日本の統計学導入と唯物弁証法
Tarotan @BluesNoNo (1/9) すべてではないが，初等統計学の教科書やハウツー本での説明は，無歴史化・匿名化されているものが多いと私は思う．例えば，「母集団 vs 標本」という枠組みを，いつ誰がどうやって使ってきていたかについては，ほぼ触れられていないと思う．しかし，日本でも，戦中～戦後まもなくぐらいまでは， Tarotan @BluesNoNo (2/9)（戦前に主流だったドイツ社会統計学だけではなく）推計学／推測統計学／数理統計学／統計数理においても，増山元三郎・北川敏男などによって統計学史が語られていた． そこで語られた統計学史は，私なりに劇画化すると，次のようなものである（以下は増山元三郎によるもの）． Tarotan @BluesNoNo (3/9) ＜高度な数学を用いた推計学は，大量観察に基づく古い記述統計学とは違う．古い記述統計学はKarl Pearsonが
スキルアップAI、日本初となるE資格向け問題集を出版。機械学習や深層学習の最新手法から必要な数学までを網羅的に解説：時事ドットコム
スキルアップAI、日本初となるE資格向け問題集を出版。機械学習や深層学習の最新手法から必要な数学までを網羅的に解説 ［スキルアップAI株式会社］ ～発売2年で8刷を超えるロングセラーとなったAIジェネラリスト検定（G検定）の黒本に続き、スキルアップAIが業界初となるAIエンジニア資格対応の問題集を出版～ スキルアップAI株式会社（本社：東京都千代田区、代表取締役社長：田原眞一、以下スキルアップAI）は、2020年9月4日、「徹底攻略 ディープラーニングE資格エンジニア問題集」を株式会社インプレス（本社：東京都千代田区、代表取締役社長：小川 亨）より出版することをお知らせいたします。本書は、機械学習や深層学習およびそれらに必要となる数学的な知識を網羅的に身に付けながら、最先端の技術動向までを学べる内容となっており、日本ディープラーニング協会認定のE資格（AIエンジニア資格）の対策問題集として
Quant College フォロワー4万人超えの管理人による金融工学解説サイト。デリバティブの仕組みとプライシング(時価評価、価格計算)の方法、金融工学・数理ファイナンス、機械学習をできる限り数式なしで簡単にわかりやすく説明。デリバティブや仕組債の商品性についてメリット・デメリットやリスクを数式なしで直観的に説明。おすすめの本やUdemy講座を感想とともに紹介・レビュー。クオンツの新卒採用・就活や中途採用・転職活動に関する記事まで網羅。 はじめに 過去にいくつかのテーマでおすすめの本を書いてきたので、各記事へのリンクを目次として以下にまとめた。 金融工学の初心者向け 以下の記事では、前提知識があまりなくても読める初心者向けの本をまとめている。 金融工学・デリバティブを勉強するのにおすすめの本：初心者向けの７冊 | Quant College Pythonで金融工学を学びたい人向け 以下の
少数データでGANを学習させるテクニック
3つの要点 ✔️ たった10枚でGANのfine-tuningに成功 ✔️ フィッシャー情報が重要 ✔️ Elastic weight consolidationがGANでも有効 Few-shot Image Generation with Elastic Weight Consolidation written by Yijun Li, Richard Zhang, Jingwan Lu, Eli Shechtman (Submitted on 4 Dec 2020) Comments: Accepted by NeurIPS 2020. Subjects: Computer Vision and Pattern Recognition (cs.CV) code： はじめに 近年多くのGAN学習理論が発表され、「大規模なデータがないとGANは学習できない」と言うのは昔の話になりつつありま
2020年7月2日 於 MLSE夏合宿2020 https://mlxse.connpass.com/event/175970/ 【講演概要】 深層学習の性能の原理を理解するにあたり、既存の理論は深層学習の実際と乖離する点が多く残っている。そのギャップを埋めるため、実状を説明できるように理論を拡張する研究が盛んに行われている。本講演では、汎化誤差の評価に必要な重要な要素のうち、(1)近似誤差および (2) 複雑性誤差に注目し、それらの研究動向を紹介する。具体的には、深層ニューラルネットワークが相対的に優れた近似性能を発揮する状況の解析、および仮設集合全体の複雑性に依存しない誤差の解析を扱う。また、それらのアプローチの現状の達成点と限界について述べ、今後の研究の方針を議論する。 【講演者略歴】 2017年に東京大学 経済学研究科 統計学コースにて博士号取得。統計数理研究所 数理・推論研究
