Forwarded from Evgeniia
Друзья!💻☕️
В эту пятницу, 21 апреля, в 19:30 в коворкинге CINEMAHOUSE COWORKING SPACE выступит Анна Иванова👩🔬 - учёный-биоинформатик и популяризатор науки, которая прочтёт для нас лекцию «Руки прочь от овечки Долли: история технологий клонирования и их применение в жизни»🔬🧬Эта лекция целиком и полностью посвящена клонированию и всегда имеет грандиозный успех, где бы не проходила✨ Обещаем самую интересную и свежую информацию - как клонировать себя/семью/питомца и где можно встретить клона уже сейчас🧬👀 А ещё у Ани в запасе есть инсайты про жизнь и гибель овечки Долли - первой в мире клонированной овцы🐏
📲Мы будем благодарны, если вы зарегистрируетесь на лекцию — это поможет нам оценить количество участников.
🇬🇧Please find information about the event in English via link
🪙Цена билета:
3000 АМД за 1 гостя
5000 АМД за 2 гостей
⏰ Начало мероприятия в 19:30
📍Ул. Вардананц, 18.
Главный вход Союза кинематографистов, по лестнице на 3-й этаж
☎️+37491 54 21 99(WhatsApp, Viber)
📲По вопросам писать @EvaMEvn
#анонс
В эту пятницу, 21 апреля, в 19:30 в коворкинге CINEMAHOUSE COWORKING SPACE выступит Анна Иванова👩🔬 - учёный-биоинформатик и популяризатор науки, которая прочтёт для нас лекцию «Руки прочь от овечки Долли: история технологий клонирования и их применение в жизни»🔬🧬Эта лекция целиком и полностью посвящена клонированию и всегда имеет грандиозный успех, где бы не проходила✨ Обещаем самую интересную и свежую информацию - как клонировать себя/семью/питомца и где можно встретить клона уже сейчас🧬👀 А ещё у Ани в запасе есть инсайты про жизнь и гибель овечки Долли - первой в мире клонированной овцы🐏
📲Мы будем благодарны, если вы зарегистрируетесь на лекцию — это поможет нам оценить количество участников.
🇬🇧Please find information about the event in English via link
🪙Цена билета:
3000 АМД за 1 гостя
5000 АМД за 2 гостей
⏰ Начало мероприятия в 19:30
📍Ул. Вардананц, 18.
Главный вход Союза кинематографистов, по лестнице на 3-й этаж
☎️+37491 54 21 99(WhatsApp, Viber)
📲По вопросам писать @EvaMEvn
#анонс
❤16
псс! там у Альпины скидки! И в списке одна из моих самых любимых научпоп книг для детей “Вернуть волков”. Рекомендую вот очень-очень сильно.
Forwarded from Альпина Паблишер
Жизнь замечательной планеты 🌍
Земля — единственная планета в Солнечной системе, которая способна поддерживать жизнь. Ландшафты этого огромного и прекрасного мира, от глубин океана до горных вершин, населены миллионами видов живых организмов, которые составляют разнообразные экосистемы.
Мы хотим не просто рассказать вам о том, как заботиться о нашей планете, а поделиться нашей влюбленностью в неё. От великолепных панорам городов до многообразия насекомых, от историй спасения биологических видов до осознанного потребления.
Ко Дню Земли мы подготовили праздничный лендинг, где вы найдёте:
— интересные факты о Земле;
— 4 раздела с книжными подборками по темам и скидкой 30%;
— бинго добрых дел со ссылками на проекты, которые помогают нашей планете (например, мы помогаем деревьям);
— промокоды на электронные и бумажные книги.
Переходите по ссылке, чтобы узнать нашу планету лучше и влюбиться в неё заново 💚
Земля — единственная планета в Солнечной системе, которая способна поддерживать жизнь. Ландшафты этого огромного и прекрасного мира, от глубин океана до горных вершин, населены миллионами видов живых организмов, которые составляют разнообразные экосистемы.
