Что почитать на новогодних праздниках

    Составили для вас подборку книг, которые помогут прокачать полезные для работы скиллы и узнать что-то новое, не делая над собой титанических усилий.

    Саймон Сингх. «Симпсоны и их математические секреты»


    Одна из лучших научно-популярных книг по математике, читать ее легко и приятно.

    Автор рассказывает про эпизоды мультсериала «Симпсоны» (и немного про «Футураму»), в которых фигурируют различные математические идеи, понятия и формулы. По всей видимости, создатель обоих сериалов Мэтт Грейнинг (Википедия утверждает, что его фамилия произносится именно так) увлекается математикой и с удовольствием вставляет в эпизоды математические шутки и парадоксы.

    В книге много шуток про теорему Ферма, гомеоморфные фигуры, плотность Вселенной, саберметрику, простые числа Софи Жермен, совершенные числа, самовлюблённые числа, стратегию победы в камень-ножницы-бумага, нетранзитивные игральные кости, парадокс «Гранд-отель», гипотезу Страшилы, числа е и π, ряд Эйлера, многомерные пространства и многое другое.

    Если математика (или «Симпсоны») вам хоть немного интересны, вы, как и я, получите удовольствие от прочтения.

    Грейди Клейн и Алан Дебни. «Статистика. Базовый курс в комиксах»


    Я часто читаю аналитические отчеты по информационной безопасности. При этом я уделяю особое внимание методологии исследования, описанию границ и допущений, проверяю и перепроверяю выводы. К сожалению, иногда в них встречаются логические ошибки, подмены понятий, сверхобобщения и другие случайные или умышленные искажения.

    Эта книга интересна формой подачи материала, забавными примерами, и, в целом, хорошим и простым объяснением сложных понятий и формул, используемых в статистике. Она помогает лучше понимать, что стоит за данными различных отчетов, опросов и исследований. Книга учит обнаруживать ошибки и манипуляции в статистических выкладках, а значит, критически воспринимать информацию и понимать, стоит ли ей доверять.

    Дарелл Хафф. «Как лгать при помощи статистики»


    «Как лгать при помощи статистики» Дарелла Хаффа – это, пожалуй, одной из самых полезных книг на тему понимания количественных исследований. Это далеко не новинка, книга была впервые издана в 1954 году, но актуальности не теряет до сих пор.

    Мне очень нравится, что каждый способ манипуляции статистикой проиллюстрирован на реальном примере. Как правило, рассматриваются искажения в результатах тех или иных исследований, причем очень разного уровня значимости – от качества зубной пасты до эффективности вакцины от полиомиелита.

    Такой подход позволяет быстро и практически незаметно для себя усвоить значение и значимость таких приемов.

    К сожалению, книга не очень хорошо структурирована, поэтому самостоятельно даю перечень описываемых в ней уловок:

    • Необъективная выборка.
    • Слишком маленькая выборка, которая могла дать случайный результат.
    • Подмена объекта исследования.
    • Грамотно выбранное среднее значение («лучшее» из одного: среднее арифметическое, медиана или мода).
    • Игнорирование погрешности и вероятности ошибок.
    • Использование псевдообоснованных цифр.
    • Нарушение причинно-следственной связи.
    • «Игры» с масштабом графиков, подписью осей и другим визуальным оформлением результатов.
    • Представление величин в виде картинок, на восприятие которых сильно влияет их площадь. При этом разница величин представлена в виде разницы в высоте изображений.
    • «Игры» с процентами (некорректное сложение, выбор удобного начального) и т.д.

    Анхельс Наварро. «Память не изменяет»



    Книга, как это понятно из названия, рассказывает о том, как развивать и тренировать память.

    В первой части автор дает немного теории, позволяющей лучше понять, как устроена память: на какие виды и фазы ее подразделяют, каковы ее физиологические основы, а также говорит о том, что с ней происходит по мере старения человека и способах этого избежать.

    Примерно 2/3 книги отведены собственно практическим советам (вплоть до питания), а также упражнениям. Выполнять их интересно, и, на мой взгляд, достаточно регулярно выделять на это полчаса, чтобы в скором времени заметить прогресс.

    Сами упражнения, например, такие:



    Андрей Шапенко. «Комиксы про мироустройство. Как понять этот мир, прокачать себя и добиться всего, чего захочешь».



    Несмотря на отвратительно пафосное название, книга действительно очень приятная. В ней практически нет «воды», она легко читается и отлично структурирована.

