Участник:StasFomin/Bookmarks/Algorithms — различия между версиями

Материал из DISCOPAL
Перейти к: навигация, поиск
(Добавлена закладка 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)
(Добавлена закладка ali-tny/boyd-convex-optimisation-py: homework notebooks for the Stanford Convex Optimisation course in python (rather than Matlab))
Строка 2: Строка 2:
 
=== 2024-01 ===
 
=== 2024-01 ===
  
 +
* 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 21:43, 18 января 2024

2024

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