尽管在独立生活中起着至关重要的作用，但直接护理人员通常会获得低薪，并被社会低估。没有为直接家庭护理人员提供支持的职位，老年人有不必要的疗养院入学风险，首先出现在附带的经济学家身上。
- 作者：新政民主党 一周前，在分析就业报告时，我注意到机构调查（继续显示强劲增长）与家庭调查（完全衰退）之间持续存在严重脱节。我在周一和周二进一步阐述了这一分析，指出“在 2022 年第四季度末，机构调查显示同比增长 3.0%。到 2023 年底，这一数字下降到 2.0%。与此同时，在同一时期，家庭调查的同比增长从 2.0% 下降到 1.2%。”与此同时，综合 QCEW 显示，2023 年第四季度末的同比增速从 2022 年第四季度的 2.8% 降至 1.5%。换句话说，机构调查可能夸大了增长，而家庭调查可能低估了增长。家庭调查低估增长的原因很可能是对疫情后移民人数的严重低估。这是我周二写的
What would adjusting the Household jobs Survey for immigration driven population growth do?
- 作者：New Deal democrat这是我昨天讨论家庭和机构就业调查之间巨大差异的帖子的延续。家庭调查目前存在的一个大问题是，它是否依赖人口普查估计，大大低估了过去两年的人口增长，特别是移民驱动的增长。这是 Wolf Street 的一张图表，我已经核实了其源材料，它总结了这一点：根据人口普查局的数据，截至 5 月的过去两年，美国人口增长了 1% 多一点。但根据国会预算办公室的数据，增长了 2% 多一点。相差了 3,000,000 多！如果将家庭调查数据标准化为 CBO 估计值，它会是什么样子？几个基本假设应该能给我们一个很好的粗略估计。这两个假设是：(1) 移民来自拉丁美洲； （2）
Best Text Annotation Datasets and Tools for Computer Vision to Watch Out For In 2022
为什么重要：机器学习和人工智能是当前技术中必不可少的工具，但它们往往被低估。因此，您可能会惊讶地发现，根据 2020 年人工智能和机器学习现状研究，超过 70% 的公司使用文本作为人工智能解决方案的主要数据。
An Eye on Measuring Profitability
评估盈利能力是估值和投资分析的核心，但远非易事。最广泛报道的盈利能力指标是股本回报率，即 ROE。ROE 的定义是 ROE = 净收入 / 股权账面价值。曾经这可能是一个合理的定义，但最近的发展对分子和主母都提出了质疑。从分母开始，一直存在一个问题，因为历史成本会计可能无法正确反映折旧资产的价值。例如，由于通货膨胀的影响，它可能被低估。但对于现代公司来说，还有一个更重要的问题。内部产生的无形资产被简单地排除在资产负债表之外。对于许多公司，包括全球市值最大的公司，这种内部产生的无形资本占总资本资产的最大份额。例如，苹果和微软的股权账面价值分别为 1150 亿美元和 830 亿美元。而这两家公
很高兴看到 Kelly 等人坚持不懈，顺利进入“双底”区域并添加了正则化。回报预测中复杂性的优点 (2022)Bryan T. Kelly；Semyon Malamud；Kangying Zhou现有文献使用仅使用少量参数的“简单”模型来预测市场回报。与传统观点相反，我们从理论上证明，与参数数量超过观察数量的“复杂”模型相比，简单模型严重低估了回报的可预测性。我们通过实证证明了美国股市回报预测中复杂性的优点。我们的研究结果确立了通过机器学习对预期收益进行建模的基本原理。http://d.repec.org/n?u=RePEc:nbr:nberwo:30217&r=
COVID-19: time for a value innovation in education
现在，教育机构比以往任何时候都更依赖技术。但远程学习被严重低估了。如何带来改变？
摘要：城市环境中的地对地无线电通信和传感具有挑战性，因为发射器和接收器之间的视线很少可用。因此，无线电链路通常严重依赖于建筑结构的反射和散射。人们对不同建筑物的散射强度或这种差异对于城市地对地通道是否重要知之甚少。我们测试了以下假设：(1) 建筑结构的漫散射显着影响城市通道；(2) 城市结构的散射强度随表面粗糙度和材料的变化而变化。我们通过测量新罕布什尔州康科德和马萨诸塞州波士顿的城市渠道，并通过城市环境的三维表示的渠道建模工作来测试这些假设。测量通道和建模通道之间的直接比较表明这两个假设都是正确的。此外，光线追踪方法似乎低估了城市通道的复杂性，因为这些方法缺乏正确评估建筑结构上入射和散射功率
Covid-19: Data Quality and Considerations for Modeling and Analysis
GAO 的发现COVID-19 大流行的迅速蔓延和严重程度凸显了拥有描述 COVID-19 潜在轨迹的高质量数据、分析和模型的重要性，以帮助了解该疾病在美国的影响美国疾病控制与预防中心 (CDC) 正在与州、地方、学术界和其他合作伙伴合作，使用多个监测系统收集美国境内的 COVID-19 数据。这些监测系统的数据有助于了解疾病，但决策者和分析人员必须了解其局限性，以便正确解释它们。例如，据 CDC 和其他机构称，由于多种原因，报告的 COVID-19 病例数的监测数据不完整，并且低估了真实病例数。有多种方法可以分析 COVID-19 数据产生不同的见解。例如，一些方法可以帮助比较疾病对不同人群
#94 – Ilya Sutskever: Deep Learning
