Козырькова: Козырькова Татьяна Владимировна

Козырькова Татьяна Владимировна — 3 отзыва | Москва

Опыт работы

• 2008 — 2018

  ГВКГ ВВ МВД России, г.Балашиха

  Врач-оториноларинголог

Образование

• 2005

  Самарский государственный медицинский университет

  (лечебное дело)

  Базовое образование

• 2006

  МОНИКИ им. М.Ф. Владимирского

  (оториноларингология)

  Интернатура

• 2008

  МОНИКИ им. М.Ф. Владимирского

  (оториноларингология)

  Ординатура

Отзывы

Пациент
+7-999-64XXXXX

12 февраля в 17:53

+2. 0

отлично

Тщательность обследования

Эффективность лечения

Отношение к пациенту

Информирование пациента

Посоветуете ли Вы врача?

Отлично

Отлично

Отлично

Отлично

Однозначно

Проверено (2)

Посетили в январе 2023

Медицинский центр «Мд Клиник Кожухово»-ул. Дмитриевского, д. 11

Пациент
+7-916-17XXXXX

11 октября 2022
в 21:52

+2.0

отлично

Тщательность обследования

Эффективность лечения

Отношение к пациенту

Информирование пациента

Посоветуете ли Вы врача?

Отлично

Отлично

Отлично

Отлично

Однозначно

Проверено (2)

Посетили в сентябре 2022

Медицинский центр «Мд Клиник Кожухово»-ул. Дмитриевского, д. 11

Пациент
+7-903-18XXXXX

17 марта 2022
в 17:28

+2.0

отлично

Тщательность обследования

Эффективность лечения

Отношение к пациенту

Информирование пациента

Посоветуете ли Вы врача?

Отлично

Отлично

Отлично

Отлично

Однозначно

Проверено (2)

Посетили в сентябре 2021

Медицинский центр «Мд Клиник Кожухово»-ул. Дмитриевского, д. 11

Козырькова Татьяна Владимировна лор (отоларинголог). Отзывы

Лор (отоларинголог)

   рядом с любой станцией метро

8

пациентов записались к этому врачу через наш портал

80%

порекомендовали бы этого врача своим родным и знакомым

Козырькова Татьяна Владимировна

Лор (отоларинголог)

Опыт работы

• ГВКГ ВВ МВД России (г. Балашиха), оториноларингологическое отделение (2008-2018 гг): врач-оториноларинголог

Козырькова Татьяна Владимировна

Отзывы

Только настоящие отзывы!

Мы публикуем только отзывы, полученные от людей, которые записывались к врачу через наш сервис.

Еще никто не оставил отзыв о враче.
Поделитесь своим мнением, если вы записались на прием к врачу через наш портал

Найти другого лора (отоларинголога)

Оставьте отзыв о враче Козырькова Татьяна Владимировна

Вы записались на прием к врачу на нашем сайте? Оставьте свой отзыв, мы его опубликуем после проверки.

Врач Козырькова Татьяна Владимировна

Действительно хороший врач?

Поделитесь мнением о нем в соцсетях

Козырькова Татьяна Владимировна
лор (отоларинголог)

Подобрать врача 8 (499) 519-34-22
Найти другого врача

Ваше имя

Ваша фамилия

Дата рождения

Ваш телефон

На указанный вами номер было отправлено SMS с кодом подтверждения.

Код из SMS

Дата приема

Время приема

Нажимая на «Записаться», вы даете согласие на обработку своих персональных данных.

После записи с Вами свяжется специалист call-центра и уточнит все интересующие Вас вопросы.

Вы действительно хотите
прервать запись?

