Aspiring Data Science – Telegram
Aspiring Data Science
385 subscribers
465 photos
12 videos
12 files
2.15K links
Заметки экономиста о программировании, прогнозировании и принятии решений, научном методе познания.
Контакт: @fingoldo

I call myself a data scientist because I know just enough math, economics & programming to be dangerous.
Download Telegram
#google #lumiere #video

Новая моделька генерации видео по тексту от гугла. Понравилась бегунья из цветов )

https://lumiere-video.github.io/#section_text_to_video
#distances #trading #knn

"Recently, it was hypothesized that Lorentzian space was also well-suited for analyzing time-series data. This hypothesis has been supported by several empirical studies that demonstrate that Lorentzian distance is more robust to outliers and noise than the more commonly used Euclidean distance. Furthermore, Lorentzian distance was also shown to outperform dozens of other highly regarded distance metrics, including Manhattan distance, Bhattacharyya similarity, and Cosine similarity. Outside of Dynamic Time Warping based approaches, which are unfortunately too computationally intensive for PineScript at this time, the Lorentzian Distance metric consistently scores the highest mean accuracy over a wide variety of time series data sets.

Euclidean distance is commonly used as the default distance metric for NN-based search algorithms, but it may not always be the best choice when dealing with financial market data. This is because financial market data can be significantly impacted by proximity to major world events such as FOMC Meetings and Black Swan events. This event-based distortion of market data can be framed as similar to the gravitational warping caused by a massive object on the space-time continuum. For financial markets, the analogous continuum that experiences warping can be referred to as "price-time"."

https://www.tradingview.com/noscript/WhBzgfDu-Machine-Learning-Lorentzian-Classification/
👍2🤣1
#biology #nikitin #lifeorigin

Ммм, первичная пиццаааа )

Много нового узнал. Жизнь появилась на Земле ещё без кислорода, кислород стали производить цианобактерии 2.5 млрд лет назад, он для нас в чистом виде токсичен, хотя без него мы уже не можем жить. Кстати, нашёл ещё теорию, что в прошлом насекомые и земноводные были такими огромными как раз из-за повышенного содержания кислорода в воздухе (35% vs 20%). Забавный факт, в жидком виде кислород притягивается магнитом )

Ну и на посошок. С правохиральным пришельцем, скорее всего, можно совместно распить этиловый спирт ))

https://www.youtube.com/watch?v=2nWdZdYtz84
Forwarded from kyrillic
Про выбор места жительства, самые популярные кейсы. В прошлый раз был пост с примерами мест пмж по разным критериям. Где главный конечно - уровень удаленного дохода. В том же посте описал, почему у меня немалая насмотренность нынешних релокантов/номадов.

И кстати недавно мы выяснили (опрос), что вы очень даже умеете удаленно зарабатывать 🙂 Респект!

Давайте рассмотрим самые популярные кейсы!

Дисклеймер все тот же - это всего лишь субъективное мнение из интернета.

1️⃣ Одинокий айтишник (М 30+) В постах про счастье писал, что глубокие эмоциональные связи - ключевой фактор счастья и удовлетворенности от жизни. Если переиначить, то одиночество вряд ли можно считать нормой с научной точки зрения. Формально даже жить с мамой - более норма, чем одному.

При этом ru-айтишнику в эмиграции статистически намного сложнее найти пару в силу довольно объективных причин (пост) Субъективно кажется, что это справедливо только для натуралов.

Поэтому разумный выбор, до смены статуса (одинокого или натурала 🙂) - это либо родина, либо места с высокой долей одиноких ru-релокантов-девушек. И пониженной конкуренцией 🙂 А это по сути только 🇬🇪 Тбилиси. Либо 🇮🇱 Тель-Авив, если позволяет происхождение.