    Ее идеи нельзя назвать прорывными, скорее, это набор хорошо сформулированных рациональных подходов к жизненным этапам/вопросам, которые часто пугают людей, мешая двигаться вперед.

    Вот вам пара цитат, чтобы было понятнее, что я имею в виду:

    «Сразу же узнать, что ты хочешь от жизни, куда движешься, очень проблематично. Дело в том, что сегодня у тебя может не хватать знаний и опыта для того, чтобы увидеть тот образ будущего, где тебе хотелось бы оказаться. Пробуя разные вещи, ты начинаешь отличать свое от чужого и понимаешь, что тебе действительно по душе. Не знаешь, куда ты идешь, не стыдно. Стыдно сидеть и ничего не делать, страдая от бессмысленности и тщетности бытия. Пусть твоей целью на сегодня станет просто новый путь, а потом уже разберешься».



    «Если каждый день улучшать какое-то дело всего на 1%, то через год твоя эффективность в нем повысится в 38 раз. Если делать на 1% хуже, то она практически обнулится».



    Повторюсь, хотя вы, скорее всего, не найдете в книге фантастических откровений, но если в новом году вас ждут перемены, она поможет избавиться от связанных с ними иррациональных страхов.



    Успехов вам в наступившем году!
    Ростелеком-Solar
    189,00
    Безопасность по имени Солнце
    Поделиться публикацией

    Комментарии 15

      –4

      По моему ерунда, неделя выходных — зафигачьте курс матана больше пользы

        0

        Матан не совсем о жизни :)

          +4
          Да кто бы спорил) Но это хардкор, а наша подборка — это некий компромисс между оливье и матаном.
          +2
          Я даже вспомнил, как формула 1,01^365 всплывала пару лет назад. Её тогда клеймили как классический софизм из бизнес-успешных пабликов, аргументируя, что возведение в степень тут ни к селу ни к городу. Логичнее было бы умножать 1,01 и 0,99 на 365, и разница будет уже не такая страшная :D
            0

            И что же будет, если 0,99 умножить на 365 по вашей логике?

              +3
              Почему же, умножать — это если мы улучшили эффективность на 1% в первый день и на этом остановили рост.
                0
                Вы прямо глаза мне открыли на то, что авторская формула означает. Да, и впрямь, 1,01^365 — это наша «производительность» в конце года при наращивании производительности на 1% каждый день. А умножением мы подсчитываем этакий объём проделанной работы при заданной неизменной производительности.

                А я, получается, всё это время не вчитывался в формулировку :)
                  0
                  Хм, а если учесть, что технический прогресс не стоит на месте, то объем работы равный 100% в начале года, будет равен 80% в конце (так как появился новый скилл, который нужно освоить).
              +1

              1.01*365=368.65, в скорее так, чем в степень.

                +1
                Если честно, не совсем понятна аналогия Роста и Деградации. Как можно сделать какой-то вывод, если мы тупо 0,99 умножаем на саму себя 365 раз?
                  +1

                  Вроде того, что наша дефолтная производительность=константа, и ее сократили из обеих формул.

                    0

                    Оставив только сам множитель.

                  0
                  «Если каждый день улучшать какое-то дело всего на 1%, то через год твоя эффективность в нем повысится в 38 раз. Если делать на 1% хуже, то она практически обнулится».


                  www.quora.com/Is-this-mathematically-valid-if-you-just-do-1-a-day-more-than-everyone-else-then-you-will-do-3800-more-than-everyone-in-a-years-time/answer/Carlos-Matias-La-Borde?srid=hO4iS
                    +3
                    Улучшить дело на 1% — звучит, конечно, просто, но «сложность» этого улучшения будет расти экспоненциально.
                      0
                      Следует еще добавить, что в реальности мы столкнемся с насыщение эффективности. Поэтому экспоненциальную модель лучше заменить кривой обучения в форме сигмоиды (или любой другой функции с конечным пределом при стремлении времени к бесконечности).

                      Если сигмоиду описать логистической функцией, то можно показать, что эффективность не может быть более чем в 1+exp(ab) раз больше начальной. Здесь a — скорость роста функции, b — смещение относительно начала координат. Выходит, что столь высокий рост, как указано в статье, можно ожидать только в тех делах, в которых мы изначально низкоэффективны.

                    Только полноправные пользователи могут оставлять комментарии. Войдите, пожалуйста.

                    Самое читаемое