帝京大学理工学部情報科学科通信課程2年目（2年次編入のため、学年は3年生）を終えたので記録する。1年目については 社会人大学生1年目を終えて、大学生活と勉強法とその困難 - the world as code で書いた。 単位修得状況 | 評価 | 2年次修得単位 | 3年次修得単位 | |:--:|:--:|:--:| | S | 8 | 2 | | A | 12 | 8 | | B | 4 | 4 | | C | 0 | 4 | | 合計 | 24 | 18 | いやぁ、鈍化鈍化って感じがしますね。ただ昨年はスクーリング科目（週末2〜3日間通学し、集中的に講義を受けて単位を取得する科目）を6単位取っているので、自宅学習のペースとしては変わらずと言っていいのかもしれない。ダメかもしれない。 コロナ禍で家にいる時間が増えたのだから、大学に費やせる時間も増えてよさそうなものだけど、まぁいろい
互いに独立でなくてもできる中心極限定理と, そのデモ (Gordin's CLT/Donsker定理) - ill-identified diary
概要 はじめに シミュレーション IIDな時系列 (基本) 独立ではないケース1: AR(1) 2022/1/17 追記: マルチンゲール差分列の中心極限定理 独立ではないケース2: ランダムウォーク 統計学への応用 相関ありの中心極限定理の応用 汎関数中心極限定理の応用 参考文献 概要今月まだ何も書いてなかったのでタイトルの通り中心極限定理の発展的な話をする. といってもAR(1)とランダムウォーク乱数のグラフを描いただけなんだけど. 対象読者: 統計学の入門的な教科書に書いてある中心極限定理 (CLT) や大数の法則は知っているが, そこから先は知らない人 はじめにほとんどの基礎的な教科書に書いてある回帰分析や機械学習のモデルではデータが互いに独立かつ同一の分布 (IID) であると仮定している. これは大数の法則や中心極限定理が成り立つ条件の1つでもあり, よって十分にデータが多けれ
0 総記 00 総記 000 総記 002 知識．学問．学術 002.7 研究法．調査法 科学方法論→116.5 学術研究奨励→377.7 自然科学→400 社会科学→300 知識の分類→116.5 007 情報科学 007.1 情報理論 007.11 サイバネティックス 007.13 人工知能．パターン認識 007.15 エキスパート システム 007.2 歴史．事情 007.3 情報と社会：情報政策 007.35 情報産業．情報サービス 007.4 情報源 007.5 ドキュメンテーション．情報管理 007.52 主題分析 007.53 索引法 007.54 抄録法 007.55 クリッピング 007.57 情報記述の標準化 007.58 情報検索．機械検索 007.6 データ処理．情報処理 007.61 システム分析．システム設計 007.63 コンピュータ システム．ソフトウェア
はじめに 京都大学卒業‼️情報学科成績優秀賞をいただきました〜🥳 pic.twitter.com/HiGO5uE3fa— ポタージュ (@_2pt) 2023年3月24日 京都大学工学部情報学科数理工学コースを卒業しました。恐れ多くも成績優秀賞をいただいてしまいました。この大学のこの学年で最も数理工学とかいうものを理解っている人間かもしれませんが、まだまだ分からないことが多すぎると感じる今日この頃です。 賞状は別で証書入れみたいなの貰えるのかな、と少し思ったのですが、卒業証書入れる本型のアレの左右に証書とか賞状入れる感じになっていました。多分SDGsを意識しているんだと思う。しらんけど。（あと図書カード5000円分を貰った。学費免除してほしいな〜〜） 大学でやってたことと最近何やってるか、最近ぼんやり考えてることを備忘録的に残しておこうと思います。 何をしていたか 1回生 コンピュータサ
【チートシート】G検定の試験当日のカンペ
はじめに G検定に向けたカンペを作っておこうと思う。 ネットと書籍の情報だと、カンペはOKらしいので、 2021年7月の公式サイトのシラバスに乗っている単語を中心に記載する。 カンペ 人工知能の定義 人工知能とは何か コンピュータを使って、学習・推論・判断など人間の知能のはたらきを人工的に実現したもの。 AI効果 人工知能で何か新しいことが実現され、その原理が分かってしまうと、「それは単純な自動化であって知能とは関係ない」と結論付ける人間の心理的な効果 人工知能とロボットの違い ロボット：あらかじめプログラムされた動作を正確に行う。自己判断で進めることはできない。 人間で例えると「体」 人工知能：自立して発展していく。自ら学習して精度を高めることができる仕組み。 人間で例えると「脳」 エージェント 事前に定義された目標を達成するためのコードまたはメカニズム 「チャットボット」「ソフトウェア
数理統計学 - 共立出版
