Прикладное мышление: логика, вероятность, причинность и решения
Курс для тех, кому нужно мыслить строго, а не производить впечатление рассуждениями. Он рассчитан на аналитиков, продакт- и проджект-менеджеров, инженеров, исследователей, врачей, юристов, предпринимателей, преподавателей и всех, кто регулярно принимает решения по неполным данным, оценивает чужие выводы и отвечает за …
Обзор
Курс для тех, кому нужно мыслить строго, а не производить впечатление рассуждениями. Он рассчитан на аналитиков, продакт- и проджект-менеджеров, инженеров, исследователей, врачей, юристов, предпринимателей, преподавателей и всех, кто регулярно принимает решения по неполным данным, оценивает чужие выводы и отвечает за последствия ошибок. Математика здесь на уровне школьной базы: формулы используются только там, где они действительно нужны, и каждая разбирается словами и на примере.
Курс не подходит тем, кто ищет мотивацию, общие разговоры о «системном мышлении», набор красивых ментальных моделей без проверки, или обещание «думать как гений». Он также не заменяет профильное образование по статистике, эконометрике, логике, эпидемиологии или машинному обучению. Здесь другая задача: дать рабочий аппарат для типичных интеллектуальных ошибок в реальной профессиональной практике.
После курса студент будет уметь:
- разбирать аргумент на посылки и вывод, отличать валидность от истинности и корректности;
- проверять высказывания через таблицы истинности, контрапозицию и законы De Morgan;
- находить ошибки в кванторах и различать формулировки вроде «каждый чего-то боится» и «есть то, чего боятся все»;
- отличать необходимость, возможность и контрфактическое утверждение;
- различать необходимые и достаточные условия, распутывать расплывчатые определения и скрытые пресуппозиции;
- строить и разбирать аргументы по модели Тулмина, корректно работать с бременем доказательства;
- считать условную и апостериорную вероятность, применять теорему Байеса и учитывать базовую частоту;
- вести журнал прогнозов, оценивать калибровку и считать оценку Брайера;
- читать исследования без типичных ошибок: понимать p-значение, доверительный интервал, размер эффекта, множественные сравнения и публикационное смещение;
- различать чувствительность, специфичность и прогностическую ценность теста;
- находить конфаундеры, коллайдеры и ошибки отбора;
- рисовать причинный граф и определять, какие переменные можно контролировать, а какие нельзя;
- различать РКИ, естественный эксперимент, разрывный дизайн и difference-in-differences;
- сравнивать решения по ожидаемой полезности, цене ошибок, обратимости и ценности информации;
- разбирать стратегические взаимодействия: координацию, дилемму заключённого, принципал-агент и неблагоприятный отбор;
- замечать эффект Гудхарта, непреднамеренные последствия и ограничения метрик;
- оценивать модель по переобучению, смещению и дисперсии, понимать смысл проверки вне выборки;
- отделять эпистемические пузыри от эхо-камер и осознанно решать, когда доверять эксперту, а когда перепроверять.
Практическая польза в работе прямая: курс помогает принимать решения при неполных данных, не путать сигнал с шумом в продуктовой аналитике и исследованиях, не делать ложных выводов из A/B-тестов и опросов, лучше спорить со стейкхолдерами на языке проверяемых оснований, аккуратнее оценивать риски, найм, медицинские и юридические заключения, отчёты подрядчиков, научные статьи и внутренние метрики.
Главное отличие курса — измеримость. Вместо самоотчётов о том, что «стал мыслить яснее», используется журнал прогнозов и журнал решений. Прогнозы фиксируются с вероятностью и датой разрешения, а затем проверяются по калибровке и оценке Брайера. Решения записываются с альтернативами, ожидаемыми исходами и основаниями, чтобы потом сравнивать не только результат, но и качество процесса. Значительная часть уроков строится вокруг задач с известным правильным ответом: байесовский расчёт, поиск конфаундера, разбор некорректного исследования, ошибка в кванторах, парадокс Симпсона, ловушка коллайдера.
Курс ничего не обещает сверх меры. Он не делает решения человека безошибочным, не отменяет необходимость предметной экспертизы и не даёт универсального алгоритма для всех сложных ситуаций. Но он даёт набор строгих процедур, с помощью которых можно чаще замечать, где именно ломается рассуждение, насколько надёжен источник, что можно вывести из данных, а что нельзя, и какой тип неопределённости перед вами сейчас.
