Внезапно у Keith Johnstone есть блог, и он там описал всю мою проблему с оценками:
"I had stuck the individual pages of ‘art paper' to the back wall where the class were making a huge ‘mural’ of animals running from a forest fire. It was rather chaotic with painted leaves, and stuck on leaves. and cut-out elephants overlapping painted elephants, and with taped-on donated model animals, etc. (I had added a small teacher who was in flames.) The Divisional Officer didn't approve: "How can each individual child be given a mark for Art?"
'I'm giving them all a hundred out of a hundred!' I said."
"I had stuck the individual pages of ‘art paper' to the back wall where the class were making a huge ‘mural’ of animals running from a forest fire. It was rather chaotic with painted leaves, and stuck on leaves. and cut-out elephants overlapping painted elephants, and with taped-on donated model animals, etc. (I had added a small teacher who was in flames.) The Divisional Officer didn't approve: "How can each individual child be given a mark for Art?"
'I'm giving them all a hundred out of a hundred!' I said."
👍1
Forwarded from My shitty notes
Как (на самом деле) зарабатывать деньги в Data Science
Ты организовываешь курсы по Data Science, и у тебя появляется репутация на рынке. Ведь не можешь ты не разбираться в предмете, преподавая его, правда? Параллельно ты развиваешь огромную сеть знакомств, желательно добавляешь в неё как можно больше топ-менеджеров крупных компаний. Понятное дело, уже эти пункты требуют наличия мозгов и талантов, но я не говорил, что будет просто. Почва подготовлена.
Топ-менеджеры очередной компании, торгующейся на бирже, ищут, как поднять стоимость акций и увеличить свои бонусы. Обнаруживается, что словосочетания "цифровая трансформация" и "искуственный интеллект" в ежеквартальных отчётах о прибылях и убытках толкают цену акций вверх. Нам нужны специалисты по трансофрмации интеллектов, хм, а что там за чуваки-организаторы курсов?
К тебе - чуваку-организатору - приходят дяди в костюмах, которые хотят красивые правильные слова в своих ежеквартальных отчётах. Не вопрос, один из твоих преподавателей идёт работать к дядям, а ты начинаешь участвовать в тендерах на предоставление команды Data Scientist'ов для решения больших важных задач - ты же сам их и обучаешь, в конце концов. Вместе с тобой в тендере участвует большая тройка стратегического консалтинга - McKinsey, Boston Consulting Group и Bain - каждая из них хочет, скажем, от 30 миллионов рублей за неделю. Но ты не гордый, и тебе хватит 180 миллионов за год. Учитывая, что твой преподаватель обо всём договорился, вопрос решается просто и изящно в твою пользу.
На этом история не заканчивается. Трансформация интеллектов идёт полным ходом, куда бы её применить? А давайте предсказывать будущее. Ведь кому не хотелось иметь суперспособности.
Сейчас у больших дядь есть Отдел Предсказания Будущего с Главным Предсказателем во главе. Там работает целый этаж специалистов, роль которых в том, чтобы сначала предсказать, а потом объяснить, почему они ошиблись. Преподаватель убеждает Главного Предсказателя, что надо "делать синергию между человеком и машиной", и что "искуственный интеллект бла бла бла", и что дело верное, и теперь можно предсказывать всё точнее, а плохие предсказания можно будет свалить на алгоритм, доработки, искусственный интеллект и получать свои бонусы. Главный Предсказатель в деле, понеслось.
Постепенно оказывается, что будущее как было непредсказуемым, так и осталось, несмотря на все синергии человека и машины. Но какая разница, ведь теперь идея Предсказания Будущего кормит уже два этажа, а не один, как раньше. На этом этапе постепенно отбраковываются люди, заявляющие об абсурдности происходящего, а Data Scientist'ы поочерёдно отказываются от одной идеи за другой: сначала от анализа новостей, из которого не получается достать ничего, кроме шума, потом от анализа котировок (тоже сплошной шум), и в итоге за великим и могучим искусственным интеллеком прячется предсказание вида "будущее = настоящее + случайное число", а работа заключается в еженедельной смене "модель номер 2.8.3 -> 2.8.4" без изменений в коде.
