新しい暗号技術
2. 自己紹介 大学時代 京都大学数理解析研究所では代数幾何 コンピュータとは縁のない世界 暗号にも興味を持つ mp3エンコーダ「午後のこ～だ」の開発(LGPL2) 就職後 IPAからの依頼で暗号解読プログラムの作成(2004年) 『機械学習の学習』(CCA-BY3) 2012年ジュンク堂のコンピュータ書籍売り上げ3位 http://compbook.g.hatena.ne.jp/compbook/20130110 暗号の高速な実装(2013/8の時点で世界最速) The Realm of the Pairings(SAC2013) http://sac2013.irmacs.sfu.ca/sched.html 2013/11 2 /58 3. 目次 暗号 mod pの世界 巾乗の計算 離散対数問題 ElGamal暗号
数式を綺麗にプログラミングするコツ #spro2013
8. 対象とする「数式」 • 行列やその要素の掛け算が出てくる数式 – 機械学習などの手法には、行列を使って表さ れているものが多い – 強力な線形代数ライブラリをうまく使えば楽 に実装できる • 数式の例はC.M.ビショップ「パターン認 識と機械学習」(以降 PRML)から採用 – ただし機械学習の知識は一切要求しない 9. 方針 • 「楽に」「確実に」実装しよう – 間違いにくく、可読性が高い – 最速は必ずしも目指していない • 動くものを確かに作れるようになってから • Python/numpy と R での実装例を紹介 – 基本的な行列計算しか使わないので、その他 の環境(Eigen など)にも参考になる（はず）
オンラインで無料で読める統計書22冊｜Colorless Green Ideas
はじめに 今回は、ウェブを通じて無料で読むことができる統計に関する書籍を紹介したい。英語で書かれた本が多いが、日本語で書かれた本も若干ある。 入門書 まず、統計の初学者のために書かれた入門書を紹介したいと思う。 福井正康 (2002). 『基礎からの統計学』基礎から扱っている統計の入門書である。統計を扱う際に必要となる場合の数、確率などについて詳しく説明している。理解を助けるための演習問題とその解答がついている。統計処理用のソフトとしてはExcelを使っている。同じサイトに社会科学系の学生向けの数学の教科書もある。 小波秀雄 (2013). 『統計学入門』基礎から扱っている統計の入門書。内容としては、記述統計、確率、確率分布、簡単な推定・検定、相関と線形回帰などがある。確率や確率分布などの理論的な話が占める分量が多いので、分量のわりには、具体的な統計手法はあんまり載っていない。もちろん理論
マーケティング・リサーチ 統計解析
マーケティングリサーチの進め方、 マーケティングリサーチで活用する統計解析（多変量解析）を詳しく解説します このブログでは、日々のマーケティングリサーチの中で活用している統計解析（多変量解析）を解説します。右サイドのカテゴリの中から興味・関心があるものをクリックしてください。 統計解析は、誤った使い方をしてしまうと、解析結果に基づくマーケティング戦略そのものが間違ったものになってしまいます。したがって、十分な理解が必要です。ですが、実務上必要な理解は「数式を理解すること」ではありません（もちろん、ある程度は理解すべきですが…）。 数式の理解よりも重要なことは、分析の目的に基づいて適切な統計解析をチョイスできることと、それぞれの統計解析の特徴や注意点を把握しておくことです。ゴルフで例えるならば、個々のクラブの材質や製造工程を詳しく把握することよりも、どのような局面でどのクラブをチョイスすべき
データサイエンティストではない人に知っておいて欲しい事 - hotokuとは
統計を専門にしている訳ではない人と話していて感じた違和感があったので、書き留めておきたい。 疑うべき順番は モデル → 推定法 データ分析をしていれば、当然、期待を掛けたモデルのデータへの当てはまりそうが悪いという事が度々ある。こういう時、統計屋さんとして自然に浮かぶのは「モデルが間違っている」という発想である。と思うのだが、非統計屋さんと話していると、このような時に「別の推定法を試してみたらどうだろう」と言われる事がある。多分、目の前のモデルに対する過度の期待から来るのだろうと思うが、このような態度では統計的に見ると妥当性を欠いた分析をしてしまう危険を孕んでいる。 ひとつの事例 とある線型状態空間モデルのパラメータを推定した所、どうしてもデータに合わない部分があった。実は、それが合わない理由は簡単で、ある潜在変数は常に正であるはずなのだ。線型状態空間モデルでは、潜在変数の分布は正規分布で
統計学復習メモ3: 視聴率調査と標本数 - Weblog on mebius.tokaichiba.jp