Учебная программа
- 8 Sections
- 92 Lessons
- Срок службы
- 1. Формальный фундамент12
- 1.1561X 1.1 Аргумент как объект — посылки, вывод и форма рассуждения
- 1.2561X 1.2 Валидность, истинность и корректность — как они расходятся
- 1.3561X 1.3 Пропозициональная логика — связки и таблицы истинности
- 1.4561X 1.4 Материальная импликация и ловушки высказывания ‘если A, то B’
- 1.5561X 1.5 Контрапозиция, отрицание и законы De Morgan
- 1.6561X 1.6 Кванторы существования и всеобщности — как меняется смысл
- 1.7561X 1.7 Порядок кванторов и отрицание кванторов без путаницы
- 1.8561X 1.8 Модальность — необходимость, возможность и пределы вывода
- 1.9561X 1.9 Контрфактуалы — что значит ‘что было бы, если’
- 1.10561X 1.10 Проблема остановки — где вычисление принципиально ломается
- 1.11561X 1.11 NP-трудность, ограниченная рациональность и разумное satisficing
- 1.12561X 1 Итоговый тест5 Questions
- 2. Язык и аргументация12
- 2.1561X 2.1 Необходимые и достаточные условия — как не перепутать критерий и следствие
- 2.2561X 2.2 Остенсивные, стипулятивные и рабочие определения
- 2.3561X 2.3 Сущностно спорные понятия и приём ‘запрети себе слово’
- 2.4561X 2.4 Пресуппозиции — что уже встроено в вопрос и формулировку
- 2.5561X 2.5 Импликатуры Грайса — что сказано буквально и что сообщено сверх текста
- 2.6561X 2.6 Использование и упоминание, фрейминг и смысловой сдвиг
- 2.7561X 2.7 Модель Тулмина — тезис, основания, гарантии и оговорки
- 2.8561X 2.8 Бремя доказательства и defeasible reasoning в рабочих спорах
- 2.9561X 2.9 Принцип милосердия и стилмэннинг без подмены позиции
- 2.10561X 2.10 Ошибки аргументации и fallacy fallacy — почему форма не решает всё
- 2.11561X 2.11 Когда ‘ошибка’ оказывается разумной эвристикой
- 2.12561X 2 Итоговый тест5 Questions
- 3. Неопределённость и данные16
- 3.1561X 3.1 Вероятность как степень уверенности — аксиомы без лишней формальности
- 3.2561X 3.2 Условная вероятность — что значит ‘при условии’
- 3.3561X 3.3 Теорема Байеса — как обновлять уверенность по новым данным
- 3.4561X 3.4 Базовая частота и разбор медицинского теста
- 3.5561X 3.5 Журнал прогнозов — как фиксировать предсказания для проверки
- 3.6561X 3.6 Калибровка и оценка Брайера — как измерять качество прогнозов
- 3.7561X 3.7 Выборка, разброс и регрессия к среднему
- 3.8561X 3.8 Что p-значение означает и чего оно не означает
- 3.9561X 3.9 Размер эффекта и доверительный интервал без статистического жаргона
- 3.10561X 3.10 Множественные сравнения, p-hacking и сад расходящихся троп
- 3.11561X 3.11 Кризис воспроизводимости и публикационное смещение
- 3.12561X 3.12 Чувствительность, специфичность и прогностическая ценность
- 3.13561X 3.13 ROC, ошибки I и II рода и цена ложной тревоги
- 3.14561X 3.14 Энтропия и взаимная информация как мера информативности
- 3.15561X 3.15 Когнитивные искажения — что воспроизводится, а что нет
- 3.16561X 3 Итоговый тест5 Questions
- 4. Причинность12
- 4.1561X 4.1 Лестница Перла — ассоциация, вмешательство и контрфактуал
- 4.2561X 4.2 Почему корреляция не даёт ответа на вопрос ‘что будет, если вмешаться’
- 4.3561X 4.3 Конфаундеры — откуда берётся ложная причинная связь
- 4.4561X 4.4 Коллайдеры и ошибка отбора — почему контроль иногда портит вывод
- 4.5561X 4.5 Парадокс Симпсона — когда агрегированные данные обманывают
- 4.6561X 4.6 DAG как рабочий инструмент — как нарисовать причинную гипотезу
- 4.7561X 4.7 Что контролировать можно, а что контролировать нельзя
- 4.8561X 4.8 Рандомизированное исследование и его реальные ограничения
- 4.9561X 4.9 Естественные эксперименты и разрывный дизайн
