State of Mathematical Optimization in Data Science 2024 от Gurobi

Отчет основан на опросе 1086 специалистов по данным, каждого из которых спросили про используемые инструменты, драйверы развития, применение математической оптимизации, проблемы и вызовы. Авторы активно транслируют мысль, что каждому data scientist'y надо обучаться математической оптимизации

Отдельное спасибо @psnurnitsyn из NoML комьюнити за рекомендацию, возможно, дойду до ребят осенью с семинаром

Сто лет с публикации «Statistical Methods for Research Workers» Рональда Фишера

Фундаментальный труд, с которого началась современная статистика. Это практическое руководство для учёных, которым нужно было обрабатывать экспериментальные данные в биологии, сельском хозяйстве, медицине и других областях.

В этой книге Фишер:
- впервые систематизировал методы статистического анализа
- представил p-value и ANOVA
- заложил основы экспериментального дизайна и проверки гипотез

Теперь уже стандартные инструменты — t-test, p-value, корреляция, регрессия — собраны и систематизированы именно в этой книге, 100 лет назад. И сейчас вы легко можете их использовать в statsmodels или scipy.stats.ttest_ind

Слайды про статистику

Прикладываю слайды с моей лекции на Летней Школе. Если вы вдруг на ЛШ, приходите вечером на золотую лекцию про разборчивую невесту от Вани Яковлева :)

Вышел @ScratchAuthorEgoBot, суммаризующий последние 200 постов из тг-канала. Просто пишете название канала, выбираете стиль суммаризации - профессиональная, психологическая или прожарка, и получаете описание. Спасибо @arsenyinfo за разработку

Фрагмент из прожарки @everything_is_eventual:

У тебя в сутках точно 24 часа? Потому что, судя по твоему каналу, ты успеваешь одновременно писать код, выступать на трех конференциях на двух континентах, преподавать всему живому от восьмиклассников до топ-менеджеров, выигрывать макбуки и еще, видимо, в перерывах оптимизировать очередь в магазине с помощью алгоритма Гэйла-Шепли.

И еще в продолжении:

Серьезно, с тобой скоро невозможно будет просто выпить кофе. Я спрошу: «Как дела?», а ты мне в ответ начнешь читать лекцию про bias-variance tradeoff, сопровождая ее инфографикой, нарисованной на салфетке.

Книга "Кому нужна математика"

Пока я в отпуске, наконец-то добралась до книги Нелли Литвак и Андрея Райгородского про применение математики. Уже в первой же части рассказ про линейное программирование:

Очень важно понимать, что оптимальное решение вовсе не означает решение идеальное. Оптимизация происходит с массой ограничений, и пожелания к решению противоречат друг другу. Оптимальное решение — это лучшее, что мы можем сделать при заданных ограничениях и приоритетах.

Книга написана в научно-популярном формате, крайне рекомендую всем, независимо от бекграунда

P.S. За 10 минут публикации уже несколько человек спросили в личке, а что если число задач и исполнителей разное. В этом случае на вход алгоритму подают фиктивных недостающих и ставят им высокие стоимости.

Расскажу про Data Science в складских процессах на летней школе от ФКН ВШЭ

Центр непрерывного образования ФКН НИУ ВШЭ снова организует летнюю школу «IT-сеанс: погружение в мир данных»: про аналитику, Data Science и Data Engineering.

В этом году мой доклад в общем треке: большой зал, 23 августа, 11:00. Общий трек — до разделения по специализациям. В программе выступления бывших коллег из Ситимобила, а теперь уже из МТС, привет @ml_maxim :) Также будут спикеры из Т-банка, Яндекса, Альфа-Банка, X5 Tech, Magnit Tech, Авито и Вкусно — и точка.

Когда: 21 августа в онлайн-формате, 23 августа — очно.
Где: Центр Культур НИУ ВШЭ, г. Москва, Покровский бульвар, 11.

Участие бесплатное, но требуется регистрация: по ссылке