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
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.
Написал философской рефлексии пост про изменение восприятия сложности за последние полвека.
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: