Python for Data Analysis, 3E
About the Open Edition The 3rd edition of Python for Data Analysis is now available as an “Open Access” HTML version on this site https://wesmckinney.com/book in addition to the usual print and e-book formats. This edition was initially published in August 2022 and will have errata fixed periodically over the coming months and years. If you encounter any errata, please report them here. In general
テレビCMの残存効果をAd Stock（アドストック）で計算してみる【R & Pythonコード付き】 - honawork
テレビCMの効果測定 例：テレビCMの効果測定 広告の残存効果（アドストック） 定式化 具体例でみる 忘却率をどうやって決めるか 1. 忘却率ごとに相関を出して最適化する（定量的） 2. 商材・メディア・クリエイティブなどに合わせて決める（定性的） 半減期 さいごに 付録：Ad Stockを最適化するスクリプト Python R テレビCMの効果測定 昨今の広告市場を席捲しているデジタル広告市場においては、「効果測定」をしろと言われたば、 CVR（コンバージョン率）やCPA（獲得単価）など、極めて精緻で細やかな指標を用いてレポートすることができる。 そのため、広告をどれだけ出稿するかの意思決定を正確なデータに基づいて行え、大変使い勝手がよい。 しかしながら、このようにデータが整備されているデジタル広告と異なり、 新聞、雑誌、ラジオ、テレビなど古来からのメディアの効果測定はデータ分析にひと工
On the Origin of Gravity and the Laws of Newton
Starting from first principles and general assumptions Newton's law of gravitation is shown to arise naturally and unavoidably in a theory in which space is emergent through a holographic scenario. Gravity is explained as an entropic force caused by changes in the information associated with the positions of material bodies. A relativistic generalization of the presented arguments directly leads t
『入門 現代の量子力学 -量子情報・量子測定を中心として-』 - Quantum Universe
講談社サイエンティフィクから拙書『入門 現代の量子力学 -量子情報・量子測定を中心として-』が出版されました。目次は下記のようになっております。 【目次】 第1章 隠れた変数の理論と量子力学 第2章 二準位系の量子力学 第3章 多準位系の量子力学 第4章 合成系の量子状態 第5章 物理量の相関と量子もつれ 第6章 量子操作および時間発展 第7章 量子測定 第8章 一次元空間の粒子の量子力学 第9章 量子調和振動子 第10章 磁場中の荷電粒子 第11章 粒子の量子的挙動 第12章 空間回転と角運動量演算子 第13章 三次元球対称ポテンシャル問題 第14章 量子情報物理学 第15章 なぜ自然は「量子力学」を選んだのだろうか 付録 大変ご好評を頂いているようで、著者としては有難いかぎりです。なおいくつか誤植や脱字が見つかりました。以下に2021年7月31日現在の正誤表を張らせて頂きます。（ご報告
Lightweight MMM：NumPyroで実装されたベイジアンMMMフレームワーク - 渋谷駅前で働くデータサイエンティストのブログ
以前「Ads carryover & shape effects付きのMedia Mix Modeling」という記事で取り上げたベイジアンMMMのtechnical report (Jin et al., 2017)ですが、当時RStanで実装されていたものが4年の時を経て時代の趨勢に沿う形でPythonベースのOSSとしてリリースされています。 それがLightweight MMM (LMMM)です。ベイジアンモデリング部分はNumPyroによるMCMCサンプラーで実装されており、さらにはモダンなMMMフレームワークにおいて標準的とされる予算配分の最適化ルーチンも実装されています。全体的な使い勝手としては、まだ開発途上の部分もあるので時々痒いところに手が届かない感があるものの、概ねRStanで実装したものと似たような感じに仕上がっているという印象です。 ということで、LMMMがどんな感
GitHubで講義ノートを書く
はじめに 大学の講義ノートをいくつかGitHubで公開しています。 講義ノートをMarkdownで書いてGitHubで公開、というのをしばらく続けて、いろいろノウハウが溜まったので共有してみようと思います。 大学の講義ノートをどうするか問題 昔から大学の講義ノートを公開する人は結構多いです。最初期は、LaTeXで書いてPDFで公開することが多かったように思います。これはこれで良いのですが、基本的にはダウンロードして印刷して読む前提であり、ウェブで気軽に読める形ではありませんでした。その後、LaTeX2HTMLを使って、LaTeXファイルをHTMLに変換して公開するケースが増えました。これによりウェブで講義ノートが気軽に閲覧できるようになったのですが、いかにも「LaTeX2HTMLを使って変換しました」という外観になるのと、(少なくともデフォルトでは)レスポンシブではなく、スマホ非対応になる
ディープラーニングを軽量化「宝くじ仮説」について – 株式会社Laboro.AI
