Дмитрий Бабаев ratatosk

Есть еще PyJNIus (https://github.com/kivy/pyjnius) он работает через JNI, он удобнее и быстрее чем Py4J

В чем смысл сравнивать количество умерших от гриппа в 2016 году и смертей от COVID? Явно же заболевших гриппом было сильно больше.

Так отрасль на подъеме, людей не хватвет, поэтому начинающему легко попасть на относительно неплохую стартовую зарплату. Правильно ли я понимаю, что вы хотите, чтобы отрасль была на спаде и программисты дрались друг с другом за рабочие места?

В многомировой интерпретации множество миров где кот мертв естественным образом получаются вследствие того, что при очередном делении на два мира тот мир, где кот остался жив может еще раз поделиться на два мира жив/мертв. Получается, что с течением времени растет количество миров, где кот мертв, а мир, где кот жив остается один.

А в чем смысл шифровать DNS, кроме как, защиты от подмены ответа? Провайдер же все равно знает IP соединения и, может по нему восстановить основную часть домена для более-менее крупных сайтов?

Рекуррентные нейросети полны по Тьюрингу, вот, например, подробности: https://stats.stackexchange.com/questions/220907/meaning-and-proof-of-rnn-can-approximate-any-algorithm.

Английский вариант этой книги доступен бесплатно от автора: https://jakevdp.github.io/PythonDataScienceHandbook/

А причем здесь математика? Или она упомянута только из-за слова "Гаусс" в названии?

А как мы в последнем примере получили 2-х мерные вектора если выход последнего слоя сети — 128?

Кстати power.prop.test из R для одностороннего теста почему то стабильно предлагает в 2 раза большее количество экспериментов на группу чем метод, описанный здесь. Например, для примера из статьи:

power.prop.test(
    p1 = 0.001,
    p2 = 0.0011,
    sig.level = 0.01,
    power = 0.99,
    alternative = "one.sided")

     Two-sample comparison of proportions power calculation 

              n = 4541213
             p1 = 0.001
             p2 = 0.0011
      sig.level = 0.01
          power = 0.99
    alternative = one.sided

NOTE: n is number in *each* group

Спасибо за мега полезную статью. Уточняющий вопрос про A/B тесты: мы научились считать n для желаемых величин альфа и бета, но оно зависит от тетта контроля, которое мы не знаем. Мы берем какую то его оценку по предыдущим тестам?

Только это пока не бустинг, про бустинг наверняка будет отдельная статья.

Наверное "деньги очень нужны")

Картинки хороши, особенно начальная

Особенно понравился кейс Билайна: делаем бла бла бла а также бла бла бла и это не полный перечень! Результат: к 2018 г. прогнозируемые доходы от big data составят более 20% выручки компании. Наверное благодаря Spark и scikit-learn). Думаю из-за таких "кейсов" у многих и возникает ощущение что биг дата — это какой-то развод.

Вот очень хорошая вводная статья про виды распределений: Common Probability Distributions: The Data Scientist’s Crib Sheet.