Статья непонятна даже для продвинутого читателя без подготовки в авторской нотации, перегруженность аббривеатурами — даже при наличии их списка. Много интуитивных, но недоказанных утверждений, похоже на попытку на частных примерах построить алгоритм факторизации "любого" числа. Скриншоты низкого качества в середине статьи не помогают, содержат неясные цветовые пометки без легенды. Очень похоже на работу энтузиаста, который не слышит окружающих и поэтому не может донести свою идею (очень редко на хабре вижу статьи с негативным рейтингом). Видно что проблема автором разрабатывается по меньшей мере с 2015 года. Есть ли псевдокод? Есть ли демонстрация выигрыша по сложности предлагаемого метода по сравнению, например, с методом квадратичного решета?
Ох, какая глубокая медитация на тему «как заставить ИИ звучать как будто он не просто шаблонный генератор текста». Жалко что нет кармы поставить минус. Ты правда думаешь, что если написать «Ты не сервис, ты — навигатор», ChatGPT внезапно обретет дзен и начнет вести тебя к просветлению?
Вот реальные способы «прокачать» ИИ без эзотерики:
Конкретные инструкции — вместо «будь глубже» пиши «разбери этот код, указав слабые места».
Контекст — если бот тупит, напомни ему, о чем шла речь три сообщения назад.
Примеры — покажи, как должен выглядеть ответ, и он скопирует стиль.
Критика — «это неверно, вот почему» сработает лучше, чем «ой, давай как-то иначе».
А твои «7 шагов к осознанному взаимодействию» звучат как инструкция по гипнозу для чайника. Если ИИ вдруг «зазвучит иначе» после фразы «помоги мне не повторять привычное» — это не прорыв, а эффект плацебо.
P.S. Давайте не забывать о том, что весь промт для ИИ — просто вектора в многомерном пространстве.
Согласен, что для флага сейчас ночь или нет понятнее было бы is_night_now в качестве переменной для хранения флага. Хотелось, чтобы статья была доступна не только людям с большой насмотренностью, но и тем, у кого нет опыта в программировании, поэтому стремился к тому, чтобы названия с аргументами при переводе имели смысл. В данном случае — "проверить билет пользователя".
t-тест не требует нормальности распределения самих данных, он требует нормальности распределения выборочных средних вокруг истинного среднего, если данных мало, то это выполняется только если сами распределения нормальные
Выше есть по меньшей мере две критичные некорректности, которые стоит исправить. Студенты находят в интернете подобные материалы и транслируют некоторые распространённые заблуждения.
1) "Если данные в A/B-тесте не из нормального распределения, то T-test использовать нельзя."
ЦПТ в помощь, если больше 30-50 элементов в меньшей выборке, то можно.
2) "Манн-Уитни не может проверить ничего, кроме равенства распределений."
Хотя примерно это написано в документации: “The Mann‑Whitney U test is a nonparametric test of the null hypothesis that the distribution underlying sample x is the same as the distribution underlying sample y ”, однако по факту это именно инструмент сравнения средних тенденций выборок. Хотел проверить утверждение о том, что он не показывает неравенство медиан, однако проще показать, что он не показывает равенства распределений:
Люди читают ваше плохо сформулированное "к распределению, отличному от нормального, нельзя применять параметрические критерии анализа, вроде Стьюдента" и думают, что речь идёт про распределение самих выборок, даже если они большие. Хотя для t-критерия важно нормальное распределение выборочных средних.
Миф о том, что для теста Стьюдента нужно нормальное распределение запустили медики, у которых выборки мелкие и которым это действительно важно. Если у вас в самой мелкой выборке больше 50 элементов, то нормальность распределения внутри неё уже не так важна.
Скорее у них просто много помошников, с которыми очень утомляет бороться 24/7, потому что они на зарплате, а ты — нет. Но Википедия − не орудие рекламы, так считает 92,8% озаботившихся поставить себе соответствующий юзербокс.
Статья непонятна даже для продвинутого читателя без подготовки в авторской нотации, перегруженность аббривеатурами — даже при наличии их списка. Много интуитивных, но недоказанных утверждений, похоже на попытку на частных примерах построить алгоритм факторизации "любого" числа. Скриншоты низкого качества в середине статьи не помогают, содержат неясные цветовые пометки без легенды. Очень похоже на работу энтузиаста, который не слышит окружающих и поэтому не может донести свою идею (очень редко на хабре вижу статьи с негативным рейтингом). Видно что проблема автором разрабатывается по меньшей мере с 2015 года. Есть ли псевдокод? Есть ли демонстрация выигрыша по сложности предлагаемого метода по сравнению, например, с методом квадратичного решета?
