
* 2024-01-21, 02:53:24: [https://github.com/ChrisTX/lecture-notes/tree/7726d59c6caeaa7ac874cbc1fb1e08353bfd98f3/Approximation%20Algorithms lecture-notes/Approximation Algorithms at 7726d59c6caeaa7ac874cbc1fb1e08353bfd98f3 · ChrisTX/lecture-notes]
 +
* 2024-01-20, 00:29:21: [https://github.com/tlkahn/zkSNARKs-Cryptography-Protocol-Survey tlkahn/zkSNARKs-Cryptography-Protocol-Survey]
 +
* 2024-01-20, 00:23:51: [https://github.com/prokls/theoretical-computer-science-2/blob/master/randomized_complexity_classes.pdf theoretical-computer-science-2/randomized_complexity_classes.pdf at master · prokls/theoretical-computer-science-2]
 +
* 2024-01-19, 23:12:56: [https://zhuanlan.zhihu.com/p/37270132 Теорема PCP, часть 1: Введение - Чжиху]
 +
* 2024-01-19, 23:07:56: [https://github.com/mourad1081/complexity-exam-questions mourad1081/complexity-exam-questions: Réponse aux questions de complexité]
 +
* 2024-01-19, 23:06:42: [https://github.com/LucaCappelletti94/lectures-notes/tree/0b0550ee36eab19d0d48f74e407beee1e5a3e78f/Unimi/Algoritmi%20e%20Complessita lectures-notes/Unimi/Algoritmi e Complessita at 0b0550ee36eab19d0d48f74e407beee1e5a3e78f · LucaCappelletti94/lectures-notes]
 +
* 2024-01-19, 22:51:02: [https://github.com/BrownAppliedCryptography/notes BrownAppliedCryptography/notes: Scribed course notes.]
 +
* 2024-01-19, 22:49:27: [https://github.com/mnielsen/expander_graph_notes mnielsen/expander_graph_notes: Notes on expander graphs]
 +
* 2024-01-19, 22:48:32: [https://github.com/pragmaticTNT pragmaticTNT]
 +
* 2024-01-19, 22:43:13: [https://github.com/mnielsen/expander_graph_notes/blob/193880dde69c1aa2bdf974a4975a0b960a278575/expanders_github.tex expander_graph_notes/expanders_github.tex at 193880dde69c1aa2bdf974a4975a0b960a278575 · mnielsen/expander_graph_notes]
 
* 2024-01-19, 02:36:35: [https://github.com/sleepymalc/Notes/blob/7e28b1c548da109b7e89a62acc6ed1076841352c/EECS598-001-Approximation-Algorithms-and-Hardness-of-Approximation/Lectures/lec_2.tex Notes/EECS598-001-Approximation-Algorithms-and-Hardness-of-Approximation/Lectures/lec_2.tex at 7e28b1c548da109b7e89a62acc6ed1076841352c · sleepymalc/Notes]
 
* 2024-01-19, 02:36:35: [https://github.com/sleepymalc/Notes/blob/7e28b1c548da109b7e89a62acc6ed1076841352c/EECS598-001-Approximation-Algorithms-and-Hardness-of-Approximation/Lectures/lec_2.tex Notes/EECS598-001-Approximation-Algorithms-and-Hardness-of-Approximation/Lectures/lec_2.tex at 7e28b1c548da109b7e89a62acc6ed1076841352c · sleepymalc/Notes]
 
* 2024-01-19, 02:16:16: [https://github.com/sleepymalc/Notes/tree/7e28b1c548da109b7e89a62acc6ed1076841352c/EECS598-001-Approximation-Algorithms-and-Hardness-of-Approximation Notes/EECS598-001-Approximation-Algorithms-and-Hardness-of-Approximation at 7e28b1c548da109b7e89a62acc6ed1076841352c · sleepymalc/Notes]
 
* 2024-01-19, 02:16:16: [https://github.com/sleepymalc/Notes/tree/7e28b1c548da109b7e89a62acc6ed1076841352c/EECS598-001-Approximation-Algorithms-and-Hardness-of-Approximation Notes/EECS598-001-Approximation-Algorithms-and-Hardness-of-Approximation at 7e28b1c548da109b7e89a62acc6ed1076841352c · sleepymalc/Notes]

Версия 19:14, 20 марта 2024

2024

2024-03

2024-02

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