Участник:StasFomin/Bookmarks/Algorithms

Материал из DISCOPAL
< Участник:StasFomin‎ | Bookmarks
Версия от 03:05, 21 ноября 2021; StasFomin (обсуждение | вклад) (Добавлена закладка Первый truly stateless оптимальный алгоритм модел-чекера и его проверка на Coq / Хабр)

Перейти к: навигация, поиск

2021

2021-11

  • 2021-11-21, 03:05:00: Первый truly stateless оптимальный алгоритм модел-чекера и его проверка на Coq / Хабр
    Рынок труда и задачи сегодня — скорее академические. Да, есть компании, которые фигачат на коках-агдах что-то в прод (вроде во всяких боингах-BAE было что-то), но в чистом ресёрче больше шансов этим заниматься. Ну и плюс последнее время — блокчейн, там стараются применять формальные методы (например, чуваки из iohk систематически что-то доказывают на агде про свой блокчейн).
  • 2021-11-20, 22:02:20: Учебник. Машинное обучение и Data Science: погружение в тему

    Машинное обучение и Data Science: погружение в тему

    Знания и опыт выпускников, преподавателей и друзей Школы анализа данных — в одном онлайн учебнике. Погрузитесь в ML и узнайте, какие технологии меняют лицо современной науки и дают жизнь сервисам, которыми пользуются миллионы людей.
  • 2021-11-10, 02:57:35: Lead Coding by FRAZ - YouTube
    Lead Coding by FRAZ

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