1. Введение
1.1 Общая информация о курсе
1.2 Генеральная совокупность и выборка
1.3 Типы переменных. Количественные и номинативные переменные
1.4 Меры центральной тенденции
1.5 Меры изменчивости
1.6 Квартили распределения и график box-plot
1.7 Нормальное распределение
1.8 Центральная предельная теорема
1.9 Доверительные интервалы для среднего
1.10 Идея статистического вывода, p-уровень значимости

stepic.org/course/Основы-статистики-76/
Основы статистики. Часть 1 youtu.be/ksdrNa_g11M
Основы статистики. Часть 2 youtu.be/9jL5JifQ1WI
Основы статистики. Часть 3 youtu.be/XEjIPrV-w84
________________________

Анатолий Карпов — выпускник факультета психологии СПбГУ, научный сотрудник, аспирант кафедры общей психологии СПбГУ. Занимается экспериментальными исследованиями в области когнитивной психологии. Преподает курс математической статистики для биологов в Институте биоинформатики.

Курс вводный и рассчитан на слушателей, не обладающих специализированными знаниями в области математики. Он подойдет как тем, кто только начинают познавать тонкости математической статистики, так и тем, у кого уже есть некоторый опыт обработки и анализа данных.

В рамках курса рассматриваются подходы к описанию получаемых в исследованиях данных, основные методы и принципы статистического анализа, интерпретация и визуализация получаемых результатов. Слушатели познакомятся с такими методами статистического анализа как дисперсионный, регрессионный и кластерный анализ. Мы научимся сравнивать группы между собой, рассчитывать коэффициенты корреляции и строить регрессионные уравнения.
Основной акцент делается на математических идеях, интуиции и логике, которые обуславливают методы и расчетные формулы. Изученный материал будет применим для решения широкого круга задач, возникающих в рамках исследовательской работы практически любого направления.

Курс подготовлен на базе программы Института биоинформатики.

Опираясь на концепцию открытых данных, государство делится с гражданами информацией. В России концепцией начали пользоваться в 2013 году, и до недавнего времени она оставалась малоизвестной, хотя в мире давно популярна. Елена расскажет, почему Python и открытые данные тесно связаны друг с другом и какие интересные задачи ждут питонистов в этой области. А также будет немного инсайда о том, какие открытые данные создают наши государственные органы и как в этом можно поучаствовать.

Елена Никитина @ Moscow Python Meetup 36
Слайды: www.moscowpython.ru/meetup/36/open-data/

Долгожданный выпуск о популярном ныне языке Python.
В гостях разработчик компании Todoist и просто крутой парень — Олег Шидловский.
В рамках интервью мы пообщались про олимпиадное программирование, про фишки языка, про асинхронность, про популярные фреймворки django, twisted, tornado, flask, SQLAlchemy, про machine learning

Понятие вероятности, классическое определение вероятности, анализ игры в кости.
Лекция и тесты в НОУ ИНТУИТ www.intuit.ru/studies/courses/637/493/lecture/11141

Модель нейрона. Активационная функция. Сети прямого распространения. Архитектура нейронной сети. Коннективизм. Обучение нейронной сети. Обратное распространение ошибки. Метод скорейшего спуска. Эпохи и batchи. Инициализация нейронной сети. Пример: задача Обучающее или. Библиотека Neuralnet. Пороговое значение.

Лекция №1 в курсе «Анализ данных на R в примерах и задачах, часть 2» (весна 2017).
Преподаватель курса: Вадим Леонардович Аббакумов
Страница лекции на сайте CS центра: goo.gl/JH1KPD
Лекции курса по порядку: www.youtube.com/watch?v=orgXajB6z58

В этом видео пойдет речь о ключевых понятиях для описания количественных непрерывных данных с нормальным распределением. Будут затронуты такие понятия, как:
-Вероятность,
-Случайные виличины,
-Вариационныя ряд,
-Разобраны примеры описания вариационного ряда,
-Правило трех сигм
-Нормальное распределение,
-Стандартное отклонение.
Статьи полезные материалы здесь: lit-review.ru/biostatistika/

Ведущий:
Кирилл Мильчаков, доцент Высшей школы управления здравоохранением ПМГМУ им. И.М. Сеченова, научный директор НМА Литобзор.

Запрос консультации и предложения о сотрудничестве: info@lit-review.ru

РИТ 2017, Whale Rider

Тезисы:
whalerider.ru/2017/abstracts/2494.html

Заказчики (клиенты, руководители) хотят видеть красивые отчеты, а не длинные таблицы. Проблема — как визуализировать данные, чтобы заказчику «понравилось»? Ведь топ-менеджер не поставит подробную задачу, какие KPI, в каком виде показать в отчете, и что для него значит «красиво».

Во-первых, визуализация отчетов — это уже не вопрос творчества, а вопрос логики, понимания структуры данных. Я расскажу о матрице выбора диаграмм и чеклистах, с которыми вы будете понятно и наглядно показывать информацию для принятия решений. Начиная от офисной графики до продвинутой визуализации.

Во-вторых, технологии дали новый носитель – дашборды (информационные панели). Я разберу типовые ошибки их построения, дам правила и лучшие практики из 10-летнего опыта внедрения BI-проектов. И покажу, как на дашборде провожу совещание отдела продаж, при вас построю годовой отчет службы HelpDesk.

science-tv.jinr.ru/

18.05.2018
«Теория игр вокруг нас»
Презентация: goo.gl/NYSzPQ
Спикер доступно расскажет все о теории игр, применении ее в повседневной жизни и о том, как не проиграть. Сперва вы вместе с Алексеем смоделируете «игру» непосредственно в аудитории, а затем разберёте следующие сюжеты:

1. Телеигра или задача о парковочных местах
2. Люксембург в Евросоюзе
3. Синдзо Абэ и Северная Корея
4. Парадокс Брайеса в Метрогородке (Москва)
5. Два парадокса Дональда Трампа
6. Рациональное безумие (снова Северная Корея)