August 24th, 2014

общежитие, Корваллис

внезапно, феминистическое

Скучная часть любой конференции по узкой профессиональной теме: секция общественного значения, социальных аспектов этой темы.
Скучная и депрессивная.
1985 год: 37%
2000 год: 15%
2009 год: 14%.
Это количество женщин в США с академической специальностью computer science.
общежитие, Корваллис

тоже конференция, но уже не депрессивное

... не буду рассказывать, что это за мероприятие - я попал только на одну его часть, очень своеобразную и (увы) не очень хорошо организованную. В общем, это про data mining. Темы выступлений (это только по одной из секций):

1. Хорошо было бы завести портал с надёжными и понятными отчётами по финансовой деятельности правительственных органов в США.
2. А кстати, в Бразилии такой портал уже есть. Можно отследить каждую индивидуальную покупку или оплаченную услугу, причем к каждом трансакции автоматически отыскивается настоящая (рыночная) цена аналогичного товара или услуги.
3. Jupyter notebook - классная штука. Можно научить ей пользоваться журналистов, и заодно читателей новостей. И тогда они смогут сами пересчитать на основе необработанных данных - действительно ли каждое пятое преступление в Чикаго совершает негр. Или, скажем, какой новый фильм понравился подросткам, и в какое время они купили билеты в кино.
4. Даёшь демократию через data mining. У политического кандидата должна быть модель интересов населения, с возможностями симуляции последствий политических поступков. А у избирателей должна быть возможность эту модель посмотреть и позапускать у себя.
5. Почему в странах третьего мира не хватает неквалифицированных работников по уборке мусора. Можно ли быстро найти, где ходит много безработных, и перенаправить их?
6. Ещё раз даёшь демократию через data mining.
7. Мы поискали слова "я доел булочку и мне стало что-то нехорошо, больше не пойду в то кафе" в твиттере и facebook. И обраружили источники и жертв 15 эпидемий инфекционных заболеваний, причем "санэпидемстанция" (ну, т.е. аналогичная структура нашего большого города) своими средствами нашла только 12 из них.
8. Мы построили модель распостранения деревенских слухов.
9. Поиск сходных патентов в медицине показывает, что в деле регуляции патентов происходит полный бардак.
10. Предупреждение о землетрясении от свидетелей (в твиттере) работает быстрее и надежнее, чем официальные новости.
11. Мы построили какую-то модель городской застройки.
12. Мы тоже, мы тоже умеем распрознавать стихийное бедствие по твиттеру.
13. Мы тоже построили модель нелегальной застройки внутри городских трущоб.
14. А мы зато собираем данные по последствиям войны в Сирии!
15. Смотрите, можно так распределить прокатные велосипеды по городу, что в любой точке почти никогда не будет очереди, и почти никогда не будет лишних велосипедов!
16. Мы большая компания, которая занимается данными, мы круты ваще.
17. А давайте посканируем корпоративную переписку на ключевые слова!
18. Мы тоже, мы тоже засекаем болезни и эпидемии по твиттеру.