Сергей Шейхетов в своем лонгриде подробно разбирает и разъясняет основные проблемы, с которыми сталкиваются исследователи-качественники при анализе данных. На самом деле этих проблем гораздо больше. Важно, что вне зависимости от метода исследования, эти проблемы присутствуют всегда.

Почему «создание историй» (story-telling) заменило в индустрии качественных исследований полноценный научный анализ? C какими типичными аналитическими проблемами сталкиваются исследователи-качественники? Какие есть способы решения этих проблем?
👇

https://www.r-trends.ru/opinion/opinion_1202.html

Деревья решений - популярный алгоритм классификации, в котором решающие правила извлекаются непосредственно из исходных данных в процессе обучения. Они представляют собой иерархическую последовательность правил вида «Если…, то…». Этот метод классификации отличается хорошей интерпретацией и визуализацией. Также этот метод лежит в основе множества других современных подходов к построению моделей (таких как случайные леса, GBM, XGBoost).

Описан неплохой подход по построению классификатора для восстановления не указанного в профиле города проживания пользователей ВКонтакте.

https://yadi.sk/i/TSqbT6Fu3aRYz4

Ри́чард Фи́ллипс Фе́йнман – американский физик. Основные достижения относятся к области теоретической физики. Один из создателей квантовой электродинамики. Читая его книги и знакомясь с видео его лекций, начинаешь любить физику (если еще не). 😂

Разработал метод интегрирования по траекториям в квантовой механике (1948), а также так называемый метод диаграмм Фейнмана (1949) в квантовой теории поля, с помощью которых можно объяснять превращения элементарных частиц.

Предложил партонную модель нуклона (1969), теорию квантованных вихрей. Лауреат Нобелевской премии по физике (1965, совместно с С. Томонагой и Дж. Швингером). Кроме теоретической физики, занимался исследованиями в области биологии.

Реформатор методов преподавания физики в вузе! Его называли «Великий Объяснитель». Хотите с легкостью объяснять вопрос любой сложности? Придется потрудиться и изучить Технику Фейнмана. 👇

source: https://medium.com/taking-note/learning-from-the-feynman-technique-5373014ad230
lectures: https://www.microsoft.com/en-us/research/project/tuva-richard-feynman/

Какой t-тест применять для проверки равенства средних значений в двух выборках: Стьюдента или Уэлча? 🤔

Не забывайте учесть тип распределения и равенство/ неравенство выборок! Давайте разбираться в деталях.
🤓

https://zappi.tech/a-comparison-of-students-welch-s-t-test-why-ignoring-assumptions-is-problematic-cb74244cd96

The effect of different sample sizes and variances on p-value distribution

Лаборатория Компьютерных Наук и Искусственного интеллекта MIT (Computer Science and Artificial Intelligence Lab) разработала инструмент для редактирования изображений с использованием ИИ. Речь о супер крутом выделении объектов. 🎨

Эра фотошопа закончилась? 🤔

Video: https://youtu.be/PnA3Id93JKs
Source: https://thenextweb.com/artificial-intelligence/2018/08/21/mit-made-an-image-editing-ai-that-can-replace-the-background-in-any-image/

«Канбан» - японское слово, означающее «визуальный сигнал». Если вы работает в сфере услуг или технологий, то процесс вашей работы часто сложно формализовать и визуализировать с точки зрения временного цикла: от появления задачи до ее выполнения.

Канбан-доска помогает все упростить! Кстати, ее достаточно легко настроить в Trello (тоже продукт Atlassian).

https://www.atlassian.com/agile/kanban/boards

Список приложений, которые помогут выбрать самый спелый и сочный арбуз.
🙈🍉

https://hi-tech.mail.ru/review/kak-vybrat-idealnyj-arbuz/#a03

Все, что вам нужно знать о дизайне современных опросов в гайде от Lightspeed Research!

