>>> построить алгоритм, который будет определять, что кто-то из моих знакомых начал поиски работы
У американцев было исследование, согласно которому оказывается, что если работник стал наиболее часто посещать зубного врача в последнее время то он готовится к смене места работы (выбирает деньги по страховке - вроде так это объяснялось).
Хихи Data Science это здорово, но что мне больше всего в этой сфере нравится. Здесь нет и не будет дилетантов, потому как сама профессия подразумевает работу на предсказуемый результат, а понять знает ли человек основные методики анализа можно на первом собеседовании и по портфолио.
И никогда в этой области не будет переизбытка кадров, ведь от соискателя требуется не просто заучивание чужих алгоритмов, а аналитическое мышление, которое дано далеко не всем.
«У вас самолет до Сиэттла. Вы хотите знать, стоит ли захватить зонтик. Вы звоните трем случайным друзьям из Сиэттла и каждого из них спрашиваете, идёт ли дождь. Каждый друг с вероятностью 2/3 скажет правду и с вероятностью 1/3 соврёт. Все трое сообщают, что на улице дождь. Какова вероятность, что в Сиэттле действительно идёт дождь?»
Какова вероятность, что все трое одновременно соврали и на улице ясно? 1/3 * 1/3 * 1/3 = 1/27 Итого 26/27, что дождь.
Но более интересным был бы второй вопрос: откуда вы получили сведения о соотношении правды и лжи в словах 3 случайных друзей в Сиэттле? ))))
Вопрос был не про вероятно ость того, сколько совпали, а про вероятность того, что на самом деле идёт дождь. Если все трое говорят одно и то же про одно событие, то не может быть так, что часть из них лжёт. Лгут либо все, либо никто.
«Какова вероятность, что все трое одновременно соврали и на улице ясно? 1/3 * 1/3 * 1/3 = 1/27 Итого 26/27, что дождь.»
В 26/27 также входят варианты, когда только часть сказала правду. А так у нас все либо соврали (1/27) либо все сказали правду (2/3 * 2/3 * 2/3 = 8 / 27). И того всего подходящих 9/27, из них гарантируют дождь 8/27. То есть ответ: (8/27) / ( 1/27 + 8/27) == 8/9.
Вобщем, Лейбниц был бы весьма кстати этим компаниям. А Паскаль и Ферма так просто назаменимы. Одна глупость накладывается на другую и входит в другую. В результате "Исследование поведения" и "Прогноз поведения".
>>> построить алгоритм, который будет определять, что кто-то из моих знакомых начал поиски работы
У американцев было исследование, согласно которому оказывается, что если работник стал наиболее часто посещать зубного врача в последнее время то он готовится к смене места работы (выбирает деньги по страховке - вроде так это объяснялось).
Кароче в майкрософт всех берут.
Это на Intern JavaScript Plugin Developer for Visual Studio.
да ;) постановка задач отличается от умения "решать вопросы" к умению "ставить вопросы" ...
Хихи Data Science это здорово, но что мне больше всего в этой сфере нравится. Здесь нет и не будет дилетантов, потому как сама профессия подразумевает работу на предсказуемый результат, а понять знает ли человек основные методики анализа можно на первом собеседовании и по портфолио.
И никогда в этой области не будет переизбытка кадров, ведь от соискателя требуется не просто заучивание чужих алгоритмов, а аналитическое мышление, которое дано далеко не всем.
Сначала спашивают какую-то хуйню, а потом сажают в кубик отвечать на дурацкие вопросы пользователей или править чужие баги
«У вас самолет до Сиэттла. Вы хотите знать, стоит ли захватить зонтик. Вы звоните трем случайным друзьям из Сиэттла и каждого из них спрашиваете, идёт ли дождь. Каждый друг с вероятностью 2/3 скажет правду и с вероятностью 1/3 соврёт. Все трое сообщают, что на улице дождь. Какова вероятность, что в Сиэттле действительно идёт дождь?»
Какова вероятность, что все трое одновременно соврали и на улице ясно? 1/3 * 1/3 * 1/3 = 1/27 Итого 26/27, что дождь.
Но более интересным был бы второй вопрос: откуда вы получили сведения о соотношении правды и лжи в словах 3 случайных друзей в Сиэттле? ))))
Вопрос был не про вероятно ость того, сколько совпали, а про вероятность того, что на самом деле идёт дождь. Если все трое говорят одно и то же про одно событие, то не может быть так, что часть из них лжёт. Лгут либо все, либо никто.
«Какова вероятность, что все трое одновременно соврали и на улице ясно? 1/3 * 1/3 * 1/3 = 1/27 Итого 26/27, что дождь.»
В 26/27 также входят варианты, когда только часть сказала правду.
А так у нас все либо соврали (1/27)
либо все сказали правду (2/3 * 2/3 * 2/3 = 8 / 27).
И того всего подходящих 9/27, из них гарантируют дождь 8/27.
То есть ответ: (8/27) / ( 1/27 + 8/27) == 8/9.
Мне кажется, я год назад читал такую же статью. И 2. И 3.
В смысле ответ к задаче с шарами, если я правильно понял условие.
Вобщем, Лейбниц был бы весьма кстати этим компаниям.
А Паскаль и Ферма так просто назаменимы.
Одна глупость накладывается на другую и входит в другую. В результате "Исследование поведения" и "Прогноз поведения".