Вы можете записаться к врачу по телефону

Записаться на прием

06 мая 07 мая 08 мая 09 мая 

Лоры (отоларингологи) с записью на ближайшее время

Чеврычкина Елена Станиславовна

лор (отоларинголог)

1 отзыв

Многопрофильная клиника МЕДПРАЙМ на улице Шаболовка

Москва, улица Шаболовка, 10к1

Стоимость приема — 2500₽

Кучерова Анна Владимировна

лор (отоларинголог)

5 отзывов

Доктор рядом в Дмитровском

Москва, Ангарская улица, 45к1

Стоимость приема — 2933₽

Романова Ольга Николаевна

лор (отоларинголог)

5 отзывов

Европейский медицинский центр в Спиридоньевском переулке

Москва, Спиридоньевский переулок, 5с1

Стоимость приема — 13164₽

У нас Вы можете найти врача в любом регионе России

Мы правильно определили Ваш регион?

Москва

Медицинский портал Все врачи здесь © 2010-2021

Cassie Kozyrkov – Medium

Cassie Kozyrkov – MediumOpen in app

Mastodon

Cassie Kozyrkov

144K Followers

Pinned

Все, что вы хотели знать о машинном обучении 9 0012

Веселье в основе! Коллекция коротких видеороликов для развлечения как новичков, так и экспертов. Ищете веселое введение в ИИ с чувством юмора? Ищите не дальше, чем «Подружитесь с машинным обучением» (MFML), привлекательный бесплатный курс YouTube, разработанный с учетом всех. Да, все. Если вы это читаете, значит курс для вас! Трейлер курса Короткие видеоролики: Большая часть…

Data Science

10 минут чтения

Data Science

10 минут чтения

Опубликовано в Towards Data Science

·6 days ago

Лучшие пути обучения лидерству в сфере ИИ и данных

Как чтобы быстро освоиться в темах, связанных с данными — (Чувствуете нетерпение? Прокрутите текст и фотографию кошки, чтобы получить пути обучения!) Во-первых, могу я сказать огромное спасибо всем вам за то, что вдохновили меня написать? Я только что заметил, что здесь, на Medium, мое сообщество подписчиков составляет 70% от размера сообщества Барака Обамы. Вау! …

Технология

7 минут чтения

Технология

7 минут чтения

27 апреля

Как развивается ИИ

Предсказание на следующее десятилетие. В предыдущем выпуске я объяснил это, потому что разработчики продуктов с ИИ прошлого десятилетия намеренно сгладили пользовательский опыт (UX), чтобы гарантировать, что пользователи не заметят, когда они взаимодействуют с компонентами ИИ, не имеет смысла, что пользователи были целевой аудиторией для всей шумихи об ИИ…

Искусственный интеллект

3 минуты чтения

Искусственный интеллект

3 минуты чтения

27 апреля

AI Hype: для кого это?

Как развивается целевая аудитория всей этой шумихи об ИИ — В прошлом месяце несколько громких запусков генеративного искусственного интеллекта, в первую очередь GPT-4 и Bard, вызвали волнение в социальных сетях. Каждый день, как грибы после дождя, появляется все больше новых продуктов ИИ. Если вы наедаетесь заголовками технических новостей, у вас легко может сложиться впечатление, что «ИИ наконец…

Искусственный интеллект

3 минуты чтения

Искусственный интеллект

3 минуты чтения

20 апреля

Чем отличается современный ИИ?

Подсказка: сегодняшняя революция в области искусственного интеллекта на самом деле связана не с искусственным интеллектом, а с пользовательским интерфейсом. Задолго до того, как генеративные художественные приложения и чат-боты ворвались на технологическую сцену, искусственный интеллект поддерживал ваш онлайн-опыт и оптимизировал многие из ваших бизнесов. наслаждайтесь в автономном режиме. ИИ был повсюду, но он был скрыт на виду как тонкий, ненавязчивый компонент в программных приложениях…

Generative Ai

3 минуты чтения

Generative AI

3 минуты чтения

Опубликовано в Towards Data Science

· 29 марта 9 0003

Распаковка Google Bard и GPT-4

Первый взгляд на два крупных релиза ИИ — А вот и видео распаковки ИИ! Эти блестящие новые инструменты были выпущены чуть более недели назад, так что они только что из печи. В видео вы увидите, как я запускаю свои первые параллельные подсказки Bard + GPT-4. Ниже вы найдете то, что начиналось как стенограмма видео…

