Как стать автором
Обновить
2
0
Вячеслав @sla-von

Математика, Анализ данных

Отправить сообщение
Очень полезная статья. Много раз в задачах моделирования и/или симуляции сталкивался с необходимостью делать выборки из различных распределений. С непрерывными распределениями все достаточно очевидно, а вот с дискретными приходилось возиться. И чем меньше симметрии, тем больше возни. Alias-метод сильно упрощает дело. Автору спасибо.
Отличный обзор. Жаль, не могу плюсануть.
Голосую за открытый конфликт Яндекса и РКН с блокировками, громкими заявлениями, пиаром во всех СМИ и судами. Для РКН на фоне истории с телегой это будет последний гвоздь в крышку гроба.
Эта история интересна подменой понятий. Пока мистер Уилсон выступал за распространение инструкций по изготовлению оружия, а суд — против, процесс тянулся вяло. Потому что всякий легалайз в области оружия — это борьба бобра с ослом — тема вечная и холиварная. Но в какой-то момент позиция суда стала выглядеть так, будто суд выступает против распространения произвольных файлов в интернете. Т.е. вопрос оружейной свободы превратился в вопрос свободы информационной, который решается проще. Это и определило успех дела. Вероятно, дальше будет череда судебных процессов, которые со временем приведут ситуацию к равновесию. В результате в США появится законная процедура продажи таких файлов, аналогичная продаже оружия — с ограничениями на тип, калибр, предоставлением номера страховки и пр.
В профориентации может быть и другой кейс: рекомендовать профессию тому, у кого ее еще нет. Например, школьнику. Примеров таких не встречал.
Спасибо за статью, было интересно. Есть два вопроса. 1. Матрица предпочтений обычно большая и сильно разряженная. Есть ли какие-то специальные алгоритмы или математические трюки для оптимального обхода таких матриц? 2. Вам встречались какие-нибудь нестандартные применения рекомендательных систем? Например, при исследовании профориентации.
Ясно, что перевод, но все же заголовок желтоват. Существование быстрого классического алгоритма не опровергает более раннюю работу Керенидиса и Пракаша, а скорее дополняет ее. Если бы «подросток» Тан нашел там ошибки или сорвал какой-нибудь эксперимент — другое дело.
Большое спасибо автору за прекрасную статью. Поставил бы плюс, но ограничения аккаунта не позволяют.

Информация

В рейтинге
Не участвует
Откуда
Россия
Дата рождения
Зарегистрирован
Активность