Так система приходит в стабильное состояние, ведь цены на акции растут, предсказания делаются, бонусы выплачиваются и контракты подписаны. Всем очевидно, что риски копятся и в будущем пузырь лопнет, но это не станет широко известно, ведь ни компании, ни акционерам не выгодно рассказывать о таком вопиющем провале. Всем участникам оплатят золотые парашюты, и они пойдут добывать своё золото в других трансформациях интеллектов.
А что до чувака-организатора курсов? Да норм ему, ведь за 180 миллионов он предоставляет компании пяток Data Scientist'ов, которым платит по 300К в месяц. А уж стабильна ли ситуация с такой математикой, посчитайте сами.
Так можно (на самом деле) зарабатывать деньги в Data Science.
P.S. История, конечно же, является художественным вымыслом и любые совпадения с реальными людьми абсолютно случайны.
Ты организовываешь курсы по Data Science, и у тебя появляется репутация на рынке. Ведь не можешь ты не разбираться в предмете, преподавая его, правда? Параллельно ты развиваешь огромную сеть знакомств, желательно добавляешь в неё как можно больше топ-менеджеров крупных компаний. Понятное дело, уже эти пункты требуют наличия мозгов и талантов, но я не говорил, что будет просто. Почва подготовлена.
Топ-менеджеры очередной компании, торгующейся на бирже, ищут, как поднять стоимость акций и увеличить свои бонусы. Обнаруживается, что словосочетания "цифровая трансформация" и "искуственный интеллект" в ежеквартальных отчётах о прибылях и убытках толкают цену акций вверх. Нам нужны специалисты по трансофрмации интеллектов, хм, а что там за чуваки-организаторы курсов?
К тебе - чуваку-организатору - приходят дяди в костюмах, которые хотят красивые правильные слова в своих ежеквартальных отчётах. Не вопрос, один из твоих преподавателей идёт работать к дядям, а ты начинаешь участвовать в тендерах на предоставление команды Data Scientist'ов для решения больших важных задач - ты же сам их и обучаешь, в конце концов. Вместе с тобой в тендере участвует большая тройка стратегического консалтинга - McKinsey, Boston Consulting Group и Bain - каждая из них хочет, скажем, от 30 миллионов рублей за неделю. Но ты не гордый, и тебе хватит 180 миллионов за год. Учитывая, что твой преподаватель обо всём договорился, вопрос решается просто и изящно в твою пользу.
На этом история не заканчивается. Трансформация интеллектов идёт полным ходом, куда бы её применить? А давайте предсказывать будущее. Ведь кому не хотелось иметь суперспособности.
Сейчас у больших дядь есть Отдел Предсказания Будущего с Главным Предсказателем во главе. Там работает целый этаж специалистов, роль которых в том, чтобы сначала предсказать, а потом объяснить, почему они ошиблись. Преподаватель убеждает Главного Предсказателя, что надо "делать синергию между человеком и машиной", и что "искуственный интеллект бла бла бла", и что дело верное, и теперь можно предсказывать всё точнее, а плохие предсказания можно будет свалить на алгоритм, доработки, искусственный интеллект и получать свои бонусы. Главный Предсказатель в деле, понеслось.
Постепенно оказывается, что будущее как было непредсказуемым, так и осталось, несмотря на все синергии человека и машины. Но какая разница, ведь теперь идея Предсказания Будущего кормит уже два этажа, а не один, как раньше. На этом этапе постепенно отбраковываются люди, заявляющие об абсурдности происходящего, а Data Scientist'ы поочерёдно отказываются от одной идеи за другой: сначала от анализа новостей, из которого не получается достать ничего, кроме шума, потом от анализа котировок (тоже сплошной шум), и в итоге за великим и могучим искусственным интеллеком прячется предсказание вида "будущее = настоящее + случайное число", а работа заключается в еженедельной смене "модель номер 2.8.3 -> 2.8.4" без изменений в коде.
