Strictly Orthodox Jewish population in the United Kingdom

assessment of the census undercount using an alternative estimation system

Daniel L Staetsky

Strictly Orthodox Jews, otherwise known as haredi, constitute about one quarter of the total Jewish population of the UK. This population is growing quickly due to a peculiar combination of high fertility and low mortality. A religion question, introduced into the Census of England and Wales in 2001, has been used to build estimates of Jewish population and, in combination with geographical information, also estimates of haredi Jewish population. This article claims that haredi Jews have been severely and consistently undercounted in the British Census, with detrimental consequences for proper understanding of the numerical dynamics of British Jewish population and compromised service provision. This paper develops an alternative estimation system that builds on different types of administrative sources - to quantify and correct for census undercount of haredi Jews. The paper proceeds to show that the undercount is not an exclusively 'haredi problem'. Other ethnic and religious groups are likely to be affected by it for broadly similar reasons. It suggests that alternative estimates should be considered for these populations too. Not doing so would lead, at the very least, to compromised service provision.

Источник

wonderful people

Жизнь замечательных людей

Осенью 2023 года в кинотеатрах России выйдет биографическая драма «Витринный экземпляр» об ученом Григории Перельмане, доказавшем гипотезу Пуанкаре, которая оставалась нерешенной математической проблемой около века.

Картина исследует жизнь Перельмана с юных лет, детали сюжета пока не раскрываются. Главную роль в фильме исполнил Марк Эйдельштейн («Страна Саша», «Монастырь», «Смычок»). Взрослого Перельмана сыграл Дмитрий Галдин, для которого участие в проекте стало дебютом в полнометражном кино.

Режиссером выступил Андрей Григорьев, чья документальная лента «Васенин» внесена в Список наследия ЮНЕСКО. Генпродюсером «Витринного экземпляра» стала Алена Кремер, работавшая над фильмами «Я худею», «Дракулов» и «Хочу замуж».

Чтобы воссоздать разные этапы биографии Перельмана, съемочная группа несколько лет исследовала архивы и общалась с учеными. Съемки проходят как в России, так и в США, где Перельман работал в начале 1990-х, пока не вернулся в родной Петербург.

Where Students Choose STEM Degrees

Graduates in the fields of science, technology, engineering and mathematics - STEM for short - are sought after globally, but are often in short supply. Many countries have tried to bolster enrollment in STEM to aid important growth industries like medtech, digital services, mobility or computer sciences. However, countries have had varying success in the matter.

According to numbers collected by the UNESCO Institute for Statistics, tertiary students in Malaysia and Tunisia are among the most likely to graduate in a STEM field, with between 43.5 and almost 40 percent of students there receiving a respective degree, out of all countries where recent data was available. India, with a still high share of 34 percent of students picking STEM, is however producing the most graduates in total in the field due to its population of around 1.4 billion people - the largest in the world.

UNESCO did not publish data for China. In 2016, the World Economic Forum said that China actually produced 4.7 million STEM graduates a year, which would actually exceed India’s number. Yet, according to the National Science Foundation, China classifies engineering and science fields quite broadly, leading to a lack of comparability in the data. The U.S. government agency counted 1.6 million Chinese science and engineering graduates in 2014, which would be fewer than Indian graduates.

Other countries with a strong showing of STEM graduates are the United Arab Emirates, Germany, Belarus and South Korea – all producing more than 30 percent STEM graduates. In general, countries that have managed to produce a higher share of STEM graduates than elsewhere are more likely to be found in the Arab world, in Eastern Europe and also in East Asia. After Tunisia, the share of STEM degree recipients is also upwards of 29% in Algeria, Mauretania and Morocco, all due to the prevalence of computer engineering in the region. The Arab Gulf - a place that has recently been pushing to innovate its economies - is producing an above-average number of STEM grads in some places, namely the UAE and Oman.

With the exception of Germany, Western Europe is not a STEM hotbed, however. Only 26 percent of UK graduates come from STEM courses, as do 25 percent in France and 23 percent in Spain. Even fewer graduate in the Americas, with shares of 19.6 percent and 17.5 percent in the U.S. and Brazil, respectively.
РБ таки вхолит в топ-5, но по доле 

American Students Have a Math Problem

American students have a math problem. That’s according to the latest findings from the National Assessment of Educational Progress (NAEP), also known as The Nation’s Report Card. The new batch of results, published by the U.S. Department of Education’s National Center for Education Statistics on Monday, confirms fears about the pandemic’s disruptive effect on education, showing significant declines in mathematics and reading scores among fourth and eighth graders.

In fact, the decline in national average math scores was the largest ever recorded in the nationally representative assessment of student performance dating back to 1969. In the test’s first results since the pandemic began, just 26 percent of eighth graders showed proficiency in math, down from 34 percent in 2019. That’s the worst result since 2000, as math performance among eighth graders declined in 51 participating states and jurisdictions. Fourth graders fared just a little better with 36 percent achieving a proficient score, down from 41 percent three years earlier.

“The results show the profound toll on student learning during the pandemic, as the size and scope of the declines are the largest ever in mathematics,” NCES Commissioner Peggy G. Carr said in a statement on Monday, while her colleague Daniel J. McGrath, acting as NCES associate commissioner for assessment, warns of possible long-term effects. “Eighth grade is a pivotal moment in students’ mathematics education, as they develop key mathematics skills for further learning and potential careers in mathematics and science,” McGrath said. “If left unaddressed, this could alter the trajectories and life opportunities of a whole cohort of young people, potentially reducing their abilities to pursue rewarding and productive careers in mathematics, science, and technology.”

the best gardener ever

какни странно, но полностью с автором согласен, действие демографии констатируются верно:) рекомендательное резюме — см. последний абзац (тут по тексту многабукаф)

Цитируем ПСС...