2️⃣ Одинокая айтишница 25+ Тут конечно путь в крупные города, в зависимости от предпочтений. Считаю лучшими 🇬🇧 Лондон и 🇫🇷 Париж, просто потому что там “ru” всегда было и будет плюсом из-за культурного влияния. Почти конкурентное преимущество! Но в целом подойдут любые столицы первого мира.

3️⃣ Релокантам пост-студенческого возраста один путь - в магистратуру (пост). Все, кто пошел другим путем, будет скорее всего отставать в эмиграции от тех, кто выбрал магистратуру. И тут место учебы имеет значение только в контексте локации. Поэтому лучше ехать в 🇺🇸 США, 🇬🇧 UK и т.д. Вот релевантный пост про талантов 22-25 лет.

4️⃣ Пара без детей, 28+ Наверное самая многочисленная категория - уже есть уверенность, моральная и материальная, есть гибкость в жизненных решениях. И тут выбор огромен, все зависит от вкусов и возможностей. Проще сказать, куда точно не надо: постсоветские страны и возможно Восточная Европа, потому что это с очень большой натяжкой можно назвать эмиграцией.

5️⃣ Пара с детьми/ребенком дошкольного возраста. Климат решает! Даже в опросе про стоимость жизни (пост), большинство с детьми выбирают теплые прибрежные локации. Оно и понятно!

Если разделять города по уровню доходов пары, то с $2-3k лучшие места - 🇪🇸 Аликанте и окрестности, небольшие города 🇮🇹 Лигурии, даже 🇹🇷 Турция ок. С $3-5k - 🇪🇸 Барселона, 🇫🇷 Юг Франции.

6️⃣ Семья с детьми школьного возраста. Считаю что только представителям этой категории разумно рассуждать о привычных эмигрантских критериях, столь популярных в чатах, - медицина, налоги, образование, социализация, время до паспорта и др. Потому что такие семьи - самый репрезентативный элемент любого развитого общества. А значит влияние перечисленных факторов наиболее высоко на отдельно взятую семью.

Потому что в кейсах "я одинокий ML инженер в Лондоне с з/п $200k" зачастую локация в Тиндере - "Невский Проспект + 10км". И у человека есть что-то поважнее, чем сравнение NHS с медициной других стран.

7️⃣ Фаундеры стартапов, которые уже что-то умеют. Любое место помимо 🇺🇸 Долины - это компромисс. Можно много говорить о крутой экосистеме стартапов например в Барселоне, но это просто село, по сравнению с Долиной. Хотя Долина - это село по множеству других критериев 🙂

8️⃣ Топ 3% айти-таланты. Если кто-то из вас себя таковым считает, то путь тоже один. Точнее два - побережья 🇺🇸 США (пост).

9️⃣ Мое общее наблюдение на тему критериев выбора простое: cчитаю самыми важными те, которые влияют на жизненные шансы, а если говорить прямо - на победу в конкуренции с другими людьми.

При этом такие факторы не особо обсуждают, потому что они менее наглядные и менее подсчитываемые, чем налоги, климат, рейтинг университетов/краж/самоубийств и др. Хотя эти неощутимые критерии - достаточно объективны и обусловлены человеческой природой, устройством обществ и тервером 🙂

@kyrillic
Forwarded from ML for Value / Ваня Максимов (Ivan Maksimov)
Выводы про А/В-тестирование от Optimizely

Довольно известная плафторма АВ Optimizely выпустила репорт с анализом 127к экспов за последние 5 лет. И вот что они обнаружили

1. 88% экспериментов проваливаются
Да-да лишь 1 из 10 ваших самых гениальных и продуманных идей в итоге растит метрики)
Эта цифра довольно хорошо согласуется и с репортами от крупнейших компаний (гугл, ютуб, амазон, airbnb)

2. Половина компаний проводит менее 34 экспериментов в год
Это очень МАЛО ~3 эксперимента в месяц. На моей практике в Delivery Club мы видели хороший суммарный эффект от АВ плафтормы на 10+ экспериментах в месяц. Ну и в конце концов разогнались до ~40-50 экспериментов в месяц (по данным optimizely это как у топ-3% компаний)