Рекомендации для Mobile First респондентов:
💥 Не дольше 15 минут
💥 Не больше 2 открытых опросов
💥 Не больше 15 атрибутов или брендов в списках для оценки
💥 Нет горизонтальному прокручиванию
💥 Нет Flash
💥 Нет таблицам
💥 Не больше 5 баллов для шкал

https://yadi.sk/i/Kw1xGJHq3aTdTs

Часто для решения повседневных проблем ученые прибегают к физическому моделированию или поиску неожиданных научных аналогий.

Для увеличения скорости рытья узких туннелей в земле муравьи готовы отступить назад и переждать, пока их сородичи с частичками грунта выберутся наружу. Такая схема поведения позволяет не создавать в туннелях заторов и значительно повышает эффективность работы.
🐜

Движение овец через узкие ворота (как и движение песка в некоторых обстоятельствах) происходит рывками, которые прерываются периодическими «пробками».
🐑

Ants: https://nplus1.ru/news/2018/08/21/ant-traffic-jam
Sheep: https://nplus1.ru/news/2015/03/02/goats

Avito и Департамент информационных технологий города Москвы провели совместное исследование использования цифровых устройств в столице. 🤝

8 симпатичных слайдов + краткое описание полученных результатов. 📊

https://adindex.ru/news/researches/2018/08/21/173661.phtml

Китай и тут впереди планеты всей: https://www.canalys.com/newsroom/global-smart-speaker-shipments-grew-187-year-on-year-in-q2-2018-with-china-the-fastest-growing-market

А еще есть Яндекс.Станция с Алисой внутри)

Про остальных можно почитать тут. 👇

Review: https://www.the-village.ru/village/service-shopping/style-guide/269460-umnye-kolonki
Y.Station: https://station.yandex.ru/#station

Высокопроизводительные сервера выделяют много тепла и его отведение требует существенных затрат, в особенности в крупных IT-компаниях. Наряду с питанием самих серверов их охлаждение является одной из основных частей стоимости содержания дата-центров. Обычно охлаждение серверов происходит благодаря поддержанию стабильной низкой температуры, которая при необходимости регулируется.

Компания Google полностью автоматизировала процесс охлаждения своих дата-центров, используя алгоритм, основанный на работе нейросетей, разработанных в подразделении DeepMind.

За два месяца использования новой системы охлаждения удалось снизить потребление электроэнергии на 30 процентов. Несмотря на то, что процесс охлаждения теперь полностью автоматизирован, для обеспечения безопасности за его работой пока что следят операторы.

https://deepmind.com/blog/safety-first-ai-autonomous-data-centre-cooling-and-industrial-control/

Списочек неочевидных английских сокращений из переписок в соцсетках. 😱

Для оценки имиджевой составляющей часто используются вопросы с возможностью выбора из списка имиджевых атрибутов (характеристик), соответствующих бренду продукта или услуги.

Например, «У людей бывает разное мнение о разных ПРОДУКТАХ. Пожалуйста, сравните эти ПРОДУКТЫ между собой. Посмотрите на характеристики и отметьте те ПРОДУКТЫ, которым они подходят больше всего. Можно отметить один ПРОДУКТ, несколько или ни одного».

В большинстве случаев используется дихотомия, т.е. «да/нет», «1/0», «подходит/ не подходит».

Проблема возникает при составлении списка характеристик, которые хотят оценить для своего продукта маркетологи и/или продакты. На вход мы получаем списки, состоящие из 15 и более характеристик.

Мозг обычного человека не оперирует такой размерностью, особенно в операциях выбора и сравнения. Магические количества характеристик: 3-5-7. Но в реальности редко удается сократить исходный список атрибутов до подобного количества. Что же делать?

✨ Многие атрибуты в исходном списке могут иметь сильную корреляцию между собой, а, следовательно, не можно выбрать и оставить 1 из пары. В том случае, если у вас уже есть собранные данные.
✨ Опросные движки позволяют каждому отдельному респонденту показывать не весь список, а, например, случайные 7 в ротации. В некоторых случаях придется собрать бОльшую выборку, но качество и адекватность ответов будет выше.
✨ Случайным образом разбивать большой список на несколько меньших, показывать отдельными экранами в опросе. Данный вариант не упрощает задачу респондента в целом, но облегчает ее в частности для конкретного выбора на конкретном экране опроса.