かつてＪＲ横浜線 十日市場駅近くのMebius (CPU:Pentium 150MHz)より発信していたウェブログです。 TVの視聴率ってどうやって測ってるんだろう？というのはよく聞かれる問いであるし、モニターとして選ばれたいくらかの数の一般家庭に視聴率計測用の機器を取り付けて測っているのだ、というのはよく言われる答えである。そのモニターの数は、一例では関東・関西で600世帯、その他の地域は200世帯、とも言われる。 たったそれだけ？ある番組を20人が見てれば視聴率10%？学校の１クラスより少ない。それではたまたまその番組が好きな人が2人多めや少なめにモニターに入ってれば、すぐ1%くらい変わってしまうじゃないか、そんな値を信用できるのか、そんな値に意味はあるのか？ …とか書くと、貴様本当に大学を理系で卒業したのか？と問われてしまいそうであるが、それでもやはり反射的には疑問に思ってしまうこと
統計学復習メモ18: 少数のベルヌーイ試行による発生確率の区間推定 - Weblog on mebius.tokaichiba.jp
1 n=20の時に信頼水準95%のExact CIと正規分布近似CIとがどれくらいずれているかを、グラフで見てみる。 発生回数が4回以下、16回以上だとかなりずれていることがわかる。 Exact CIの上限と下限は、ベータ分布とF分布の関係から、次のようにF分布を用いて書かれることが多いようである。 但し、ν1=2(k+1)、ν2=2(n-k)、F1は自由度ν1,ν2のF分布の(1-α/2)点（右側がα/2点となるF値） 但し、ν3=2(n-k+1)、ν4=2k、F2は自由度ν3,ν4のF分布の(1-α/2)点（右側がα/2点となるF値） 参考リンク（いずれもPDF）： http://www.nfri.affrc.go.jp/yakudachi/sampling/pdf/Clopper.pdf Confidence Intervals for a Binomial Proportion これ
A/Bテストの数理 - 第1回：人間の感覚のみでテスト結果を判定する事の難しさについて - - doryokujin's blog
データ解析の重要性が認識されつつある（?）最近でさえも，A/Bテストを始めとしたテスト（ = 統計的仮説検定：以後これをテストと呼ぶ）の重要性が注目される事は少なく，またテストの多くが正しく実施・解釈されていないという現状は今も昔も変わっていないように思われる。そこで，本シリーズではテストを正しく理解・実施・解釈してもらう事を目的として，テストのいろはをわかりやすく説明していきたいと思う。 スケジュール スケジュール 第1回 [読み物]：『人間の感覚のみでテスト結果を判定する事の難しさについて』：人間の感覚のみでは正しくテストの判定を行うのは困難である事を説明し，テストになぜ統計的手法が必要かを感じてもらう。 第2回 [読み物]：『「何をテストすべきか」意義のある仮説を立てるためのヒント』：何をテストするか，つまり改善可能性のある効果的な仮説を見いだす事は，テストの実施方法うんぬんより本質
Hadoopは統計の基礎を無視しているのか？ - 急がば回れ、選ぶなら近道
http://ascii.jp/elem/000/000/687/687170/ こういう塩梅になった。これでも一応、最初に上がってきたインタビュー記事を訂正して、この状態という感じです。最初のほうはもっと派手だった。まー、さすがに読み手で不快に感じる人もいるだろうし、とはいえ、話したことをつないでいる部分は確かにあるわけで、はてどうしたものかな・・・と思っているうちにリリースになったというのが実態ですね。 えっと、まず読んで不快に思った方は確実にいらっしゃると思うので、その方たちにはお詫び申し上げます。すんませんでした。 その上で真意を書いておくと・・・ まず、Hadoopは統計の基礎を無視しているのか？という問題ですが、基本的にHadoopのBIで飯を食っている人は、いわゆる「データ・サイエンティスト」という職種の人たちにあたる方たちで、当然、統計のプロだ。当たり前の話だが、大抵のHa
ナンバーズ 天才数学者の事件ファイル | NUMBERS
2010年4月16日 『NUMB3RS 天才数学者の事件ファイル シーズン3 コンプリートDVD-BOX Part2』2010.7.9（fri）RELEASE！ 『シーズン3 vol.5～8』 2010.6.25（fri）レンタル開始 『シーズン3 vol.9～12』 2010.7.9（fri）レンタル開始 2010年3月12日 『NUMB3RS 天才数学者の事件ファイル シーズン3 コンプリートDVD-BOX Part1』 2010.6.11（fri）RELEASE！ （『シーズン3 vol.1～4』同時レンタル開始！） 2009年7月21日 「NUMB3RS 天才数学者の事件ファイル」シーズン1の放送が終了しました。 2009年6月1日 『NUMB3RS』DVD発売記念試写会レポート！ はなわさん、優木まおみさん流『恋愛方程式伝授』 トークショーの様子はこちらから ※トークショーレポー
統計学を勉強するときに知っておきたい7つのポイント
