Написал библиотеку для автоматического импорта модулей в Python. Анализирует код и самостоятельно импортирует что надо. Называется smart imports: pypi, github.
Написал год назад (то есть год уже использую в своих проектах), но написать статью только сейчас руки дошли :-)
Документация пока находится на хабре.
Небезызвестная книга, которая рекомендуется для знакомства со статистикой.
В аннотации к ней написано: «Из этой книги вы узнаете, что такое дисперсия и стандартное отклонение, как найти t-Критерий Стьюдента и U-критерий Манна-Уитни, для чего используется регрессионный и факторный анализы, а также многое и многое другое».
Вы про это прочитаете и узнаете «примерно» что такое дисперсия и прочие штуки. Узнаете в каких случаях что лучше применять.
Но ничего из этого вы не выучите и не поймёте на уровне, необходимом для профессионального использования. Поскольку это не учебник, а справочник. Очень хороший и понятный, но всё-таки именно справочник.
«Статистика и котики» будет полезна в двух случаях:
В книге присутствуют простые последовательные объяснения, картинки, котики, пёсики и слоники.
Отсутствуют формулы, их вывод и обоснование.
В прошлом году наконец собрал все свои подписки в одном месте на feedly.com —удобная штука, кстати, с фильтрами и прочим.
Оказалось, что в день приходит несколько сотен новостей. Чтобы оценить полезность источников, на которые подписан, начал выносить действительно интересные материалы в «избранное». Получился «ручной» фильтр, который сокращает количество новостей раз в 100. Среди них где-то 50% хабра и 50% всего остального.
Мне с этого кроме отбраковки неинтерсных источников профита не получить, но может вам интересно будет подписаться в целях экономии времени.
Вот RSS
Часто натыкался на отсылки к этой книге, поскольку немного интересуюсь структурой историй. Увидел её в магазине и таки взял почитать.
Книга действительно интересная. Сначала она меня поразила, потом заставила задуматься, через сотню страниц у меня случился инсайт, а на середине я взвыл и прекратил попытки её читать.
Пример можно найти на картинке и по ссылкам:
Но куда интереснее не сам результат, а способ его получения:
То есть в работе задействовано 3 нейронные сети, 2 из которых — обучены ранее другими людьми. По этому поводу можно было бы расписать много интересного, но просто оставлю как факт.