こんにちは、クルトンです！ 2021年11月21日に実施された、統計検定1級（数理統計、応用統計（理工学））に合格することができました！ なので、この記事では統計検定を受けるまでに勉強した内容について書こうとおもいます。 勉強を始める前の状態 どんな試験か 参考書 入門統計解析 現代数理統計学 現代数理統計学の基礎 大学教養線形代数（数研講座シリーズ＋チャート式） 確率と確率過程 過去問（2012～2019） 統計学 日本統計学会公式認定統計検定1級対応 やって良かったことorやっておけば良かったこと まとめノートを作る 過去問を早くからやる 連想ゲームをしてみる 最後に 勉強を始める前の状態 統計はセンター試験と大学1回生のときに般教でやった程度（分散は分かるけど不偏分散って何？ぐらいのレベル） 大学数学は微積分を選択したので線形代数は何も知らない 高校数学は得意な方だった みたいな感じ
Immersive Math
immersive linear algebra by J. Ström, K. Åström, and T. Akenine-Möller v1.1. ISBN: 978-91-637-9354-7 The world's first linear algebra book with fully interactive figures. Learn More Check us out on Twitter and Facebook Preface A few words about this book. Chapter 1: Introduction How to navigate, notation, and a recap of some math that we think you already know. Chapter 2: Vectors The concept of a
NumPy 2.0.0の主要な変更点 皆さんもお世話になっているであろう科学計算ライブラリNumPyが、2006年以降初めてのメジャーアップデートを発表しました。そこで、変更点をざっくりとまとめてみました。以下は変更点の一部であり、それ以外については実際のドキュメントを参照してください。 免責事項：この記事は、NumPy 2.0.0の変更点について個人的な見解を述べたものであり、NumPyの開発チームや関係者の公式な見解を代表するものではありません。変更点の影響や対応方法については、必ず公式のリリースノートと移行ガイドを参照してください。また、この記事には不正確な情報が含まれている可能性があります。記事の内容を実際のプロジェクトに適用する前に、必ず公式ドキュメントで情報を確認してください。 概要 2006年以来の最初のメジャーリリース 破壊的な変更あり 多くの新機能とPython/C AP
「■なぜかノーコメントでブクマをつける奴は何が目的か」 anond:20210305165140を見て調べてみたくなったのだけど、この増田はファーストブクマ、セカンドブクマに限った話のようなので関係なかった。 ブコメが付かないエントリは[あとで読む]がたくさん付くエントリと似た顔ぶれ。ということはおそらくあとで読みたいのだろう。資産運用や売上などお金関係のエントリが入ったのが[あとで読む]が付くエントリとは少し異なる点か。 ブコメ数が多いエントリは政治系、○○イズム系が多い。サイトとしては朝日新聞系列と増田が目立つ。 2021年2月無言or匿名ブクマがたくさん付いたエントリ トップ20無言or匿名ブクマ数ブクマ数無言or匿名ブクマ率タイトル2357271587%大学の恩師に教わった、「なにがわからないか、わからない」ときの質問のしかた。 ｜ Books&Apps1698181494
【2020年版・初心者向け】独学でAIエンジニアになりたい人向けのオススメの勉強方法 - Qiita
AI Academy Bootcamp ６ヶ月35,000円にてチャットで質問し放題の環境で、機械学習やデータ分析が学べるサービスを提供しております。 数十名在籍しているデータサイエンティストや機械学習エンジニアに質問し放題の環境でデータ分析、統計、機械学習、SQL等が学べます。AI人材に必要なスキルを効率よく体系的に身に付けたい方は是非ご検討ください！ https://aiacademy.jp/bootcamp この記事の対象者 ・将来Pythonでデータ解析をしたいと考えているが、何から手をつけたら良いか知りたい方 ・将来、人工知能に関連した業務に携わりたいと検討中の初学者の方 ・未経験者からAIエンジニアになりたく、そのためにどのような知識が必要か知りたい方 ・AIプログラミングスクールや専門学校に進学しようか考えているが、独学で勉強できる方法を知りたいという方 対象ではない方 ・既
行列入門
行 列 入 門 i 本教材について 本教材は，行列の基本的な性質を学ぶために作成したものです。 行列については，平成 21 年告示の学習指導要領における新設科目「数学活用」の「社会 生活における数理的な考察」の「数学的な表現の工夫」の内容となりました。行列は現代数 学の基礎的な内容として様々な場面で活用されているにもかかわらず，繁雑な計算の意味 やどのような場面で活用されるのかがわかりにくかったことから， 「数学活用」の内容とし たものです。ただし， 「数学活用」の内容としたことから内容は大綱的に示すことになりま した。そこで，専門教科理数科の「理数数学特論」の内容としてはそれ以前のもの（平成 11 年告示の学習指導要領における数学 C の内容）をそのまま残すとともに，高等学校数学を 超える内容に興味をもつ生徒には「数学活用」の内容を踏まえ「線型代数学入門」のような 学校設定科目を設けて指