統計的データ解析の数理的側面を担う「数理統計学」の基本的事項とその論理展開の一部を垣間見ること、そして、統計数理的な視野に基づいてデータ解析技術を開発する際の一助となることを目的として執筆された教科書。 応用統計学分野でよく見かける定理や性質についてはやや厳しい条件を課したうえで証明の概略を与え、できる限り、本書のなかだけで数理統計学の論理が追えるように配慮している。 第I部 基本事項 第1章 データの整理 1.1 母集団と標本 1.2 データの種類 1.3 位置をあらわす記述統計量 1.4 ばらつきをあらわす記述統計量 第2章 確率 2.1 事象 2.2 確率 2.3 条件付き確率とベイズの定理 2.4 事象の独立性 第3章 確率分布 3.1 累積分布関数 3.2 離散型確率変数・連続型確率変数 3.3 確率変数ベクトル 3.4 確率変数の独立性 3.5 順序統計量 第II部 確率分布の
この年末年始用に福袋を購入した。 仁井田酒造のお酒セット。 仁井田酒造は無農薬の米で醸すお酒だと教えてもらった。 はて、私が福袋というものを買うのはいつ以来だろうか？ なんと、30年以上ぶりのことかもしれない。 そうだ！福袋を購入したのは人生で2回目だ。 前回はブランド服の福袋だったと記憶が蘇ってきた。 当時はバブル期の最中で、ブランド服に興味があった自分がなんとも懐かしい。 そんな思いに浸っている時、目が止まったセーター。 これは！ 30年前の福袋の中の一枚ではないか！ 気にいらない色だから着る回数が少なかったとはいえ、30年前のセーターを未だに着ているとは、さすがの私も自分に引いてしまった。 このよく言えば物持ちの良さ、悪く言えばケチ臭さは、残念ながら変わらない私の性分（個性）のようだ。 今の時代であれば物持ちの良さはサスティナブルだ！などと周りから褒めてもらえるかもしれないのだが、本
今年の10冊 - 備忘録
恒例のエントリーです。本稿では、今年出版された書籍ではなく、今年読んだ書籍の中から10冊を取り上げます。以下、順不同で。 末石直也『計量経済学 ミクロデータ分析へのいざない』 計量経済学---ミクロデータ分析へのいざない 作者:末石 直也日本評論社Amazon traindusoir.hatenablog.jp 主に実務の視点から本書と併せて活用できる関係書は、以下の通り。 沖本竜義『経済・ファイナンスのための計量時系列分析』（朝倉書店）・・・〈時系列分析*1〉 宮川雅己『統計的因果推論 回帰分析の新しい枠組み』（朝倉書店）・・・〈因果推論〉 安井翔太『効果検証入門 正しい比較のための因果推論／計量経済学の基礎』（技術評論社）・・・〈因果推論・Rコード付き〉 西山慶彦、新谷元嗣、川口大司、奥井亮『計量経済学』（有斐閣）・・・〈辞書的利用〉 浜田宏、石田淳、清水裕士『社会科学のためのベイズ統
どうも、木村（@kimu3_slime）です。 よく、統計学、経済学、プログラミング、物理学を学ぶにあたり、その基礎的な数学として、測度論・ルベーグ積分論を学びたいという話を耳にします。 例えば、集合論→位相空間論→測度論・ルベーグ積分論→確率論→統計学、といったように、基礎→応用のように学んだほうが良い、という話が出てきます。 今回は、数学そのものを専門としたい人以外（数学のユーザー）にとっては、基礎→応用は必ずしもベストではない、別の学び方がある、という話をしていきたいと思います。 基礎から厳密に学ぶのは時間がかかるまず一般に、大学数学をガチガチに基礎から学ぶのにはものすごく時間がかかります。（どこまでを基礎と呼ぶかによりますが） 数学を探求したくて、数学に人生を捧げたいならそれで良いと思います。（そういう人は大学の数学科で学びましょう） そうではなく、数学のユーザーならば、多少の厳密
2022年から2023年にかけては，人工知能（AI）に対する人々の見方が大きく変わったエポックとして後世に語り継がれるかもしれない。人間と自然な言葉づかいで「対話」をしたり，「こんな絵を描いて」と言葉で指示するとプロ顔負けのイラストを描いたりするAIが登場。これらに触れた人々が異口同音に驚きの声を上げ始めた。 中でも米新興企業オープンAIが2022年11月末に公開したAIチャットボット，ChatGPTの際立ったパフォーマンスが話題を呼んでいる。一般公開から2カ月後の2023年1月に月間アクティブユーザー数が1億人を突破。交流サイトのTikTokやインスタグラムをしのぐ史上最速の成長を遂げたサービスとなった。 オープンAIに出資する米マイクロソフトは今後数年間で数十億ドルを追加投資すると1月に発表。自社の検索エンジンBingにオープンAIの対話型AI技術を組み込んだ。一連の動きを自社の検索ビ
数理科学 - Wikipedia
数理科学（すうりかがく、英語：mathematical sciences）は、数学・数学の応用分野、数理統計学を含む数学及びその周辺の学術分野を表す[1]。数学は古くからある学術であるが、数理科学は20世紀後半から使われるようになった言葉のようである[1]。