3. ~30% экспериментов используют метрику "Выручка". Но красится она в <1% случаев
В общем, думайте тщательно над выбором метрик - не берите просто самую верхнеуровневую! Как правило, почти всегда можно выбрать более узкую и специфичную для вашей фичи метрику (конверсию из действия Х в У, например). Для этого вам помогут деревья метрик и декомпозиция метрик

4. 10% экспов используют 4+ тестовые группы.. и несут х2 импакта - Тут есть вопросики 🤡
Среди 4+ вариантов без хороших поправок на множественное тестирование легко найти победителя, даже если его нет. Тогда конечно такие экспы будут *случайно* нести больше импакта. В общем, я бы покопался под капотом Optimizely - проверил, как они делают (и делают ли) поправку на множественное тестирование

Мое мнение - в 95% кейсов можно использовать 2 группы, в оставшихся 5% - 3 группы

5. Топ 5% АВ-тестов (всего 2 экспа из 34) приносят 50% импакта
Кажется, эпоха low-hanging fruits прошла. Нужно не бояться делать большие изменения и смотреть, что получится
Плюс, делать больше качественных экспериментов конечно!) Optimizely посчитали, что оптимально 1 разраб = не более 1 экспа в месяц


А какие выводы про АВ есть из вашего опыта?)
#ads

Хорошо.
2
#law #tesla #musk

Правильно, ибо нефиг себе назначать заоблачные премии.

"Соответствующий компенсационный пакет в форме акций компании был назначен ему ещё в 2018 году, и стал рекордным по своей величине среди всех публичных компаний. Вердикт об аннулировании данной договорённости между советом директоров Tesla и Илоном Маском на этой неделе огласил суд штата Делавэр, рассмотрев иск одного из акционеров Tesla Ричарда Торнетты (Richard Tornetta), который ранее выразил несогласие с размерами компенсации за работу Илона Маска в данной должности. Сторонам спора ещё предстоит определить, на каких условиях Маску предстоит вернуть полученные ранее акции и средства в качестве оплаты своего труда на посту генерального директора Tesla. Ответчик сохраняет за собой возможность оспорить данное решение в суде высшей инстанции.

Как определил суд, именно компенсационный пакет в размере $56 млрд помог Илону Маску стать богатейшим человеком в мире. По существовавшему плану, с 2018 года Маск мог получать акции Tesla порциями по 12 пакетов, если финансовые показатели компании достигали определённых целевых значений. Реализация акций на рынке по актуальным ценам позволяла Маску зарабатывать крупные суммы денег. По мнению суда, главе Tesla удалось подогнать фактические показатели под требуемую величину, а потому его результирующее обогащение не является справедливым. Совет директоров, по мнению истца, пошёл на поводу у Маска, назначив ему столь щедрый компенсационный пакет. В составе совета директоров находились люди, имевшие прочные связи с самим Маском, а потому принятое решение о компенсации было в принято в интересах миллиардера на необъективных условиях. По мнению представителей американских органов правосудия, ни совет директоров Tesla, ни комитет по назначению компенсационных выплат не действовал на том этапе в интересах компании и её акционеров. Нет даже внятных доказательств факта самого ведения переговоров по этому вопросу.

Илон Маск на момент подготовки материала к публикации ограничился лишь призывом со страниц своей социальной сети X «никогда не регистрировать компании в юрисдикции штата Делавэр». Он также запустил социологический опрос с предложением перерегистрировать Tesla в штате Техас, где находится её штаб-квартира после переезда из Калифорнии. К слову, тот переезд был инициирован Илоном Маском не только из-за конфликта с властями Калифорнии на почве локдауна местного предприятия компании в первые недели пандемии 2020 года, но и ради экономии на налогах."

https://3dnews.ru/1099580/sud-annuliroval-kompensatsionniy-paket-ilona-maska-na-summu-56-mlrd-za-rukovodstvo-kompaniey-tesla
#marketingbullshit

Немного маркетингового дерьма. В этой новости прекрасно ВСЁ.

