#biology #religion #lifeorigin

Поразительно, оказывается, есть прямо сейчас живые организмы возрастом больше 10 000лет.. деревья, морские губки. Редкий вид батюшки, "псевдопродвинутый". Прочитал и запомнил некоторые термины, а эволюцию отрицает. Где, мол, ваши доказательства? Ему про методы датирования, цепь плавно изменяющихся морфологических признаков, а он нет, не видит связи. Приводит в качестве доказательства отсутствия эволюции фотографии растений и животных, слабо изменившихся за миллионы лет. То есть простые и логичные положения теории естественного отбора он не понял совершенно. Научный метод познания он тоже не понимает, при этом спорит о сомнительности научного метода.. по видеосвязи через персональный компьютер в интернете. Если бы все люди были такими батюшками, мы бы до сих пор в пещерах молились. При этом, я думаю, мало кто из религиозных иерархов отказывается от благ научного прогресса, лечится подорожником и молитвой, перемещается на конном экипаже, не пользуется современными строительными технологиями, технологиями коммуникации. Поразительно их лицемерие.
В то же время это крайне современный батюшка, признающий возможность внеземной биологической жизни. Что самое удивительное, настоящее бессмертие человека приближает именно непрестанная работа учёных по расшифровке генома, колонизации других планет, созданию ИИ, а вовсе не упорствование служителей религиозных культов.

https://www.youtube.com/watch?v=wA0r5rwSnqU&ab_channel=ScienceVideoLab

#religion vs #science

Это вообще находка. Крайне корректный, интересный диалог умных собеседников. Очень эрудированный батюшка, который не видит, в отличие от предыдущего, никакой проблемы в том, что эволюция создана Богом. Но даже такого батюшку удалось загнать (на короткое время) в тупик мысленным экспериментом. Эксперимент, кстати, показал, что церковь догматична настолько, что если бы Христос сошёл во второй раз прямо сегодня, и так же как и 2000 лет тому стал творить чудеса, верующие... ему бы не поверили, и упекли в психушку. А учёные бы уже поверили. Это лучший диалог богослова и учёного, который я только видел.

https://www.youtube.com/watch?v=U6rOHLGRNMM&ab_channel=%D0%A1%D0%B5%D1%80%D0%B0%D1%84%D0%B8%D0%BC

"Хотя ChatGPT и без того немало знает о нашем мире, дополнительные сведения ему обеспечат специальные плагины, позволяющие получить доступ к отраслевым хранилищам информации. Например, о времени авиарейсов и ценах на них можно получить данные с помощью плагина Kayak, сложном математическом моделировании — при помощи расширения Wolfram Alpha и т. д."

https://3dnews.ru/1083948/chatgpt-rasshirit-i-obnovit-krugozor-poluchiv-ot-openai-dostup-v-set

По поводу полезности логарифмирования фичи
Это полезно для бустингов на основе гистограммирования. Например, у нас есть количественная переменная, которая меняется в диапазоне от 0 до 10. Помимо этого у нас есть экстремальные значения 9999 (также вспомните, что часто пропуски при работе с древовидными алгоритмами кодируют большим отрицательным или положительным значением, например, -9999 или 9999). В этом случае биннинг, лежащий в основе гистограммирования и по умолчанию подразумевающий создание интервалов одинаковой ширины, может дать неоптимальное решение, потому что при создании интервалов будет опираться на значения минимума и максимума. Допустим, гиперпараметр «количество бинов» равен 10. Тогда ширина интервала будет вычислена как (9999 - 0) / 10 = 999,9. У нас будут всего два бина: 0-999,9 и 999,9-9999. Все значения переменной, кроме значений 9999, окажутся в одном бине 0-999,9, в итоге будет рассмотрен только один вариант разбиения. Поэтому при обработке переменных с асимметричными распределениями и выбросами для гиперпараметра лучше создавать интервалы, содержащие одинаковое количество наблюдений (квантили). В данном случае количество бинов уже будет задавать количество квантилей. Тут весь вопрос в том, есть ли возможность настраивать типы бинов у пользователя.
Можно получить более оптимальные расщепления по итогам гистограммирования переменной с асимметричным распределением и выбросами, предварительно выполнив преобразования, максимизирующие нормальность распределения. Для распределения, скошенного вправо (положительный коэффициент асимметрии), обычно применяются следующие преобразования: квадратный корень, кубический корень, свернутый корень и логарифм.

↑ Рекомендую ML-канал Артёма Груздева, переводчика+автора известных в нашей стране книг о машинном обучении, создателя, пожалуй, лучших в России курсов по ML.

https://news.1rj.ru/str/Gewissta

Благозвучность наше всё!

Ничего, что текст про повреждённый банкомат? ) Видимо, это российские реалии.

#dancemydarling #apoda #gothic

https://www.youtube.com/watch?v=B5rJW68Ch2I&ab_channel=darkTunesMusicGroup

#biology vs #supernatural

так вот что это было

https://ru.wikipedia.org/wiki/%D0%A1%D0%BE%D0%BD%D0%BD%D1%8B%D0%B9_%D0%BF%D0%B0%D1%80%D0%B0%D0%BB%D0%B8%D1%87

А вообще, конечно, интересно. Даже сериальчик есть на эту тему, John Doe.

https://ru.wikipedia.org/wiki/%D0%9E%D0%BA%D0%BE%D0%BB%D0%BE%D1%81%D0%BC%D0%B5%D1%80%D1%82%D0%BD%D1%8B%D0%B5_%D0%BF%D0%B5%D1%80%D0%B5%D0%B6%D0%B8%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F