データ解析の考え方
いわゆる数理統計学と異なった立場のものとして, 「データ解析」というものが生まれてきた。しかし, その内容はさまざま各人各様で, 何となく「それらしいあたり」を議論しているのである。いま得られているデータからどう情報をとり出すか, ということを主な狙いとすることは共通の点であるが, その得られているデータの背景をどこまで考慮するかという点になると差が大きくなる。この点は後で触れよう。たしかに「データ解析」という名前はそう古いものではないが, J.W.TukeyがThe Future of Data Analysis (Annals of Mathematical Statistics Vol.33, 1962) が発表されてから数理統計学の世界で有名になってきた。しかし, 日本においては「統計数理」の名において, 1947年ごろから「データによる現象解析」を志向した動きがあった。どうデータ
『R言語ではじめるプログラミングとデータ分析』のサポートページです。 この記事では、書籍の特徴などの紹介をしています。 本書に使用したサンプルデータとRコードは、すべてGitHubから参照できます。 R言語ではじめるプログラミングとデータ分析 2019年12月：初版第1刷発行 2020年12月：初版第2刷発行 歯車の表紙が目印です。 出版社の書籍紹介ページはこちらです。 目次 基本情報 書籍の特徴 テーマ 対象読者 書籍の構成 本書に載っていないこと 本書のサポート情報 サンプルデータとコード 参考資料 発行後の補足情報 1．基本情報 出版社 ： ソシム 著者 ： 馬場真哉（このサイト、Logics of Blueの管理人です） タイトル ： R言語ではじめるプログラミングとデータ分析 発売日 ： 2019年12月26日 簡易目次 ： 第1部 【導入編】Rを始める 第2部 【初級編
研究・調査などでデータを扱う際の適切な解析手法の選び方、解析結果の読み取り方などの データ分析にまつわるご相談に広島大学で数理統計学を専門とする教員がアドバイスを行います。 学外者向けの学術指導（相談対応/共同研究依頼/研修や授業提供）も実施中です。
新薬開発プロセスに革新を。AI×創薬に挑む、鎌倉研究所のデータサイエンティスト｜CHUGAI DIGITAL｜中外製薬
こんにちは、CHUGAI DIGITALです。 新薬開発のプロセスを革新するゲームチェンジャーとして注目されるAI（人工知能）技術。 今回は、中外製薬の創薬研究・開発研究においてAI活用に取り組む角崎太郎と上住芳史を訪ね、研究のねらいやデータサイエンティストから見た仕事環境について聴きました。 プロフィール角崎 太郎（研究本部 創薬基盤研究部）： 2018年新卒入社。大学院での専門は生物情報科学。抗体や中分子の創薬研究において、機械学習を用いたモデル開発を行う。個人的な興味は生成モデルとベイズ最適化。 上住 芳史（研究本部 創薬基盤研究部）： 2016年新卒入社。大学での専門は薬物動態学。深層学習・画像解析技術で、疾患メカニズムの解明や前臨床研究に取り組む。個人的な興味は数理統計学と統計的仮説検定。 01：AIによる創薬プロセスの革新が始まっている－角崎さんと上住さんが取り組んでいる研究に
都内の事業会社で分析やWebマーケティングの仕事をしています。大学・大学院では経済学を通じて統計解析を行うなどしておりました。企業に勤めてからは、機械学習やテキストマイニング、クローリング技術などに関心を持っています。 Twitterアカウント Mr_Sakaue( SKUE ) GitHub 読書メーター ほしいものリスト 通勤電車のなかで私が勉強する用のシリーズ第5弾です。今回は統計的検定についてまとめておこうと思います。 【これまでのシリーズへのリンク】 ・[数理統計学]統計的推定のまとめ ・[数理統計学]正規分布から導かれる分布(カイ二乗分布/t分布/F分布)の期待値と分散の導出まとめ ・[数理統計学]連続型確率分布の期待値と分散の導出まとめ ・ [数理統計学]離散型確率分布の期待値と分散の導出まとめ 目次 統計的仮説検定 検出力 一様最強力検定 ネイマン-ピアソンの基本定理 不偏
![[数理統計学]統計的検定のまとめ – かものはしの分析ブログ](https://cdn-ak-scissors.b.st-hatena.com/image/square/a787dca9147676db06027eb58bb689b8fa4eb62b/height=288;version=1;width=512/http%3A%2F%2Fkamonohashiperry.com%2Fwordpress%2Fwp-content%2Fuploads%2F2018%2F08%2Fanimal_kamonohashi.png)
