New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

统计月报(2019 年 2 月) #819

Open
yufree opened this Issue Dec 27, 2018 · 7 comments

Comments

Projects
None yet
3 participants
@yufree
Copy link
Collaborator

yufree commented Dec 27, 2018

请回复 issue 进行文章推荐与招聘投稿,内容须与统计/数据科学相关,是否采纳取决于编辑部意见。

文章推荐包括学术论文、博客、书籍、教程或软件等的推荐,如果是英文文章在月报发布后自动作为翻译备选文章。

招聘主要面向学术界与工业界的招聘信息发布且岗位要与统计/数据科学相关。

文章推荐格式如下:

推荐语:(几句话就可以,可长可短,有态度不严肃)

推荐人:(建议用真名)

链接:(论文建议给doi,其余给链接)

招聘信息格式如下:

岗位介绍:(例如博士生、博后、xx公司软件工程师等)

工作地点:(具体到城市)

联系方式:(网站链接或邮箱)

@yufree

This comment has been minimized.

Copy link
Collaborator

yufree commented Dec 31, 2018

推荐语: FlowingData 是一个关注数据可视化的博客,这是其2018年的总结及文章推荐,这个博客很多可视化直接用的开放数据,同一数据通过不同可视化方式就会表现出不同主题,形式或技术与内容或数据从来都没有完全分开过,运用之妙,存乎一心,窃以为这是只修炼抽象理论所不易到达的。

推荐人:于淼

链接:https://flowingdata.com/2018/12/31/2018/

@gaocegege gaocegege referenced this issue Jan 2, 2019

Closed

Weekly-108 #93

@yufree

This comment has been minimized.

Copy link
Collaborator

yufree commented Jan 2, 2019

推荐语:统计学是如何从一个学科走向另一个学科的?nature 旗下子刊《Nature Biotechnology》就曾经出过一系列启蒙文章将统计学、计算机科学一些新概念介绍给生命科学领域的读者。虽然已经近八年没更新了,但其中对于主成分分析、支持向量机、贝叶斯网络、隐马尔可夫模型、动态规划、人工神经网络、EM算法、决策树、多重比较问题、网络分析等主题都有很好的概述,而且直接用生命科学的例子来解释,对于不打算了解算法实现而更关心算法原理与实际应用的同学可以说非常贴心了,而对于统计或计算机专业的同学来说,阅读这些也应该有助于理解如何与另一个领域的人合作。

推荐人:于淼

链接:https://www.nature.com/nbt/articles?type=primer

@yufree

This comment has been minimized.

Copy link
Collaborator

yufree commented Jan 7, 2019

推荐语:如何获取最新的英文R语言社区资讯,除了广告满天飞的 r-bloggers外,基于 blogdown 构建的 RWeekly 基本上可以涵盖每周最新的R语言社区动向。当然,如果你有自己的RSS列表,也不妨打造一个 RSS 在线阅读器,毕竟信息共享是提高社区活力的重要动力。

推荐人:于淼

链接:https://rweekly.org/2019-01.html

@harryprince

This comment has been minimized.

Copy link
Contributor

harryprince commented Jan 8, 2019

推荐语:深度学习与图模型结合,DGL更好地支持sparse和irregular的图数据处理。DGL目前支持mxnet和pytorch, 支持传统tensor运算到图运算的自由转换, 简化了搭建graph based neural network的过程。

推荐人: 朱俊辉

链接:https://docs.dgl.ai/tutorials/basics/3_pagerank.html#sphx-glr-tutorials-basics-3-pagerank-py

@yufree

This comment has been minimized.

Copy link
Collaborator

yufree commented Jan 16, 2019

推荐语:世界银行旗下的博客 Development Impact 评选出了2018年的十大博文,内容主要涉及经济、教育与发展主题,高亮了很多有意思的经济学论文,从中也可以看到统计学与人工智能对经济学研究的影响。而且作者显然不满意按点击量排名的选法并提出了一些改进想法,但这其实涉及了互联网行业常用的热度排名与衰减算法,鼓励头部内容的同时给新内容提供上升空间,这样的通用模型其实应用空间还是很大的。

推荐人:于淼

链接:http://blogs.worldbank.org/impactevaluations/top-ten-development-impact-blog-posts-2018

@yixuan

This comment has been minimized.

Copy link
Member

yixuan commented Jan 16, 2019

推荐语:世界银行旗下的博客 Development Impact 评选出了2108年的十大博文,内容主要涉及经济、教育与发展主题,高亮了很多有意思的经济学论文,从中也可以看到统计学与人工智能对经济学研究的影响。而且作者显然不满意按点击量排名的选法并提出了一些改进想法,但这其实涉及了互联网行业常用的热度排名与衰减算法,鼓励头部内容的同时给新内容提供上升空间,这样的通用模型其实应用空间还是很大的。

@yufree 是2018年啦。🤣

@yufree

This comment has been minimized.

Copy link
Collaborator

yufree commented Jan 16, 2019

推荐语:辛普森悖论在不同学科中有不同的变体,政治学中的杰利蝾螈就是很好的例子。政客通过重新划分选区,可以直接操纵选举结果,打个比方,某处100人三个选区,60人选A,40人选B,如果选区划分随机,整体上A应该胜出。但是如果我制造三个区分别30人,35人,35人,30人区都选A,另两个区各有15人选A,那么三个选区中B胜出两个,整体胜出,本质上这是由于子区均质性过高导致的。这个现象在美国特别常见,很多地方选区被搞得歪歪扭扭跟蝾螈一样就是为了操纵结果而胜选,例如故意在优势选区里包括更多的反对者,这样不会改掉优势选区结果,但会降低对手选区的支持率。《经济学人》发现,共和党上台后通过杰利蝾螈进行的选区划分把自己的铁票分到民主党想稀释其支持率,结果铁票转阵营了…

推荐人:于淼

链接:https://www.economist.com/graphic-detail/2019/01/05/the-failure-of-gerrymandering

Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment