Friedman test in R, or the nonparametric version of the repeated measures ANOVA

Developer Dad Does Disney: Vacationing in the Personal Software Era

Một developer vừa xây dựng một ứng dụng dữ liệu tùy chỉnh tích hợp API thời gian thực, dữ liệu lịch sử về thời gian chờ và thông tin thời tiết để chọn chuyến đi tiếp theo phù hợp nhất trong lúc xếp hàng tại Disney World.

Những lập trình viên nên đọc bài này để hiểu cách kết hợp công nghệ thực tế—APIs, dữ liệu lịch sử và dự báo—làm cho ứng dụng cá nhân trở nên hiệu quả hơn trong giải quyết vấn đề hàng ngày, từ việc tối ưu hóa thời gian đến tạo ra những giải pháp sáng tạo cho cuộc sống.

Visualizing Nix closures

seenix.dev hiển thị toàn bộ Nix closure trên bản đồ, mỗi byte tương ứng một pixel, cho phép zoom từ toàn bộ hệ thống NixOS xuống đến hex của libc.so.6. Công cụ này xử lý closure của các gói như hello, firefox hoặc GNOME desktop mà không cần chạy trên server. Tác giả tận dụng các mô hình ngôn ngữ lớn (LLM) để khám phá những câu hỏi thú vị về hệ thống. Giải pháp này giúp trực quan hóa cấu trúc phức tạp của Nix closure qua bản đồ tương tác.

seenix.dev giúp lập trình viên trực quan hóa từng byte trong Nix closure, cho phép khám phá hệ thống từ tầm nhìn tổng quan đến chi tiết hex của các thư viện.

How to visualize workflows and business processes in Grafana: Introducing the Graphviz panel

Các đội DevOps và SRE thường dùng Grafana để theo dõi metrics nhưng thiếu cách trực quan hóa luồng công việc kinh doanh như thanh toán hoặc bản đồ mạng. Bài viết giới thiệu panel Graphviz mới, cho phép người dùng viết mô tả đồ thị bằng ngôn ngữ DOT của Graphviz và kết nối trực tiếp với các nguồn dữ liệu thời gian thực của Grafana (Prometheus, Loki, v.v.). Với panel này, bạn có thể vẽ biểu đồ luồng thanh toán, bản đồ thời tiết mạng và sơ đồ quy trình trên cùng dashboard, và các yếu tố trong biểu đồ sẽ tự động cập nhật khi dữ liệu nguồn thay đổi. Các thử nghiệm trong bài cho thấy panel hoạt động mượt mà với hàng nghìn nút và cạnh, không gây tải đáng kể cho backend Grafana. Điều đáng học là minh họa cách mở rộng khả năng của Grafana qua panel tùy chỉnh để xử lý nhu cầu trực quan hóa chuyên biệt, đồng thời nhấn mạnh lợi ích của việc sử dụng ngôn ngữ đồ thị chuẩn như Graphviz để tạo ra các biểu đồ động mà không cần xây dựng từ zero.

Bài viết này giúp bạn kết nối trực tiếp dữ liệu thời gian thực với biểu đồ quy trình và luồng thanh toán trong Grafana qua Graphviz panel.

‘Zero-Shot Probabilistic Stock Returns Forecasting with Pretrained RVFL Networks’ accepted at COPA 2026 (and to appear in the Proceedings of Machine Learning Research)

Bài báo "Dự báo lợi nhuận cổ phiếu zero-shot bằng mạng RVFL đã tiền huấn luyện" được chấp nhận đăng tại hội nghị COPA 2026. Mã nguồn và liên kết bài báo đã được công bố.

Lập trình viên chuyên về phân tích dữ liệu hoặc AI, đặc biệt là trong lĩnh vực dự đoán thị trường tài chính, nên đọc bài này để khám phá cách sử dụng mạng lưới RVFL (Randomized Variational Feature Learning) đã được pretrain để dự đoán kết quả thị trường một cách hiệu quả mà không cần dữ liệu huấn luyện trước (zero-shot), giúp tối ưu hóa hiệu suất và ứng dụng trong các dự án thực tế.

When Can LLMs Replace Humans in A/B Tests?

Các dự đoán từ LLM có thể thay thế kết quả con người trong A/B tests, nhưng chỉ dựa trên giả định chứ không phải thiết kế sẵn. Khi áp dụng trên bộ dữ liệu Upworthy, việc hiệu chỉnh đầu ra LLM theo dữ liệu người thật đã khôi phục hiệu ứng điều trị, nhưng chỉ với phương pháp cụ thể. Những điều kiện giúp điều này hoạt động không thể xác minh cho các thử nghiệm mới và càng kém thuyết phục khi phương pháp mới khác xa các thử nghiệm trước. Lợi ích tiềm năng càng lớn thì độ tin cậy càng thấp.

Lập trình viên nên đọc bài này để hiểu cách các mô hình ngôn ngữ lớn (LLM) có thể thay thế phân tích A/B test truyền thống bằng cách dự đoán kết quả người dùng, nhưng chỉ khi áp dụng với các điều kiện cụ thể và giới hạn, giúp họ đánh giá rủi ro khi tự động hóa quá trình này trong dự án.

Introduction to D3.js

D3.js là thư viện JavaScript mạnh mẽ cho việc data visualization, cho phép developers biến data thành các biểu đồ tương tác. Thư viện này hoạt động dựa trên việc thao tác với DOM và sử dụng các selection method để liên kết data với các element HTML. Kết quả là các visualization có độ linh hoạt cao, từ biểu đồ cơ bản đến các complex visualization như force-directed graphs hay treemaps. Bạn nên đọc bài gốc nếu đang tìm hiểu cách binding data, sử dụng scales và axes, hoặc tạo animation trong D3.js, vì bài viết sẽ cung cấp code examples cụ thể cho từng use case.

D3.js giúp bạn biến dữ liệu thành các biểu đồ tương tác ấn tượng trên web với mã JavaScript linh hoạt.

O*NET ratings, job descriptions and classification codes as measures of occupational similarity

The last post identified potential transition pathways for truck drivers based on how closely other occupations matched them on skills, abilities and knowledge. This post follows the same basic approach across a wider range of occupations and asks whether two proxies could stand in for the ratings where no ONET exists: a small language model comparing the meaning of job descriptions and the distance between two jobs' US Standard Occupational Classification (SOC) codes. The post ONET ratings, job descriptions and classification codes as measures of occupational similarity appeared first on Giles.

From Raw Data to Regulatory Results: Clinical Trial Programming in R using the pharmaverse workshop

Workshop "Từ Dữ liệu Thô đến Kết quả Quản lý: Lập trình Thử nghiệm Lâm sàng trong R bằng pharmaverse" diễn ra vào 17/9, 18:00–20:00 CEST, hướng dẫn xử lý dữ liệu lâm sàng và tạo báo cáo theo quy định bằng R.

Nếu bạn là lập trình viên làm việc trong lĩnh vực nghiên cứu y khoa hoặc điều trị, bài này giúp bạn hiểu cách chuyển đổi dữ liệu thử nghiệm lâm sàng từ nguyên liệu thô thành kết quả đáp ứng các tiêu chuẩn quản lý thuốc, từ đó nâng cao hiệu quả và độ tin cậy của dự án.