Data is data

Индусы и китайцы активно занимаются озеленением последнее десятилетие. И результат впечатляет. Леса в Китае прибавили 10% за семь лет. Что до России, мы крепкий середнячок. Хотя тут есть ньюанс. График по странам с сайта NASA, не соответствует табличке в исходной статье в Nature. Порядок там вроде по последней колонке, а цифры не те. Оригинал статьи в Nature тут: https://clc.to/forestgamp

Сельское хозяйство за 100 лет в России. Интересные цифры. Во-первых структура населения, где 85% жили на селе. Т.е. по факту революцию делало не более 15% населения. Во-вторых после экспорта в 1913 оставалось 16 млн. тонн зерна, а в 2013 14 млн. тонн. Но в начале века населения было меньше и люди регулярно голодали, а нам нормально. [уточн. наврал: в 1913 населения в империи было 175 млн человек] Т.е. система распределения этого урожая стала справедливее [вывод не верный]. Про трактора они загнули. Это были паровые плуги, которые шли по тросам. И да, в статке 1913 года в Россию входят Польша и Финляндия.

МЧС в России учится строить прогнозные модели по ЧС по историческим данным. Получается хорошо. Модель предсказала затопление 275 домов, фактически затопило 268.

% женщин в региональных парламентах индийских штатов. Максимум там примерно 29%, около трети. А минимум там 0%. Индия всё ещё остаётся традиционной страной, несмотря на Индиру Ганди и Нирмалу Ситхараман (министр обороны сейчас).

Города с населением более 500 человек. Места на планете ещё много, но не везде легко жить.

Для начинающих и не только Machine Learning. Большая подборка датки на самые разные темы. Спойлер: ImageNet вошёл, CIFAR, MNIST и Титаник нет. Качать бесплатно без смс тут: https://clc.to/traintestrepeat

Оценки Хауса и Друзей. Если вы хотите посмотреть свой любимый сериал в циферках, то вам сюда: https://clc.to/imdbratings

Сценаристы "Игры престолов" не единственные, кто уронил топовый сериал под конец. На графиках оценки IMDB по сезонам. Клиника, Декстер. Много их. А вот "Ходячие мертвецы" (Walking Dead) совершили камбек под конец, оттолкнувшись от дна. Я кстати не смотрел, учил Deep Learning.

Мир на пороге больших перемен. Мировая торговля на минимумах 2017 года. И всё это вокруг Китая. Когда Трамп объявил первые санкции против Пекина (очевидно за Крым, хе-хе, или за украину), китайцы резко подняли стоки в США. Этому соответствует резкий рост экспорта и двойная вершина на графике экспорта Китая. Теперь по идее коммунисты должны упасть в экспорте на величину седловины. И самое прекрасное для всех, что Китай резко сократил импорт. Для России и прочих сырьевых стран вроде Австралии это очень плохо. Цены упадут на всё и пояса придётся подтянуть огого как. Второй большой риск здесь в том, что доллары сегодня напечатаны под объём мировой опять же торговли. Если она упадёт, на рынках будет их значительный избыток и значит инфляция в долларах может стать существенной. Т.е. сбережения в баксах обесценятся, а США решит вопрос со своим долгом автоматически. Будем наблюдать (с).

У Аптека.ру какой-то жуткий кейс про продажу некоторого препарата через интернет. На выходе из воронки продаж стоимость маркетинга на одного покупателя переваливает за 6000 рублей при наличии 700 000 человек на входе.

Вопреки ожиданиям Uber-подобные сервисы в США не снизили количество личных автомобилей. Более того, они существенно добавили цифр к траффику на дорогах. Выяснилось, что доступность такси вызвало переключение с автобусов и "пойти пешком" в сторону автомобилей. Т.е. шеринговая экономика работает не так, как предполагали урбанисты. В Москве на мой взгляд происходит нечто подобное. 50 000 такси (официально) + 15 000 кашерингов просто добавляют загрузки к дороге, а кашеринг ещё и парковочные места у жителей отжимает. Это конечно нужно доказывать и копаться в данных. А для начала их нужно собрать. Впрочем у авторов доклада тоже были проблемы с убером. Подробности тут: https://clc.to/carsharingeco

два маршрута в США на каждый день с 1го января по 31 декабря, чтобы вокруг была постоянная температура в 20 градусов.

Нейронные сети не обязательно учить BackProp-ом. Для каких-то задач вполне сгодятся генетические алгоритмы. От учителя правда никуда не деться. В видео сетка познаёт, как водить машинку по лабиринту. По просмотру у меня несколько мыслей: машинка не получает свой вектор скорости на вход, какой-то аналог LSTM нужен. Второе: очень похоже, что сетка выучивает конкретный лабиринт, а не учиться водить машину. Возможно так можно приближать сложные кривые не сплайнами. https://youtu.be/wL7tSgUpy8w

В пайплане для лечения диабета много кандидатов, но как обычно мало какие лекарства выходят из третьей фазы исследований на подачу в минздравы / FDA. Настараживает так же крайне маленькое количество молекул в фазе-1. Это значит, что через 5-7 лет будет почти ноль новых лекарств, потому что шансы кандидатов на первой фазе примерно 1%.

каждый четвёртый доллар здравоохранения в США тратится на лечение диабета. И всё равно у них там полно нелеченных пациентов. Отсутствие лечения это отказ почек, ампутация, инсульт и слепота. По нам даже собрать такие данные было бы счастьем.

Цены на нефть чистые и с поправкой на инфляцию (в ценах 2019 года, красеньким). Проблема нефтяных контрактов в том, что это не просто купил-продал, как какой-нибудь каучук, а инвестиционный инструмент. Поэтому мы имеем, что имеем.

поиграть с именами самому можно тут: https://clc.am/namesmsk