继上次盘点《数据科学家95%的时间都在使用的11个基本图表》之后，今天将为大家带来数据科学家95%的时间都在使用的11个基本分布。掌握这些分布，有助于我们更深入地理解数据的本质，并在数据分析和决策过程中做出更准确的推断和预测。1.正态分布正态分布（Normal Distribution），也被称为高斯分布（Gaussian Distribution），是一种连续型概率分布。它具有一个对称的钟形曲线，以均值（μ）为中心，标准差（σ）为宽度。正态分布在统计学、概率论、工程学等多个领域具有重要的应用价值。正态分布的概率密度函数为：其中，μ是均值，σ是标准差。概率密度函数表示在给定值x附近，单位区间内
DeepMind团队最新的Nature论文，竟出现严重的漏洞。来自伦敦大学的化学教授RobertPalgrave在网上公开揭露，论文在材料表征方面存在非常严重的问题。更离谱的是，Palgrave发现AI制作了3次已有90年历史的化合物，而且还弄错了成分。这篇在11月29日刊登在Nature的论文「Anautonomouslaboratoryfortheacceleratedsynthesisofnovelmaterials」，主要是由UC伯克利、劳伦斯伯克利国家实验室、谷歌DeepMind的团队联合完成。论文中，仅用了17天时间，AI便实现了，在58种预测材料中，合成了41种新材料。论文地址：
可视化对于理解复杂的数据模式和关系至关重要。它们提供了一种简洁的方式来理解统计模型的复杂性、验证模型假设、评估模型性能等等。因此，了解数据科学中最重要和最有用的图表非常重要。本文将带来数据科学家95%的时间都在使用的11个基本图表。ROCCurveROC曲线（ReceiverOperatingCharacteristicCurve）描述了在不同分类阈值下，真阳性率（良好性能）与假阳性率（不良性能）之间的权衡关系。在二分类问题中，ROC曲线是一种常用的评估分类模型性能的工具。它绘制了在不同分类阈值下，分类器的真阳性率和假阳性率之间的关系。真阳性率是指被正确分类为正例的样本占所有实际正例样本的比例
1. 基本信息像火箭科学家一样思考：将不可能变为可能[美]奥赞·瓦罗尔（OzanVarol）著北京联合出版公司,2020年9月出版1.1. 读薄率书籍总字数250千字，笔记总字数37583字。读薄率37583÷250000≈15.03%1.2. 读厚方向起源：NASA天文学家的万物解答NASA系统工程手册（第2版）向NASA学工程师文化NASA的项目管理课：重塑影响项目成果的六大关键因素1.3. 笔记--章节对应关系笔记章节字数发布日期2023年读像火箭科学家一样思考笔记01_与不确定性共舞（上）第1章与不确定性共舞174511月18日读像火箭科学家一样思考笔记02_与不确定性共舞（下）第1章
三十多年来，在线算法一直被科学家寄予厚望，但一篇论文的诞生让它走下了神坛。它的目标，简单来说就是在没有完整数据的情况下，通过有限的信息提前找到最佳策略。在我们的生活中，例如股市场的即时交易分析，还有导航路径的实时规划，都有在线算法的身影。不过没有完整数据，就意味着性能将受到限制；因此科学家们一直期待它能突破数据的桎梏，达到更高的效率。然而就在最近，来自微软研究院、牛津大学等机构的研究人员在进行了一场实验之后发现，这种算法的复杂度远远超过了人们的期待。他们也凭借着这篇论文，在今年的计算理论顶会STOC上获得了最佳论文奖。那么，他们获奖的这项研究，具体说了些什么呢？科学家们的“30年期待”这里我们
AI画的玛丽莲·梦露，倒转180°后，竟然变成了爱因斯坦？！这是最近在社交媒体上爆火的扩散模型视错觉画，随便给AI两组不同的提示词，它都能给你画出来！哪怕是截然不同的对象也可以，例如一位男子，经过反色处理，就神奇地转变成一名女子：就连单词也能被翻转出新效果，happy和holiday只在一旋转间：原来，这是来自密歇根大学的一项“视觉字谜”新研究，论文一发出就在HackerNews上爆火，热度飙至近800。英伟达高级AI科学家JimFan赞叹称：这是我近期见到最酷的扩散模型！还有网友感叹称：这让我想到了从事分形压缩工作的那段经历。我一直认为它是纯粹的艺术。要知道，创作一幅经过旋转、反色或变形后呈
1. 异常现象已成为常态1.1. 在NASA的文件中，反复出现的O形环问题被描述为“可接受的风险”，这是标准的做生意方式1.2. 冰水的温度与“挑战者”号发射时的环境温度类似，肉眼即可观测到，O形环失去了它的密封能力1.3. 尽管O形环损坏存在危险，但随着一次又一次飞行顺利完成，NASA开始对此习以为常，视野也变得越来越狭隘。1.4. 费曼将NASA的决策过程称为“俄罗斯轮盘赌”，由于那些存在O形环问题的航天飞机经过无数次飞行之后，并没有发生任何灾难性事件，所以NASA认为，“下一次飞行时，我们可以稍微降低一点标准，因为我们上次侥幸成功了”1.5. NASA内部人士所说的那样，随着时间的推移，
PyTorch团队让大模型推理速度加快了10倍。且只用了不到1000行的纯原生PyTorch代码！项目名为GPT-fast，加速效果观感是这样婶儿的：通畅，属实通畅！重点是，团队直接放出了代码以及详细“教程”。还是简笔画版的那种，特别好理解。开发团队成员@HoraceHe表示：我们不把它看作是库或者框架，更希望大家能把它当成个例子，根据自己的需求“复制粘贴”。网友直接炸开锅，英伟达AI科学家JimFan评价道：这是自AndrejKarpathy发布的minGPT以来最棒的教程式repo之一！开源世界需要更多minGPT、GPT-Fast这样的项目！那么GPT-fast究竟是如何给大模型提速的？
1. 开局与结局1.1. 我们学到了很多东西，知道以前很多做法是错误的，而学习有时会带来伤害。1.1.1. SpaceX高管汉斯·科尼格斯曼1.2. 单次失败和最终失败是有区别的1.2.1. 单次失败可以是开始而非结束1.2.2. 开局不一定要盛大，只要结局完美就行1.3. 时间改变了我们看待事件的方式，一些短期内看似失败的事物，在我们把目光放长远之后，就会发生逆转1.4. 突破性技术往往有一个进化的过程，它不是革命性的1.4.1. 只要研究任何一种科学发现，你就会注意到它不是凭空出现的，也不存在醍醐灌顶的时刻1.4.2. 科学由一个个失败积累而成，每个失败的版本都比以前的版本更好1.4.3.
1. 载人飞行任务中也发生过许多事故1.1. 在火箭科学中，失败可能意味着丧失生命，还可能让纳税人损失数亿美元资金1.2. 失败意味着数十年的工作烟消云散1.3. 没人会为太空竞赛期间发生的无数爆炸和不幸事件庆祝，它们实在令人尴尬，而且是灾难性的，人们不会视之如儿戏2. 过度害怕失败2.1. 我们天生就害怕失败2.1.1. 千万年前，若非害怕失败，我们早就被一只饿极了的灰熊捕食2.2. 与成功后兴奋感迅速消散不同，失败的刺痛一直挥之不去，有时甚至会持续一辈子3. 失败是可以选择的3.1. 火箭发射不可能没有风险，你要跟物理学一较高下3.2. 你可以为一些意外事故做好准备，但在太空中，总会遇到一
