Роман с Data Science. Как монетизировать большие данные
- jbmeerkatцитирует3 года назад
Считается, что нужно потратить 10 000 часов для того, чтобы стать очень хорошим специалистом в своей области.Популярное заблуждение. Можно и сто тысяч часов потратить и не стать высококвалифицированным профессионалом. Важно как именно время потрачено, а количество вторично.
Интересно то, что Малкольм Гладуэлл, который популяризовал это утверждения, основывался на исследовании психолога Андерса Эрикссона, который, в свою очередь, раскритиковал Гладуэлла за неверную трактовку его исследования. Согласно исследованию это среднее количество времени, которое высококлассные профессионалы потратили на достижение своего уровня, но много и тех, кто потратил меньше, и огромное количество тех, кто потратил больше и немногого добился. Подробнее про то, какой должна быть практика для достижения результата Эрикссон написал в книге «Peak». - Serhii Mazurokцитирует3 года назад
А для статистического усреднения человек как таковой совершенно не важен. Это — абстракция, а не конкретная личность. - Oleg Kopylovцитирует2 года назад
существует единственного алгоритма, который будет самым точным для любых задач - Oleg Kopylovцитирует2 года назадТеорема No Free Lunch (или по-нашему — халявы не бывает) гласит, что не
- Oleg Kopylovцитирует2 года назадКак я уже писал, основное отличие машинного обучения от обычного программирования заключается в том, что программа обучается на примерах, а не на прямых инструкциях. Поэтому неотъемлемой частью какого-либо решения является обученная на данных (примерах) модель
- Oleg Kopylovцитирует2 года назадКак вы помните из предыдущих глав, классическая аналитика данных делится на два этапа — поиск гипотез и их статистическая проверка. Для формирования гипотез нам понадобятся описательная статистика, визуализация данных и доменные знания, например, какие события в компании произошли
- b1178325954цитирует2 года назад
В аналитический паралич легко впасть, если пытаться принять решение чисто рационально, руководствуясь только логикой. - Oleg Kopylovцитирует2 года назадЯ всегда стараюсь использовать этот подход во всех компаниях, где бы ни работал. Вы даже не представляете, насколько будут вам благодарны пользователи ваших аналитических систем, когда смогут получать данные самостоятельно. Самые умные и деятельные сотрудники являются самыми активными потребителями информации для принятия решений, и создавать им препятствия — это преступление
- Oleg Kopylovцитирует2 года назадчто в эпоху облачных вычислений, дешевого хранения данных и хороших алгоритмов их сжатия нужно сохранять максимально много и подробно. Поверьте, когда понадобится найти ответ на какой-то вопрос и вы будете понимать, что данных нет, а могли бы быть, будет очень обидно. Рано или поздно собирать их все равно придется, почему бы не начать прямо сейчас
- Oleg Kopylovцитирует2 года назадМного данных не бывает
Эту фразу я повторял, когда работал в Ostrovok.ru.
fb2epub
Перетащите файлы сюда,
не более 5 за один раз