Искусственный интеллект

10 минут чтения

Искусственный интеллект

10 минут чтения

22 марта

Взлом: Google Bard и GPT-4

900 03

Давайте взглянем на самую популярную технологию искусственного интеллекта, выпущенную в прошлом. неделя — Ух ты, какая неделя для индустрии ИИ! За последние несколько дней мы увидели несколько масштабных объявлений об искусственном интеллекте, в том числе два передовых выпуска крупноязыковой модели (LLM), которые потрясли социальные сети: 14 марта 2023 г.: GPT-4 21 марта 2023 г.: Бард Как они связаны друг с другом ? Я чувствую твою…

3 минуты чтения

3 минуты чтения

20 марта

Почему всем стоит попробовать GPT-4, даже генеральному директору

(Помимо того, что для этого не нужны технические навыки) — Один неделю назад, 14 марта, OpenAI выпустила GPT-4. Я признаю, что был одним из пользователей, которые поспешили заплатить свои 20 долларов в месяц, чтобы поиграть с ним, купив подписку ChatGPT Plus, и я впечатлен. Позвольте мне воспользоваться этой возможностью, чтобы поздравить OpenAI с огромным достижением в демократизации…

Искусственный интеллект

6 минут чтения

Искусственный интеллект

6 минут чтения

16 марта

Лучший совет, который я никогда не получал (для технической карьеры)

9000 3

Мотивация и понимание карьеры Я бы хотел, чтобы у меня не было этого Мне пришлось работать над собой. Большинство моих статей посвящены науке о данных и принятию решений, но иногда я пишу статьи на другие темы, потому что они помогли мне достичь того, что я имею сегодня. Вот подборка, так что вам не нужно учить все это на собственном опыте. Хотя некоторые из этих статей были написаны…

Карьера

Чтение 4 мин.

Карьера

Чтение 4 мин.

Вот почему ваши усилия по извлечению ценности из данных ни к чему не приводят

широкое пренебрежение дизайном данных и качеством данных (и что вы можете с этим поделать). Мой любимый способ объяснить разницу между наукой о данных и проектированием данных таков: если наука о данных «делает данные полезными», то «сделать данные пригодными для использования». Эти дисциплины настолько увлекательны, что легко забежать вперед и забыть, что прежде чем мы сможем получить данные…

Data Science

7 минут чтения

Data Science

7 минут чтения

Cassie Kozyrkov

144K подписчиков

Chief De научный сотрудник, Google. ❤️ Статистика, машинное обучение/ИИ, данные, каламбуры, искусство, театр, наука принятия решений. Все взгляды мои. twitter.com/quaesita

Статус

Писатели

Карьера

Конфиденциальность

Преобразование текста в речь

Введение в систему принятия решений | Кэсси Козырков

Лидерство и карьера на основе данных

Новая дисциплина для лидерства в эпоху ИИ

Опубликовано в

·

Чтение: 14 мин.

Любопытно узнать, что такое психология избегания львы в саванне имеет что-то общее с ответственным руководством ИИ и проблемами проектирования хранилищ данных? Добро пожаловать в систему принятия решений!

Интеллект принятия решений — это новая академическая дисциплина, занимающаяся всеми аспектами выбора между вариантами. Он объединяет лучшее из прикладной науки о данных, социальных наук и управленческой науки в единую область, которая помогает людям использовать данные для улучшения своей жизни, своего бизнеса и окружающего мира. Это жизненно важная наука для эпохи ИИ, охватывающая навыки, необходимые для ответственного руководства проектами ИИ, а также разработки целей, показателей и систем безопасности для масштабной автоматизации.

Интеллект принятия решений — это дисциплина преобразования информации в более эффективные действия в любом масштабе.

