Переключение питания Проблема автоматических программ в том, что если они включились — они могут выполняться, несмотря не на что. Дэвид Марке в книге «Разверните свой корабль» (кстати, рекомендую) описывал эпизод из жизни атомной подводной лодки Santa Fe, которой он управлял.  Подводная лодка стояла у пирса и готовилась к обслуживанию. Старшина подумал, что пора переходить на береговое питание. Он подошел к трансформатору и отключил питание, хотя на переключателях висели предупреждающие знаки.  Когда на разборе полетов старшину спросили, зачем и как он это сделал, старшина правдиво ответил, что видел предупреждающие знаки, но просто отодвинул их.  Автоматическая программа отработала великолепно: надо было отключить питание — старшина и отключил. Явно действовал на автомате, как любой человек в сознании знает, что не надо переключать питание, если висит знак: «не переключать, работают люди». Добавление проверяющих в таких задачах бессмысленно. Что бы он делал, насколько сам был бы внимателен и насколько он бы помешал этим действиям. И другой вопрос — а где взять этих проверяющих.  Чтобы избавиться от автоматизма, нужно научить обдумывать действия, включить осознанность в то, что мы делаем. Это вообще-то глобальный философский вопрос. Некоторые люди могут жить годами на автоматических алгоритмах, ни о чем не думая. Есть целые духовные направления, которые пытаются пробудить осознанность — но это годы тренировок.  На Santa Fe разработали программу «действуй осознанно». Надо было перед любым действием проговорить его вслух. То есть сказать, что оператор хочет сделать и только потом сделать. В результате он сам, или коллеги, или наблюдатели могли вмешаться и недопустить ошибку. Как пишет сам Дэвид: Впоследствии, когда подводная лодка Santa Fe получила максимальный бал за операции по управлению реактором, когда-либо выставлявшийся экипажу подводной лодки, старший инспектор сказал мне: «Ваши парни делали те же ошибки - вернее, они собирались совершить столько же ошибок, что и остальные экипажи. Но так и не сделали, поскольку работали осмысленно. Ваши операторы либо сами вовремя предотвращали ошибку, либо им помогали их товарищи». Проговаривание повышало шанс того, что либо сам человек осознает, что он делает, либо кто-то из окружения рядом смогут поправить его. #ЧФ #автоматизм

Как чуть не оглохнуть на концерте и заработать на этом $220 млн Два друга-инженера из бельгийского Антверпена с детства обожали концерты, фестивали и прочие громкие тусы. Они так часто на них ходили, что к 2015 года у обоих начался тиннитус. Это когда в ушах постоянно звенит или гудит (волосковые клетки во внутреннем ухе от громкого звука отмирают и не отрастают обратно). Они начали изучать вопрос, и в процессе нащупали интересную нишу - поняли, что в куче сценариев (концерты, сон, опенспейс, самолёт) людям нужны беруши, но все они: (а) выглядят как поролоновые затычки или оранжевые "ёлочки", и носить такое на концерте это кринж. (б) тупо глушат всё подряд, нет варианта приглушить шум, но оставить музыку, или, например, убрать всё кроме голоса. Так в 2016 году появился стартап Loop. Продукт - беруши в виде колечка в ухе, похожие на серёжку. Причём кольцо здесь не просто дизайн, а акустический канал: такая формат помогает резать звук более равномерно по частотам. Ещё чуваки сделали четыре линейки беруш (или берушей?) под разные сценарии: - Experience для концертов. Музыка остаётся, децибелы уходят. - Engage для ресторанов. Фон тише, голоса слышно. - Quiet для сна. Глушат всё. - И Switch, где можно переключать режимы. Поставили цену от $24 и начали продавать. За 4 года нарастили продажи до $100К в месяц, но потом грянул ковид, концерты закрылись, продажи резко рухнули, и компания чуть не сдохла. Спастись удалось через частичный пивот. Loop ушёл в чистый DTC (direct to customer), выкинул пластиковые кейсы (отправлять стали в конвертах), и главное - радикально расширили сценарии. Они начали продавать беруши не для тусовок, а для сна, работы и просто если бесит шум. Так им удалось продержаться. А когда локдаун кончился - концерты тоже вернулись, и у них появились продажи уже из двух источников. Как итог, выручка достигла 190 млн евро за 2024 год, причём половина пришлась на рынок США, где зумеры хорошенько так заценили Loop, стали таскать их просто как модный аксессуар и вирусить в тиктоках. Самое интересное, что Loop по сути создал новый рынок - около 60% покупателей раньше вообще не покупали беруши. При этом, за всё время компания привлекла всего $1,59 млн, что по меркам солидного стартапа смешно. А основатели держат ~90% компании. Главный секрет, наверно, в маркетинге. Они жгут на продвижение 30-40% всей выручки, плюс активно коллабятся - причём как с брендами (McLaren, Swarovski), так и с самими фестивалями (Coachella, Tomorrowland). Ну и хороший UGC-буст из зумерских лент помог, да. Если задуматься, главный продукт Loop - не беруши и даже не звуковые фильтры. Они продали право носить беруши публично и не чувствовать себя дедом. Именно поэтому треть выручки и уходит на рекламу. Ломать социальную норму - это дорого, но если удастся, то окупится. P.S. Если что, глохнуть на концерте для запуска годного стартапа необязательно. Это опциональная фича по желанию. Дизраптор