マイクロソフト社が技術分野でもっと熱い専攻の一つとして分析/統計をあげている（Microsoft JobsBlog）。同社以外でも統計学は、今後最も有益なスキルの一つだと考えているようだ（NYT - For Today’s Graduate, Just One Word: Statistics）。しかし、データマイニングの話も一般化しつつあって学習ノウハウなども公開されているが、経験にあわない部分が多い。統計学を初めて勉強するときに知っておいた方が良い7つのポイントをあげてみた。 1. 学習機会やテキストは山のようにあるので利用する 確率・統計の日本語テキストは山のようにあり、大学のコースワークを振り返っても、理文問わずにほとんどの学部で確率・統計はあったはずだ。大学院のコースワークでは英語の文献を好む傾向があるが、上級テキストでも日本語のものも少なくない。また「マンガでわかる統計学」のよ
Networks, Crowds, and Markets: A Book by David Easley and Jon Kleinberg
High School Dating (Bearman, Moody, and Stovel, 2004) (Image by Mark Newman) In recent years there has been a growing public fascination with the complex "connectedness" of modern society. This connectedness is found in many incarnations: in the rapid growth of the Internet and the Web, in the ease with which global communication now takes place, and in the ability of news and information as well
機械学習の数学記号に慣れる ー初めの一歩で躓かないためにー - Preferred Networks Research & Development
初めまして，大野と申します．今回から自分もリサーチブログを書く事になりました．これを期に定期的に投稿が出来ればと思っています． 自己紹介をしますと，私は学部から修士課程まで数学を専攻していました．入社したのは今年の4月ですが，PFIにはそれ以前から関わっており，昨年の夏にインターンに参加していました． インターンは今年も行っており，今年も皆さん奮闘しています．9月30日の13:00から15:00でUstream配信される予定ですので，是非ご覧になってください． さて，今回社内で「言語処理のための機械学習入門」（コロナ社）という本を用いて勉強会を開く事になりました．私自身専攻していた分野はいわゆる純粋数学で，機械学習の分野はあまり詳しくはないので楽しみにしています． この勉強会では紙と鉛筆を用いて自分で計算過程を追いながら読もうとしています．そこで，その準備として第0回チュートリアルを行いま
株式会社ALBERT（レコメンドエンジン）
データ分析から導き出されたインサイト無しにAI（人工知能）の活用は始まりません。私たちは、各業界知識とデータ・アナリティクス技術を駆使しデータドリブン経営を強力に支援します。 データ、アナリティクス、AIは企業にとって競合他社との差別化を図るかつてないほど大きな要因になっています。今日の経営幹部が効率を向上しながら新たな収益源を開拓し、新しいビジネスモデルをタイムリーに構築する方法を模索する中、価値を生み出し成長を続ける企業には「データ活用」という共通項があります。私たちは、無数のデータから企業にとって本当に必要なデータを活用するための方法を知っています。 将来を見据えたオペレーション体制を備えている企業の半数以上（52％）は、すでにデータとアナリティクスを大規模に活用しています。データとAIに関する取り組みをビジネス戦略に沿って実施することで投資利益率を迅速に最大化し、最終的にはAIをビ
ときわ台学/固有値/固有ベクトルの幾何学的意味
ここでは線形代数において，固有値，固有ベクトルなるもの考える重要性を視覚的に理解するために，２次元ユークリド空間上のベクトルを例にとり，線形写像によってどのように変換されるのか具体的に見てみましょう。 結論を一言で言うと，”ほとんど” の線形写像はベクトルの”引き伸ばし(倍率が1以下ならば縮小)”と考えることができ，その引き伸ばしの方向を決めているのが固有ベクトルで倍率が固有値です。ただし，この様子は実数の世界で完全に捉えることは不可能で，複素数の世界において可能となります。 １．引き伸ばしと回転 ［１］ まず，線形写像： T(r )：r → v ( v ＝Tr ) を表す行列Tが対角行列で表せるとき，この写像が幾何学的にどのような意味をもつのか考えて見ましょう。 ［ケース１］ T(r)を表す行列を，
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
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
http://kam.mff.cuni.cz/~matousek/stml-53-matousek-1.pdf
確率的潜在変数モデル最前線
はてなブログ | 無料ブログを作成しよう
サービス終了のお知らせ
Top 50 Statistics blogs