Давайте ознакомимся с его основной терминологией и понятиями. Разделы предназначены для беглого чтения (а также для пропуска чтения, когда вы пропускаете скучные фрагменты… а иногда и полностью пропускаете процесс чтения).

Что такое решение?

Данные прекрасны, но важны решения. Именно через наши решения — наши действия — мы влияем на мир вокруг нас.

Мы определяем слово «решение» как означающее любой выбор между вариантами любой организацией, поэтому разговор шире, чем дилеммы в стиле MBA (например, открывать ли филиал вашего бизнеса в Лондоне).

Нашими решениями — нашими действиями — мы влияем на окружающий мир.

В этой терминологии добавление метки типа «кошка против не-кошки» к фотографии пользователя — это решение, выполняемое компьютерной системой, а выяснение того, запускать ли эту систему, — это решение, взвешенно принятое человеком-лидером (надеюсь, !) отвечает за проект.

Решения, решения, решения. Изображение: SOURCE

Что такое лицо, принимающее решения?

На нашем языке « лицо, принимающее решения » — это не та заинтересованная сторона или инвестор, который набрасывается, чтобы наложить вето на махинации проектной группы, а человек, который отвечает за архитектуру принятия решений и формирование контекста. Другими словами, создатель тщательно сформулированных целей, а не их разрушитель.

Что такое принятие решений?

Принятие решений — это слово, которое используется по-разному в разных дисциплинах, поэтому оно может относиться к:

• совершение действия при наличии альтернативных вариантов (в этом смысле можно говорить о принятии решения компьютером или ящерицей).
• выполняет функцию (человека), принимающего решения, частью которой является принятие на себя ответственности за решения. Несмотря на то, что компьютерная система может выполнять решения, ее нельзя назвать принимающей решения, потому что она не несет ответственности за свои результаты — эта ответственность полностью лежит на плечах людей, которые ее создали.

Расчет вместо принятия решения

Не все результаты/предложения являются решениями. В терминологии анализа решений решение принимается только после того, как имеет место безотзывное распределение ресурсов. Пока вы можете изменить свое мнение бесплатно, решение еще не принято.

Таксономия интеллекта принятия решений

Один из подходов к изучению интеллекта принятия решений состоит в том, чтобы разделить его традиционным образом на количественные аспекты (в значительной степени совпадающие с прикладной наукой о данных) и качественные аспекты (разработанные в основном исследователями в области социальных и управленческих наук).

Качественная сторона: Науки о принятии решений

Дисциплины, составляющие качественную сторону, традиционно назывались науками о принятии решений, и мне бы хотелось, чтобы все это называлось (увы, мы не всегда можем иметь то, что мы хотеть).

Изображение: ИСТОЧНИК

Науки принятия решений занимаются такими вопросами, как:

• «Как вы должны установить критерии принятия решений и разработать свои показатели?» (Все)
• «Выбранный вами показатель совместимый со стимулом ?» (Экономика)
• «Какого качества вы должны принимать это решение и сколько вы должны платить за полную информацию?» (Анализ решений)
• «Как эмоции, эвристика и предубеждения влияют на принятие решений?» (Психология)
• «Как биологические факторы, такие как уровень кортизола, влияют на принятие решений?» (Нейроэкономика)
• «Как изменение представления информации влияет на выбор поведения?» (Поведенческая экономика)
• «Как вы оптимизируете свои результаты при принятии решений в групповом контексте?» (Экспериментальная теория игр)
• «Как сбалансировать многочисленные ограничения и многоэтапные цели при разработке контекста принятия решений?» (Дизайн)
• «Кто испытает на себе последствия решения и как различные группы воспримут этот опыт?» (UX Research)
• «Является ли решение объективным, этичным?» (философия)

Это всего лишь малая часть вкуса… их намного больше! Это также далеко не полный перечень задействованных дисциплин. Думайте о науке о принятии решений как о подготовке решений и обработке информации в ее более нечеткой форме хранения (человеческий мозг), а не в том виде, который аккуратно записывается в полупостоянное хранилище (на бумаге или в электронном виде), которое мы называем данными.