竹村彰通『新装改訂版 現代数理統計学』 7月はずっと竹村彰通『新装改訂版 現代数理統計学』を読んでいた。30年前くらいに初版が出された名著だが、ちょうど半年前に元の出版社が潰れたついでか何かで新装改訂版が登場したらしい。 新装改訂版 現代数理統計学 作者:彰通, 竹村 学術図書出版社 Amazon 別に試験があるわけではないし仕事で使うわけでもないし資格を取るわけでもないのだが、映画やアニメを見たい気分と同じでたまたま数学がやりたい気分だったので、手頃なコンテンツとして統計学を消費していた。 全部で14章まであるのだが、体系的な説明は9章でひと段落してそれ以降は補足的な各論が続くようなので、とりあえず9章まで終えた。 何事もインプットしたらアウトプットしておくのが一番定着が早いため、各章ごとの感想を書いたやつを載せておく。あくまでも俺の現時点での理解と関心に基づいた感想の整理であり、この書
統計家やデータサイエンティストを志す大学生・大学院生に読んでほしい、正統派の本です。 目次はこちら。コードを含むサポートページはこちら。類書としては『Rによる統計的学習入門』があります。 この本の特徴は、親しみやすい説明とRを実行する部分と、背景の数理を説明するガチの数理編の2パートから構成される点です。ふつうだと著者の能力の限界により前半パートだけ集めた本、あるいは後半パートだけ集めた本になりがちですが、そうはなっていません。数理を専門とする著者が、学生を指導する経験を通して書かれた教育的な本になっています。 Rを実行する部分は丁寧で、私も知らなかった関数や引数があり勉強になりました。特に好きだった章は以下です。 2章 データの可視化と要約 10章 ブートストラップ法 11章 Rを用いたシミュレーション：数理統計学を「実感」する それぞれの章末にある練習問題 早速2章に可視化を据えるとこ
本記事は、G検定のチートシートです。 「ディープラーニングG検定公式テキスト」と「ディープラーニングG検定問題集」を中心にまとめています。 どちらも代表的なG検定のテキストです。（代表的というか、これくらいしか無いです。。） また、機械学習やディープラーニングについては、モデルごとの解説動画を日々更新しているので、ぜひこちらもお役立てください。 ■Youtube:https://www.youtube.com/channel/UCwlSTr8FIuNnaNPZIzDghAA ■ブログ：https://datascience-lab.sakura.ne.jp/ 1.1 人工知能の定義 人工知能とは何か コンピュータを使って、学習・推論・判断など人間の知能のはたらきを人工的に実現したもの。 AI効果 人工知能で何か新しいことが実現され、その原理が分かってしまうと、「それは単純な自動化であって知
誰も不幸にしない学習モデルを目指す。数学・統計学で社会課題の解決を目指すMLエンジニアの哲学｜エクサウィザーズ HR note
「どうやって取得したデータなのか、与えられたデータは本当に正しいのかなど、データを鵜呑みにしない姿勢も大切だと思います。大学時代の先生から『データからわかることは少ない』という主旨の言葉をいただいたことがあり、それを今でも意識しています」 エクサウィザーズで活躍する”ウィザーズたち”を紹介するストーリー。 高校時代には数学に惹かれ、大学・大学院では統計学を専攻。現在はその知見を社会実装へと応用している機械学習エンジニアの小林さんです。「ビジネスとしての努力」と「科学的な妥当性の追求」の両立を目指す小林さんが機械学習エンジニアとして大切にしていることや、技術を生かして今後何を成し遂げたいと思っているかを伺いました。 ◾️ プロフィール 小林 広明（こばやし・ひろあき） 大阪大学大学院基礎工学研究科システム創成専攻修了。2015 年4月、製造業企業に入社。工作機械に関する IoT 機器の研究開
深層学習の数理と学習ダイナミクスに関する論文がAISTATS2021に採択されました - fltech - 富士通研究所の技術ブログ
AISTATS2021に採択された論文"The Spectrum of Fisher Information of Deep Networks Achieving Dynamical Isometry"について紹介します. AISTの唐木田亮さんとの共著です. この記事の筆者：人工知能研究所 自律学習PJ 早瀬友裕（博士 数理科学） コントロール可能な深層学習を目指して 深層回路（DNN）は画像認識のコンテスト(ILSVRC2012)で圧倒的な性能を示してから, 機械学習の有力な手法として注目されてきました. それからしばらく, DNNの層数はどんどん増えていきました (Fig. 1). 深くすればするほど性能が良くなるのでしょうか？そもそも深層回路はどんなに深くても（＝層数が多くても）学習できるのでしょうか？実験的な検証は行われていますが, これらの問の全容はまだ明らかになっていません.
