​​До недавнего времени казалось, что строгое математическое доказательство — это некий текст. В идеале даже лишенный слов, содержащий лишь кванторы, обозначения и утверждения. Возможно, такие доказательства имеют право на жизнь, но понять их человеку сложно. В частности, потому, что в математике за любым доказательством стоит некая идея. Не всегда оригинальная, часто даже не впечатляющая. 😰

Таким образом математические доказательства автоматически становятся уделом тех, у кого все в порядке с восприятием текстовой и подчас абстрактной информации. Современный человек очень много пишет, гораздо больше, чем люди предыдущих поколений. Разумеется, мы пишем короткие тексты — сообщения, посты, SMS, но в целом количество потребляемой и производимой текстовой информации колоссально. Но это и не чистый текст. Мы постоянно используем смайлы, стикеры и другие пиктограммы, то есть добавляем в текст картинки. По сути, превращаем его в КОМИКС.

Еще 20 лет назад, до всякой цифровой революции, замечательный математик Алексей Канель-Белов говорил: будущее математических доказательств — это комиксы. Именно так: череда картинок и текстов, которые позволяют доносить до аудитории и идею доказательства, и формальную часть. 🔥

#science #math #visualization

https://nplus1.ru/material/2018/05/21/picturesque

​​В ленте фейсбука мне попалась реклама курса про Прикладное Машинное Обучение. По привычке я кликаю на такие ссылки и, как минимум, изучаю, о чем речь. В данном случае автором курса являются профессор Колумбийской школы инженерных и прикладных наук (https://engineering.columbia.edu/) John W. Paisley.
👨‍🎓
В начале страницы курса идет подводка о том, что Машинное Обучение становится неотъемлемой частью нашей повседневной жизни. Книги, которые мы покупаем, фильмы, которые смотрим, виды спорта, за которые болеем, а также направления движения управляются и определяются алгоритмами машинного обучения. Спрос на специалистов с практическим опытом в области машинного обучения высок. Именно поэтому был создан данный курс. Цена за 3 месяца удовольствия – 1 200 USD.
💸
Курс состоит из блока Контролируемого (Supervised) и Не контролируемого обучения (Unsupervised Learning). К первому относятся такие модули, как Regression (Maximum Likelihood, Least Squares, Regularization); Bayesian Methods (Bayes Rule, MAP Inference, Active Learning); Foundational Classification Algorithms (Nearest Neighbors, Perceptron, Logistic Regression); Refinements to Classification (Kernel Methods, Gaussian Process); Intermediate Classification Algorithms (SVM, Trees, Forests and Boosting). Ко второму: Clustering Methods (K-Means Clustering, E-M, Gaussian Mixtures); Recommendation Systems (Collaborative Filtering, Topic Modeling, PCA); Sequential Data Models (Markov and Hidden Markov Models, Kalman Filters); Association Analysis; Model Selection (Model Comparisons, Analysis Considerations).
🚀
Как сможете применить полученные знания, навыки и умения?! См. картинку к посту!

https://www2.emeritus.org/programs/applied-machine-learning-fb
BROCHURE: https://yadi.sk/i/POfVndxmqmrkNA

#datascience #development #math #methodology #statistics

​​Про динамический ремаркетинг myTarget: неперсональные продуктовые рекомендации.
🎯
Динамический ремаркетинг (dynrem) в myTarget — это технология направленной рекламы, использующая информацию о действиях пользователей на сайтах и в мобильных приложениях рекламодателей.
🤔😎
Например, в интернет-магазине пользователь просмотрел страницы товаров или добавил их в корзину, и myTarget использует эти события для показа рекламы именно тех товаров и услуг, к которым человек уже проявлял ранее интерес. В статье подробно описывается механизм генерирования неперсональных, то есть item2item-рекомендаций, которые позволяют разнообразить и дополнить рекламную выдачу.
🛍🛒
Задача построения рекомендательной системы для одного магазина включает следующие основные математические подходы: Singular Value Decomposition (SVD); Factorization Machines (FM); LightFM. Плюс ликбез про функцию потерь и практическую реализацию подхода! Тема раскрыта просто и доступно для всех, кто не занимается подобными вещами каждый день.
🍀
https://habr.com/ru/company/mailru/blog/445392/