Проблемы с вашим мозгом

В прошлом веке было модно хвалить любого, кто впихнул жирный комок математики в какое-нибудь ничего не подозревающее человеческое предприятие. Количественный подход обычно лучше, чем бездумный хаос, но есть способ добиться еще большего.

Стратегии, основанные на чистой математической рациональности, относительно наивны и, как правило, неэффективны.

Стратегии, основанные на чистой математической рациональности без качественного понимания процесса принятия решений и человеческого поведения, могут быть довольно наивными и, как правило, неэффективными по сравнению со стратегиями, основанными на совместном освоении количественных и качественных сторон. (Следите за сообщениями в блогах об истории рациональности в социальных науках, а также о примерах из поведенческой теории игр, где психология побеждает математику.)

Люди не оптимизаторы, мы удовлетворяющие потребности , что является причудливым словом для резчиков углов .

Люди не оптимизаторы, мы удовлетворяющие , что является причудливым словом для резаков углов , которые довольны достаточно хорошим , а не идеальным . (Кроме того, эта концепция достаточно шокировала высокомерие нашего вида — удар по лицу разумного Человека, богоподобного и безупречного, — что заслужила Нобелевскую премию.)

Аристотель считал, что мозг — это прославленный кондиционер для сердца. Я думаю, снаружи мозг выглядит менее впечатляюще… Изображение: ИСТОЧНИК

На самом деле все мы, люди, используем когнитивные эвристики, чтобы сэкономить время и силы. Часто это хорошо; разработка идеальной беговой дорожки, чтобы убежать от льва в саванне, съест нас еще до того, как мы едва начнем вычисления. Удовлетворение также снижает стоимость жизни в калориях, и это тоже хорошо, поскольку наш мозг и так невероятно прожорлив, поглощая примерно пятую часть нашего расхода энергии, несмотря на то, что он весит примерно 9 фунтов.0234 3 фунта . (Бьюсь об заклад, вы весите больше, чем 15 фунтов в сумме, верно?)

Некоторые из углов, которые мы срезаем, приводят к предсказуемо неоптимальным результатам.

Теперь, когда большинство из нас не проводит свои дни, убегая от львов, некоторые из углов, которые мы срезаем, приводят к предсказуемым результатам. Наш мозг не совсем, э-э, оптимизирован для современной среды. Понимание того, как наш вид превращает информацию в действие, позволяет вам использовать процессы принятия решений, чтобы защитить себя от недостатков вашего собственного мозга (а также от тех, кто намеренно охотится на ваши инстинкты). Это также поможет вам создать инструменты, которые улучшат вашу производительность и адаптируют вашу среду к вашему мозгу, если бедняжка слишком медленно наверстывает упущенное. 0234 а-ля Дарвин.

Если вы думаете, что ИИ исключает человека из уравнения, подумайте еще раз!

Кстати, если вы думаете, что ИИ исключает человека из уравнения, подумайте еще раз! Все технологии являются отражением их создателей, и системы, работающие в масштабе, могут усиливать человеческие недостатки, что является одной из причин, почему развитие навыков принятия решений так необходимо для ответственного руководства ИИ. Узнайте больше здесь.

Изображение: ИСТОЧНИК

Возможно, вы не принимаете решение

Иногда тщательное обдумывание критериев принятия решений приводит к осознанию того, что в мире нет факта, который изменил бы ваше мнение — вы уже выбрали действие и теперь просто ищете способ почувствовать себя лучше. Это полезное осознание — оно не дает вам тратить больше времени и помогает вам перенаправить свой эмоциональный дискомфорт, делая то, что вы все равно собирались сделать, к черту данные.

«Он использует статистику , как пьяный человек использует фонарные столбы… для поддержки, а не для освещения». -Эндрю Лэнг

Если бы вы не предприняли разные действия в ответ на разные еще неизвестные факты, здесь не было бы решения… хотя иногда обучение анализу решений помогает вам увидеть эти ситуации более ясно.