Страна советов. В узких кругах случилось потрясение: впервые (?) на мехмат МГУ (точнее, на отделение механики, ещё точнее, на "бюджетные места") нет конкурса: приняли всех, кто подал документы. Разумеется, в коллективной памяти всплыли все заголовки ленинских работ, которые студенты мехмата некогда изучали и конспектировали: Что делать? Как нам реорганизовать РАБКРИН? Советы постороннего... Вот и передократический выпускник мехмата ksonin не остался в стороне, и, ссылаясь на свой былой административный опыт, написал Пятилетний План Восстановления Передового Хозяйства (ППВПХ). Со свойственным администратору либерализмом он предоставил всем желающим высказать свои мысли по этому поводу, правда, закрыв комментарии к своему программному ЖЖ-посту.

Так что приходится по привычке писать на заборе.

Начать надо с того, что гангрена на мехмате началась почти 50 лет назад, со смертью доброго гения МГУ И. Г. Петровского и изгнанием с поста декана Н. В. Ефимова. Тогдашний мехмат был в самом деле уникальным факультетом: реально он черпал почти монопольным образом математические таланты со всего СССР, "делясь" чуть-чуть с несколькими другими конкурентами явно меньшего калибра (Питер, Нск, Харьков). Несмотря на железный занавес, идеи мехматских 30-летних профессоров проникали в окружающий мир, и немногие гости "оттуда", побывав в Москве, с придыханием рассказывали про то, что и как делалось на московских семинарах.

Такое положение не вызывало никакого восторга у нвого университетского начальства. Того и гляди начнут зазнаваться, возомнят о себе нивесть что, говорить станут что попало. К ногтю их, - для начала хрен вам, а не поездки на международные конференции (с оплатой всех расходов как приглашённым докладчикам). Премию присудили, хочешь поехать получить? Авотхуй [ой, какое слово хорошее — надо запомнить]. Нам чужие премии не указ, надо будет - свою дадим, никуда ездить не понадобится. Параллельно с этим начальство взялось за приёмные экзамены. Не математикой единой жив советский студент, в нём должно быть всё гармонично. Начали набирать специальные "рабфаковские" группы, резать еврейчиков, сначала на сочинении, а потом и на математике, в общем, social engineering на полную катушку.

А и то сказать, - зачем вообще нужен этот мехмат? Бомбы и ракеты делают другие, а от этих бо́танов какой прок? Готовить математиков-профессионалов? Да сколько их надо-то народному хозяйству? Профессионалы у нас в институтах АН СССР работают. Вот есть Институт Математики ("Стекловка"), сколько у них вакансий в год открывается? Пять? Десять? А на мехмат приём был 250 на математику и 175 на механику. Даже после всей борьбы за плавучесть классово близких и отчисления примерно четверти набранных получалось 300+ "профессионалов" в год. Кому и зачем они нужны?

Когда этот вопрос в своё время задали Петровскому, - "кого должен выпускать мехмат?", - ИГП ответил: профессоров и преподавателей математики для политехов и педвузов. ИГП, конечно, лукавил: это в западном университете профессор, имея 6 часов лекционной нагрузки в неделю, мог в остальное время заниматься профессионально математикой. Советские профессора должны были работать по-стахановски. К счастью, советское общество было саморегулирующимся, и вместо университетских кафедр выпускники мехмата оказывались в разного рода проектных и "научно-исследовательских" институтах, где барщина была несравнимо гуманнее, и, потратив те же шесть часов времени, но в месяц, можно было удовлетворить всё начальство на два уровня вверх и на три оргазма вперёд. А в остальное время сиди себе, считай когомологии с коэффициентами в пучке заказчика.

Математическая жизнь на тогдашнем мехмате начиналась в 5-6 часов вечера, когда все такие "научные сотрудники", расписавшись в журнале учёта, после работы приходили на семинары, и заканчивалась так, чтобы можно было успеть на пересадку в московском метро. На семинары ходили не только москвичи: от Калинина до Коломны, от Иванова до Владимира, от Ярославля и до Переславля-Залесского, уж не говоря о Пущине и Черноголовке - народ съезжался из самых разных мест, и уж на каких перронах они спали по дороге туда и обратно, - я не знаю.

Но всё это многообразие жизни практически не смешивалось с "утренним" и дневным мехматом, где читали лекции по матану и линейке. Сотрудники кафедр на семинарах учили приводить матрицы к жордановой нормальной форме и вычислять вторую квадратичную форму, ассистенты и доценты проверяли умение дифференцировать сложную функцию. Там шёл "учебный процесс", в результате которого студенты сдавали экзамены, писали курсовые, дипломы, какую-то часть "оставляли в аспирантуре", из закончивших аспирантуру отдельных счастливчиков "оставляли на кафедре". И этот процесс регулировался совсем другими людьми (разумеется, везде были исключения). Шансов попасть в аспирантуру было гораздо больше у дипломника какого-нибудь мутного Валерьяна Гаврилова, чем у ученика блистательного Александра Кириллова, а отбор, кого оставить на кафедре, не оставлял второму вообще никаких шансов. Где ваша общественная работа, товарищ? А какая у вас последняя оценка за Ленинский зачёт?

Таким образом несколько десятилетий на мехмате происходила интенсивная дистилляция серости под цепким руководством сначала гиганта Лупанова, а потом кипучего Чубарика, и всё это под обширной эгидой ректора О'Городничего. Даже ещё до падения железного занавеса приличные люди разбегались с мехмата, - кто-то уходил к физикам, как Синай и Новиков, кто-то - в пост-виноградовскую стекловку. Тот же великий Гельфанд административно состоял в лаборатории мат. методов в биологии (хотя в СССР, конечно, все совместительствовали как могли). Дистиллиция закончилась в самом конце 80-х, когда железный занавес рухнул и весь "Запад" обалдел от цунами "русских" математиков всех возрастов, от вундеркиндов и до мэтров супер-экстра-класса. Примерно в это же время пали засовы на входных воротах, и на мехмат стали брать без оглядки на пятый и прочие пункты. Но было уже поздно: те относительно немногие преподаватели и профессора, которые могли бы выучить переходное поколение студентов на надлежащем уровне, просто физически были не в состоянии "обслужить" такое количество вполне достойных студентов. А учитывая, что даже те, кто оставался в лавке, очень часто имели частичную позицию в Америке (реже - в Европе), самый простой способ был забрать самых лучших студентов "с собой". За те годы выросла целая плеяда замечательных молодых математиков от sous co-tutelage, защитивших диссертацию дважды, один раз как PhD, а другой - как к.ф.-м.н. Но это уже были люди без сентиментальной привязанности к мехмату: даже те из них, кто вернулся в Россию после нескольких лет "за бугром", гораздо комфортабельней чувствовали себя в Независимом Университете, а позже - в Вышке, в Стекловке.