Мы хотим не просто рассказать вам о том, как заботиться о нашей планете, а поделиться нашей влюбленностью в неё. От великолепных панорам городов до многообразия насекомых, от историй спасения биологических видов до осознанного потребления.
Ко Дню Земли мы подготовили праздничный лендинг, где вы найдёте:
— интересные факты о Земле;
— 4 раздела с книжными подборками по темам и скидкой 30%;
— бинго добрых дел со ссылками на проекты, которые помогают нашей планете (например, мы помогаем деревьям);
— промокоды на электронные и бумажные книги.
Переходите по ссылке, чтобы узнать нашу планету лучше и влюбиться в неё заново 💚
Вчера снова очень классно сходили в Ереванский зоопарк! Чудесная компания, чудесные звери (у которых разгар брачных поясок 😂), чудесная погода и чудесный парк! Всем спасибо, кто был 💚
Вообще наши прогулки это по сути лекция под открытым небом с «наглядными пособиями». Я рассказываю о том, как современные технологии и современные знания о животных помогают нам сохранять исчезающие виды и возрождать популяции, существование которых поставила под угрозу деятельность человека.
Снова получился такой классный поход, что уже хочу еще! Что думаете насчет следующей субботы? Идем?:)
Вообще наши прогулки это по сути лекция под открытым небом с «наглядными пособиями». Я рассказываю о том, как современные технологии и современные знания о животных помогают нам сохранять исчезающие виды и возрождать популяции, существование которых поставила под угрозу деятельность человека.
Снова получился такой классный поход, что уже хочу еще! Что думаете насчет следующей субботы? Идем?:)
👍28
Искусственный интеллект — это что-то на очень модном. Умами сейчас владеет ChatGPT, а каждое второе письмо в новостной рассылке у меня в ящике или про этот самый чатжпт или про оценки рисков в новой реальности, которую искусственный интеллект скоро поглотит.
Но иногда у меня возникает чувство, что к системам искусственного интеллекта сегодня относятся также, как относились люди к теме электричества лет 150 назад. Будто это что-то очень-очень сложное, и надо быть очень умным, чтобы в этом разобраться. Но это совершенно не так! За кулисами любого ИИ стоит достаточно простая математическая идея. А «мощность» ИИ во многом определяют мощности ресурсов компьютеров, на которых считается модель, и количество накопленных данных для обучения модели.
Давайте попробуем разобраться в одной из таких идей, порождающей один из типов алгоритмов классического машинного обучения. А если этот пост хорошо залетит, то позднее разберем и другие (глядишь, доберемся и до нейросетей. К которым относится и Chat GPT).
Но иногда у меня возникает чувство, что к системам искусственного интеллекта сегодня относятся также, как относились люди к теме электричества лет 150 назад. Будто это что-то очень-очень сложное, и надо быть очень умным, чтобы в этом разобраться. Но это совершенно не так! За кулисами любого ИИ стоит достаточно простая математическая идея. А «мощность» ИИ во многом определяют мощности ресурсов компьютеров, на которых считается модель, и количество накопленных данных для обучения модели.
Давайте попробуем разобраться в одной из таких идей, порождающей один из типов алгоритмов классического машинного обучения. А если этот пост хорошо залетит, то позднее разберем и другие (глядишь, доберемся и до нейросетей. К которым относится и Chat GPT).
🔥36👍5
Деревья решений — один из моих любимых классических алгоритмов. И для большинства прикладных задач они по-прежнему остаются нестареющим и неизменно надежным инструментом. Их ответы хорошо интерпретируемы, а потому именно их так часто используют в задачах о принятии медицинских решений. Ведь для врача при постановке диагноза важно не просто решение экспертной системы-помощника, но и объяснение от системы, почему она выбрала тот или иной ответ. (Для сравнения — нейросети обладают очень слабой интерпретируемостью. Большинство таких систем — это черный ящик: ответ система выдает, но почему он именно такой, выяснить практически невозможно).