Человек, который изменил всё 📽 Это название фильма, выпущенного в 2011 году, где главную роль сыграл Брэд Питт. На первый взгяд, это драма о спорте, с чудесным финалом. Но, на самом деле, это фильм о бизнесе, о статистике, о подходе настоящего предпринимателя, для которого в первую очередь важны данные, выстраивание правильной аналитики и стратегии на основе цифр, а не отличные качества игроков в целом, или статус спортсменов. Тренер подбирает людей на позиции только исходя из реальных показателей, которые показывают, сможет ли он решить поставленную задачу на конкретном месте игрового поля - все точно так же, как правильно организованный процесс в бизнесе. Звезды нужны не всегда, часто для результата важно делать просто качественный продукт/услугу/процесс, но стабильно хорошо. Если вы не видели этот фильм - обязательно посмотрите. Его рекомендуют к просмотру во всех бизнес-школах. Данная картина получила десятки наград, включая 6 номинаций на Оскар, 4 на Золотой глобус, и много премий за главную роль и сюжет. 🔗 Ссылка на фильм Делитесь обратной связью в комментариях ✊

🚀 Динамика рынка Индекс Мосбиржи падает на 1% с начала торгов 🔥 Общий фон: ОФЗ Главный драйвер — рост доходностей длинных ОФЗ. Чем она выше, тем сложнее акциям конкурировать за деньги инвесторов. Показательный пример — размещение длинных ОФЗ с доходностью около 16,44% годовых на 12 лет, которое прошло в среду. При этом спрос на такие бумаги, судя по объемам, требует еще более высокой доходности. На этом фоне дивидендная доходность акций уже выглядит менее привлекательной. Рост доходностей ОФЗ связан с опасениями по поводу большого предложения из-за дефицита бюджета и ограниченного спроса, в том числе со стороны банков. Пока длинные доходности растут, давление на рынок акций сохраняется. Не помогает даже "сильная" нефть — Brent торгуется по $107,4 за баррель на фоне новостей о том, что Иран не намерен обсуждать ядерную программу ради возобновления переговоров о перемирии с США. Однако инвесторов все равно больше интересуют гособлигации. 📈 Растут • ВТБ; • Сургутнефтегаз ап; • Хэдхантер; • ПИК; • Совкомфлот. 📉 Падают • Полюс; • ММК; • МКБ; • Юнипро; • Северсталь. 📍 Подписаться на канал | Мы в MAX

Neo labs: большие раунды или большой риск? Помните мой пост о том, почему мы не инвестируем в neo labs (стартапы AI-исследователей)? Deedy Das, партнер Menlo Ventures (не путать с Mento 🙂), написал свои мысли и расчеты, объяснил почему вложения в такие компании сложно окупить. Даже если им удастся создать хорошую модель. Что тогда таким стартапам делать с вычислительными мощностями, на которые они привлекли сотни миллионов долларов? Перевел текст для вас, чтобы каждый составил свое мнение:

Экономика «неолабораторий» (neo labs) Под неолабораторией здесь будем понимать стартап, созданный AI-ресерчерами. Такая компания привлекает крупные инвестиции еще до появления готового продукта, чтобы оплатить вычислительные мощности и взяться за решение масштабной задачи в AI. Для обучения собственной AI-модели нужны огромные вычислительные мощности. По расчету автора, только оборудование обойдется в $125-150 млн за три года, причем часть суммы придется опплатить сразу. И даже при таких затратах можно обучить модель всего лишь уровня GPT-4. Прим.: в оригинале автор приводит конкретные модели оборудования и расчет их мощности Если взять сильную open-source модель и дообучить ее, шансов выйти на уровень передовых LLM больше. Но есть два риска: 1) Придется потратить еще миллионы долларов на среды для обучения с подкреплением (RL) - задачи и симуляции, на которых модель тренируется и получает обратную связь, 2) Пока вы дообучаете выбранную LLM, может выйти новая модель, которая окажется лучше. Тогда придется либо продолжать работу с уже устаревшей, либо начинать дообучение заново. Чтобы вложения окупились, ваша модель должна давать результаты лучше и, желательно, стоить дешевле. А клиенты должны пользоваться ею достаточно долго, чтобы прибыль от их запросов покрыла затраты на обучение. Если обучение модели обошлось в $10 млн, то при марже 50% и средней цене $2 за миллион токенов, клиенты должны воспользоваться моделью на 10 трлн токенов (!), чтобы прибыль покрыла только обучение. При этом нужно убедить клиентов выбрать вашу модель вместо новых и более дешевых, например Opus 5.5. Тем временем каждый час простоя влетает в копеечку. Поэтому свободные мощности обычно перепродают посредникам, используют для обработки запросов к open-source моделям или сдают в краткосрочную аренду. Но если мощности заняты меньше 60% времени, даже сдача в аренду не покроет расходы. Добавьте к этому огромные затраты на команду. Что тогда можно делать с вычислительными мощностями? • Вообще не лезть в разработку моделей, • Занять нишу, в которую не пойдут крупные AI-лаборатории (как сделали Jev и World Labs): такой продукт может мешать их основному бизнесу, приносить слишком мало денег или отвлекать от главной цели, • Собрать большой массив собственных данных в конкретной области (как Periodic Labs), и за счет них превзойти универсальные передовые модели. Такое чаще возможно в робототехнике, биологии и химии. Но даже если вам удалось создать полезную модель, которая выигрывает у крупных лабораторий по качеству и цене, этого мало. Нужно найти рынок, где достаточно клиентов и где выручка существенно превышает стоимость вычислений. Иначе огромные расходы на мощности не окупятся. Короче, легких денег здесь нет. Оригинал: https://x.com/deedydas/status/2103903382822089010?s=46

Лучшие посты | Mento VC Fund II | Стать инвестором

Здоровье как побочный эффект Болезнь – штука непредсказуемая и иногда очень разрушительная. Поэтому возникает идея страховки. В некоторых странах вся медицина базируется на ней. Страховая компания не хочет платить за дорогие лекарства, поэтому старается объяснить врачу, что он зря выписал что-то современное, лечить Билла надо подорожником. Доктору, конечно, жаль больного, но тратить свое время на ругань с бюрократией ему лень. У пациента права голоса вообще нет. В результате рецепты реально не доходят до аптеки. И в этот момент страдает фармкомпания – её новый и дорогой бестселлер не купят, а на подорожнике много не заработаешь. И поэтому возникает #стартадпня Forus – бесплатный для врача AI-агент, который ругается со страховой, показывает ей анализы и предыдущие назначения и в итоге проталкивает рецепт для одобрения. Позиционирование: “вы можете выписывать хорошие лекарства, и их подтвердят”. И, между прочим, жизни людям спасает таким странным способом: хорошие лекарства не зря считаются хорошими, кому-то помогут. Forus – уже довольно большой бизнес. Выручка в мае пересекла отметку в 50 миллионов долларов в год, а на днях стартап привлек инвестиции по оценке в 3 миллиарда. https://forus.com/ #сша #здоровье #мегараунд #ai

📘 454 страницы по теории графов - от базовых понятий до серьёзных теорем На arXiv доступен большой учебник An Introduction to Graph Theory от Darij Grinberg. Внутри: - вершины, рёбра и пути; - простые и ориентированные графы; - деревья и arborescences; - Eulerian circuits и Hamiltonian cycles; - spanning trees; - раскраски графов; - bipartite matching; - network flows; - теоремы Турана, Менгера, Галлая-Милграма и другие; - около 100 упражнений; - более 300 иллюстраций. Это уже не «шпаргалка», а полноценный graduate-level курс по graph theory на 454 страницы. Подойдёт для тех, кто изучает алгоритмы, математику, network science, computer science и дискретную математику. PDF: https://arxiv.org/pdf/2308.04512