Так система приходит в стабильное состояние, ведь цены на акции растут, предсказания делаются, бонусы выплачиваются и контракты подписаны. Всем очевидно, что риски копятся и в будущем пузырь лопнет, но это не станет широко известно, ведь ни компании, ни акционерам не выгодно рассказывать о таком вопиющем провале. Всем участникам оплатят золотые парашюты, и они пойдут добывать своё золото в других трансформациях интеллектов.
А что до чувака-организатора курсов? Да норм ему, ведь за 180 миллионов он предоставляет компании пяток Data Scientist'ов, которым платит по 300К в месяц. А уж стабильна ли ситуация с такой математикой, посчитайте сами.
Так можно (на самом деле) зарабатывать деньги в Data Science.
P.S. История, конечно же, является художественным вымыслом и любые совпадения с реальными людьми абсолютно случайны.
👍2
NYT наконец выпустил свою статью про Slate Star Codex. Как и ожидалось, статья очень негативная. Не надо даже быть в курсе ситуации, чтобы увидеть, что на протяжении всего текста журналист пытается натянуть всех сов на глобус "Scott Alexander bad, bad, racist, bad". Абсолютно pathetic. Ссылку на статью давать на буду, потому что я надеюсь, что вам будет лень искать и NYT не получит больше кликов.
У Скотта однако вышел взвешенный ответ, на него дать ссылку на жалко:
https://astralcodexten.substack.com/p/statement-on-new-york-times-article
У Скотта однако вышел взвешенный ответ, на него дать ссылку на жалко:
https://astralcodexten.substack.com/p/statement-on-new-york-times-article
Astral Codex Ten
Statement on New York Times Article
...
Forwarded from Small Data Science for Russian Adventurers
#книга
Полистал книжку «Занимательная манга. Машинное обучение». Интересно мнение человека с нулевыми знаниями по ML, можно ли по подобным книгам что-то понять и выучить? А так, выглядит симпатично...
Полистал книжку «Занимательная манга. Машинное обучение». Интересно мнение человека с нулевыми знаниями по ML, можно ли по подобным книгам что-то понять и выучить? А так, выглядит симпатично...
SPACED REPETITION мать его используй его чего же ты ждешь
Вы проходите курс, сдаете экзамен, а через месяц с трудом вспоминаете название предмета, не говоря уже о материале. Было такое? В университете мне говорили, что так должно быть: "Зато остается интуиция, и ты знаешь, где посмотреть!" Теперь я уверен: всё это чушь. На первом курсе бакалавриата я изучал линейную алгебру, а на четвертом курсе я уже не помнил как перемножать матрицы и вдруг обнаружил, что нужно изучать всё заново. Очень глупое чувство. Тогда я заинтересовался: может быть есть способ изучить всё один раз, и потом не переучиваться? Я нашел решение, и спустя пару лет я уже преподавал линейную алгебру в ВШЭ. Сейчас я вам расскажу в чем секрет.
После усвоения новой информации мы забываем 20% на следующий день. К концу недели мы забываем всё начисто[1]. Придется изучать заново, считай как будто и не изучали. Мы помним только ту информацию, которой пользуемся. Очевидный выход: повторять. Повторение кажется зубрежкой, но на самом деле у них нет ничего общего. Правильное повторение это активное тестирование знаний и понимания. Перечитать конспект лекции на следующий день лучше, чем ничего, но неэффективно. Многократно лучше задать себе вопрос по материалу и попробовать на него ответить, вслух или письменно, а затем сверить ответ с конспектом. Знаете чувство, когда на экзамене вдруг складывается понимание, и всё будто встает на свои места? Вот такие моменты и вызывает правильное повторение.
Конечно мы не можем повторять вообще всё каждый день. Однако в этом нет необходимости. Чем дольше мы что-то повторяем, тем лучше оно запоминается и тем реже это надо повторять.
