「そうだ、数理最適化、やろう。」ってなった時にめっちゃ参考になったリンク集＆参考書｜CO-WRITE
数理最適化案件とAI/機械学習案件とのアナロジー 「やってみなければわからない」中で僕たちDSはどうするか本記事では表題に関して、脳筋系ゆるふわVTuberこと入社2年目DSの岡部がお送りいたします。（DS=データサイエンティスト） 発... ◆【理論・実践】（2021年時点で）オススメの参考書 最大のアップデートはこちらの2冊です。参考書は時代の流れに合わせていいものが出てくるものですね。もちろん過去の参考書にもいいものはたくさんありますが、日進月歩の分野である以上、新しいものに軍配が上がりやすい構図はあると思います。 しっかり学ぶ数理最適化 モデルからアルゴリズムまで Pythonではじめる数理最適化： ケーススタディでモデリングのスキルを身につけよう 以下それぞれの所感です 【理論】「最適化分野全般を知るための『最適解』」とも言われている教科書 僕が最適化にハマっていた当時は様々な本
なぜビンゴゲームで同じ数字を書いてはいけないのか
先日、結婚式の二次会に招待していただきました。新郎・新婦ともに大学時代からの友人です。 歓談中にビンゴゲームが開催されました。私はビンゴゲームに完全に勝利にしたにも関わらず、景品をもらうことができませんでした。 あまりに理不尽な経験だったので、泣き寝入りしてたまるものかと思い、Qiita に初投稿してみようと思います。 ビンゴゲームとは ビンゴはビンゴですよね。「ビンゴ！」って叫ぶやつです。 今回のビンゴゲームは $3 \times 3 = 9$ マスのカードを利用しました。縦・横・ナナメに一直線に 3 マス穴を開ければ「ビンゴ！」になります。 実は、各参加者には白紙のビンゴカードが配られ、各テーブルにはビンゴゲームのルールが書かれた紙が配られていました。下記がその内容です。 真ん中のマスに "free" と書いてください。（i.e. 真ん中のマスはゲーム開始時に穴を開けて良い） それ以外
数学は体力だ!
木村 達雄 数学系教授(当時) 初出: 筑波フォーラム 45, 104-107, 1996年11月 （筑波フォーラム編集室了承済） 1．研究室の様子 私の研究室は代数学，とくに代数幾何学，代数的整数論（及び代数解析学）などの研究をしていますが，特に概均質ベクトル空間の研究者が育っています。 大学院生たちの人数が多いので，上の者は下の者を指導し，同じレベルの者は互いに教え合うという原則でやっています。また頭脳も体の一部という考えから体力をつけるよう注意しています。数学の才能の開き方は人それぞれ実に異なるので，才能とか素質については余り言わず，ねばり強い努力を勧めています。 数学の内容そのものを一般にわかりやすく説明するのは大変難しいので，ここでは研究室で学生や院生を指導する時の考え方のもとになった数学に関する私の経験などを述べてみます。 2. 数学は体力だ（ヴェイユの言葉） 一般に世間
Webプログラマと数学の接点、その入り口
フロントエンドのパラダイムを参考にバックエンド開発を再考する / TypeScript による GraphQL バックエンド開発
【統計学】初めての「標準偏差」（統計学に挫折しないために） - Qiita
統計をこれから学ぼうという方にとって、非常に重要な概念ですが理解が難しいものに「標準偏差」があると思います。「平均」くらいまでは馴染みもあるし、「わかるわかるー」という感じと思いますが、突如現れる「標準偏差」 の壁。結構、この辺りで、「数学無理だー」って打ちのめされた方もいるのではないでしょうか。 先にグラフのイメージを掲載すると、下記の赤い線の長さが「標準偏差」です。なぜこの長さが標準偏差なのか、ということも解き明かしていきます。 (code is here) 本記事では数学が得意でない方にもわかるように１から標準偏差とはなにか、を説明してみようという記事です。 数式はわかるけど、イマイチ「標準偏差」の意味わからんという方にも直感的な理解がしてもらえるような説明もしていきますので、ぜひご覧ください。 （※ この記事では標準偏差の分母に $n$を使用しています。$n-1$を使用するケースも
統計・データ解析