Про ML в маркетплейсах Ozon Tech традиционно провёл ко Дню программиста конференцию E-CODE. Записи докладов уже выложили. В треке ML/DS разбирали в том числе рекомендательную систему Ozon. Компания постепенно переводит на нейросетевые модели разные этапы пайплайна, от отбора кандидатов до финального ранжирования. При этом система должна учитывать продажи, рекламу, вовлечённость и LTV. В докладе также разобрали архитектуру Large User Model, которая объединяет пользовательские сигналы, включая негативную обратную связь. Другой доклад посвятили измерению габаритов товаров на конвейере с помощью стереокамеры, сегментации и 3D-реконструкции. Для этой задачи собрали датасет из более чем 100 000 изображений, а для полуавтоматической разметки использовали Grounding DINO и SAM2. Товары движутся со скоростью до 1 м/с, так что помимо точности важна и скорость обработки. Команда сравнивала ML-подход с классическими методами и подходами на основе облаков точек по качеству, стоимости и производительности. Вообще все шесть докладов трека достойны внимания. Посмотреть можно здесь Ещё из примечательного: на конференции подвели итоги ежегодного ML-соревнования E-CUP. В этом сезоне его проводили только для студентов. Победители разделили призовой фонд 7,2 млн рублей за решения задач на реальных данных Ozon. @ai_newz

Исследователи взломали защитный ключ PlayStation 3 Разработчики из сообщества взлома PS3 под руководством хакера zecoxao смогли извлечь секретный ключ загрузчика lv0ldr, который находился в изолированной области процессора Cell. Из-за аппаратной уязвимости чип не успевал полностью очищать память после проверки безопасности, что позволило перехватить данные в момент выполнения операции. Загрузчик lv0ldr отвечает за расшифровку системного ПО на самых ранних этапах запуска консоли. Полученный доступ в перспективе позволит запустить полноценные кастомные прошивки (CFW) на ревизиях Slim (серия 3000) и Super Slim, которые до сих пор поддавались только частичному взлому. Кроме того, ключ упростит ремонт и восстановление консолей при замене модулей Wi-Fi или дисководов.

О профессиональном боксе и ноге рефери Вчера смотрел бой Отара Эраносяна - ученика моего тренера Тимура Ибрагимова, о котором я писал раньше. Десять раундов Отар контролировал бой. На последних секундах он вдруг качнулся и чуть не упал. Показалось, что соперник попал. Пересмотрел видео и оказалось что нет. Отар зацепился за ногу рефери, и об этих секундах я и хочу написать. Отар защищал пояс WBA NABA во втором полулёгком весе (130 lb / 59 кг) против колумбийца Дувана Зулеты. Оба без поражений: 17–0 у Отара, 10–0–1 у Зулеты. Это был второй главный бой турнира Championing Mental Health 3 в Commerce Casino под Лос-Анджелесом - серии Bash Boxing, где профессиональные бои совмещают с разговором о ментальном здоровье спортсменов. Этот же пояс NABA Тимур в 2010-м отобрал у Оливера Макколла в тяжёлом весе, а теперь его ученик защищает титул в 130 lb. Профессиональный бокс отличается от любительского не одним словом в названии: - в любителях 3 раунда, у профи это 10–12 - в любителях считают очки, у профи продают зрелище - у профи обоим бойцам платят деньги, и жалеть друг друга никто не собирается Отар выиграл единогласным решением: 99–91, 96–94, 98–92. Рекорд 18–0, 9 нокаутов, пояс остался у него. Смотрел я этот бой не как зритель: у меня было несколько учебных спаррингов с Отаром, и его стиль я знаю на себе. Много лёгких ударов, чтобы ты не мог дышать, потом в связке один тяжёлый. Очень быстрые ноги, постоянная смена углов атаки, нырки. Темперамент, который чувствуешь сразу: он тебя не отпустит. Отсюда и прозвище - Pitbull. В первом спарринге я еле дотянул до последнего гонга. Просто нечем было дышать. Вчера на ринге был тот же Pitbull, только невозмутимый: он делал ровно то, что должен был. В глазах тренера то же спокойствие - он видел всю картину боя. К предыдущему бою мы разбирали для Отара соперника с помощью AI - у того было много записей на YouTube, и мы искали уязвимости. Насколько это помогло, сказать сложно. Но статистика очень чёткая: ошибки у боксёра из боя в бой почти не меняются. Про сам подход писал здесь. В этот раз AI не использовали. Зулета оказался очень неудобным: сыпал ударами без особой системы, на провокации не вёлся, сам на удар не шёл. Профессиональный бокс - непредсказуемый спорт. Я всегда считал, что непредсказуемость - это соперник. Но за десять раундов соперник Отара пошатнуть не смог, а чуть не уронил его человек, который в бою вообще не участвует. В спорте и в бизнесе у тебя должен быть запас всего: сил, навыков, подготовки. Без него на ринг выходить нельзя. Случайность запас не отменяет, но делает её нефатальной. Отар вёл 99–91 на одной из карточек, споткнулся и ничего не изменилось. При равном бое такая картинка на последней секунде могла стоить пояса. Готовишься к сопернику, разбираешь его по кадрам, а спотыкаешься о того, кого в плане не было. В бизнесе так же: у конкурента есть паттерны, и AI их найдёт. К сильному конкуренту можно подготовиться по данным, а на ногу рефери данных нет, и запас нужен как раз для неё. Феноменальный бой. Поздравляю Отара и Тимура Ибрагимова. Ждём боя с Ломаченко - Отар всё ближе к элите бокса в США. @maxvotek | linkedin | substack