Первые электронные системы принятия решений строились примерно также: эксперты задавали системе список вопросов и строили исходы в соответствии с ответами на эти вопросы.
Например, я решаю, что бы мне приготовить сегодня на ужин (какое вранье, Аня! Когда ты в последний раз хотя бы варила пельмени?!). У меня в голове есть несколько стандартных рецептов для ужина, но какой из них реализовать зависит от набора продуктов у меня дома. Так я задаю себе вопрос: есть ли у меня дома картошка? Если ответ «да», то новый вопрос — а есть ли дома сыр? Пусть ответ здесь «нет». Хмм, идея картофеля по-французски точно отпадает. А есть ли дома морковь и лук? «Да»! А какое-нибудь мясо или грибы? Снова «да»! Значит, тушеная картошка — лучший ответ для этого ужина.
Мы строим такие «деревья решений» в нашей голове по многу раз за день. Почему бы не применить этот же подход для решения абсолютно любых задач классификации и/или группировки (кластеризации)?
Главная загвоздка тут в том, что в голове у нас есть те самые ключевые вопросы, по которым и происходит ветвление алгоритма. Мы знаем, что спросить надо о картошке и это ключевым образом повлияет на конечный исход.
На таком принципе — принципе установления четких правил — работали первые медицинские и бухгалтерские системы. В тех задачах установить такие правила было несложно. «Сценарий» правил брался из привычной рутины врача или бухгалтера. Но как быть с более сложными задачами? С задачами, к которым таких правил никто не придумал?
Алгоритм случайного дерева говорит нам: придумывай совершенно случайные правила, разделяй по ним исходы и смотри, что получится. Например, если мы банк и хотим предсказать платежеспособных клиентов, то первое совершенно случайное правило ветвления может звучать так: этот человек живет ниже или выше 4 этажа? Скорее всего оно нам ничего не скажет о достатке человека, но нам сейчас это и не важно. Важно, что если мы будем много раз подряд генерировать случайные правила, то в конце концов получим какие-то ответы. Насколько они будут верными? Это останется проверить, сравнив с заранее известными правильными ответами.
(тут подразумеваем, что мы обучаем модель и потому используем обучающую выборку — выборку с известными целевыми переменными — ответами. Позднее уже обученную модель мы сможем «натравить» на настоящие данные и получить ответы для тех клиентов, о которых мы еще не знаем ответов)
Сравнили. Если ответы нашей модели сильно далеки от настоящих известных ответов, то снова запустим наше случайное дерево, а оно снова сгенерирует случайные правила. Новые ответы мы опять сравним с известными. И так по кругу. Пока полученные из модели ответы нас не устроят — не станут «достаточно» близкими к известным.
(тут есть свои риски и особенности, но об этом в другой раз, на ключевой принцип и понимание алгоритма они не влияют)
Есть ли способ повысить точность результата? Есть! Давайте «посадим» случайный лес таких случайных деревьев, которые будут генерировать случайные правила! Как в выражении «Если армия обезьян будет бить по клавишам пишущих машинок, они могут напечатать все книги Британского музея» (как говорил физик Артур Эддингтон). Каждое из случайных деревьев даст нам какие-то ответы. Если мы усредним ВСЕ ответы от ВСЕХ случайных деревьев, то такие ответы могут дать более точные результаты.
Первые электронные системы принятия решений строились примерно также: эксперты задавали системе список вопросов и строили исходы в соответствии с ответами на эти вопросы.
Например, я решаю, что бы мне приготовить сегодня на ужин (какое вранье, Аня! Когда ты в последний раз хотя бы варила пельмени?!). У меня в голове есть несколько стандартных рецептов для ужина, но какой из них реализовать зависит от набора продуктов у меня дома. Так я задаю себе вопрос: есть ли у меня дома картошка? Если ответ «да», то новый вопрос — а есть ли дома сыр? Пусть ответ здесь «нет». Хмм, идея картофеля по-французски точно отпадает. А есть ли дома морковь и лук? «Да»! А какое-нибудь мясо или грибы? Снова «да»! Значит, тушеная картошка — лучший ответ для этого ужина.