- 4.10561X 4.10 Difference-in-differences — логика сравнения изменений
- 4.11561X 4.11 ‘У меня сработало’ против ‘сработало’ — как не путать опыт и идентификацию
- 4.12561X 4 Итоговый тест5 Questions
- 5. Решения15
- 5.1561X 5.1 Ожидаемая полезность — как сравнивать варианты под риском
- 5.2561X 5.2 Доминирование и аксиомы фон Неймана — Моргенштерна
- 5.3561X 5.3 Где люди систематически нарушают рациональные аксиомы
- 5.4561X 5.4 Риск, неопределённость и неоднозначность по Найту
- 5.5561X 5.5 Парадокс Эллсберга и неприятие неоднозначности
- 5.6561X 5.6 Ценность информации и цена дополнительного исследования
- 5.7561X 5.7 Опционная ценность и обратимость решения
- 5.8561X 5.8 Критерий Келли и управление размером ставки
- 5.9561X 5.9 Асимметрия цены ошибок — когда ложноположительное лучше ложноотрицательного
- 5.10561X 5.10 Дилемма заключённого и логика стратегического взаимодействия
- 5.11561X 5.11 Координационные игры и фокальные точки Шеллинга
- 5.12561X 5.12 Принципал-агент и неблагоприятный отбор в организациях и рынках
- 5.13561X 5.13 Закон Гудхарта и закон Кэмпбелла — как метрика портит систему
- 5.14561X 5.14 Непреднамеренные последствия и забор Честертона
- 5.15561X 5 Итоговый тест5 Questions
- 6. Модели и системы12
- 6.1561X 6.1 Что такое модель и почему все модели в чём-то неверны
- 6.2561X 6.2 Переобучение — как модель подгоняется под шум
- 6.3561X 6.3 Смещение и дисперсия — главный компромисс моделирования
- 6.4561X 6.4 Бритва Оккама как MDL и выбор между простотой и точностью
- 6.5561X 6.5 Проверка вне выборки — единственный честный тест модели
- 6.6561X 6.6 Запасы и потоки — базовый язык системной динамики
- 6.7561X 6.7 Петли обратной связи и задержки — почему система ведёт себя неинтуитивно
- 6.8561X 6.8 Точки воздействия по Медоуз — где изменение даёт максимальный эффект
- 6.9561X 6.9 Ручная симуляция простой системы без программирования
- 6.10561X 6.10 Декомпозиция сложной задачи на части и интерфейсы
- 6.11561X 6.11 Теория ограничений Голдратта как эвристика поиска узкого места
- 6.12561X 6 Итоговый тест5 Questions
- 7. Социальная эпистемология12
- 7.1561X 7.1 Когда доверять эксперту — признаки надёжной экспертизы
- 7.2561X 7.2 Эпистемическая зависимость и разумное делегирование доверия
- 7.3561X 7.3 Разделение когнитивного труда — почему нельзя знать всё самому
- 7.4561X 7.4 Информационные каскады и стадные ошибки в группах
- 7.5561X 7.5 Фальсификация предпочтений и цена публичного согласия
- 7.6561X 7.6 Общее знание и теорема Аумана о согласии
- 7.7561X 7.7 Мудрость толпы и условия, при которых она работает
- 7.8561X 7.8 Когда толпа ломается — зависимость мнений, стимулы и общий источник
- 7.9561X 7.9 Эпистемические пузыри — когда важная информация просто не доходит
- 7.10561X 7.10 Эхо-камеры — когда внешние источники заранее дискредитированы
- 7.11561X 7.11 Почему пузыри и камеры лечатся разными способами
- 7.12561X 7 Итоговый тест5 Questions
- 8. ИИ и мышление9
- 8.1561X 8.1 Что делает LLM — предсказание текста, а не гарантия истины
- 8.2561X 8.2 Почему беглость ответа не равна корректности
- 8.3561X 8.3 Галлюцинации, ложные ссылки и пределы внутренней проверки модели
- 8.4561X 8.4 Где делегировать ИИ, а где оставлять решение человеку
- 8.5561X 8.5 Как строить проверку ответа ИИ — источники, расчёты и независимая верификация
- 8.6561X 8.6 Well-defined и ill-defined задачи — как выбрать аппарат под тип проблемы
- 8.7561X 8.7 Карта инструментов — логика, вероятность, причинность, решение, модель
- 8.8561X 8.8 Как встроить ИИ в рабочий процесс без потери эпистемического контроля
- 8.9561X 8 Итоговый тест5 Questions










