Участник:StasFomin/Bookmarks/Algorithms — различия между версиями

Материал из DISCOPAL
Перейти к: навигация, поиск
(Добавлена закладка tlkahn/zkSNARKs-Cryptography-Protocol-Survey)
(Добавлена закладка lecture-notes/Approximation Algorithms at 7726d59c6caeaa7ac874cbc1fb1e08353bfd98f3 · ChrisTX/lecture-notes)
Строка 2: Строка 2:
 
=== 2024-01 ===
 
=== 2024-01 ===
  
 +
* 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, 00:29:21: [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]
 
* 2024-01-20, 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]

Версия 02:53, 21 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