#advertising #datascience #efficiency #marketing #math #product #technology #tools

​​Шикарный пост про "цифровую" реальность: Число в контексте
🤗
Вот три фрагмента текста:
⚠️

1️⃣✨ Обучение прошли 40 инженеров
2️⃣✨ «Фотохран» стоит 29 долларов
3️⃣✨ На программу выделено 3,4 млрд рублей

👇
Вроде здорово: числа, факты, все дела. По эталонам инфостиля, факты должны работать лучше, чем оценки. Но в таком виде они вызывают недоумение, потому что читатель не понимает, с чем это сравнить и как считать. 40 инженеров — это много или мало? 29 долларов — это дешево и дорого? С чем это можно адекватно сравнить? Чтобы стало понятно, нужно ввести числа в контекст.
🍀
Source >>>

#analytics #case #development #efficiency #math #methodology #psychology #sociology

​​Quantitative Methods for the Social Sciences. A Practical Introduction with Examples in SPSS and Stata. Daniel Stockemer (School of Political Studies, University of Ottawa, Canada)
🔎🧑‍🎓
This textbook offers an essential introduction to survey research and quantitative methods. Building on the premise that statistical methods need to be learned in a practical fashion, the book guides students through the various steps of the survey research process and helps to apply those steps toward a real example.
📚
In detail, the textbook introduces students to the four pillars of survey research and quantitative analysis: (1) the importance of survey research, (2) preparing a survey, (3) conducting a survey and (4) analyzing a survey. Students are shown how to create their own questionnaire based on some theoretically derived hypotheses to achieve empirical findings for a solid dataset. Lastly, they use said data to test their hypotheses in a bivariate and multivariate realm.
🔮
The book explains the theory, rationale and mathematical foundations of these tests. In addition, it provides clear instructions on how to conduct the tests in SPSS and Stata. Given the breadth of its coverage, the textbook is suitable for introductory statistics, survey research or quantitative methods classes in the social sciences.
🍀
Book in PDF >>>
Source >>>

#analytics #math #methodology #mr #psychology #science #sociology #statistics #tools

​​Полезный ресурс с более 10 млн. научных материалов: журналы, книги, статьи и т.п.
🔥📚📰🗂
Бесплатно и без регистрации)
🍀
Link >>>

#development #economics #efficiency #math #methodology #mr #psychology #science #sociology #statistics

​​Машинное обучение и Data Science: погружение в тему
🤖🏄‍♂️
Самый ценный опыт выпускников, преподавателей и друзей Школы анализа данных — в одном онлайн учебнике. Погрузитесь в ML и узнайте, какие технологии меняют лицо современной науки и дают жизнь сервисам, которыми пользуются миллионы людей.

Многолетний опыт преподавания и использования ML позволил создать учебник, который наглядно и доступно объясняет, что такое машинное обучение и как его использовать.

✨ Начинающему ML‑специалисту
Получите структурированное представление о самых важных подходах и направлениях машинного обучения.

✨ Разработчику и аналитику
Глубже погрузитесь в тему и получите системное представление об отдельных алгоритмах и об ML в целом.

✨ Исследователю
Приобретёте более широкое понимание области, откроете для себя новые и нетривиальные результаты.

Учебник проведёт вас от основ машинного обучения до тем, которые поднимаются в свежих научных статьях, и даст представление о том, как ML применяется на практике.

Вы также обновите знания о важных для ML разделах математики: матричном дифференцировании, статистике, методах оптимизации.

⚠️ Учебник дополняется!