К счастью уже нашли оптимальную по затратам времени частоту повторения: алгоритм Spaced Repetition[2]. Идея простая: усваиваем новую информацию, повторяем её в тот же день, потом через два дня, потом через четыре, и так далее по нарастающей. Если в какой-то момент не можем вспомнить, то сбрасываем прогресс и снова повторяем часто. Для самых дотошных, вот здесь [3] вы найдете столько научных доказательств эффективности метода, сколько вы сможете унести.
Программных реализаций несколько, мой выбор это Anki [4]. Бесплатная и кросс-платформенная opensource программа для запоминания чего угодно. Когда я хочу что-то запомнить, я создаю карточку с двумя сторонами. На первой вопрос, например: "Что такое скалярное произведение? 1. Объясни идею 2. Приведи формулу". На второй стороне ответ. Каждое утро, или, например, сидя в метро, я достаю телефон и открываю Anki. Если пришло время повторить карточку, Anki покажет мне первую сторону с вопросом. Я пробую ответить. Далее я открываю вторую сторону карты, сравниваю свой ответ с правильным. Если я ответил хорошо, то Анки покажет мне карточку очень нескоро (например некоторые карты я увижу только через год), поэтому количество повторяемых карточек не становится большим. Повторение карточек занимает всего пару минут в день.
Этот инструмент позволил мне изучить алгоритмы и структуры данных так, что на собеседованиях мне было скучно когда мне давали задачки. Он же позволил изучить математику заново (после отупения в армии) и поступить в магистратуру на Data Science. Используя Anki я с удивлением обнаружил, что повторение очень сильно прокачивает понимание и скорость усвоения нового: гораздо проще усвоить новое понятие, когда можешь связать его с другими. Anki полностью заменил мне конспекты: проходясь по новому материалу я сразу его "нарезаю" на карточки. Этот процесс сам по себе помогает изучать: не поняв материал ты не сможешь создать карточку. Спросите студентов-медиков, и они расскажут вам, что выживают благодаря Anki. Anki это соверешенно другой подход к обучению. Вместо попытки запихнуть в себя весь курс за две недели до экзамена вы накапливаете знания постепенно. Одни понятия опираются на другие. К концу курса у вас такая сеть знаний, что даже если вы забыли частичку, вы можете вывести её из других. Самое крутое? Все знания остаются с вами навсегда.
Вы проходите курс, сдаете экзамен, а через месяц с трудом вспоминаете название предмета, не говоря уже о материале. Было такое? В университете мне говорили, что так должно быть: "Зато остается интуиция, и ты знаешь, где посмотреть!" Теперь я уверен: всё это чушь. На первом курсе бакалавриата я изучал линейную алгебру, а на четвертом курсе я уже не помнил как перемножать матрицы и вдруг обнаружил, что нужно изучать всё заново. Очень глупое чувство. Тогда я заинтересовался: может быть есть способ изучить всё один раз, и потом не переучиваться? Я нашел решение, и спустя пару лет я уже преподавал линейную алгебру в ВШЭ. Сейчас я вам расскажу в чем секрет.
После усвоения новой информации мы забываем 20% на следующий день. К концу недели мы забываем всё начисто[1]. Придется изучать заново, считай как будто и не изучали. Мы помним только ту информацию, которой пользуемся. Очевидный выход: повторять. Повторение кажется зубрежкой, но на самом деле у них нет ничего общего. Правильное повторение это активное тестирование знаний и понимания. Перечитать конспект лекции на следующий день лучше, чем ничего, но неэффективно. Многократно лучше задать себе вопрос по материалу и попробовать на него ответить, вслух или письменно, а затем сверить ответ с конспектом. Знаете чувство, когда на экзамене вдруг складывается понимание, и всё будто встает на свои места? Вот такие моменты и вызывает правильное повторение.
Конечно мы не можем повторять вообще всё каждый день. Однако в этом нет необходимости. Чем дольше мы что-то повторяем, тем лучше оно запоминается и тем реже это надо повторять.