Принятие решений в условиях полной информации

Теперь представьте, что вы очень тщательно подошли к разработке решения, которое чувствительно к фактам, и вы можете щелкнуть пальцами, чтобы увидеть фактическую информацию, необходимую для выполнения вашего решения. Для чего вам нужна наука о данных? Ничего, вот что.

Первым делом нужно выяснить, как мы хотели бы реагировать на факты.

Нет ничего лучше, чем факт — то, что вы знаете с уверенностью (да, я знаю, что здесь зияет релятивистская кроличья нора, давайте двигаться дальше) — поэтому мы всегда предпочитаем принимать решения на основе фактов, если они у нас есть . Вот почему в первую очередь нужно выяснить, как мы хотели бы иметь дело с фактами. Какое из следующих применений вы бы хотели использовать для своей идеальной информации?

Вашему автору особенно понравилась эта стена на Ямайке. Изображение: SOURCE

Что вы можете сделать с фактами?

• Вы можете использовать факты, чтобы принять одно важное предварительно сформулированное решение. Если это достаточно важно, вам нужно будет сильно опираться на качественную сторону вещей, чтобы мудро сформулировать свое решение. Психологи знают, что если вы позволите неожиданной информации попасть в засаду, она может манипулировать вами так, как вам бы этого не хотелось, поэтому они (и другие) могут многое сказать о том, как подойти к выбору информации, которую вы примете заранее.
• Вы можете использовать факты для принятия особого вида предварительно сформулированного решения, называемого воздействием (или причинным ) решением. Если ваше решение основано на действиях, направленных на то, чтобы что-то произошло, то для принятия решения вам нужны факты о причинно-следственных связях. В таких случаях факты о последствиях (например, «люди выздоравливают от этой болезни») бесполезны для вас, если они не сопровождаются фактами о причинах (например, «из-за антибиотиков»). Чтобы получить в свои руки информацию о причинах и следствиях, нужно провести контролируемое исследование.0234 эксперимент . С другой стороны, если вы принимаете решение типа исполнения , оформленное как ответ на не причинно-следственный факт (например, «если на моем сберегательном счете будет как минимум x , я куплю себе новую обувь»), тогда эксперимент не нужен.
• Вы можете использовать факты, чтобы укрепить мнение («Я ожидаю, что на улице солнечно» превращается в «Я знаю, что на улице солнечно»).
• Вы можете использовать факты, чтобы принять одно важное решение, основанное на существовании. Решения, основанные на существовании ( «Я только что узнал, что по соседству существует случай лихорадки Эбола, так что я быстро убираюсь отсюда…» ) — это решения, в которых существование ранее неизвестного неизвестного настолько потрясает основу вашего подхода, что вы понимаете оглядываясь назад, вы понимаете, что контекст вашего решения был небрежно оформлен.
• Вы можете использовать факты для автоматизации большого количества решений. В традиционном программировании человек задает набор инструкций для преобразования входных данных в соответствующие действия, возможно, используя что-то вроде таблицы поиска.
• Вы можете использовать факты, чтобы найти решение для автоматизации. Увидев факты о системе, вы сможете писать код на их основе. Это лучший подход к традиционному программированию, чем придумывать структуру решения, очень долго размышляя без информации. Например, если вы не знаете, как преобразовать градусы Цельсия в градусы Фаренгейта, но можете использовать набор данных для поиска записи в градусах Фаренгейта, которая соответствует вводу в градусах Цельсия… но если вы проанализируете саму эту таблицу поиска, вы обнаружите формула, которая их связывает. Затем вы можете просто закодировать эту формулу («модель»), чтобы сделать за вас всю грязную работу и потерять неуклюжую таблицу.
• Вы можете использовать факты для создания оптимального решения задачи автоматизации, которая вполне решаема. Это традиционная оптимизация. Вы найдете много примеров в области исследования операций , в которых, среди прочего, рассказывается, как преодолевать ограничения для получения идеального результата, например, наилучший порядок выполнения ряда задач.
• Вы можете использовать факты, чтобы вдохновить вас на то, как вы будете подходить к будущим важным решениям. Это часть аналитики, которая также относится к разделу частичной информации. Держите эту мысль!
• Вы можете использовать факты, чтобы подвести итоги того, с чем вы имеете дело. Это поможет вам понять, какие входные данные у вас есть для будущих решений, и спроектировать, как лучше обрабатывать вашу информацию. Если вы только что унаследовали большое темное хранилище (данных), полное потенциальных ингредиентов, вы не узнаете, что внутри, пока кто-нибудь не посмотрит на него. К счастью, у вашего аналитика есть фонарик и ролики.
• Вы можете небрежно использовать факты для принятия необоснованных решений. Это эффективно, когда решения имеют достаточно низкие ставки, которые не требуют усилий, необходимых для тщательного подхода к ним, например, «Что мне съесть сегодня на обед?» Постоянное стремление быть строгим во всех решениях приводит к субоптимальным долгосрочным/пожизненным результатам и попадает в категорию бессмысленного перфекционизма. Приберегите свои усилия для ситуаций, которые для него достаточно важны, но, пожалуйста, не забывайте, что даже если эффективно использовать низкокачественный подход с низкими усилиями, оптимальный подход к принятию решений все равно будет низкокачественным. Вы не должны бить себя в грудь или быть слишком самоуверенными, когда это ваш метод… Если вы срезаете углы, вы держите что-то хлипкое. Бывают ситуации, когда хлипкость делает свое дело, но это не делает ваш вывод устойчивым. Не опирайтесь на это. Если вы хотите качественного принятия решений, вам нужен более строгий подход.