ksonin, закончивший мехмат в 1995-м и аспирантуру в 1998-м, может, и сохранил ностальгические воспоминания о годах своей молодости там, но надо понимать, что уже тогда от былого храма науки оставались облезлые руины. Его собственный руководитель, Михалёв, человек чрезвычайно деятельный, активный и "пробивной", - рекордсмен сайта Mathematical Genealogy по числу "подготовленных кандидатов наук": больше сотни (!). Для сравнения: великий педагог Колмогоров со своими 82 учениками навечно отстал. Правда, есть разница: общее число математических потомков АНК - больше 3400, в то время, как элитный бык-производитель может похвастаться только 135-ю (из которых, как сказано было, 101 - непосредственно им зачатые). Я не помню, от кого рождаются лошаки, а от кого - мулы, но что-то с михалёвской генетикой не то. Хоть он и хороший человек, многие ему спасибо сказали за трудоустройство.

Но реально мехмат к тому моменту был уже в состоянии комы. В последние 10-15 лет, с появлением каких-то новых источников денег, в Москве устраивали много конференций, в основном юбилейных, на которые с большим удовольствием слетались московские экспаты: каждая такая конференция была отличным поводом пообщаться с коллегами, разбросанными по всему миру, не только с теми, кто оставался в Москве. Но что характерно, - на бейджиках московских участников таких конференций аффилиация "МГУ, мехмат" была практически ненаблюдаемой. Что угодно можно было встретить, - ВШЭ, МИАН, ИППИ, НМУ, даже ИПМ и ИПУ иногда, - но не мехмат. Там, под садовничьей эгидой местные чем-то своим занимались, видимо, весьма деятельно, - времени зайти на лекции "с доставкой на дом" у них не находилось (я снова сделаю оговорку про исключения меры ноль).

Надо сказать, что новые поколения мехматских студентов быстро вошли в термодинамическое равновесие с реорганизовавшимся профессорско-преподавательским составом. У нас в Хеломе каждое (доковидное) лето открывалась двухмесячная программа для иностранных студентов, и я всегда старался свистнуть московским коллегам-друзьям про вакансии на этих школах. Как правило, свист удавался: редкое лето на программу не приезжали два-три "русских" студента, в основном из Питера (с матмеха), но случались и москвичи-москвички, иногда с мехмата. Одна такая девочка меня поразила до глубины души: она писала диплом на "моей" кафедре, где ещё продолжал очень активно работать мой учитель, но не у него, а у унылого долдона, дожёвывавшего не первый десяток лет то, чем он сам занимался у ещё более унылого долдона (деятельность из серии "Об одном свойстве одного решения одного дифференциального уравнения", как издевался над ним Арнольд). Мне страшно интересно было взглянуть на тогдашнюю (2012 г.) жизнь глазами студента (-ки), причём очень толковой, хваткой, умной, ... но, как выяснилось, абсолютно дремучей математически. Она просто не представляла себе, что в математике может быть что-то помимо "одного свойства". Она ни разу не слышала о тех (замечательных!) летних школах в Дубне, которые регулярно устраивала её кафедра и на которых лекции читали те самые птенцы co-tutelle, слетавшиеся в Москву на летние каникулы... Но больше всего меня поразил тот факт, что она никогда ничего не слышала (!!!) о заседаниях Московского Математического Общества, регулярно собиравшихся на том же 16-м этаже, где было кафедральное гнездо.

К счастью, мне (и ей) хватило двух летних месяцев, чтобы рассказать, что она может сделать со своим красным дипломом. Умница поступила в докторат в Penn State, сделала там очень неплохую работу, сейчас постдочит (Zassenchaus instructor) в Ohio State. Пару раз приезжала в Хелом на конференции, заруливала ненадолго поболтать, доклад сделала - насколько же переменился человек! А ведь так и могла остаться долдоновой "наукой" заниматься, скорее всего её оставили бы на кафедре (она действительно очень умная).

Но хватит сантиментов, пора наконец перейти к "Советам постороннего" ksonina. Как и положено Пятилетнему Плану, он состоит из Разделов.

1. УСИЛИТЬ ПРОФЕССОРСКИЙ СОСТАВ
2. ПОВЫСИТЬ КАЧЕСТВО ОБРАЗОВАНИЯ
3. РАБОТАТЬ НАД РЕПУТАЦИЕЙ
4. ПОВЫСИТЬ ИНТЕРНАЦИОНАЛИЗАЦИЮ
5. УСИЛИТЬ АДМИНИСТРАТИВНЫЙ СОСТАВ

Я даже не знаю, как мог один человек, без помощи целого отдела консультантов и референтов, продумать столь тщательно план спасения мехмата. Скажем, для усиления профессорского состава надо деньги, а ещё - рабочий кабинет каждому профессору. Без этого ничего не получится. Кроме того, надо ставить реалистическую планку ожиданий, - мехмату нужны те, у кого амбиций на top-50, но не top-20 американских университетов (для переманивания британских профессоров тарифы другие). Костя не пишет, сколько таких гастарбайтеров надо переманить, чтоб оздоровить атмосферу мехмата, но судя по его остальным предложениям, нескольких десятков на первое время хватит. Где их взять?  рынок труда нам поможет! Надо только придумать, чем простимулировать даже особенно русскоязычного математика перебраться из Америки в Россию и устроиться поуютнее под садовничьим крылом.