К счастью уже нашли оптимальную по затратам времени частоту повторения: алгоритм Spaced Repetition[2]. Идея простая: усваиваем новую информацию, повторяем её в тот же день, потом через два дня, потом через четыре, и так далее по нарастающей. Если в какой-то момент не можем вспомнить, то сбрасываем прогресс и снова повторяем часто. Для самых дотошных, вот здесь [3] вы найдете столько научных доказательств эффективности метода, сколько вы сможете унести.
Программных реализаций несколько, мой выбор это Anki [4]. Бесплатная и кросс-платформенная opensource программа для запоминания чего угодно. Когда я хочу что-то запомнить, я создаю карточку с двумя сторонами. На первой вопрос, например: "Что такое скалярное произведение? 1. Объясни идею 2. Приведи формулу". На второй стороне ответ. Каждое утро, или, например, сидя в метро, я достаю телефон и открываю Anki. Если пришло время повторить карточку, Anki покажет мне первую сторону с вопросом. Я пробую ответить. Далее я открываю вторую сторону карты, сравниваю свой ответ с правильным. Если я ответил хорошо, то Анки покажет мне карточку очень нескоро (например некоторые карты я увижу только через год), поэтому количество повторяемых карточек не становится большим. Повторение карточек занимает всего пару минут в день.
Этот инструмент позволил мне изучить алгоритмы и структуры данных так, что на собеседованиях мне было скучно когда мне давали задачки. Он же позволил изучить математику заново (после отупения в армии) и поступить в магистратуру на Data Science. Используя Anki я с удивлением обнаружил, что повторение очень сильно прокачивает понимание и скорость усвоения нового: гораздо проще усвоить новое понятие, когда можешь связать его с другими. Anki полностью заменил мне конспекты: проходясь по новому материалу я сразу его "нарезаю" на карточки. Этот процесс сам по себе помогает изучать: не поняв материал ты не сможешь создать карточку. Спросите студентов-медиков, и они расскажут вам, что выживают благодаря Anki. Anki это соверешенно другой подход к обучению. Вместо попытки запихнуть в себя весь курс за две недели до экзамена вы накапливаете знания постепенно. Одни понятия опираются на другие. К концу курса у вас такая сеть знаний, что даже если вы забыли частичку, вы можете вывести её из других. Самое крутое? Все знания остаются с вами навсегда.
❤10👍5
Я знаю, звучит подозрительно. "Этот трюк изменит вашу жизнь". Но это правда так и больше всего меня удивляет, что об этом не рассказывают в школах. Просто попробуйте Anki в следующий раз когда будете изучать что-то новое, и вы увидите результаты уже за неделю.
[1] https://en.wikipedia.org/wiki/Forgetting_curve
[2] https://en.wikipedia.org/wiki/Spaced_repetition
[3] https://www.gwern.net/Spaced-repetition
[4] https://apps.ankiweb.net/
[1] https://en.wikipedia.org/wiki/Forgetting_curve
[2] https://en.wikipedia.org/wiki/Spaced_repetition
[3] https://www.gwern.net/Spaced-repetition
[4] https://apps.ankiweb.net/
Заметил, что не первый раз вылезаю за лимит размера поста в телеграме. В связи с этим интерактив
Среди тех постов, которые я читаю...
Anonymous Poll
91%
Обычно я дочитываю до конца
9%
Обычно прочитываю меньше половины
Борис опять pinned «SPACED REPETITION мать его используй его чего же ты ждешь Вы проходите курс, сдаете экзамен, а через месяц с трудом вспоминаете название предмета, не говоря уже о материале. Было такое? В университете мне говорили, что так должно быть: "Зато остается интуиция…»
IMG_20210216_155958_619.jpg
2.6 KB
Подписчик заметил, что Борис опять закрепляет, хех
Forwarded from Small Data Science for Russian Adventurers
#курс
Качественный курс “Введение в анализ данных и машинное обучение” от читателя моего блога (кстати, если есть кому что показать - присылайте). Готовился для школьников, но, мне кажется, подходит любым начинающим в ML. Очень симпатично оформлен.
https://timeseries-ru.github.io/course/README.html
Качественный курс “Введение в анализ данных и машинное обучение” от читателя моего блога (кстати, если есть кому что показать - присылайте). Готовился для школьников, но, мне кажется, подходит любым начинающим в ML. Очень симпатично оформлен.
https://timeseries-ru.github.io/course/README.html
Почему бы нам не поиграть в ту самую игру?