Ох, какая глубокая медитация на тему «как заставить ИИ звучать как будто он не просто шаблонный генератор текста». Жалко что нет кармы поставить минус. Ты правда думаешь, что если написать «Ты не сервис, ты — навигатор», ChatGPT внезапно обретет дзен и начнет вести тебя к просветлению?
Вот реальные способы «прокачать» ИИ без эзотерики:
Конкретные инструкции — вместо «будь глубже» пиши «разбери этот код, указав слабые места».
Контекст — если бот тупит, напомни ему, о чем шла речь три сообщения назад.
Примеры — покажи, как должен выглядеть ответ, и он скопирует стиль.
Критика — «это неверно, вот почему» сработает лучше, чем «ой, давай как-то иначе».
А твои «7 шагов к осознанному взаимодействию» звучат как инструкция по гипнозу для чайника. Если ИИ вдруг «зазвучит иначе» после фразы «помоги мне не повторять привычное» — это не прорыв, а эффект плацебо.
P.S. Давайте не забывать о том, что весь промт для ИИ — просто вектора в многомерном пространстве.
Согласен, что для флага сейчас ночь или нет понятнее было бы
is_night_nowв качестве переменной для хранения флага. Хотелось, чтобы статья была доступна не только людям с большой насмотренностью, но и тем, у кого нет опыта в программировании, поэтому стремился к тому, чтобы названия с аргументами при переводе имели смысл. В данном случае — "проверить билет пользователя".t-тест не требует нормальности распределения самих данных, он требует нормальности распределения выборочных средних вокруг истинного среднего, если данных мало, то это выполняется только если сами распределения нормальные
Выше есть по меньшей мере две критичные некорректности, которые стоит исправить. Студенты находят в интернете подобные материалы и транслируют некоторые распространённые заблуждения.
1) "Если данные в A/B-тесте не из нормального распределения, то T-test использовать нельзя."
ЦПТ в помощь, если больше 30-50 элементов в меньшей выборке, то можно.
2) "Манн-Уитни не может проверить ничего, кроме равенства распределений."
Хотя примерно это написано в документации: “The Mann‑Whitney U test is a nonparametric test of the null hypothesis that the distribution underlying sample x is the same as the distribution underlying sample y ”, однако по факту это именно инструмент сравнения средних тенденций выборок. Хотел проверить утверждение о том, что он не показывает неравенство медиан, однако проще показать, что он не показывает равенства распределений:
Код
#Нулевая гипотеза -- средние двух выборок равны#Альтернативная -- средние отличаютсяalpha = 0.05 group_a = [0]*10 + [1]*20 + [2]*24 + [3]*1 + [4]*16 + [5]*20 + [6]*10 group_b = [2]*9 + [3]*91 + [4]*1fig, ax = plt.subplots() ax.hist(group_a , label="A",bins=np.arange(0,7,.5),align='left') ax.hist(group_b , label="B", color="green",bins=np.arange(0,7,.5),align='left') plt.legend()results = st.mannwhitneyu( gropup_a, gropup_b)print('p-значение:', results.pvalue)if (results.pvalue < alpha): print("Отвергаем нулевую гипотезу") else: print("Не получилось отвергнуть нулевую гипотезу")Люди читают ваше плохо сформулированное "к распределению, отличному от нормального, нельзя применять параметрические критерии анализа, вроде Стьюдента" и думают, что речь идёт про распределение самих выборок, даже если они большие. Хотя для t-критерия важно нормальное распределение выборочных средних.
Vsevo10d, исправьте, пожалуйста.
Миф о том, что для теста Стьюдента нужно нормальное распределение запустили медики, у которых выборки мелкие и которым это действительно важно. Если у вас в самой мелкой выборке больше 50 элементов, то нормальность распределения внутри неё уже не так важна.
Скорее у них просто много помошников, с которыми очень утомляет бороться 24/7, потому что они на зарплате, а ты — нет. Но Википедия − не орудие рекламы, так считает 92,8% озаботившихся поставить себе соответствующий юзербокс.