Благодаря обучению в области наук о принятии решений вы научитесь уменьшать усилия, необходимые для принятия строгих решений, основанных на фактах, а это означает, что тот же объем работы теперь обеспечивает более качественное принятие решений по всем направлениям. Это очень ценный навык, но для его оттачивания требуется много работы. Например, студенты, изучающие поведенческую экономику, формируют привычку устанавливать критерии принятия решений до получения информации. Те из нас, кто пострадал от достаточно требовательных программ обучения науке принятия решений, не могут не спросить себя, например, какова максимальная сумма, которую мы заплатили бы за билет, ДО того, как мы посмотрим цену.

Сбор данных и обработка данных

Если бы у нас были факты, мы бы уже закончили. Увы, мы живем в реальном мире и часто нам приходится работать за свою информацию. Инжиниринг данных — это сложная дисциплина, направленная на обеспечение надежного доступа к информации в любом масштабе. Точно так же, как легко пойти в продуктовый магазин за пинтой мороженого, инженерия данных проста, когда вся доступная релевантная информация умещается в электронной таблице.

Изображение: SOURCE

Все становится сложнее, когда вы начинаете просить о доставке 2 миллионов тонн мороженого. .. где оно не может растаять! Все становится еще сложнее, если вам нужно спроектировать, настроить и обслуживать огромный склад, и вы даже не знаете, что будущее попросит вас хранить дальше — может быть, это несколько тонн рыбы, может быть, это плутоний… удачи!

Сложно организовать склад, когда ты даже не знаешь, что тебя попросят хранить на следующей неделе — может быть, несколько тонн рыбы, может быть, плутоний… удачи!

В то время как обработка данных является отдельной родственной дисциплиной и ключевым партнером по анализу решений, науки о принятии решений включают в себя прочную традицию экспертизы, связанной с консультированием по планированию и курированию сбора фактов.

Количественная сторона: наука о данных

Когда вы сформулировали свое решение и просматриваете все необходимые факты с помощью поисковой системы или аналитика (выполняющего для вас роль поисковой системы), остается только исполнить ваше решение. Готово! Никакой причудливой науки о данных не требуется.

