Рубрика «предрассудки»

«Почему в странах Восточной Европы половина учёных — женщины» - 1
Из статьи Smithsonian magazine: Валентина Терешкова, первая женщина в космосе, и Юрий Гагарин. Иллюстрация Carpetblogger

«Почему в некоторых странах Восточной Европы половина учёных — женщины: советское наследие является одной из причин» — опубликованная в 2019 году статья в британской газете The Economist, которая сразу же стала легендарной благодаря сочетанию интересной темы и клоунской подачи.

Дело в том, что как издание либеральное The Economist поддерживает подобные достижения, однако как издание капиталистическое The Economist оказался неспособен признать, что высокие либеральные идеалы, за которые в XXI веке ведётся тяжёлая борьба на Западе — это также и советские идеалы, которые были успешно реализованы ещё в XX веке в Советском Союзе и странах соцблока.

В результате получилось так:

«Почему в странах Восточной Европы половина учёных — женщины» - 2

Польша и Сербия были признаны одними из лучших в мире по уровню гендерного равенства в исследовательских публикациях. Юго-Восточная Европа находится примерно на одном уровне: 49% научных исследователей в регионе — женщины [в частности, Литва (57%) и Болгария (52%)]. Отчасти это наследие советских времён, когда коммунистические режимы принуждали и мужчин, и женщин заниматься научной карьерой и не всегда давали им выбора. Принуждение исчезло, но привычка женщин работать осталась.

Читать полностью »

Я понимаю, что странно начинать блог с негатива, но за последние несколько дней поднялась волна дискуссий, которая хорошо соотносится с некоторыми темами, над которыми я думал в последнее время. Всё началось с поста Джеффа Лика в блоге Simply Stats с предостережением об использовании глубинного обучения на малом размере выборки. Он утверждает, что при малом размере выборки (что часто наблюдается в биологии), линейные модели с небольшим количеством параметров работают эффективнее, чем нейросети даже с минимумом слоёв и скрытых блоков.

Далее он показывает, что очень простой линейный предиктор с десятью самыми информативными признаками работает эффективнее простой нейросети в задаче классификации нулей и единиц в наборе данных MNIST, при использовании всего около 80 образцов. Эта статья сподвигла Эндрю Бима написать опровержение, в котором правильно обученная нейросеть сумела превзойти простую линейную модель, даже на очень малом количестве образцов.

Такие споры идут на фоне того, что всё больше и больше исследователей в области биомедицинской информатики применяют глубинное обучение на различных задачах. Оправдан ли ажиотаж, или нам достаточно линейных моделей? Как всегда, здесь нет однозначного ответа. В этой статье я хочу рассмотреть случаи применения машинного обучения, где использование глубоких нейросетей вообще не имеет смысла. А также поговорить о распространённых предрассудках, которые, на мой взгляд, мешают действительно эффективно применять глубинное обучение, особенно у новичков.
Читать полностью »

image

Скорость бережет время и силы, но иногда такая рефлекторная реакция приводит к плохим последствиям. В этой статье, Норма Монтегю, доцент бухгалтерского учета Уэйк-Форестского университета в Уинстон-Сейлем, расскажет, как избежать негативных последствий от мгновенно принятого решения.Читать полностью »


https://ajax.googleapis.com/ajax/libs/jquery/3.4.1/jquery.min.js