Ilya Sutskever 是 OpenAI 的联合创始人，是历史上被引用次数最多的计算机科学家之一，引用次数超过 165,000 次，对我来说，他是深度学习领域有史以来最聪明、最有洞察力的人之一。在这个世界上，很少有人比 Ilya 更愿意与我谈论深度学习、智能和生活，无论是在话筒上还是话筒下。通过注册以下赞助商来支持此播客：– Cash App – 使用代码“LexPodcast”并下载：– Cash App（App Store）：https://apple.co/2sPrUHe– Cash App（Google Play）：https://bit.ly/2MlvP5w 剧集链接：Ilya
Changing Course: Improving Interest in STEM
我们教导孩子的方式低估了他们的潜力。当今的课程和交流标准需要改进，首先解决基础科学问题，以应对激发儿童好奇心所需的挑战。
复仇总是有的“复仇是一种激情行为；复仇是正义。伤害需要报复；犯罪需要报复。”塞缪尔·约翰逊的《复仇之飞》即将问世。作者注：永远不要误判人类情感的力量。虽然没有什么让我感到惊讶，但这些是我知道的事实。如果你只伤害野兽，他会醒来并复仇。当没有正义时，总会有惩罚。当不完美的正义出现时，复仇可能是关键。然而，有时痛苦太深，唯一能想到的补救办法就是纯粹的复仇。在企业界，有时需要消灭目击者并清理门户，朋友们，这就是商业决策。话虽如此，永远不要低估宽恕的力量。这趟航班直达健康和幸福。在那里，你将远离邪恶，展望未来。这是我购买头等舱机票的航班。今天您的旅程将带您去哪里？《复仇飞行》是《飞行》系列中唯一一部纯小
Women: The Secret to Societal Progress
长期以来，女性一直是我们社会被低估的福祉。虽然我们了解这个问题，但并没有太多阐述它实际上有多大的破坏性。
The Reasonable Way to View Marijuana’s Risks
以下最初出现在Upshot（版权所有2019，《纽约时报》公司）。我们是否低估了使大麻合法化的危害？那些持有这种观点的人最近在新闻中说过，研究表明我们在不了解损害的情况下走得太快了。美国正处于盆栽政策上的变化中，[…]帖子首先出现在偶然的经济学家中，这是查看大麻风险的合理方式。
Jeff Atwood: Stack Overflow and Coding Horror
Jeff Atwood 是 Stack Overflow 和 Stack Exchange 的联合创始人，这两个网站每天有数百万人访问。与维基百科一样，很难低估这些网站网络对全球知识和生产力的影响。Jeff 还是著名的 Coding Horror 博客的作者，也是 Discourse 的创始人，这是一个开源软件项目，旨在提高我们在线社区讨论的质量。视频版本可在 YouTube 上观看。如果您想了解有关此播客的更多信息，请访问 https://lexfridman.com/ai 或在 Twitter、LinkedIn、Facebook 或 YouTube 上与 @lexfridman 联系，您可
7 painfully obvious lessons I learned in 2017 while building a startup.
Medium 新年快乐！🎉在创办公司之前，我不知道自己在很多方面都不擅长。🚀除了领域专业知识之外，创办公司还需要你擅长很多不同的事情。你可能擅长产品/工程，但你还必须做其他事情，比如筹款、招聘、营销和税务等。结果，你会意识到自己不擅长的所有事情。证据 A：我真的很不擅长公关。我会向记者发送新闻稿，其中包含详细的产品描述、报价、图片资源和关于 Archie.AI 产品发布的公告，但从未收到回复。我们拥有 500 名客户，在 Google Assistant、Alexa、Chrome Webstore 上发布，赢得了创业比赛，从 IBM 和 NVIDIA 获得了巨额计算补助，筹集了一轮融资——媒体
Report from the AI Race Avoidance Workshop
GoodAI 和 AI 路线图研究所东京，ARAYA 总部，2017 年 10 月 13 日作者：Marek Rosa、Olga Afanasjeva、Will Millership (GoodAI)研讨会参与者：Olga Afanasjeva (GoodAI)、Shahar Avin (CSER)、Vlado Bužek (斯洛伐克科学院)、Stephen Cave (CFI)、Arisa Ema (东京大学)、Ayako Fukui (Araya)、Danit Gal (北京大学)、Nicholas Guttenberg (Araya)、Ryota Kanai (Araya)、George
If you can't imagine things, how can you learn?
我们知道有些人无法唤起心理图像。但是，我们才开始理解这种“疏远”可能会对他们的教育产生的影响，从而低估了可视化的力量。这听起来像是一种自助的口头禅，但是越来越多的证据表明，心理图像可以加速学习并提高各种技能的表现。对于运动员和音乐家而言，“通过动作”，或在心理上排练脑海中的动作，就像体育锻炼一样有效，运动图像也可以帮助中风患者恢复瘫痪的肢体功能。对于我们大多数人来说，视觉图像对于记忆，做白日梦和想象力都是必不可少的。但是有些人显然完全缺乏思想的眼睛，发现不可能想到这种视觉图像，而他们无法这样做可能会影响他们的学习能力和教育表现。继续阅读...