Повышение качества образования - тоже ерунда. Во-первых, надо читать курс по анализу данных. Безобразие, что логики и топологи всё ещё лишены такого фундаментального предмета. Ещё одна светлая мысль - засчитывать студентам мехмата курсы, прослушанные в других местах. Это вообще гениально: если подойти к делу с толком, можно даже не нанимать несколько десятков гастарбайтеров, о которых речь шла выше, достаточно просто грамотно составить расписание, дав студентам время, чтоб доехать до Вышки.

Позволю себе не продолжать подробный анализ остальных пунктов. Они примерно так же глубоки, но в сущности, просты в исполнении, что каждый сам сможет оценить. Я могу лишь попробовать поделиться личным опытом.

Идея вывести математический (или любой другой) департамент в более высокую лигу - первое, что приходит в голову любой амбициозной администрации любого университета, хоть в Европе, хоть в Америке. Чем особенно хороша математика? Тем, что (формально) математикам для работы нужны только карандаши да ластики. Ни тебе лабораторных площадей, ни тебе дорогих установок, ни тебе необходимости в рабочих руках (лаборанты, техники, ... ). Самый высокий грамм-градус на копейку выходит. Почему же не все американские математические департаменты входят в топ-50? Если рецепт успеха так прост, как его описывает ksonin?

Я слышал про очень немногие success stories. Начиналось всё всегда с того, что удавалось найти одного (sic!) подходящего человека, обладающего набором довольно взаимоисключающих качеств. Не слишком молод, но и не мэтр, которому ничего особенно уже не нужно. Лет 40-50. Уже состоявшийся в своей области человек, пользующийся уважением в своей узкопрофессиональной среде, однозначно одобряемый пэрами, но активно связанный с молодым поколением. Активно работающий, но обладающий определёнными административными талантами. Найти такого - это как выиграть в лотерею. Дальше надо правильно распорядиться выигрышным билетом.

Такому человеку обычно дают (а) зарплату, соразмерную с увеличением нагрузки, назначая его department chair, (б) карт-бланш на некоторое количество ставок, на которые новый чейрмен может пригласить кого хочет, под свою моральную ответственность. Масштаб бедствия - 5-7 ставок, на которые, если чейр оказался грамотным head-hunter'ом, он возьмёт молодых толковых ребят после их первого постдока. Если химия сложится, через несколько лет на департаменте появится заметная на общенациональном небосклоне команда, работающая в определённой области. Дальше - как получится. Если сложится mutual admiration society, - значит, не получилось, несмотря на самые лучшие намерения. Если всё пойдёт нормально, - у хороших математиков есть потенциал взаимоотталкивания: наскучив одной деятельностью, они частенько перебираются в соседнюю область. Если такой ренегат действительно хороший математик, то есть шанс, что яркое пятно на карте будет расширяться, департамент притянет ещё кого-то, кому интересно будет. Но на всём этом пути столько if'ов, что вероятность успеха отнюдь не стопроцентна, мягко говоря.

И наоборот. Если, несмотря на все амбиции по части амуниции, феромоны не сработали и на призыв слетелись только familiar suspects разной степени успешности, - таки плохо. Есть известное adage: первоклассные учёные в поисках коллег ищут первоклассных же, а второсортные предпочитают взять на работу третьесортных. Проверено электричеством не раз. Собственно, то, что произошло с мехматом, когда первоклассные разбежались, хотя реального влияния на кадровую политику у них никогда не было.

Возвращаясь к тому, что делать с мехматом в новую историческую эпоху, я бы раздумывал, выбирая между осиновым колом и серебряной пулей, чтоб дезактивировать Зону. За немногими содомскими праведниками, в рамках новой-старой парадигмы, надо послать вертолёт "Чинук", чтоб эвакуировать их туда, где они будут действительно востребованы, можно даже в пределах Москвы. А за студентов волноваться не надо: вода дырочку найдёт, даже без ответственных за репутацию и интернационализацию, не говоря об административных талантах.

useful link

I've been using B-splines a lot in my research to do curve fitting, so I put together a notebook where you can play around with them interactively to see how they work: https://t.co/ao8s2Vxo7d pic.twitter.com/cqQ0WMCtSO

— Herb Susmann (@herbps10) July 16, 2021

How Many Numbers Exist?

Infinity Proof Moves Math Closer to an Answer

For 50 years, mathematicians have believed that the total number of real numbers is unknowable. A new proof suggests otherwise.

The German mathematician Georg Cantor would, in the decade following this 1870 portrait, develop set theory and discover the infinite hierarchy of infinite sets.

Bayesian Demography 250 years after Bayes

The frontier of simulation-based inference

By Kyle Cranmer, View ORCID ProfileJohann Brehmer, and Gilles Louppe
PNAS first published May 29, 2020; https://doi.org/10.1073/pnas.1912789117
Edited by Jitendra Malik, University of California, Berkeley, CA, and approved April 10, 2020 (received for review November 4, 2019)

Many domains of science have developed complex simulations to describe phenomena of interest. While these simulations provide high-fidelity models, they are poorly suited for inference and lead to challenging inverse problems. We review the rapidly developing field of simulation-based inference and identify the forces giving additional momentum to the field. Finally, we describe how the frontier is expanding so that a broad audience can appreciate the profound influence these developments may have on science.

Mechanistic models can be used to predict how systems will behave in a variety of circumstances. These run the gamut of distance scales, with notable examples including particle physics, molecular dynamics, protein folding, population genetics, neuroscience, epidemiology, economics, ecology, climate science, astrophysics, and cosmology. The expressiveness of programming languages facilitates the development of complex, high-fidelity simulations and the power of modern computing provides the ability to generate synthetic data from them. Unfortunately, these simulators are poorly suited for statistical inference. The source of the challenge is that the probability density (or likelihood) for a given observation—an essential ingredient for both frequentist and Bayesian inference methods—is typically intractable. Such models are often referred to as implicit models and contrasted against prescribed models where the likelihood for an observation can be explicitly calculated. The problem setting of statistical inference under intractable likelihoods has been dubbed likelihood-free inference—although it is a bit of a misnomer as typically one attempts to estimate the intractable likelihood, so we feel the term simulation-based inference is more apt.