Мы строим такие «деревья решений» в нашей голове по многу раз за день. Почему бы не применить этот же подход для решения абсолютно любых задач классификации и/или группировки (кластеризации)?
Главная загвоздка тут в том, что в голове у нас есть те самые ключевые вопросы, по которым и происходит ветвление алгоритма. Мы знаем, что спросить надо о картошке и это ключевым образом повлияет на конечный исход.
На таком принципе — принципе установления четких правил — работали первые медицинские и бухгалтерские системы. В тех задачах установить такие правила было несложно. «Сценарий» правил брался из привычной рутины врача или бухгалтера. Но как быть с более сложными задачами? С задачами, к которым таких правил никто не придумал?
Алгоритм случайного дерева говорит нам: придумывай совершенно случайные правила, разделяй по ним исходы и смотри, что получится. Например, если мы банк и хотим предсказать платежеспособных клиентов, то первое совершенно случайное правило ветвления может звучать так: этот человек живет ниже или выше 4 этажа? Скорее всего оно нам ничего не скажет о достатке человека, но нам сейчас это и не важно. Важно, что если мы будем много раз подряд генерировать случайные правила, то в конце концов получим какие-то ответы. Насколько они будут верными? Это останется проверить, сравнив с заранее известными правильными ответами.
(тут подразумеваем, что мы обучаем модель и потому используем обучающую выборку — выборку с известными целевыми переменными — ответами. Позднее уже обученную модель мы сможем «натравить» на настоящие данные и получить ответы для тех клиентов, о которых мы еще не знаем ответов)
Сравнили. Если ответы нашей модели сильно далеки от настоящих известных ответов, то снова запустим наше случайное дерево, а оно снова сгенерирует случайные правила. Новые ответы мы опять сравним с известными. И так по кругу. Пока полученные из модели ответы нас не устроят — не станут «достаточно» близкими к известным.
(тут есть свои риски и особенности, но об этом в другой раз, на ключевой принцип и понимание алгоритма они не влияют)
Есть ли способ повысить точность результата? Есть! Давайте «посадим» случайный лес таких случайных деревьев, которые будут генерировать случайные правила! Как в выражении «Если армия обезьян будет бить по клавишам пишущих машинок, они могут напечатать все книги Британского музея» (как говорил физик Артур Эддингтон). Каждое из случайных деревьев даст нам какие-то ответы. Если мы усредним ВСЕ ответы от ВСЕХ случайных деревьев, то такие ответы могут дать более точные результаты.
🔥28❤5👍3
(Например, в нашем случайном лесу 100 деревьев. Если 80 деревьев дают результат, что X платежеспособный клиент, а 20 — что нет, то результатом работы леса будет ответ «X — платежеспособный».
Вот и все, никакой черной магии.
Теперь вы знаете, какая модель (вероятнее всего) дает по вам вердикт, если вы запрашиваете у банка кредит.
Если было интересно и понятно, дайте мне знать:) Знаете еще какие-то алгоритмы машинного обучения? Может быть, есть пожелания, о какой из них рассказать в следующий раз?
Вот и все, никакой черной магии.
Теперь вы знаете, какая модель (вероятнее всего) дает по вам вердикт, если вы запрашиваете у банка кредит.
Если было интересно и понятно, дайте мне знать:) Знаете еще какие-то алгоритмы машинного обучения? Может быть, есть пожелания, о какой из них рассказать в следующий раз?
👍38🔥6
Друзья, кто хотел со мной в зоопарк на лекцию под открытым небом? В эту субботу последний шанс (следующая будет не раньше середины/конца июня)
И продолжение лекции про генетику ориентации тоже в эту субботу вечером.