Что, если после всей этой беготни и инженерного джиу-джитсу предоставленные факты не являются теми фактами, которые вам идеально нужны для принятия решения? Что, если это лишь частичные факты? Возможно, вам нужны факты завтрашнего дня, но у вас есть только прошлое, чтобы сообщить вам. (Это так раздражает, когда мы не можем вспомнить будущее.) Возможно, вы хотите знать, что все ваши потенциальные пользователи думают о вашем продукте, но вы можете спросить только сотню из них. Тогда вы имеете дело с неопределенностью! То, что вы знаете, это не то, что вы хотели бы знать. Введите науку о данных!

Наука о данных становится интересной, когда вы вынуждены делать прыжки за пределы данных… но будьте осторожны, чтобы избежать знака, подобного Икару!

Естественно, вы должны ожидать, что ваш подход изменится, когда факты, которые у вас есть, не будут теми, которые вам нужны. Может быть, они являются частью головоломки гораздо большей головоломки (как в случае с выборкой из большей совокупности). Может быть, это неправильная головоломка, но лучшее, что у вас есть (как в случае с использованием прошлого для предсказания будущего). Наука о данных становится интересной, когда вы вынуждены делать рывки за пределы данных… но будьте осторожны, чтобы не получить знак, подобный Икару!

• Вы можете использовать частичные факты, чтобы принять одно важное предварительно сформулированное решение со статистическим выводом, дополняя имеющуюся информацию предположениями, чтобы понять, следует ли вам изменить свои действия. Это фреквентистская (классическая) статистика. Если вы принимаете решение , влияющее на (оформленное в терминах действия, которое приведет к тому, что что-то произойдет, например, «вы захотите изменить цвет своего логотипа на оранжевый только в том случае, если это приведет к тому, что ваш сайт посетят на человек больше») , то лучше всего использовать данные рандомизированного контролируемого эксперимент . Если вы принимаете решение выполнения (например, «вы хотите изменить цвет логотипа на оранжевый только в том случае, если не менее 25% ваших пользователей считают оранжевый своим любимым цветом»), опрос или наблюдательный исследование достаточно хорошо.
• Вы можете использовать частичные факты, чтобы разумно преобразовать мнения в более обоснованные (но все же несовершенные и личные) мнения. Это байесовская статистика. Если эти мнения связаны с причинно-следственными связями, лучше всего использовать данные из контролируемого рандомизированного эксперимент .
• Ваши частичные факты могут содержать факты о существовании, что означает, что вы можете использовать их задним числом для принятия решений, основанных на существовании (см. выше).
• Частичные факты можно использовать для автоматизации большого количества решений. Это традиционное программирование с использованием чего-то вроде справочной таблицы, где вы конвертируете то, чего раньше не видели, в самое близкое, что у вас есть, а затем продолжаете как обычно. (Это то, что k-NN делает в двух словах… и обычно это работает лучше, когда в этих словах больше вещей.)
• Вы можете использовать частичные факты, чтобы найти решение для автоматизации. Видя частичные факты о системе, вы все равно можете писать код на основе того, что видите. Это аналитика.
• Вы можете использовать частичные факты, чтобы сгенерировать достойное решение несовершенно решаемой задачи автоматизации, чтобы вам не пришлось придумывать ее самостоятельно. Это машинное обучение и ИИ.
• Вы можете использовать частичные факты, чтобы вдохновить вас на то, как вы будете подходить к будущим важным решениям. Это аналитика.
• Частичные факты можно использовать для понимания того, с чем вы имеете дело (см. выше), и для ускорения разработки решения по автоматизации с помощью расширенной аналитики, например, предлагая новые способы объединения информации для получения полезных входных данных модели (жаргон для этого «разработка функций» ) или новые методы, которые можно попробовать в проекте ИИ.
• Вы можете небрежно использовать частичные факты для принятия необоснованных решений, но имейте в виду, что качество будет даже ниже, чем при небрежном использовании фактов, потому что то, что вы действительно знаете, на один шаг дальше от того, что вы хотели бы знать.