The intractability of the likelihood is an obstruction for scientific progress as statistical inference is a key component of the scientific method. In areas where this obstruction has appeared, scientists have developed various ad hoc or field-specific methods to overcome it. In particular, two common traditional approaches rely on scientists to use their insight into the system to construct powerful summary statistics and then compare the observed data to the simulated data. In the first one, density estimation methods are used to approximate the distribution of the summary statistics from samples generated by the simulator. This approach was used for the discovery of the Higgs boson in a frequentist paradigm). Alternatively, a technique known as approximate Bayesian computation (ABC) compares the observed and simulated data based on some distance measure involving the summary statistics. ABC is widely used in population biology, computational neuroscience, and cosmology. Both techniques have served a large and diverse segment of the scientific community.

Recently, the toolbox of simulation-based inference has experienced an accelerated expansion. Broadly speaking, three forces are giving new momentum to the field. First, there has been a significant cross-pollination between those studying simulation-based inference and those studying probabilistic models in machine learning (ML), and the impressive growth of ML capabilities enables new approaches. Second, active learning—the idea of continuously using the acquired knowledge to guide the simulator—is being recognized as a key idea to improve the sample efficiency of various inference methods. A third direction of research has stopped treating the simulator as a black box and focused on integrations that allow the inference engine to tap into the internal details of the simulator directly.

Amidst this ongoing revolution, the landscape of simulation-based inference is changing rapidly. In this review, we aim to provide the reader with a high-level overview of the basic ideas behind both old and new inference techniques. Rather than discussing the algorithms in technical detail, we focus on the current frontiers of research and comment on some ongoing developments that we deem particularly exciting.

Average Breast Cup Size in the World

fucking math

Существовавшая в древнем Китае система гарема императора должна была обеспечить правителю появление многочисленного и достойного потомства, а главное - появление лучшего из возможных наследника 

Планы и решения императора строились и принимались с оглядкой на календарь и движения планет. Математические модели и идеи подчас влияли на то, как были спланированы дни и даже ночи императора.

Советники императора, например, придумали, как "гарантировать" то, что император за определенный период времени не оставит без внимания ни одну из женщин своего гарема.

График ночей императора был основан на формулах геометрической прогрессии. Согласно легенде, за 15 ночей император должен был провести ночь со 121 женщиной его гарема, а именно: с императрицей, тремя старшими женами, девятью другими женами, 27 наложницами, 81 рабыней.

Каждая последующая группа женщин по численности в три раза превосходила предыдущую. Первая ночь была за императрицей. Следующую ночь император должен был провести с тремя старшими женами. Третья ночь - для девяти остальных жен. Следующие три ночи император проводил с 27 наложницами - каждую ночь к нему приходили девять наложниц. Оставшиеся ночи император проводил с рабынями - каждую ночь также к нему приходили девять рабынь.

Такой "график" должен был гарантировать, что император спит с женщинами "высшего ранга" его гарема в полнолуние, когда женская сила "инь" достигает своего расцвета и может соответствовать его "ян" - мужской силе.

Советники, составляя такой график, в первую очередь заботились о появлении у императора достойных, а точнее - лучших из возможных наследников. 

• Герман Греф сказал, что математики не будут востребованы. Многие не согласились

Data Science of the Facebook World

More than a million people have now used our Wolfram|Alpha Personal Analytics for Facebook. And as part of our latest update, in addition to collecting some anonymized statistics, we launched a Data Donor program that allows people to contribute detailed data to us for research purposes.

A few weeks ago we decided to start analyzing all this data. And I have to say that if nothing else it’s been a terrific example of the power of Mathematica and the Wolfram Language for doing data science. (It’ll also be good fodder for the Data Science course I’m starting to create.)

We’d always planned to use the data we collect to enhance our Personal Analytics system. But I couldn’t resist also trying to do some basic science with it.

I’ve always been interested in people and the trajectories of their lives. But I’ve never been able to combine that with my interest in science. Until now. And it’s been quite a thrill over the past few weeks to see the results we’ve been able to get. Sometimes confirming impressions I’ve had; sometimes showing things I never would have guessed. And all along reminding me of phenomena I’ve studied scientifically in A New Kind of Science.

So what does the data look like? Here are the social networks of a few Data Donors—with clusters of friends given different colors. (Anyone can find their own network using Wolfram|Alpha—or the SocialMediaData function in Mathematica.)

читать дальше

Center for Russian Studies at RANEPA

пришло по почте, ещё в какую-то базу угодил,

но любопытно

Ирина Гарскова, вице-президент ассоциации «История и компьютер», доцент кафедры Исторической информатики Московского Государственного Университета им. М.В. Ломоносова, представит две лекции, посвященные количественным методам в социальных и гуманитарных науках.

Лекция 1.

Математические методы в социальных и гуманитарных исследованиях.

10 ноября 2016 г., начало в 19:00

РАНХиГС, 5 корпус, Зал Ученого Совета.

Ведущий специалист в области количественных методов исследования Ирина Гарскова расскажет о современном уровне развития математических методов анализа и перспективах их применения в социально-гуманитарных науках. В наш информационный век мы сталкиваемся с огромным потоком данных, модели и принципы работы с которыми будут рассмотрены на лекции. Особое внимание Ирина Марковна уделит методам статистического анализа.

Лекция 2.

Разнообразие возможностей современного исследователя: методы работы с текстами и изображениями, методы сетевого анализа и математическое моделирование.

17 ноября 2016 г., начало в 19:00

РАНХиГС, 2 корпус, 237 ауд.

Ирина Гарскова продемонстрирует роль компьютерных технологий в актуальных социальных и гуманитарных исследованиях на примере компьютеризированного анализа текста, 3D моделирования и пространственного анализа. Во второй лекции цикла будут рассмотрены понятия нелинейности, неустойчивости, альтернативности развития и возможности математического моделирования социальной динамики.