2022年9月を以て帝京大学理工学部情報科学科の通信教育課程を卒業しました。 www.teikyo-u.ac.jp 卒業確定の連絡を受けたのは9月20日ごろだったかと思います。 Twitterやブログでこれまで公表してはなかったのですが、ここ数年勉強していた帝京大学理工学部通信教育課程を卒業することが決まりました。4年半長かった。 pic.twitter.com/ojYxtST4KL— simotin13 (@simotin13) 2022年9月20日 卒業証書・学位記一般的な教育機関の年度は4月～翌年の3月までですが、帝京大学では9月卒業の制度があるため、9月での卒業が可能です。2023年3月まで学習を継続することも可能でしたが、卒業に必要な単位を満たしてしまったので何となくもう卒業でもいいかなと思い卒業することにしました。 私は2018年の4月に入学して卒業したのが2022年9月なので
2024年6月21日：これまで大変お世話になった様々な方への感謝と後進の参考になればとの思いを込めて，これまでの研究の経緯や思い出をまとめたいと思います． 当初の想定よりだいぶ長くなったので自己責任で読んでください．関係する人が多く，載せられなかった方はすみません． 高校卒業まで 大学生活（学部） 下平研（前半：阪大） その他の阪大関係者 下平研（後半：京大） 統計数理研究所助教になってから １．高校卒業まで 私の実家は大阪と京都の境のあたりにあり，京都府の立命館中学高等学校に通っていました． 今はキャンパスが長岡京に移ったそうですが，私が在籍していたころはまだ伏見区深草にあり，伏見稲荷大社の横を通って通学していました． 当時は今ほど観光客が多くなかったので，授業の後で重い鞄を背負って山を登り参拝したことなどを思い出します．当時から数学が好きで勝手に自由研究もどきをしていました． 色々やっ
概要 社会人2年目が終わるので、この1年間で読んだ本150冊のうち技術寄りの本から45冊をざっくり紹介します。 1年目はこちら。 ※2024年3月追記 本記事で読んだ書籍は2022年4月から2023年3月までに読んだものです。 最新のトレンドや2023年4月以降に出た書籍は反映されていません。 説明 オススメ度は10段階です。昨年は1年目としての主観難易度も付けていましたが、2年目になるとキャリアプランの方向性によって積み上げがバラバラだと思うので、やめました。 ジャンル内の順序は、「この順で紹介文を見せたい」でフワッとソートしていて、具体的にはオススメ度降順や難度昇順ですが、明確な比較関数はありません。 雑誌や、読了したけど紹介する必要がないと感じた書籍は割愛しがちです。特に良かった特集は時々紹介します。 プログラミング言語 Rust 『手を動かして考えればよくわかる 高効率言語 Rus
2020年もお疲れ様でした。仕事は当然まだおさまっていない。 2020年以前 CREになった & データ基盤をやるようになった コロナとWFH 数理統計学の復習を始めた 2020年以前 2018年は砂場活動を結構頑張っていた時期だったらしい。 2019年は振り返りエントリが存在しなかったけど、こんな感じの年だったはず。 仕事で取り組んでいたロール内異常検知がリリースできた メイン担当として、上から下まで関わっていたのでほっとした 知見が溜ってきたので、超交流会やMachine Learning Casual Talks #10などで登壇する機会をいただきました メンタルの浮き沈みが激しかった 機械学習関係のことをあれこれ話せる同僚の退職が立て続けにあり、結構落ち込んでた 退職するか30回くらい考えたし、実際他社さんのカジュアル面談受けに行ったりしたけど、何とか踏み止まったっぽい そんでもっ
高橋将宜 Masayoshi Takahashi on Twitter: "以下の4冊は、「統計と確率論を総ざらえできるよい日本語の教科書」です。ただし、Kindle版はなく、大学1年次レベルの多変数関数の微積分が必要です。 竹内啓（1963）『数理統計学』 竹村彰通（1991）『現代数理統計学』 久保… https://t.co/PfMrtCusMy"
以下の4冊は、「統計と確率論を総ざらえできるよい日本語の教科書」です。ただし、Kindle版はなく、大学1年次レベルの多変数関数の微積分が必要です。 竹内啓（1963）『数理統計学』 竹村彰通（1991）『現代数理統計学』 久保… https://t.co/PfMrtCusMy
Remark 著作権は私とすうがくぶんかにあります。個人利用に留めていただき、営利目的の使用はお控えください。また解説に誤植がある場合は、メールにて私にお伝えいただければ幸いです。 対策講座もぜひ！すうがくぶんかでは、2024年度の統計検定1級に向けて対策講座を実施しています！ぜひご受講ください！ 講座『演習: 現代数理統計学の基礎』（1月開講、全問解説+添削あり！） 4月には統計検定1級対策、9月・10月には模擬試験を開催予定です！ Acknowledgementこのnoteは『統計・機械学習の数理 Advent Calendar 2023』の25日目のために作成しました。ご参加いただいた皆さま、大変ありがとうございました。