🍀
Handbook >>>
Source >>>
Original >>>

#analytics #datascience #development #efficiency #math #methodology #science #statistics #technology #tools

​​ИНФОРМАЦИЯ ПРО КАНАЛ

🎯 Для постов с октября 2018 проставляю теги для ускорения поиска по определенной тематике:

#advertising рекламный рынок
#analytics аналитика
#b2b business-to-business
#case кейсы
#dev разработка
#datascience наука о данных
#design дизайн
#development личное развитие
#ecom электронная коммерция
#economics экономика
#efficiency эффективность
#event мероприятия
#experiment эксперименты
#fun смешно или интересно
#itsec информационная безопасность
#likbez ликбез
#marketing маркетинг
#math математика
#methodology методологии
#mobile мобайл
#mr маркетинговые исследования
#predictions предсказания и прогнозы
#presentation слайды
#product продукты и сервисы
#psychology психология
#report отчеты
#retail ритейл
#science наука
#sociology социология
#statistics статистика
#strategy стратегии
#technology технологии
#tgchannel реко других каналов (не реклама)
#tools инструменты
#trends тренды
#ux пользователи и интерфейсы
#visualization визуализации

🧠 Канал – это не только новости, но и база знаний, поэтому ищите интересующую вас тематику через поиск и хронологическую навигацию по постам:
Q3-2016
Q4-2016
Q4-2017
Q1-2018
Q2-2018
Q3-2018
Q4-2018
Q1-2019
Q2-2019
Q3-2019
Q4-2019
Q1-2020
Q2-2020
Q3-2020
Q4-2020
Q1-2021
Q2-2021
Q3-2021
Q4-2021
Q1-2022
Q2-2022
Q3-2022
Q4-2022
Q1-2023
Q2-2023

🗄 Полный архив канала, обновляется 1 раз в месяц - 10 числа. Сохранить все на диск и открывать в браузере файл messages.html
Последнее обновление 10.04.2023 >>> Архив

👨‍💻 У канала есть фейсбук-представительство >>> InsightStream в FB

#development #efficiency #tools #ux

​​GOOGLE BRINGS MACHINE LEARNING TO ONLINE SPREADSHEETS WITH SIMPLE ML FOR SHEETS
🤖👩🏼‍🎓🔮

Spreadsheets are widely used by organizations of all sizes for all kinds of basic and complex tasks.

While simple calculations and graphs have long been part of the spreadsheet experience, machine learning (ML) has not. ML is often seen as being too complex to use, while spreadsheet usage is intended to be accessible to any type of user. Google is now trying to change that paradigm for its Google Sheets online spreadsheet program.

On Dec, 7 Google announced a beta release of the Simple ML for Sheets add-on. Google Sheets has an extensible architecture that enables users to benefit from add-ons that extend the default functionality available in the application. In this case, Google Sheets benefits from ML technology that Google first developed in the open-source TensorFlow project. With Simple ML for Sheets, users will not need to use a specific TensorFlow service, as Google has developed the service to be as easily accessible as possible.

“Everything runs completely on the user browser,” Luiz Gustavo Martins, Google AI developer advocate, told VentureBeat. “Your data doesn’t leave Google Sheets and models are saved to your Google Drive so you can use them again later.”

Holy sheets, Google’s Simple ML can do what with my spreadsheets?

So what can Simple ML for Sheets do? Two of the beginner tasks in the beta release highlighted by Google include the ability to predict missing values (1) or spot abnormal ones (2). Martins said that those two beginner tasks are easy for anyone to test the ML waters and explore how ML might benefit their business.

Martins noted that beyond the beginner tasks, the add-on supports several other common ML tasks such as training and evaluating models, generating predictions, and interpreting the models and their predictions. In addition, since Simple ML can export models to TensorFlow, people with programming experience can use Simple ML models with their existing ML infrastructure.

Overcoming the challenges of ML complexity with Simple ML for Sheets

It’s possible for Google Sheets users to benefit from ML without Simple ML, but it may not be easy for the layperson.

“We identified knowledge and lack of guidance as the prime factors for non-ML practitioners to easily use ML,” Mathieu Guillame-Bert, software engineer at Google, told VentureBeat. “Using a classical ML tool, like TensorFlow in Python, is like being in front of a blank page.”

Guillame-Bert said that using a classic ML tool requires, among other things, for the user to understand programming, ML problem framing, model construction and model evaluation. He noted that such knowledge is generally acquired through classes or self-taught over a long period of time.

In contrast, Guillame-Bert said that Simple ML is like an interactive questionnaire. It guides the user and only assumes basic knowledge about spreadsheets.

🍀 Source >>>
🍀 Original >>>

#analytics #datascience #dev #math #predictions #product #statistics #technology #tools