Регистрация для граждан РФ: https://www.surveymonkey.com/r/9PGC8LP

Регистрация для граждан других стран: https://www.surveymonkey.com/r/9Z335C9




--

Center for Russian Studies

RANEPA Moscow



crs.ranepa.ru

Hidden Sexism in Language

прикольная статья про языковой сексизьм/гендеризьм, это абстракт (там же линька на пдф):

The blind application of machine learning runs the risk of amplifying biases present in data. Such a danger is facing us with word embedding, a popular framework to represent text data as vectors which has been used in many machine learning and natural language processing tasks. We show that even word embeddings trained on Google News articles exhibit female/male gender stereotypes to a disturbing extent. This raises concerns because their widespread use, as we describe, often tends to amplify these biases. Geometrically, gender bias is first shown to be captured by a direction in the word embedding. Second, gender neutral words are shown to be linearly separable from gender definition words in the word embedding. Using these properties, we provide a methodology for modifying an embedding to remove gender stereotypes, such as the association between between the words receptionist and female, while maintaining desired associations such as between the words queen and female. We define metrics to quantify both direct and indirect gender biases in embeddings, and develop algorithms to "debias" the embedding. Using crowd-worker evaluation as well as standard benchmarks, we empirically demonstrate that our algorithms significantly reduce gender bias in embeddings while preserving the its useful properties such as the ability to cluster related concepts and to solve analogy tasks. The resulting embeddings can be used in applications without amplifying gender bias.

Назва:

Man is to Computer Programmer as Woman is to Homemaker? Debiasing Word Embeddings

Tolga Bolukbasi, Kai-Wei Chang, James Zou, Venkatesh Saligrama, Adam Kalai
(Submitted on 21 Jul 2016)

пересказ без формул и мат.умничанья:

How Vector Space Mathematics Reveals the Hidden Sexism in Language

mathematicians writes

для коллекции к письмам 13 и 25, более существенное и имевшее немедленный и позитивный эффект, письмо 99 (в защиту Есенина-Вольпина)
из англ вики:

After his 1968 psychiatric confinement, 99 Soviet mathematicians sent a letter to the Soviet authorities asking for his release. This fact became public and the Voice of America conducted a broadcast on the topic; Esenin-Volpin was released almost immediately thereafter.

<…>14 февраля 1968 года «по распоряжению главного психиатра г. Москвы» А.С.Есенин-Вольпин был насильно увезён в психиатрическую больницу. Насильственная госпитализация А.С. и борьба за его освобождение стали заметным эпизодом в процессе становления правозащитного движения в СССР. Участие в судьбе А.С. приняли не только те, кто к весне 1968 уже находился в жёсткой конфронтации с властью, но и представители академических кругов, не проявлявшие ни до ни после этого систематической активности <…>

См. А.С.Есенин-Вольпин. Избранное.
М.: РГГУ, 1999, c. 328

Министру здравоохранения СССР,
Генеральному Прокурору СССР
Копия: Главному психиатру г. Москвы

Нам стало известно, что крупный советский математик, известный специалист в области математической логики Александр Сергеевич Есенин-Вольпин был насильственно, без предварительного медицинского обследования, без ведома и согласия родных, помещён в психиатрическую больницу № 5 (станция Столбовая, 70 километров от Москвы).

Насильственное помещение в больницу для тяжёлых психических больных талантливого и вполне работоспособного математика, условия, в которые он по самому характеру этой больницы попал, тяжело травмируют его психику, вредят здоровью и унижают человеческое достоинство.

Исходя из гуманных целей нашего законодательства, и тем более здравоохранения, мы считаем этот факт грубым нарушением медицинских и правовых норм.

Мы просим срочно вмешаться и принять меры для того, чтобы наш коллега мог работать в нормальных условиях.

(Подписи)