🚕 В Техасе уже 546 Tesla Robotaxi — включая 126 Cybercab Илон Маск тоже отвечает бодро 🦾 По состоянию на 26 сентября в реестре Tesla Robotaxi числятся 546 машин: 420 Model Y и 126 Cybercab. Ещё 23 сентября было 489 — парк быстро растёт. 📊 А теперь масштаб конкурентов. Waymo — около 4 000 роботакси и уже ~500 000 платных поездок в неделю. Только в Техасе зарегистрировано 1 102 машины Waymo — вдвое больше всего местного парка Tesla. 🇨🇳 Китайцы тоже впереди: Pony.ai — 1 975 роботакси, WeRide — более 1 800. Pony.ai планирует увеличить парк до 3 500+ машин к концу года. У Apollo Go от Baidu свежего числа машин нет, зато масштаб эксплуатации уже серьёзный: 23+ млн поездок и 240+ млн км полностью беспилотного движения. ⚡ Tesla пока догоняет лидеров по масштабу флота. Но 126 из 546 машин — уже Cybercab, специально созданные для беспилотного такси. ————————— 🤖 Подписывайтесь на лучший  канал PRO Роботов 📲 Мы в Max

Что я поняла, пока поднимаю $3 млн Сейчас я привлекаю $3 млн. На прошлой неделе мы сели с одним нашим ангелом и адвайзером (с 1 октября он переходит к нам в команду на фулл-тайм), чтобы подготовить деку перед тем, как отправлять её инвесторам. Думала, поправим пару слайдов. А по итогу два часа разбирали один вопрос: к чему мы реально придём на эти деньги за ближайшие месяцы? Через несколько дней новый партнёр, который тоже заходит в раунд, первым делом спросил меня то же самое, только другими словами: «Какой горизонт выхода?» И я поняла: инвесторам почти неинтересно, какая у вас компания сегодня. Им важно, куда она придёт и сможете ли вы это доказать. Наш потенциал на ближайшие месяцы - выйти за пределы моих личных связей, запустить продажи в Штатах через партнёров, у которых уже есть свои клиенты, и дорасти до нескольких десятков enterprise-компаний. Честно, эта осень будет одной из самых тяжёлых) Но если получится, дальше sky's the limit😄 Критически важно понимать, к чему вы реально можете прийти. Это нужно, чтобы презентовать это будущим партнёрам и качественно выстраивать план действий. Как мы проверяли, что этот потенциал реальный 1. Сходятся ли цифры. В одном месте у нас стояла выручка с прогнозами, в другом без. Эдвайзер сразу сказал: фонд увидит расхождение и спросит, что ещё не сходится. Теперь в графе «сейчас» только то, что есть по контрактам и на банковском счёте. 2. Можно ли дойти до цели снизу вверх. Я посчитала, сколько клиентов нужно и сколько пользователей у каждого. Оказалось, что нам не нужны сотни компаний, хватит нескольких десятков. И я понимаю, откуда они придут: партнёры в Штатах, адвайзеры с контактами и выставка в Лондоне, где мы на прошлой неделе дебютировали. 3. Хватит ли денег до следующей точки. Если поднимаешь сейчас по одной оценке, на следующем раунде она должна быть заметно выше. Значит, этих денег должно хватить, чтобы показать цифры, которые эту оценку оправдают. 4. Что будет с деньгами инвестора. Горизонт выхода нужно знать заранее. У нас это выкуп долей фаундерами, стратегический покупатель или публичный рынок. И главное: что мы пообещали инвесторам, то и есть наш план. Рекомендую провести такую же оценку своей компании. Напишите в комментариях, какой у вас потенциал на 3-3-12 месяцев и как он проходит по этим четырём вопросам. Я всё прочитаю и отвечу👇🏼🤝