Подробнее анонсы репостну сюда позже (в инсте уже есть). А пока можно планировать свои выходные в Ереване:))
‼️Организаторы предусмотрели скидки для тех, кто был на первой части лекции в прошлые выходные и для тех, кто днем со мной на лекцию в зоопарк.
И продолжение лекции про генетику ориентации тоже в эту субботу вечером.
Подробнее анонсы репостну сюда позже (в инсте уже есть). А пока можно планировать свои выходные в Ереване:))
‼️Организаторы предусмотрели скидки для тех, кто был на первой части лекции в прошлые выходные и для тех, кто днем со мной на лекцию в зоопарк.
❤10🔥1
Forwarded from Letters and Numbers Coworking, Coffee Shop and more
Афиша мероприятий 27.04-30.04 от Letters and Numbers
ЧТ, 27.04
19:30 🎬Киноклуб LAN Yerevan: Улица Паради, дом 588, 1991
Вторая часть картины "МАЙРИК", трогающей до глубины души и не оставившей равнодушным никого из наших зрителей.
https://www.instagram.com/p/CrdkmGpI1rH/
ПТ, 28.04 🗣️🎤 Поэтический вечер «От сердца к сердцу»
Приглашаем погрузиться в мир чувств и дотронуться до души.
https://www.instagram.com/p/CrdlFbBtEGo/
СБ, 29.04
11:00 Разговорный армянский клуб для начинающих от Соны Арсенян
https://www.instagram.com/p/CrNtEvMrcRS/
12:00 👶 Мастерская иллюстрации для детей 6+ от Анны Тененбаум и Тимофея Бычкова https://www.instagram.com/p/CrdliTRNZt6/
13:30 🦁 Прогулка в зоопарк с Анной Ивановой @lab.mouse
https://www.instagram.com/p/CrdzmEzNudp/
15:00 🎯 English speaking club: this time we are discussing social media https://www.instagram.com/p/CrePcYBLwH4/
19:30 🎤🔞 Лекция “Генетика ориентации” с Анной Ивановой @lab.mouse 18+ https://www.instagram.com/p/Crdx1tTN5d-/
ВС, 30.04,
12:00 👶 Мастерская иллюстрации для детей 6+ от Анны Тененбаум и Тимофея Бычкова https://www.instagram.com/p/CrdliTRNZt6/
13:00 ✍️ Последнее оффлайн занятие каллиграфического клуба Марины Перелешиной @mysimpleletters
https://www.instagram.com/p/CrgcuzcNVkU/
13:00 👣 Прогулка по холмам Еревана: Козерн
https://www.instagram.com/p/CrgpVmOMt-F/?igshid=YmMyMTA2M2Y=
15:00 👶📖 Детский книжный клуб с Мариной Козловой. Читаем «Горилла, которая хотела повзрослеть» Джилл Томлинсон.
https://www.instagram.com/p/Crd4of6o-uK/
19:00 🎤 ☀️ Женщина, облачённая в солнце: история о Климте и австрийской Джоконде
Цикл лекций об искусстве Зарины Асфари
https://www.instagram.com/p/CrcrS1ttGam/
ЧТ, 27.04
19:30 🎬Киноклуб LAN Yerevan: Улица Паради, дом 588, 1991
Вторая часть картины "МАЙРИК", трогающей до глубины души и не оставившей равнодушным никого из наших зрителей.
https://www.instagram.com/p/CrdkmGpI1rH/
ПТ, 28.04 🗣️🎤 Поэтический вечер «От сердца к сердцу»
Приглашаем погрузиться в мир чувств и дотронуться до души.