1. Новиков Петр Сергеевич, Действительный член АН СССР, лауреат Ленинской премии
2. Гельфанд Израиль Моисеевич, Лауреат Ленинской и Государственной премии, член-корр. АН СССР, президент Московского математического общества
3. Люстерник Лазарь Аронович, член-корр. АН СССР и лауреат Государственной премии
4. Марков Андрей Андреевич, член-корр. АН СССР
5. Меньшов Дмитрий Евгеньевич, член-корр. АН СССР и лауреат Государственной премии
6. Новиков Сергей Петрович, член-корр. АН СССР, лауреат Ленинской премии
7. Шафаревич Игорь Ростиславович, член-корр. АН СССР, лауреат Ленинской премии
8. Арнольд Владимир Игоревич, Лауреат Ленинской премии, проф., д.ф.-м.н.
9. Витушкин Анатолий Георгиевич, Лауреат Ленинской премии, проф., д.ф.-м.н.
10. Кронрод Александр Семенович, Лауреат Государственной премии, проф., д.ф.-м.н.
11. Манин Юрий Иванович, Лауреат Ленинской премии, д.ф.-м.н., проф.
12. Мейман Наум Натанович, Лауреат Государственной премии, проф., д.ф.-м.н.
13. Постников Михаил Михайлович, Лауреат Ленинской премии, д.ф.-м.н., проф.
14. Бокштейн Меер Феликсович, проф., д.ф.-м.н.
15. Бочвар Дмитрий Анатольевич, проф., д.ф.-м.н.
16. Ефремович Вадим Арсеньевич, проф., д.ф.-м.н.
17. Келдыш Людмила Всеволодовна, проф., д.ф.-м.н.
18. Кириллов Александр Александрович, проф., д.ф.-м.н.
19. Кондратьев Владимир Александрович, проф., д.ф.-м.н.
20. Курош Александр Геннадьевич, проф., д.ф.-м.н.
21. Ландис Евгений Михайлович, проф., д.ф.-м.н.
22. Лопшиц Абрам Миронович, проф., д.ф.-м.н.
23. Повзнер Александр Яковлевич, проф., д.ф.-м.н.
24. Зволинский Никита Вячеславович, проф., д.ф.-м.н.
25. Пятецкий-Шапиро Илья Иосифович, проф., д.ф.-м.н.
26. Паламодов Виктор Павлович, проф., д.ф.-м.н.
27. Смирнов Юрий Михайлович, проф., д.ф.-м.н.
28. Фомин Сергей Васильевич, проф., д.ф.-м.н.
29. Шилов Георгий Евгеньевич, проф., д.ф.-м.н.
30. Яглом Акива Моисеевич, проф., д.ф.-м.н.
31. Яглом Исаак Моисеевич, проф., д.ф.-м.н.
32. Агранович Михаил Семенович, д.ф.-м.н.
33. Архангельский Александр Владимирович, д.ф.-м.н., доц.
34. Березин Феликс Александрович, д.ф.-м.н., ст.н.с.
35. Добрушин Роланд Львович, д.ф.-м.н.
36. Пасынков Борис Алексеевич, д.ф.-м.н., доц.
37. Пономарев Владимир Иванович, д.ф.-м.н., ст.н.с.
38. Синай Яков Григорьевич, д.ф.-м.н., ст.н.с.
39. Авербух Борис Гершонович, к.ф.-м.н., доц.
40. Алексеев Владимир Михайлович, к.ф.-м.н., доц.
41. Балакина Людмила Михайловна, к.ф.-м.н.
42. Баранович Татьяна Максимилиановна, к.ф.-м.н., доц.
43. Бассалыго Леонид Александрович, к.ф.-м.н.
44. Бескин Николай Михайлович, к.ф.-м.н.
45. Блинчевский Валентин Сергеевич, к.ф.-м.н.
46. Брушлинская Надежда Николаевна, к.ф.-м.н.
47. Введенская Никита Дмитриевна, к.ф.-м.н., ст.н.с.
48. Вентцель Александр Дмитриевич, к.ф.-м.н., доц.
49. Вентцель Татьяна Дмитриевна, к.ф.-м.н., доц.
50. Ветухновский Феликс Яковлевич, к.ф.-м.н.
51. Винберг Эрнест Борисович, к.ф.-м.н., доц.
52. Волевич Леонид Романович, к.ф.-м.н., ст.н.с.
53. Вул Елена Бенционовна, к.ф.-м.н.
54. Гиндикин Семен Григорьевич, к.ф.-м.н., ст.н.с.
55. Голо Войслав Любомирович, к.ф.-м.н.
56. Грабарь Мстислав Игоревич, к.ф.-м.н., доц.
57. Кабаков С. А., к.ф.-м.н.
58. Ким Клим Владимирович, к.ф.-м.н.
59. Клеппер Леонид Яковлевич, к.ф.-м.н.
60. Константинов Николай Николаевич, к.ф.-м.н., ст.н.с.
61. Кронрод Лидия Александровна, к.ф.-м.н., доц.
62. Кружков Станислав Николаевич, к.ф.-м.н.
63. Крылов Александр Львович, к.ф.-м.н.
64. Кулагина Ольга Сергеевна, к.ф.-м.н., ст.н.с.
65. Левшенко Борис Трифонович, к.ф.-м.н.
66. Лунц Александр Лазаревич, к.ф.-м.н.
67. Минлос Роберт Альбертович, к.ф.-м.н., ст.н.с.
68. Михайлова К.А., к.ф.-м.н.
69. Онищик Аркадий Львович, к.ф.-м.н., доц.
70. Оревков Владимир Павлович, к.ф.-м.н.
71. Панов С.А., к.ф.-м.н.
72. Поляк Борис Теодорович, к.ф.-м.н., ст.н.с.
73. Скобеев А., к.ф.-м.н.
74. Смолянский М.А., к.ф.-м.н.
75. Тихомиров Владимир Михайлович, к.ф.-м.н., доц.
76. Тутубалин Валерий Николаевич, к.ф.-м.н., доц.
77. Тюрина Галина Николаевна, к.ф.-м.н., ст.н.с.
78. Флитман Леонид Моисеевич, к.ф.-м.н.
79. Фукс Дмитрий Борисович, к.ф.-м.н., ст.н.с.
80. Хмелевский Юрий Ильич, к.ф.-м.н., доц.
81. Цинман Леонид Львович, к.ф.-м.н. (воспоминания)
82. Чернавский Алексей Викторович, к.ф.-м.н.
83. Шапиро Зоря Яковлевна, к.ф.-м.н.
84. Шарыгин Игорь Федорович, к.ф.-м.н.
85. Шиханович Юрий Александрович, канд. пед. н.
86. Янков Вадим Анатольевич, к.ф.-м.н.
87. Бабицкий Константин Иосифович, мл.н.с.
88. Варпаховский Федор Леонидович, ассистент
89. Вильямс Николай Николаевич, преподаватель
90. Гастев Юрий Алексеевич, преподаватель
91. Глузберг Зиновий Ефимович, мл.н.с.
92. Гвоздев Алексей Алексеевич, мл.н.с.
93. Кристи Ирина Григорьевна, инженер-вычислитель
94. Кун В.В., мл.н.с.
95. Подъяпольский Григорий Сергеевич, мл.н.с.
96. Осауленко В. С., мл.н.с.
97. Финн Виктор Константинович, старший инженер
98. Чекин Борис Сергеевич, мл.н.с.
99. Шестопал Галина Абрамовна, старший преподаватель

[тут все учебнеги, которые брал в руки]

Ответ просим присылать по адресу: Москва–234, Ленинские Горы, Московский государственный университет имени Ломоносова, механико-математический факультет, на имя любого из числа подписавших это письмо.
9 марта 1968 г.


Примечание от редакции сайта math.ru

Это письмо имело многочисленные последствия для отношений советской власти с математическим сообществом (и отдельными его представителями).

Описание этой истории требует отдельной длительной работы.

Возможно, время для этого ещё не пришло…

Впервые опубликовано (с рядом неточностей и 96 подписями)
в книге А.С.Есенин-Вольпин. Философия. Логика. Поэзия. Защита прав человека: Избранное. — М.: РГГУ, 1999, c. 328–330, 403

Фамилии даны в том же порядке, как в самиздатовских вариантах текста письма.
Автор текста письма — поэт и диссидент Юрий Айхенвальд.

Самиздатские экземпляры в архиве «История инакомыслия в СССР» Международного Мемориала — из архивов М.Яковенко, А.Толпыго, А.Есенин-Вольпина, П.Григоренко и Радио «Свобода»




Данная сетевая публикация носит рабочий характер.