Подписчики канала решают, кто студент ВШЭ.
Голосуйте, предугадайте действия других. Если вы выбрали тот вариант с наименьшим числом голосов, то вы победили. Если нет, то вы студент ВШЭ.
Подписчики канала решают, кто студент ВШЭ.
Голосуйте, предугадайте действия других. Если вы выбрали тот вариант с наименьшим числом голосов, то вы победили. Если нет, то вы студент ВШЭ.
# Spaced repetition 2: как делать карты и не забить болт
В прошлом посте я писал про то, что spaced repetition и Anki это магия, которая позволит запоминать лучше, понимать лучше и учиться быстрее. Теперь я расскажу, как именно делать карточки.
Самое важное в том, что использование Anki это привычка. Это работает пока вы регулярно повторяете. Это главный принцип и всё остальное происходит от него. Если бы я дал один совет о том, как делать Anki карты, я бы сказал: делайте так, чтобы не забить.
В прошлом посте я рассказал, что круто выучил алгоритмы с помощью Anki. Вторая часть истории в том, что спустя пару месяцев после того, как я нашел хорошую работу программиста, я забросил Anki. Я думал, что инструмент достиг своей цели, а дальше повторение будет обеспечено мне работой.
Во-первых, это оказалось неправдой. Во-вторых, я не смог вернуться к своим картам. Сотни карт, которые надо пройти, производят очень давящее впечатление. Ещё хуже становится когда заглядываешь в эти карты и тебе даже вопрос непонятен, в голове просто: "Чего???". Снова эта ситуация, когда надо изучать заново. После этого я забросил Anki на ещё более долгое время, и как мог прокрастинировал возвращаться. В конце концов меня это достало и я просто начал делать колоды заново, оставив сотни непройденных карт в прошлом. Лучше начать заново и делать чуть-чуть, чем месяцами собираться сделать ого-го как много и в итоге не сделать ничего. Мой подход, который я опишу ниже, направлен на то, чтобы избежать повторного забрасывания.
В прошлом посте я писал про то, что spaced repetition и Anki это магия, которая позволит запоминать лучше, понимать лучше и учиться быстрее. Теперь я расскажу, как именно делать карточки.
Самое важное в том, что использование Anki это привычка. Это работает пока вы регулярно повторяете. Это главный принцип и всё остальное происходит от него. Если бы я дал один совет о том, как делать Anki карты, я бы сказал: делайте так, чтобы не забить.
В прошлом посте я рассказал, что круто выучил алгоритмы с помощью Anki. Вторая часть истории в том, что спустя пару месяцев после того, как я нашел хорошую работу программиста, я забросил Anki. Я думал, что инструмент достиг своей цели, а дальше повторение будет обеспечено мне работой.
Во-первых, это оказалось неправдой. Во-вторых, я не смог вернуться к своим картам. Сотни карт, которые надо пройти, производят очень давящее впечатление. Ещё хуже становится когда заглядываешь в эти карты и тебе даже вопрос непонятен, в голове просто: "Чего???". Снова эта ситуация, когда надо изучать заново. После этого я забросил Anki на ещё более долгое время, и как мог прокрастинировал возвращаться. В конце концов меня это достало и я просто начал делать колоды заново, оставив сотни непройденных карт в прошлом. Лучше начать заново и делать чуть-чуть, чем месяцами собираться сделать ого-го как много и в итоге не сделать ничего. Мой подход, который я опишу ниже, направлен на то, чтобы избежать повторного забрасывания.
🔥2