『現代数理統計学の基礎』 が統計検定1級の準備にちょうどいいらしいが、演習問題が略解のみなどなかなか難しいらしい。読書ノート、演習問題の解説をしている記事を集めた。 著者のサポートサイト 現代数理統計学の基礎 章末問題略解 ベイズ統計に関する補足 正誤表 読書ノート：現代数理統計学の基礎 読書ノート：現代数理統計学の基礎 1-4章 読書ノート：現代数理統計学の基礎(その２) 5章 「標本分布とその近似」の確率収束の定義 読書ノート：現代数理統計学の基礎(その３) 6章 「統計的推定」演習問題の問16 読書ノート：現代数理統計学の基礎(その４) 5章 「標本分布とその近似」 6章 「統計的推定」 読書ノート：現代数理統計学の基礎(その５) 7-8章 これからどうしようか？ 現代数理統計学の基礎 「現代数理統計学の基礎」第1章 確率 離散一様分布 現代数理統計学の基礎p29 離散一様分布(Di
Home - すうがくぶんか
社会人のための数学教室 すうがくぶんか ｜ 大人向け数学・統計学講座を入学金無料・リーズナブルな価格でしっかり学べます。 すうがくぶんか新着ニュース(更新9月23日20時00分) ※新型コロナウィルス感染拡大防止のため、2022年後期授業については集団講義、個別指導含め、全てオンライン講義となりました。 1. new! 指数関数うらばなし（西郷甲矢人先生）が、11月27日(日)に開講します！詳細はこちらのページをご覧ください。 2. new! 線形代数 特別講義（加藤文元先生）が、10月9日(日)より開講します！詳細はこちらのページをご覧ください。 3. new! 線形代数 特別講義（加藤文元先生）に対応した線形代数演習講座が、10月15日(土)より開講します。詳細はこちらのページをご覧ください。 4. 演習：現代数理統計学の基礎（前半）のページができました。10月開始の後期講座です。詳細
私は今、本気で取り組んでいることがあります。単刀直入に言いましょう。 統計検定一級に一発合格して見せる。（そして東大に受かる。）ということです。 ２０１９年１１月２４日の統計検定一級までに必要な知識を蓄え、問題に解答する。という簡単な話です。ただ、決して易しい話ではありません。なぜなら、統計学の勉強を始めたのが５月のアタマからだから。 ということでこれから新企画を始めます。その名も、「まいにち統計学」です。 こういうの想像してた奴！怒らないから正直に手を挙げなさい。違います。私はガチです。だから、 なんです。 Q. 具体的に何をするのか？ A.以下の参考書群を読み進めていった感じを書きます。問題とか、定理とかなんとか。 現代数理統計学の基礎 久保川 達也 表紙は外すタイプ Q.なぜこの企画をしようと思ったのか？ A.勉強のマンネリ化が怖かった。 どういうことかというと、私は今アルバイト、一
『統計学入門』
1991年7月1日初刷発行 2009年春 第29刷予定 参考文献欄を更新 練習問題・解答もpdf化予定 編集 東京大学教養学部統計学教室 発行 東京大学出版会 ＊入手しにくい場合は、東京大学出版会（03-3812-6862）へ、 またはクロネコ・ヤマト、アマゾンのサービスへ 参照登録番号：ISBN 4-13-042065-8 統計学関連文献に戻る 本書の例題・練習問題のデータ 全 13 章はおおまかにいえば 3 部（下記で色別）で構成され、ほぼ 第 1 部 1-3 章 記述統計学 第 2 部 4- 8 章 確率の基礎入門 第 3 部 9-13 章 統計的推測（数理統計学） という内容に対応する。ただし、この構成にこだわる必要はなく、第 1 部だけを念入りにやってもよい。また確率の基礎だけを学びたいなら、第 2 部だけでも独立して学習できる。さらに、第 １ 部は既知とい
S-PLUS: EDA
探索的データ解析（Exploratory data analysis)とは？ 探索的データ解析は、1960年ごろより有名な統計学者J.W.Tukeyによって提唱されたもので、データの解釈にあたっては「まずモデルありき」ではなく、モデルを仮定する前に現実的な立場で、データの示唆する情報を多面的に捉えるという、解析初期のフェーズを重視したアプローチです。 それ以前は、あらかじめモデルを用意して、データをあてはめて確率計算を行っていました。しかし現実には、複雑な現実のデータ構造の中から、最適なモデルをあらかじめ用意することは簡単なことではありません。そのため、データを見てからモデルを修正したり、選択する必要が発生します。 また、数理統計学の理論的側面よりもむしろ、あくまでも応用面と結びついた、やさしく誰でも使えるような手法を重視しているために、ビジネスの現場での「データマイニング」などにも有効に