https://www.instagram.com/p/CrdlFbBtEGo/
СБ, 29.04
11:00 Разговорный армянский клуб для начинающих от Соны Арсенян
https://www.instagram.com/p/CrNtEvMrcRS/
12:00 👶 Мастерская иллюстрации для детей 6+ от Анны Тененбаум и Тимофея Бычкова https://www.instagram.com/p/CrdliTRNZt6/
13:30 🦁 Прогулка в зоопарк с Анной Ивановой @lab.mouse
https://www.instagram.com/p/CrdzmEzNudp/
15:00 🎯 English speaking club: this time we are discussing social media https://www.instagram.com/p/CrePcYBLwH4/
19:30 🎤🔞 Лекция “Генетика ориентации” с Анной Ивановой @lab.mouse 18+ https://www.instagram.com/p/Crdx1tTN5d-/
ВС, 30.04,
12:00 👶 Мастерская иллюстрации для детей 6+ от Анны Тененбаум и Тимофея Бычкова https://www.instagram.com/p/CrdliTRNZt6/
13:00 ✍️ Последнее оффлайн занятие каллиграфического клуба Марины Перелешиной @mysimpleletters
https://www.instagram.com/p/CrgcuzcNVkU/
13:00 👣 Прогулка по холмам Еревана: Козерн
https://www.instagram.com/p/CrgpVmOMt-F/?igshid=YmMyMTA2M2Y=
15:00 👶📖 Детский книжный клуб с Мариной Козловой. Читаем «Горилла, которая хотела повзрослеть» Джилл Томлинсон.
https://www.instagram.com/p/Crd4of6o-uK/
19:00 🎤 ☀️ Женщина, облачённая в солнце: история о Климте и австрийской Джоконде
Цикл лекций об искусстве Зарины Асфари
https://www.instagram.com/p/CrcrS1ttGam/
❤6
А чей это у меня тут привет?:))) Малыш Люк прислал!! Малыш 😂😂 Размером с медведика:)
🥰30❤10❤🔥4👍3
Forwarded from Letters and Numbers Coworking, Coffee Shop and more
Кинопросмотр и обсуждение с ученым!🔥
Будем смотреть фильм-пророчество, в котором здорово отражено как работают ученые при вспышках пандемии, как разрабатывают вакцины и какое количество специалистов слаженно работает на разных направления на поле боя с инфекцией.
После фильма ученый биоинформатик Анна Иванова @lab_mouse расскажет:
🦠Как получилось, что создатели фильма будто предсказали пандемию Covid19?
🦠Как устроена работа мониторинговых организаций?
А в конце поговорим о том, ждут ли нас новые пандемии в будущем.
Фильм подобран неспроста!
В эту субботу состоится лекция с Анной Ивановой "Создание лекарств: от древних времён до наших дней", где поговорим о том, как разрабатывают современные лекарства
Четверг, 04 мая
🎬 Заражение , 2011
Сбор в 19:15
Начало в 19:30
💰 донейшен
Фильм показываем в оригинале с русскими субтитрами,
обсуждение пройдет на русском языке.
Предварительная запись в директ телеграме https://t.iss.one/LANYerevan
📍 Туманяна, 35Г
🐕 Можно с животными
🌐 lettersandnumbers.am
Будем смотреть фильм-пророчество, в котором здорово отражено как работают ученые при вспышках пандемии, как разрабатывают вакцины и какое количество специалистов слаженно работает на разных направления на поле боя с инфекцией.
После фильма ученый биоинформатик Анна Иванова @lab_mouse расскажет:
🦠Как получилось, что создатели фильма будто предсказали пандемию Covid19?
🦠Как устроена работа мониторинговых организаций?
А в конце поговорим о том, ждут ли нас новые пандемии в будущем.
Фильм подобран неспроста!
В эту субботу состоится лекция с Анной Ивановой "Создание лекарств: от древних времён до наших дней", где поговорим о том, как разрабатывают современные лекарства
Четверг, 04 мая
🎬 Заражение , 2011
Сбор в 19:15
Начало в 19:30
💰 донейшен
Фильм показываем в оригинале с русскими субтитрами,
обсуждение пройдет на русском языке.
Предварительная запись в директ телеграме https://t.iss.one/LANYerevan
📍 Туманяна, 35Г
🐕 Можно с животными
🌐 lettersandnumbers.am
❤9