『Rで楽しむ統計』が出ました。サポートページ 『Rで楽しむベイズ統計入門』が出ました。サポートページ，第7章のRコードをStanで書き直したRで楽しむStan 全国学力・学習状況調査の個票の疑似データがこちらで公開されています。データ分析の練習に使えそうです。SSDSE（教育用標準データセット）も。 R 4.x では stringsAsFactors=FALSE がデフォルトになりましたが，本サイトの古い記事ではそうなっていないところがあるかもしれません（read.csv() などで as.is=TRUE は不要になります（あってもかまいませんが））。 R 4.2 ではWindowsでもMac同様UTF-8がデフォルトになりました。もう fileEncoding オプションに "UTF-8"，"UTF-8-BOM" を指定する必要はなくなりそうです。一方で、SJIS（CP932）データの場
主観確率 - Wikipedia
主観確率（しゅかんかくりつ、英: subjective probability）は、客観確率に対比される概念。この両者は確率の哲学的解釈における二つの主要な選択肢である。主観的確率の考え方は1920年代から1930年代ごろにフランク・ラムゼイやブルーノ・デ・フィネッティらによって導入された。 客観確率とは、世界の中に存在する頻度や傾向性など、我々の主観によらず存在するものとしての確率を指す。客観確率は実験または理論的考察（思考実験）から求められ、客観的な観測結果と比較できるランダムな事象についての確率である。 主観確率とは、人間が考える主観的な信念あるいは信頼の度合（客観的には求められない）をいう。たとえば「かつて火星に生命が存在した確率」という言葉は、主観確率の考え方からは、「かつて火星に生命が存在したと信じる信念の度合い」と同値である。 数学における確率論はもともと客観確率を基にしたも
統計学を勉強するときに知っておきたい10ポイント - Issei’s Analysis ～おとうさんの解析日記～
googleさんやマイクロソフトさんは「次の10年で熱い職業は統計学」と言っているようです。またIBMは分析ができる人材を4,000人増やすと言っています（同記事）。しかし分析をするときの基礎的な学問は統計学ですが、いざ統計学を勉強しようとしてもどこから取りかかればいいか分からなかくて困るという話をよく聞きます。それに機械学習系の本は最近増えてきましたが、統計学自体が基礎から学べる本はまだあまり見かけないです。 そこで今回は、統計学を初めて勉強するときに知っておいた方が良い10ポイントを紹介したいと思います。 1. 同じ手法なのに違う呼び名が付いている 別の人が違う分野で提案した手法が、実は全く同じだったということがあります。良く聞くのは、数量化理論や分散分析についてです。 数量化理論 数量化I類 = ダミー変数による線形回帰 数量化II類 = ダミー変数による判別分析 数量化III類 =
ベイズ確率 - Wikipedia
ベイズ確率（ベイズかくりつ、英: Bayesian probability）とは、確率の概念を解釈したもので、ある現象の頻度や傾向の代わりに、確率を知識の状態[1]を表す合理的な期待値[2]、あるいは個人的な信念の定量化と解釈したものである[3]。 ベイズ確率の解釈は、命題論理を拡張したものであり、真偽が不明な命題を用いた推論を可能にするものと考えられる[4]。ベイズの考え方では仮説に確率を付与するが、頻度論的な推論では確率を付与せずに仮説を検証するのが一般的である。 ベイズ確率は証拠能力のある確率のカテゴリーに属する。仮説の確率を評価するために、ベイズ確率論者は事前確率を指定する。仮説の確率を評価するために、ベイズの確率論者は事前確率を指定し、新しい関連データ（証拠）に照らし合わせて事後確率に更新する[5]。ベイジアン解釈では、この計算を行うための標準的な手順と式が用意されている。 ベイ
算数、数学の宿題を爆速で終わらせる「Microsoft Mathematics」を紹介する - しがない学生の雑記
