Я все посмотрел. Мало что понял, но могу с точностью сказать, что Вит охуенный, контент невъебенный

что почитать по когнитивным искажениям?

Гугл до сих пор считает не правильно?

А где обещанные ссылки?)

Только ваще непонятно, как связана тема доклада с тем, что было доложено.

Кайф! Роскошный доклад! Сделаю так же Спасибо!!

Добрый день! Спасибо за лекцию. Мне как заказчику было полезно. Еще это прекрасная инструкция для развития аналитика. Не хватило примеров, классных практик хороших дашбордов.

Спасибо огромное! Респект!

Это у нас что , БА или BD ML ???

прикольно, каждые 5 сек...

Бедненькая слышно что волнуется🥺 Вы умница, все супер, так держать💪✨🔥✌️

Резюмирую)"во фроде виноват некомпетентный заказчик", а у Яндекса лапки и супер система антифрода)))

Merge join сравнивает хеши? ЧТО ТЫ НЕСЁШЬ?? Где ты этого бреда набрался?

Куда ты лезешь учить других? Такого лютого бреда наплёл, даже на джуна брать нельзя

както капитанисто совсем все

я так думаю стоит нанимать не дебилов аналитиков и маркетологов и все будет ок

Легенда

Так один шар он вытаскивает из корзины или все же комбинацию из двух? (вопрос риторический😏)

Бабушкина невозможно слушать. После его выступлений весь браузер в открытых ссылках для продолжения изучения. Завидую его команде

А где ссылка на плакат по видам визуализации?

Забавно и не кисло звучит доклад ! А когда будет продолжение этой темы разговора 😊

Весело было 😅 А когда будет продолжение этой темы разговора 😊

Большинство имеет определенное мировоззрение, которое определено меньшинством.

🔥🔥🔥

Перезалив?

Бабушкин круто, правда Вить?

Кайф

Белый фон, черный текст и целых 2 примера (хороший и плохой) на все 40 минут презентации. Да он мастер дашбордов

from scipy.stats import ttest_ind from statsmodels.sandbox.stats.multicomp import multipletests from bootstrapped import bootstrap as bs from bootstrapped import stats_functions as bs_stats bs_data_a = bs.bootstrap(np.array(Group_A), stat_func=bs_stats.mean, num_iterations=10000, iteration_batch_size=300, return_distribution=True) bs_data_b = bs.bootstrap(np.array(Group_B), stat_func=bs_stats.mean, num_iterations=10000, iteration_batch_size=300, return_distribution=True) bs_data_c = bs.bootstrap(np.array(Group_C), stat_func=bs_stats.mean, num_iterations=10000, iteration_batch_size=300, return_distribution=True) stat_ab, p_ab = ttest_ind(pd.DataFrame(bs_data_a), pd.DataFrame(bs_data_b)) stat_bc, p_bc = ttest_ind(pd.DataFrame(bs_data_b), pd.DataFrame(bs_data_c)) stat_ac, p_ac = ttest_ind(pd.DataFrame(bs_data_a), pd.DataFrame(bs_data_c)) print(sorted([p_ab, p_bc, p_ac])) # FWER: Холм print("FWER: " + str(multipletests(sorted([p_ab, p_bc, p_ac]), alpha=0.05, method='holm', is_sorted=True))) # FDR: Бенджамини-Хохберг print("FDR: " + str(multipletests(sorted([p_ab, p_bc, p_ac]), alpha=0.05, method='fdr_bh', is_sorted=True)))

from scipy.stats import ttest_ind from statsmodels.sandbox.stats.multicomp import multipletests from bootstrapped import bootstrap as bs from bootstrapped import compare_functions as bs_compare from bootstrapped import stats_functions as bs_stats # FWER: Бонферрони bs_ab_estims = bs.bootstrap_ab(np.array(Group_A), np.array(Group_B), bs_stats.mean, bs_compare.difference, num_iterations=5000, alpha=0.05/3, iteration_batch_size=100, scale_test_by=1, num_threads=4) bs_bc_estims = bs.bootstrap_ab(np.array(Group_B), np.array(Group_C), bs_stats.mean, bs_compare.difference, num_iterations=5000, alpha=0.05/3, iteration_batch_size=100, scale_test_by=1, num_threads=4) bs_ac_estims = bs.bootstrap_ab(np.array(Group_A), np.array(Group_C), bs_stats.mean, bs_compare.difference, num_iterations=5000, alpha=0.05/3, iteration_batch_size=100, scale_test_by=1, num_threads=4)

Спасибо

А можно книжку где почитать как спрашивать человека не дибил ли он?

Ваша платформа на основе Abito? Или это уже совсем забытый проект?

последний раз я так тупила на алгебре

Когда ЧБД?

Гениальный шахматист

Спасибо за мнение по поводу advanced sql. Сейчас ищу вакансию уровня мидл+, понял что уже готов:) Но с некоторыми прям какая то странная дичь творится, и фразы "нам нужен универсал" теперь стали более понятны:) Тоже согласен с тем, что в нормальной компании все таки разделяют прод и аналитику, а не пытаются силами аналитика залатать какие-то дыры в организации хранения данных.

Я шоке уминя Киргизкий фомиля тоже Долотов как так я не могу поверит

чбд закрылось Тамби в программисты ушел

Не могла оторвать взгляд от ее красивых волос)

Спасибо за видео. Мало кто затрагивает понятие множеств при обьяснении такого рода выборок.

Дмитрий Аношин - легенда русскоговорящего data engeneering сообщества. Крутой мужик!

Как можно файл о котором говорили получить?

Тема интересная, но очень мало времени

Спасибо Евгений! Очень полезно

Смотрел скетчи от Тамби на ютубе и вот я тут

Уолтер Уайт-младший хорош

Отличный доклад

Отличное видео, спасибо!