Просим исправления, замечания и дополнения присылать на e-mail p99@math.ru

Yesenin Volpin died

как мир тесен, инфа из фб Marek Radziwon (вики подтверждает, но в английской дата смерти 16 марта, в русской 15)

W Bostonie w wieku 92 lat zmarł Aleksandr Jesienin Wolpin - wybitny matematyk, znakomity poeta, jeden z ojców założycieli ruchu dysydenckiego w ZSRR, organizator manifestacji w obronie Siniawskiego i Daniela 5 grudnia 1965 na placu Puszkina w Moskwie, syn Siergieja Jesienina. Z pewnością trafił do nieba.

умерший Есенин — родственник Константина Есенина, футбольного статистика, и каким-то образом Марии Алексеевны

medical informatics and evidence-based medicine

Уважаемые коллеги!

Приглашаем Вас принять участие в заседании совместного семинара Института проблем управления РАН и Института вычислительной математики РАН «Математическое моделирование и системная биология» под руководством д.б.н. А.И.Михальского и д.ф.-м.н. А.А.Романюхи, которое состоится 26 февраля 2016 г. в 15:00 в Институте проблем управления РАН по адресу ул.Профсоюзная 65, ауд.1. Проезд метро "Калужская". Для оформления прохода в Институт просьба сообщить заранее (до 25 февраля включительно) о намерении участвовать в заседании Михальскому А.И. по адресу popmodel@yandex.ru.

На заседании будет заслушан доклад к.т.н. А.А.Незнанова ((департамент анализа данных и искусственного интеллекта факультета компьютерных наук НИУ ВШЭ, лаборатория интеллектуальных систем и структурного анализа НИУ ВШЭ, г. Москва) на тему 

«Современные математические модели медицинской информатики: от статистики до интеллектуального анализа данных»

Аннотация доклада:

Медицинская информатика [medical informatics] - дисциплина, посвящённая вопросам систематической обработки данных и знаний в медицине и здравоохранении. Медицинская информатика примыкает к биоинформатике и включает такие разделы как клиническая информатика и оптимизация процессов в здравоохранении.

Доказательная медицина [evidence-based medicine] – явное, систематическое и сознательное использование актуальных научных данных при принятии врачебных решений. Формально это методология медицинской практики, опирающаяся на проверку эффективности любых клинических действий, причём эффективность обосновывается в первую очередь контролируемыми клиническими исследованиями (КИ).

Методология доказательной медицины развивается более полувека, хотя сам термин утвердился только в 1990 году. Математической основой проведения и анализа результатов КИ является медицинская статистика. Но в последние годы мы наблюдаем революцию в анализе медицинских данных, связанных с развитием медицинской информатики. Её часть - клиническая информатика - занимающаяся поддержкой непосредственно клинической деятельности, "завязана" на КИ. Возникает вопрос: как связаны философия доказательной медицины и методология КИ с развитием математических методов? Как они обогащается технологиями интеллектуального анализа и обработки больших данных?

 В докладе будут затронуты:

        1) философия доказательной медицины;

        2) современные взгляды на КИ и используемые модели медицинской статистики;

        3) особенности данных, получаемых в результате КИ, и значимость таких данных;

        4) особенности анализа оперативных клинических данных  и роль систем поддержки принятия врачебных решений (СППВР) и их зависимости от КИ;

        5) актуальные задачи клинической информатики;

        6) примеры применения оригинальных математических подходов и методов.

I did it

Добил.
Это было нелехко, но
добил.
Мир должен знать, что я ем добил.
На кортинке обложка, взята тут, там же камент, привожу конец, чтобы не выдумывать:

издатели сделали не сделали ничего, кроме экстренного перевода, чтобы успеть книгу продать, пока не стихли впечатления после фильма. А потому не озаботились ни корректурой, ни редактурой, ... добил рисунок, который должен был объяснить систему расстановки роторов в Энигме, но не сделал этого, просто потому что его забыли поместить в текст...
Я никому и никогда не буду рекомендовать эту книгу: и так непростой из-за научной и терминологической составляющей текст издевательства перевода сделали еле-еле удобоваримым для восприятия, да и сама по себе тематика книги будет интересна далеко не каждому. Но

книжку ваще читать трудно, но
родина должна знать своих героев: переводчики указаны, есть даже имена редактора и корректора
книжка вроде есть онлайн, мб, даже улучшена — не знаю

nice foto

гоню под роб но сти :
Советские люди знают: там, где математика - там успех, там победа!

math solidarity

vvprasolov в Европейское Математическое Общество выражает свою поддержку академику Васильеву

Eminent Russian mathematician detained and fined

The Russian mathematician Victor Vassiliev, member of the Russian academy of sciences and president of the Moscow Mathematical Society, famous for the invention of Vassiliev invariants in knot theory, was arrested in Moscow on February 21, 2014, as participant of a peaceful protest in support of the defendants of the Bolotnaya Square Case; he was released shortly afterwards. On March 5, Zamoskovoretsky Court in Moscow convicted him guilty of shouting slogans and resisting detention; he will have to pay a substantial fine. Prof. Vassiliev denies both charges. Several of his academic colleagues were witnesses on his behalf confirming that the charges are false.
The European Mathematical Society is deeply concerned about the use of the police and the courts against peaceful protest. The society expresses its warm support to Prof. Vassiliev.
Information: http://en.wikipedia.org/wiki/Victor_Anatolyevich_Vassiliev
http://lenta.ru/articles/2014/03/05/professor/ (in Russian)

Оригинал: http://www.euro-math-soc.eu/node/4575

О подробностях этой позорной для нашей страны истории я писал вчера: http://vvprasolov.livejournal.com/253870.html

"Several of his academic colleagues were witnesses on his behalf confirming that the charges are false." Всё-таки не напрасно я вчера выступал свидетелем в суде.

демографическое сообщество РФ, судя по всему, украинских коллег не поддержит, хотя те просили -- хорошо бы ошибицо с прогнозом