От индуса-управленца (действительно, кто же ещё? Mastercard это же индийская компания с штабом в Дели, правда?) до патента на рекуррентную нейросеть (керас и пайторч, ау).

Но самый писк в способности новой модели выявлять мошеннические модели и тенденции для прогнозирования будущих типов мошенничества, которые пока не встречались в платёжной экосистеме. Как?! У вас же обучение по размеченным данным. Что-то я не слышал, чтоб сетки применяли для outlier detection. И что такое "уровень обнаружения" мошенничества в 20%? Это точность или полнота?
А как связаны генеративный ИИ и анализ транзакций? Может, в Мастеркард и есть интересные решения, только этот президент о них знает примерно ничего, судя по его комментариям.

Рецепт как стать президентом по кибербезопасности в крупной компании:
1) быть индусом
2) выучить слова "экосистема" и "ИИ"
3) ни хера не разбираться в ML

"Аджай Бхалла (Ajay Bhalla), президент бизнес-подразделения Mastercard по кибербезопасности и разведке, рассказал CNBC, что новое решение представляет собой запатентованную рекуррентную нейронную сеть, созданную с нуля командами Mastercard по кибербезопасности и борьбе с мошенничеством.

«Мы используем модели-трансформеры, которые, по сути, помогают получить мощь генеративного ИИ, — сообщил Бхалла. — Всё это было создано собственными силами, у нас есть все виды данных из экосистемы. Благодаря характеру нашей деятельности, мы видим все данные о транзакциях, которые поступают к нам из экосистемы».

Он отметил, что в некоторых случаях Mastercard полагается на открытый исходный код «всякий раз, когда это необходимо», но «большая часть» технологий создаётся собственными силами компании.

Собственный алгоритм Mastercard обучен на данных примерно 125 млрд транзакций, которые ежегодно совершаются в платёжной сети компании. Вместо текстового ввода он использует историю посещений торговых точек держателем карты в качестве подсказки для определения того, является ли бизнес, участвующий в транзакции, местом, куда с большой вероятностью направится покупатель.

Затем алгоритм генерирует пути через сеть Mastercard, чтобы оценить варианты. Более высокий балл в оценке будет соответствовать модели обычного поведения, ожидаемого от держателя карты, а более низкий балл — за пределами этой модели. Весь этот процесс занимает всего 50 миллисекунд.

По словам Бхаллы, новая ИИ-технология позволит финансовым учреждениям повысить уровень обнаружения мошенничества в среднем на 20 %. Однако в некоторых случаях эта модель привела к повышению уровня выявления мошенничества на целых 300 %, добавил он. Mastercard ожидает, что её алгоритм также позволит банкам сэкономить до 20 % на затратах на оценку незаконных транзакций.

Однако истинный потенциал новой технологии Mastercard, как полагает Бхалла, заключается в её способности выявлять мошеннические модели и тенденции для прогнозирования будущих типов мошенничества, которые пока не встречались в платёжной экосистеме."

https://3dnews.ru/1099665/novaya-iitehnologiya-mastercard-pozvolyaet-povisit-na-300-uroven-viyavleniya-moshennichestva-v-platyognoy-seti
#hardware #vr #apple

Понравились несколько крутых фишек Vision Pro: бесшовная интеграция с макбуком, создание виртуальных 4k монитров, автодетекция собеседника и его появление из "тумана" VR.
Фишка с трансляцией глаз прикольная, но, если честно, толку в ней не вижу, а стоила она наверняка до фига. Переплачивать баксов 500 чтобы при ношении шлема VR кто-то видел твои глаза.. Хм.

https://www.youtube.com/watch?v=dtp6b76pMak