Основатель TravelLine Александр Галочкин увеличил с 27% до 49% долю в платформе по управлению отелями RevenueLab [ранее Hotellab], свидетельствуют данные сервиса проверки контрагентов Rusprofile. Впервые инвестор вошел в капитал компании в конце 2025 года после того, как основатель проекта Анатолий Бурдаков заявил о разделении бизнеса и его переходе на международный рынок под брендом Hotellab.  RevenueLab была основана в 2019 году. Согласно данным с сайта компании, она предлагает участникам гостиничного рынка воспользоваться системой управления доходом в отеле, позволяющей увеличивать прибыль за счет динамического ценообразования, прогнозирования спроса и анализа рынка в одной системе. Также компания готова предоставить аналитику о том, что влияет на доход отеля. Платформа позволяет сравнивать периоды, сегменты, каналы продаж и принимать решения, основанные на этих данных. Также в RevenueLab по подписке предлагают ежемесячный ИИ-отчет о состоянии гостиничного рынка.  Согласно данным Rusprofile, ООО “Система управления доходами” [юрлицо RevenueLab] было образовано в 2022 году. Александр Галочкин владеет 49%. Еще 43% принадлежит инвестору Данилу Кузнецову. Гендиректор организации Айзат Юнусов владеет 8%. Выручка компании за 2025 год составила 42 млн рублей, чистый убыток - 44 млн рублей.  В 2021 году платформа, работавшая в РФ под брендом Hotellab, привлекла $200 тысяч от российского фонда Startup Lab и Iskra Ventures, запущенного бизнес-ангелами Иваном Сезоновым и Александром Петровым.  @rusven

Хорошее исследование Отличный пример, как сделать хорошее исследование на примере Sable. Поскольку игра в открытом мире, там всегда думают о том, с какой стороны игрок подойдёт к тому или иному месту. Например, у нас есть какой-то очевидный вход на корабль, но можно подойти к нему с другой стороны, где этот вход изначально не увидишь. Разработчики добавляют ценный лут с другой стороны (в данном случае яйцо Чамов, они нужны для прокачки выносливости в игре), и когда игрок за ним забирается, он практически гарантированно видит вход, либо следующую точку маршрута (скрин 1). Это простая штука, но работает крайне эффективно и заставляет игрока чувствовать себя очень умным) Мало того, что нашёл лут, так ещё и открылась новая локация. А ещё эти Чамы любят располагать на каких-то точках обзора в городах так, чтобы эти штуки было видно снизу, и чтобы когда игрок на них забрался, он видел не только весь город как на ладони, но и следующие спрятанные айтемы (скрин 2). На скриншоте я уже всё подобрал, но с этой точки видно ещё 4 или 5 таких же Чамов. А некоторые айтемы располагают по цепочке, чтобы тебе каждый раз был виден только следующий Чам. Таким образом, игрока подробно ведут по маршруту и проще дать гарантированно интересное исследование. Очень простые приёмы, но если грамотно применять, работают хорошо и используются в большом количестве проектов с хорошим эксплорингом. Sable в этом плане хрестоматия таких вот маленьких удачных решений дизайна уровней. #Sable #leveldesign #анализ

Про критерии дейтинга для долгосрочных отношений. Есть хорошая работа, изучавшая, чем похожи люди в долгосрочных отношениях. Эти корреляции можно использовать для определения критериев в дейтинге. На картинке - урезанная версия, я посмотрел саму работу, и вот, что получается! 1️⃣ Значительная корреляция по таким параметрам:

