О книге «Статистика и котики»
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:
- Вы уже изучали статистику и вам надо быстро освежить общие понятия. Очень быстро очень общие.
- Вы вообще не представляете что такое статистика, но у вас есть данные, которые надо проанализировать с конкретной целью. В этом случае книга позволит сузить область изучения до необходимых разделов (вместо изучения всей статистики подряд).
В книге присутствуют простые последовательные объяснения, картинки, котики, пёсики и слоники.
Отсутствуют формулы, их вывод и обоснование.
Рассылка интересных статей
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
Нейронный сети научили генерировать полноценные анимэшные аватарки
Пример сгенерированных нейронной сетью аватарок
Пример можно найти на картинке и по ссылкам:
Но куда интереснее не сам результат, а способ его получения:
- Сырую обучающую выборку слили с сайта об японских играх (изображения персонажей).
- На этих изображениях сторонней нейронной сетью распознали лица.
- Другой сторонней нейронной сетью назначили полученным портретам теги (цвет волос, глаз, etc).
- Обучили свою сеть, которая по параметрам генерирует картинки.
- Использовали сеть из пункта 3 для расчёта оценочной функции (на сколько полученная картинка соответствует требованиям).
- Конечный результат получается генерацией нескольких аватарок и выбором одной с лучшим значением оценочной функции.
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.
Изменение восприятия сложности
Написал философской рефлексии пост про изменение восприятия сложности за последние полвека.
Опыт портирования проекта на Python 3
Портировал Сказку на Python 3.
Хочу поделиться опытом портирования проекта с Python 2.7 на Python 3.5. Необычными засадами и прочими интересными нюансами.
Немного о проекте:
- Браузерка: сайт + игровая логика (иерархические конечные автоматы + куча правил);
- Возраст: 4 года (начат в 2012);
- 64k loc логики + 57k loc тестов;
- 2400 коммитов.