こんばんは。艦これのメンテが伸びてしまったのでTwitterをダラダラ見ていたら、こんなソフトが紹介されていました。 Download Microsoft Mathematics 4.0 (英語) from Official Microsoft Download Center （英語）とか書かれていますけど、ページに行けば普通に日本語版がダウンロードできます。 試しに起動してみたんですが、こいつが相当にすごい。数学のソフトで無料のものと言ったら、自分が知ってるものではscilabとかfunctionViewとかぐらいしかなかったんですが、このMicrosoft Mathematicsは数学の宿題を消すために生まれてきたかのようなソフトです。 たとえば、とても簡単な例として、ｘを０～１で定積分を求めると、 こんな感じで回答が出るんですが、注目すべきはこの中央の「解法」ってところです。試しに押
「しりとり」の戦いかた、すこし反省した - Active Galactic : 11次元と自然科学と拷問的日常
「しりとり」は経験者人口が極めて多いゲームだけど、鬼神のごとき強さで他を圧倒するしりとりプレイヤーを私は知らない。ちょっと真剣に戦ってみたところで、 そんな程度のレベルで満足していやしないか。 さいしょは「る」の同字返しでガッチリ組み合う。先に「る→る」のストックが切れて、「る」で返せなくなったほうがひたすら「る攻め」で投げられ続ける。 小学生の時から進歩していないような、こんな大雑把でマンネリな「る攻め」戦略から脱却できないものか。 攻撃防御比最大の最強文字「る」 復習。周知の事実だが「る」は強い。 下の表は、[A](文字Ｘで終わる単語)と、[B](文字Ｘではじまる単語)をその比[A/B]の高いものから順にリストしたものである。標本の単語数は２０万語であり豚辞書から、伸ばし棒をトリムした上で抽出した。*1 文字X[A]Xで終わる単語[B]Xで始まる単語[A/B] １位る43235208.
微分方程式を図解する
物理では（実は物理によらず、いろいろな場面では）「微分方程式を解く」必要があることが多い。なぜなら、物理法則のほとんどが「微分形」で書かれているからである。「微分形で書かれている」というのは「微小変化と微小変化の関係式で書かれている」と言ってもよい。物理の主な分野における基礎方程式は、運動方程式 を初めとして、微分方程式だらけなのである。 微分方程式を解くには、積分という数学的技巧が必要になる。そのため「ややこしい」と嫌われる場合もあるようだ。 計算ではなく図形で「微分方程式を解いて関数を求める」というのはどういうことなのかを感じていただけたらと思い、アニメーションプログラムを作った。ただ計算するのではなく、「何を計算しているのか」をわかった上で計算のテクニックを学んだ方が理解は深まると思う。 ここでは微分方程式の中でも一番単純な「一階常微分方程式」を考える。「一階常微分方程式を解く」とは
１０秒で覚えられて計算がバツグンに速くなる方法 読書猿Classic: between / beyond readers
■補数って？ １０、１００，１０００……から、ある数を引いた残りの数のことを（基数の）補数というが、今回の主役は、 それよりも１少ない、いわゆる減基数の補数（注）である。 １０進数だと、ぶっちゃけ足して（各桁が）９になる数（の組）だ。 具体例を出すと「９－１＝８」だから、８は１の補数である。いうまでもないが、１は８の補数である。 ■まずは「おつり算」 日常生活で最も多い計算は「おつりを計算すること」だろう。 これは補数を使った計算の第一歩にちょうどいい。 速算に １００００－３４５２＝？ を計算することは、３４５２の基数の補数をもとめることだけれど、 まず減基数の補数を求めちゃえばいい。そしてこれは次の方法で反射的にできる。 減基数の補数は基数の補数よりも１だけ少ないということを心に留めておくと、 次の表を覚えておく（というより反射的に出るようにしておく）だけで、 「繰り下がり」なんかに希
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
not found
中間報告 〜 勉学と育児の間で - 34歳からの数学博士
カップルが一緒にお風呂に入る割合をベイズ推定してみた
Engadget | Technology News & Reviews
システム・エンジニアの基礎知識
中学生でもわかるベジェ曲線
生活や実務に役立つ高精度計算サイト