検定や信頼区間の前提が満たされない状況に対して，テキストはどう助言してきたか？ - Tarotanのブログ
このブログ記事は，他の記事と同様，筆者個人の意見であり，すべての責任は筆者個人だけにあります．所属組織は，一切の責任を負いません． このブログ記事は，履歴を残さず変更するかもしれません． 検定や信頼区間を導出したときに仮定した前提は，実場面では成り立っていないことが多いでしょう．そのような前提の不成立に対する対処方法を私なりに要約すると，次の7つぐらいに分類できると思います． （１）検定や信頼区間を使わない． （２）特定の分布からのズレにロバストな方法を用いる． （３）従来のモデルが，前提からのズレにロバストであることを強調する． （４）従来のモデルを一般化したモデルを用いる． （５）モデルチェックを重要視する． （６）デザインによって仮定が満たされるように努力する． （７）ノンパラメトリックなモデルを用いる． いま私の手元にあるテキストで，これら7つの話題がどのように取り上げられているか
コンピュータ以前の数値計算(1) 三角関数表小史 - の続き。 18世紀や19世紀のヨーロッパでは、三角関数表のように、事前に数表を作っておいて、必要なら補間して参照するとかいうのが数値計算の典型的な運用だったようである。1938年になっても、アメリカでは、(雇用創出の一環として)Mathematical Tables Projectという大規模な数表作成プロジェクトがあったらしい。計算尺みたいな計算補助用のアナログツールも、表という形ではないけど、事前に行った特殊関数の計算に帰着させるという点では、同種の方法と言える 一方で、大規模な連立一次方程式を解くとか、微分方程式の解法なんかは、一般には、(少数変数の)特殊関数の計算に帰着できない。微分方程式の場合、有理関数や代数関数の積分、あるいは有名な特殊関数を使って解が書ける状況では、数表を作って置くという方法は有効だっただろうし、それで、初
この記事は何？ そもそもデルタ法とは 2変数のデルタ法 確率変数の比の分布における平均と分散 その他 参考 この記事は何？ Yandexが出したA/Bテストに関する論文 (R. Budylin, WSDM 2018) を眺めていたら、以下のような式が出てきました。 この式は、確率変数の比の分布における分散の式になっており、デルタ法を用いることで示せるとのことです。 この記事では、確率変数の比の分布における平均と分散をデルタ法で求めてみます。 そもそもデルタ法とは デルタ法についての説明は『現代数理統計学の基礎（久保川, 共立出版）』が詳しいです。 www.kyoritsu-pub.co.jp ざっくり言うと、デルタ法はテイラー展開を用いることで、変換された確率変数の平均や分散を、元の確率変数の平均や分散で近似的に表す方法です。 ５．正規母集団からの標本に基づく推論のデルタ法についての説明を
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
金融工学関連でおすすめの本：まとめ（目次） | Quant College
【基調講演】『深層学習の原理の理解に向けた理論の試み』 今泉 允聡（東大）
帝京大学通信課程での社会人大学生2年目を終えて - chroju.dev
日本十進分類法（全て）：この項目の歴史、内容、特徴、等を幅広く、深く、理解する
京都大学工学部情報学科を卒業しました - ポタージュを垂れ流す。
「人は本来、それぞれが大きく異なった存在である」と気づくことで社会は変わっていく。幅を愉しむWebメディア RANGER
応用のために測度論・ルベーグ積分論から学ぶのは正解か？ | 趣味の大学数学
AI に人間らしさをもたらした 大規模言語モデル｜日経サイエンス
R言語ではじめるプログラミングとデータ分析：サポートページ | Logics of Blue
データ分析 | 統計コンサル | 広島大学数理統計グループ統計相談
[数理統計学]統計的検定のまとめ – かものはしの分析ブログ
21/7/23 竹村彰通『新装改訂版 現代数理統計学』の感想 - LWのサイゼリヤ
『Rで学ぶ統計的データ解析』林賢一（著）の書評 - StatModeling Memorandum
【2022年3月受験版】G検定チートシート - Qiita
帝京大学 理工学部 情報科学科 通信教育課程を卒業しました - simotin13's message
Memories of A. Okuno
SE 2年目で読んだ技術書45冊+α - Qiita
2020年の振り返り - yasuhisa's blog
統計検定1級®「統計数理」解説｜Takayuki Uchiba
『現代数理統計学の基礎』の読書ノート、演習問題解説等参考となる記事のまとめ - Qiita
【新企画】まいにち統計学（１日目） - INTEGRATE
コンピュータ以前の数値計算(2)20世紀初頭の計算需要 -
確率変数の比の分布における平均と分散をデルタ法で求める - 人間だったら考えて