Женщина на борту — к беде: почему в IT всё ещё так мало девушек?

Сразу оговорюсь, что это пост-мета-ирония над шаблонами, и у меня нет цели кого-то задеть. «Женщина на борту — к беде» и другие стереотипные , а часто и сексистские, высказывания — всего лишь приколы из «нижнего интернета» или реальность даже в прогрессивной сфере IT? Чем больше живу и работаю, тем сильнее задумываюсь об этом. Возможна ли спокойная дискуссия по таким провокационным вопросам? В статье рассмотрим, как детские игрушки и кружки влияют на количество девушек на физмате, при чём тут Трамп и Питер Пэн и как сериалы «Белый лотос» и «Наследники» отражают нашу реальность. Не обойдёмся без неймдроппинга неоднозначных личностей, это важно для повествования (модераторы Хабра, простите).

https://habr.com/ru/companies/alfa/articles/899654/

#карьера_итспециалиста #гендерный_разрыв_в_it #статистика_в_it #мужчины_и_женщины #маносфера #стереотипы_о_девушках #выбор_профессии #попкультура #исследования_аудитории #демография

Женщина на борту — к беде: почему в IT всё ещё так мало девушек?

В первом сезоне сериала «Наследники» есть сатирическая сцена, где племянник главы семейства Грег смотрит на онбординге фильм, в котором говорится: «Компания принимает решения...

Хабр

Как DeepSeek-R1 научилась мыслить и «последний экзамен человечества»: топ-10 исследований ИИ за январь 2025

Привет, Хабр! Я Андрей, технологический предприниматель и консультант по ИИ. Январь вновь оказался насыщенным месяцем на прорывные исследования в сфере искусственного интеллекта (ИИ). В этой статье я отобрал десять работ, которые ярко демонстрируют, как современные методы обучения с подкреплением (RL), мультиагентные системы и мультимодальность помогают ИИ-агентам не только решать сложнейшие задачи, но и приближаться к пониманию мира «на лету». А также расскажу о «последнем экзамене человечества », как обучать роботов, лаборатории ИИ-агентов и других актуальных исследованиях. Если вы хотите быть в курсе последних исследований в ИИ, воспользуйтесь Dataist AI — моим бесплатным ботом, который ежедневно обозревает свежие научные статьи. А также подписывайтесь на мой Telegram-канал , где я делюсь инсайтами из индустрии, советами по запуску ИИ-стартапов, внедрению ИИ в бизнес, и комментирую новости из мира ИИ. Поехали!

https://habr.com/ru/articles/881208/

#ИИ #исследования_аудитории #papers #AI #искусственный_интеллект

Как DeepSeek-R1 научилась мыслить и «последний экзамен человечества»: топ-10 исследований ИИ за январь 2025

Привет, Хабр! Я - Андрей, технологический предприниматель и консультант по ИИ. Январь вновь оказался насыщенным месяцем на прорывные исследования в сфере искусственного интеллекта (ИИ). В этой статье...

Хабр

Про обязательность поправки на множественные сравнения, которая часто игнорируется адептами Data Driven методов

Когда проводится один статистический тест на значимость различий, всегда есть шанс (Ошибка первого рода = 5%, на уровне значимости p=0.05) получить ложный положительный результат случайно. Эта ошибка означает, что мы можем ложно утверждать, что значимое различие существует, при том, что в реальности этой значимости нет. Когда проводится несколько однотипных тестов подряд, каждый из них имеет 5% шанс на ложный положительный результат. Если коррекция отсутствует, то вероятность, что хотя бы один из этих тестов даст ложный положительный результат, быстро возрастает. Предположим, что делается 20 однотипных тестов. Вероятность получить ложный положительный результат равна 1 - (1 - 0.05)^ 20 ≈ 64%. Как контролировать ошибки читать далее

https://habr.com/ru/articles/818287/

#значимые_различия #статистический_тест #множественные_сравнения #ошибки_тестирования #data_driven #исследования_аудитории #исследования_пользователей #исследование #медицина #нпс

Про обязательность поправки на множественные сравнения, которая часто игнорируется адептами Data Driven методов

Актуальность проблематики Ложный положительный результат теоретически легко понять и получить Когда проводится один статистический тест на значимость различий, всегда есть шанс (Ошибка первого рода =...

Хабр

Проведение исследований для подтверждения идеи

Проверка наличия проблемы - это важный этап исследования, который поможет вам убедиться, что ваша идея действительно актуальна и нуждается в решении. Для этого необходимо выбрать подходящие методы, которые помогут провести проверку эффективно и результативно. Один из распространенных методов для проверки наличия проблемы - это анализ статистических данных. Проведение исследования, сбор данных и их последующий анализ позволят вам выявить наличие тенденций и паттернов, которые указывают на необходимость решения проблемы. Например, если вы решаете проблему низкой проходимости сайта, вы можете провести анализ статистики посещаемости, анализ показателей конверсии и других метрик, чтобы увидеть, что именно не устраивает пользователей и почему они не остаются на вашем сайте. Другим методом проверки наличия проблемы является проведение опросов и интервью. Общение с вашей целевой аудиторией поможет понять их потребности, ожидания и проблемы, с которыми они сталкиваются. На основе полученных данных вы сможете выстроить стратегию решения проблемы, соответствующую запросам пользователей. Например, если вы планируете разработать новый продукт, вы можете провести опрос среди потенциальных потребителей для выявления их потребностей и предпочтений. Это позволит вам создать продукт, который будет действительно востребован на рынке.

https://habr.com/ru/articles/796075/

#исследования_аудитории #исследования_в_ит #исследование

Проведение исследований для подтверждения идеи

Методы для проверки наличия проблемы Проверка наличия проблемы - это важный этап исследования, который поможет вам убедиться, что ваша идея действительно актуальна и нуждается в решении. Для этого...

Хабр

Искусство продуктовой аналитики: как преобразовать цифры в ценные инсайты для бизнеса

В современном мире данные играют все более важную роль в развитии бизнеса. Они позволяют принимать обоснованные и осознанные решения, а также выявлять потенциальные возможности для оптимизации и роста. Однако, необходимо понимать, что накопление большого объема данных само по себе недостаточно для достижения успеха. Чтобы преобразовать цифры в ценные инсайты, требуется искусство продуктовой аналитики. Узнать подробнее

https://habr.com/ru/articles/794670/

#продуктовый_аналитик #аналитика #bigdata #количественный_анализ #исследования_аудитории #анализ_данных #выводы_из_цифр #работа_с_данными

Искусство продуктовой аналитики: как преобразовать цифры в ценные инсайты для бизнеса

Денис Middle Product Analyst, MTC Привет Хабр! Меня зовут Денис, я продуктовый аналитик из МТС, ex-Tinkoff. Также я ментор и любитель конференций, на которых я периодически появляюсь и даже что-то...

Хабр