エンジニアコラム 広い技術領域をカバーする当社の機械学習エンジニアが、 アカデミア発のAI＆機械学習技術を 紹介＆解説いたします。 2020.2.25 株式会社Laboro.AI リード機械学習エンジニア 内木 賢吾 概 要 ディープラーニングモデルの開発・導入時、とくに結果の出力にリアルタイム性をもとめられるようなビジネス現場への実装においては、モデルの精度を保ちつついかに高速処理を実現するかが重要なポイントになってきます。こうした観点から、前回のコラムではディープニューラルネットワークの「モデル圧縮」をテーマにpruning（枝刈り）、quantize（量子化）、distillation（蒸留）の３つのモデル軽量化の手法をご紹介しました。 今回はさらに知見を深めていただくことを目的に、2019年に話題になった「宝くじ仮説 (The Lottery Ticket Hypothesis)」
半導体新会社ラピダスへの識者見解、「やるなら今すぐ」「2nmは手段」
ラピダスは「2nm世代」半導体の国産化を目指す。左がラピダス社長の小池淳義氏、右が同会長の東哲郎氏（写真：日経クロステック） 半導体新会社「Rapidus（ラピダス）」は2022年11月11日に開いた会見で、次世代半導体の国産化に向けた事業計画を発表した。高性能コンピューターやAI（人工知能）などに使う「2nm世代」と呼ぶ先端半導体の量産を2027年にも始める狙いだ。野心的な目標を掲げる一方で、技術的な課題や膨大な投資、半導体人材の不足など解決すべき点も多い。大型プロジェクトに業界ではさまざまな意見が飛び交う。 ラピダスは米IBMなど先端半導体の関連技術を持つ企業と連携し、日本国内に量産体制を短期間で整えることを目指す。微細化に欠かせない「EUV（極端紫外線）露光装置」を日本で初めて導入するなど、これまで日本が遅れていたロジック半導体の開発を急ピッチで進める。先端半導体の試作ラインの立ち上
PACベイズ - ややプログラム紀行
openreview.net という論文で汎化性能を測るための様々なモデル複雑度の性能が比較されていて、その中でもPAC-Bayesian Theoremに基づく指標たちの性能が良かったらしいのでちょっと勉強した PACベイズ まずPACベイズを知らなかったのでそこから勉強をはじめたけど、↓が参考になった arxiv.org そもそもPAC(Probably Approximately Correct)学習っていうのは具体的なアルゴリズムとかじゃなくフレームワークのことで、ざっくりいうと仮説集合Hが「サンプル数を十分多くすることで高い確率で分類誤差が十分小さくなるような仮説を選択できるアルゴリズムが存在する」時にHはPAC学習可能という*1 で、この枠組みをベイズ推定にも持ち込もうとしたのがPACベイズらしい ただ、初めて知ったときはかなり混乱したけどベイズとは名ばかりで、実態はかなりベイ
プッシュ通知にパーソナライズを導入して開封率が 50% 向上したはなし - Gunosyデータ分析ブログ
はじめに プッシュ通知とは パーソナライズシステムの導入 事前分析 パーソナライズシステム A. 候補記事選定（自動） NG 判定 多様性の確保 スコアリング B. 候補記事選定（手動） C. おすすめプッシュ記事の割り当て システムフロー A/B テスト 今後の課題 おわりに はじめに こんにちは、GunosyTechLab MediaML 所属の suchida です。 本記事では、2022 年春頃に auサービスToday のニュース記事プッシュ通知に導入したパーソナライズシステムについてご紹介いたします。 プッシュ通知とは 本記事におけるプッシュ通知とは、速報ニュースや話題となったニュースを各ユーザーのスマホに直接通知するサービスのことです。 auサービスToday では、毎日決まったタイミングに行うプッシュ通知（定時プッシュ）と不定期に行うプッシュ通知（速報プッシュ）を行っていま
ニューラルネットワークにおける「宝くじ仮説(Lottery Ticket Hypothesis)」 | NHN テコラス Tech Blog | AWS、機械学習、IoTなどの技術ブログ
こんにちは。データサイエンスチームのtmtkです。 この記事では、ニューラルネットワークの機械学習における「宝くじ仮説（Lottery Ticket Hypothesis）」について、解説・実験します。 はじめに 「The Lottery Ticket Hypothesis: Finding Sparse, Trainable Neural Networks（宝くじ仮説：訓練できる疎なニューラルネットワークを見つけること）」というJonathan Frankle氏とMichael Carbin氏による論文があります。この論文は2018年3月にarXivで公開され、2019年5月にはディープラーニングのカンファレンスであるICLR 2019でBest Paper Awardに選ばれました。 この論文では、「宝くじ仮説（The Lottery Ticket Hypothesis）」というニュー
Pythonでポートフォリオ最適化（マーコビッツの平均分散モデル） - 閃き- blog
Pythonでbacktestする際のTipsをまとめたものです．面倒な前処理をさくっと終わらせてモデル作りに専念しましょう！という主旨です．記事では紹介していませんが，pandas-datareaderでマクロデータもだいたい取れるので， 複数因子モデルなど，さまざまなポートフォリオ選択モデルを試すことができます． Overview PythonでBacktestする環境を整える． 東証TOPIX構成銘柄から対象資産を選び最小分散ポートフォリオを組む． 株価データの取得 まず，pandas-datareaderを環境にインストールします． pandas-datareaderは，株価などの市場データをWeb API経由でダウンロードできる（pandas.Dataframe friendlyで）便利なPythonパッケージです．IEX, World Bank, OECD, Yahoo! Fi
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
論文紹介：Limitations of the Empirical Fisher Approximation for Natural Gradient Descent
シャープ出身者が無線ディスプレー技術、スマホがタブレットやパソコンに
Kaggleのカレンダー | Advent Calendar 2022 - Qiita