0,87 Год рождения 0,71 Число детей 0,65 Место рождения: широта (север-юг) 0,60 Бросил пить или никогда не пил 0,58 Пьет ли алкоголь сейчас 0,58 Политические взгляды 0,56 Религиозность 0,55 Уровень образования 0,54 Отказ от курения 0,53 Частота употребления алкоголя 0,51 Курит ли сейчас 0,50 Возраст матери 0,49 Место рождения: долгота (запад-восток) 0,48 Уровень образования 0,47 Частота встреч с друзьями и семьёй 0,46 Возраст, в котором бросил курить 0,45 Удовлетворенность финансовым положением 0,44 Часов у телевизора в день 0,44 IQ 0,43 Возраст первого секса 0,43 Проблемы из-за наркотиков 0,42 Количество выпиваемого алкоголя 0,41 Возраст отца

На удивление много корреляции про курение и алкоголь! Видимо это для многих важный мэтч, хотя наверное неосознанный. 2️⃣ Менее слабые корреляции (такие критерии можно ввести, если дейтинг-выбор реально большой 🙂)

0,39 Носит очки 0,39 Жив ли отец 0,38 Начал ли курить 0,37 Никогда не курил 0,35 Жива ли мать 0,32 Число сексуальных партнеров 0,32 Отказ от курения 0,31 Был ли однополый секс 0,31 Время до первой сигареты после пробуждения 0,30 Был на грудном вскармливании 0,29 Количество выкуриваемых сигарет 0,28 Удовлетворенность отношениями в семье 0,28 Проблемное употребление алкоголя 0,27 Обхват талии 0,27 Рост 0,27 Форсированная жизненная ёмкость лёгких 0,26 Хочет бросить курить 0,26 Возраст окончания учёбы 0,25 Индекс массы тела 0,25 Начал ли курить 0,25 Общее счастье 0,24 Рост 0,23 Вес 0,23 Флюидный интеллект 0,23 Число принимаемых лекарств 0,21 Курил больше 100 раз в жизни 0,20 Играет в компьютерные игры 0,20 Потребление воды

3️⃣ Ниже список совсем слабой корреляции, он полезен, чтобы скорее исключить критерии, если они есть:

0,19 Обхват бедер 0,19 Удовлетворенность дружбой 0,18 Большое депрессивное расстройство 0,17 Соотношение талии и бедер 0,16 Одиночество 0,16 Обращался к врачу из-за нервов, тревоги 0,16 Число заболеваний 0,16 Систолическое давление 0,16 Индекс массы тела 0,15 Чувство, что все надоело 0,15 Была депрессия целую неделю 0,15 Лейкоциты 0,15 Самооценка здоровья 0,15 Проблемы с зубами 0,15 Депрессия 0,15 Диабет 0,14 Есть кому довериться 0,12 Продолжительность сна 0,12 Сигарет в день 0,12 Число попыток бросить курить 0,12 Число братьев и сестёр 0,12 Удовлетворённость работой 0,12 Проблемы с сердцем 0,11 Чувство несчастья 0,11 Доброжелательность 0,11 Нейротизм 0,10 Число операций 0,10 Диастолическое давление 0,10 Эритроциты 0,09 Время за компьютером 0,09 Удовлетворенность здоровьем 0,09 Боль в груди 0,08 Как старо выглядит лицо 0,08 Общий холестерин 0,08 Экстраверсия 0,07 Число родных братьев 0,07 Число родных сестёр 0,07 Чувство вины 0,06 Склонность к риску 0,06 Число старших братьев и сестер 0,06 Перепады настроения 0,05 Вес при рождении 0,05 Возраст смерти матери 0,04 Обидчивость 0,04 Нейротизм 0,04 Нервозность 0,04 Рак 0,03 Возраст смерти отца 0,02 Долго переживает после неловкости 0,01 Цвет волос (темнота) 0,01 Комплекция в 10 лет 0,01 Бессонница 0,00 Число депрессивных эпизодов 0,00 Астма −0,01 Леворукость или праворукость −0,02 Раздражительность −0,07 Проблемы со слухом −0,10 Склонность к тревоге −0,18 Хронотип (жаворонок или сова)

Любопытно, что жаворонки чаще живут с совами - связь слабая, но все же есть. А многие казалось бы важные совпадения на самом деле не так важны. Короче берите на заметку, айтишники! Полезно, вы же топ дейтинга! 🤓 @kyrillic