June 07, 2021 佐藤直樹『科学哲学へのいざない』 佐藤直樹さんの『科学哲学へのいざない』について少し書きたい。 佐藤さん（以下「著者」とする）は実験生物学者でありながらも、哲学系の学会のワークショップに登壇されたり、マラテール『生命起源論の科学哲学』の翻訳を手掛けられるなど、科学哲学的な問題意識を強く持ち、科学哲学と関わりを作ってこられた研究者である。その著者による科学哲学へのいざないということで、科学哲学の側からも注目すべき書籍であると思う。 本書は少し変わった成り立ちの本である。著者はサミール・オカーシャの『科学哲学』を教材としつつ、独自の資料で補足しながら授業を行っていたとのことである。そうした授業の内容に、さらに加筆して書籍としてまとめたのが本書である。そのため、全体としてオカーシャの教科書に対するコメンタリのようにも読める本となっている。 本全体のトーンはオカーシャの
この記事はNuco Advent Calendar 2022の25日目の記事です データアナリストになるためのロードマップとは 本記事の指す「データアナリストとは」 データアナリストとはデータの収集・分析のプロフェッショナルです。 分析した情報を元に仮説を立て、問題解決や目標達成を目指します。 本記事でいうデータアナリストとは、データベースへ自らアクセス可能で、データの処理と傾向の特定、主要なビジネス上の意思決定を支援するデータの視覚化が可能な人間を指します。 データアナリストの業務例 プロダクトの機能改善、事前見積もりや効果検証 施策についての仮説設計と効果検証 予測モデル構築 事業戦略の振り返りやKPI設計 本記事の概要 本記事ではデータアナリストになるためのロードマップを提示します。 ステップ１：独学で学ぶ ステップ２：データアナリストとして就職する（未経験可の求人に通る） ステップ
勾配ブースティング決定木ってなんぞや - Qiita
\newcommand{\argmax}{\mathop{\rm argmax}\limits} \newcommand{\argmin}{\mathop{\rm argmin}\limits} 対象者 今回は深層学習ではなく機械学習の一手法である勾配ブースティング決定木について覚書しています。 Kaggleなどで大活躍中(らしい)のXGBoostやLightGBMなどで用いられている機械学習手法について、最初からざっくり知りたい方はどうぞ覗いてください。 目次 勾配ブースティング決定木とは 勾配降下法 アンサンブル学習 バギング ブースティング スタッキング 決定木 Level-wise tree growth Leaf-wise tree growth 勾配ブースティング決定木のアルゴリズム 勾配ブースティング決定木の特徴 XGBoost LightGBM GOSS GOSSアルゴリズ
ABテストのための統計ノート - Qiita
ABテストの期間を見積もる際に、必要なサンプルサイズを求める必要があるが、Web上に公開されているツールをどの程度信用してよいかわからないため、論文を調査し理解を深めた。 必要なサンプルサイズを計算する式の導出をメモすることがメインだが、ついでにABテストに必要そうな統計の知識をまとめておきます。 ツールも作っておきました。 https://birdwatcheryt.github.io/software/sample-size/sample-size.html 基本用語 基本的な用語とこの記事で使う記法を定義しておきます。 母集団: 知りたい集団全体 母平均$\mu$: 母集団におけるある値の平均のこと 母分散$\sigma^2$: 母集団におけるある値の分散のこと 母比率$p$: 母集団において、ある事象が起こる確率のこと 標本: サンプリングされた集団 標本平均$\bar x$: 標
はじめに 半年前ぐらいにselective inferenceについてまとめました。 qiita.com その時、クラスタリングにおけるselective inferenceについて触れようと思いましたが、ブートストラップ法を用いたクラスタリングやマルチスケールブートストラップについての知識がなく、挫折しました。 ブートストラップ法を用いたクラスタリングにおける仮説検定は、生物学の分野ではよく用いられています。 特に最近では、新型コロナウィルスとSARSの遺伝子の違いを分析するのに用いられていたようです。 そこで今回ブートストラップ法を用いたクラスタリングについて調べたのでまとめます。 基本的には、以下の下平先生の解説を参考に(写経)しています。 以下の解説を読んでもらう方が早いかもしれません。 ブートストラップ法によるクラスタ分析のバラツキ評価 クタスタリングにおける問題 クラスタリング
はじめに 積み本消化のために、Rで学ぶデータサイエンスシリーズのブートストラップ入門を読みましたので、まとめます。 近年、統計学の界隈ではp値の使用を禁止したり、乱用を減らしていこうという流れが大きくなってきています。 ブートストラップ法はその流れの中で使用することが推奨されるようになってきていると感じます。 久しぶりに統計学を勉強した感がありました。 #ブートストラップ法概要 母集団から標本集団が得られた時に、標本の平均値や分散等の統計量を算出し母集団の統計量$\theta$を推定します。 この時の推定は点推定であり、実際には不確実性があります。 また、その分布は未知の場合も多くあります。 この不確実性の程度をコンピュータ・シミュレーションによって見積もることができます。 その手法がブートストラップ法です。 ブートストラップ法は誤差推定，信頼区間の構成，仮説検定などに用いられます。 従来
ピンカーの講義，第5回はベイズ推論，第6回は統計的意思決定（その中でネイマン-ピアソン型の統計検定を取り上げている）を扱う． 第5回 「ベイズ推論（Bayesian reasoning）」 harvard.hosted.panopto.com ベイズ推論とは何か，なぜ難しいのか，なぜ重要か，どうすればヒトは良いベイズ推論ができるのかをあつかう． 講義前の音楽はクリーデンス・クリアウォーター・リバイバルの「Green River」（この音楽とベイズの関連は難しい．クリーデンス Creedence が，ベイズ流の主観的確率を表す「確信度： degree of credence 」の credence に似た綴りだということか） 最初はベイズの定理の通常の形とオッズ比を使った形を説明．例題には稀な病気の診断問題（ベースレートが低い病気についての偽陽性率があるテストでの陽性結果の解釈）という（この
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
Daily Life:佐藤直樹『科学哲学へのいざない』
データアナリストになるためのロードマップ【決定版】 - Qiita
マルチスケールブートストラップ法によるクラスタリングの有意差検定 - 名前はまだない
統計量のバラツキを知るためのブートストラップ法基礎 with R - Qiita
ピンカーのハーバード講義「合理性」 その3 - shorebird 進化心理学中心の書評など