О манипуляциях с помощью статистики и сексизме

Сексизм часто становится темой вечера и причиной жарких споров в небольшом круге моих друзей. Я вовсе не отношусь к тем людям, которые утверждают, что это надуманная проблема. Но и не особо доверяю статьям с бесконечным числом статистических данных, из которых следует, что сексизм всюду. Сегодня, речь пойдёт о парадоксе Симпсона и манипуляции данными.

Детектор движения

Давненько я ничего не писала. Но у меня есть оправдание :). Во всём виноватa защита докторского минимума и следующий за ней отдых в Австрии (интересное видео из путешествия есть в моём телеграм канале). Теперь спешу порадовать вас новой статьёй. Сегодня мы будем обеспечивать охрану офиса, ведь речь пойдёт о детекции движения.

Как Эйнштейн получил Нобелевскую премию

В данный момент я активно (ха) готовлюсь к защите минимума. Кто учился в докторантуре (аспирантуре), тот понимает о чём я. Для всех остальных: надеюсь, что вы не захотите испытать это на себе :). Ну так вот. Готовиться, понятное дело, мне совсем не хочется. Поэтому, решила написать для вас небольшую статью о Нобелевской премии Эйнштейна. Где-то год назад я прочла биографию Альберта Эйнштейна от Уолтера Айзексона (книга просто супер, всем советую). Всю жизнь я была абсолютна уверена в том, что Эйнштейн получил Нобелевскую премию за теорию относительности. Но как оказалось это совсем не так.

Классификация методом ближайших соседей

Наконец я добралась до машинного обучения. Сегодня поговорим о классификации методом ближайших соседей. Люди, знакомые с машинным обучением (machine learning), чаще называют этот метод kNN алгоритмом (от английского k-nearest neighbors). Надеюсь, простота этого классификатора позволит мне познакомить вас с идеей машинного обучения.

Число Эйлера, или разорится ли банк?

Недавно на просторах википедии встретила мнемоническое стихотворение, позволяющее запомнить чему равно число е: “Экспоненту помнить способ есть простой: два и семь десятых, дважды Лев Толстой”. Мне оно так понравилось, что я решила написать об этом числе статью. Сегодня расскажу откуда взялось число Эйлера (более известное как экспонента). И имеет ли Эйлер к нему какое-то отношение.

Задачи для тестировщика

Среди огромного числа IT фирм в Праге есть офис компании Veeam. Последнее время заметила, что ребята как-то очень активно ищут людей на работу. Огромное количество рекламы в соцсетях, разные зазывающие статьи, например, здесь. Судя по всему, дела у них идут не плохо и они активно расширяются, поэтому постоянно ищут работников. Кстати, главный офис у них находится в Питере. Поэтому думаю, что информация будет интересна не только для людей, живущих в Чехии, но и для людей из России.

Конволюция для поиска предмета на картинке

Сегодня речь пойдёт о самом простом алгоритме поиска предмета на картинке. Здесь мы поговорим о том что такое корреляция и как она работает. Не пугайтесь, обещаю, всё будет просто. Конечно, у такого алгоритма много ограничений. Но при этом большое количество нейронных сетей, используемых, например, для детекции людей или предметов на фотографиях, используют именно этот принцип. Так что читаем и подписываемся на мой телеграм-канал :).

Просто о центральной предельной теореме

Сейчас в Праге просто ужасная жара. Поэтому единственное о чём я могу думать – кондиционер. Давайте сегодня поговорим о том, как классическая центральная предельная теорема используется для охлаждения воздуха :). Понимаю, что звучит странно. Но разобраться стоит.

Как сделать фото чётче?

Честно признаюсь, я – плохой фотограф. В памяти моего телефона хранится миллион снимков, которые я не могу опубликовать даже в своём телеграм-канале, потому что они малость нечёткие :). Сегодня я расскажу вам о том, какой алгоритм используется для улучшения чёткости, или правильнее сказать, резкости фотографий. Предупреждаю сразу, не стоит ждать от него каких-то супер результатов. Это один из простейших, но в тоже время базовых алгоритмов.

Формула идеального веса

Думаю, что каждый из нас хоть раз в жизни натыкался на формулу идеального веса. Знаете, такие формулы, когда подставляешь свой рост и вычисляешь какой вес тебе следовало бы иметь. Например, вес по формуле “мечта Лоренца” вычисляется следующим образом: РОСТ – 100 – (РОСТ – 150)/2. Подставляете свой рост в сантиметрах и готово. А задумывались ли вы, откуда эти формулы берутся и насколько близко к сердцу стоит принимать то, что ваш вес не совсем соответсвует идеальному? 🙂