画像は「巣ごもりDXステップ講座情報ナビ」より 経済産業省は、人工知能（AI）やデータサイエンスなどのデジタルスキルを学べる、無料オンライン講座を紹介する「巣ごもりDXステップ講座情報ナビ」を公開している。 この記事では、同サイトに載っている無料の学習コンテンツのなかから、AIおよびデータサイエンス関連の基礎講座を5つ抜粋して紹介する。 1.松尾豊教授監修のディープラーニング講座が一部無料に 株式会社zero to oneが提供する「E資格試験対策・体験コース」では、東北大学大学院岡谷貴之教授が監修したJDLA認定プログラム「機械学習」および、東京大学大学院松尾豊教授が監修した「ディープラーニング」の一部を体験できる。 無償提供期間は2021年7月2日まで。前提知識はPythonプログラミングの基礎知識、理系の大学1年生のレベルの数学の基礎（微分積分、確率統計、線形代数）。標準受講時間は2
講義では、量子コンピュータの情報単位「量子ビット」や、多数の組み合わせから最適なものを選ぶことに特化したアルゴリズム「量子アニーリング」などについて解説。いずれも電気通信大学大学院の西野哲朗教授（情報通信工学科）が内容を監修する。 講師は学習塾の運営を手掛けるすうがくぶんか（東京都新宿区）の内場崇之さんが務める。初回と最終回には西野教授も登壇する予定。 N予備校はドワンゴが提供。通常は月額1100円でプログラミングやWebデザインのオンライン授業を提供しており、生配信の授業であればコメント機能を使って講師に質問できる点などを特徴としている。 【訂正：2021年9月9日午後9時】当初、講座を提供する組織を「N高等学校」としておりましたが、正しくはドワンゴでしたので、タイトルと本文を修正しました。 関連記事 東大、量子コンピューティングを「手を動かして」ゼロから学べる教材公開 「量子コンピュー
2021年上半期にAI（人工知能）関連メディアであるLedge.aiで公開した記事のうち、反響の大きかったもの再掲します（※初公開日：2021年4月24日）。 今回は株式会社キカガクが提供する「Python & 機械学習入門」を受けてみました。約9時間の講義がすべて無料で受けられます。 本講座は、機械学習に必要な数学の基礎、Google Colaboratoryを用いた実装を学べる講座です。必要なところだけを絞って説明されるのでわかりやすく、基礎を習得できます。カリキュラムは以下のとおりです。 導入微分線形代数単回帰分析重回帰分析１Python速習単回帰分析の実装重回帰分析の実装演習問題統計重回帰分析2「導入」では、主に機械学習についての説明があります。AI・ディープラーニングとの関係性や、機械学習ではどの数学知識が必要なのか言及しています。初めての人は「微分」と「線形代数」を学びましょう
PDFを見返すと独習を始めた頃の線形代数のノートはほとんど殴り書きで、単に計算用紙としてノートを使っています。微分積分に入ると少しはましになってきますが、頭に入れたい概念の定義や定理の証明を何度も書き直したりしています。また独習ですから間違った理解を正しいと思い込んだまま証明を書いて、分かったつもりになっている箇所も少なからずありそうです。とまれ上記の表に挙げた各書籍に曲がりなりにも取り組んだことを示す、書証のつもりでノートを晒しました。 余談ですが、使用したノートは、PLUS の品番 NO-204GS (A4 G罫 5mm方眼 40枚) という方眼ノートです。また筆記用具は当初シャープペンシルを使っていましたが、「オイラーの贈物」からは万年筆に替えました。プラチナ#3776センチュリーUEF(超極細字)を使っています。 1.3 私について 本記事の作者であり学び直しをした本人である私は、
社内勉強会で 機械学習で使う数学入門 の話をしました。 話した内容をブログにします。 目次 AI/ML/DL 人工知能(AI) 機械学習(ML) 深層学習(DL) 機械学習(モデル) MLの問題例 どう機械学習の問題を解くか 機械学習(目的関数) どのようにモデルの良し悪しを測るか 目的関数 目的関数の具体例1 目的関数の具体例2 微分 そもそも微分とは 微分でできること 勾配降下法 微分 まとめ 線形代数 線形代数とは 線形代数でできること 線形代数 まとめ 確率・統計 確率変数・確率分布 条件付き確率 ベイズの定理 混同行列(Confusion Martix) 確率・統計 まとめ 数学をどれくらい学ぶか とりあえず読もう 数式 微分 線形代数 確率・統計 自分の数学の勉強方法 Chainerチュートリアル Project Euler(プロジェクトオイラー) おわりに 参考 AI/ML/
Kaggle Expertになったので、イキってポエムを書こうと思いました。 AIに興味あるけどプログラミングすらできないんだよねという人向けの参考になれば幸いです。 1. 初期スペック (2019年2月) 機械工学系修士卒。よくいるメカニカルエンジニア 線形代数も統計も正直そんなに好きじゃない。力学の方が得意。 AI？あれでしょ。将棋超強いやつでしょ？ パイソン？スト２のボクサーみたいなやつ？ 2. 現在のスペック (2019年12月) Kaggle Expert (微妙?) 機械学習コンペでそれなりの成績 (Kaggle Kuzushiji Recognition 7th,Signate tellus 3rd 5th) 機械学習：なんとなくコーディングできる。 深層学習：なんとなくコーディングできる。 関連論文読める。簡単なものは実装できる。 業務適用も見えてきた 3. 機械学習を学ん
「わけがわかる機械学習」という本を書きました。 一言でいうと、「機械学習はなぜそんなことをしたいか・してもいいか」を解説する入門本です。 わけがわかる機械学習 ── 現実の問題を解くために、しくみを理解する 作者: 中谷秀洋出版社/メーカー: 技術評論社発売日: 2019/08/28メディア: 単行本（ソフトカバー）この商品を含むブログを見る 目次を見るとわかりますが、機械学習の本をうたっていながら、なぜか確率の章が 3 個もあります。ページ数にして約80ページ。全体の 1/3 が確率の話です。 - 0章： はじめに - 1章： 機械学習ことはじめ - 2章： 確率 - 3章： 連続確率と正規分布 - 4章： 線形回帰 - 5章： ベイズ確率 - 6章： ベイズ線形回帰 - 7章： 分類問題 - 8章： 最適化 - 9章： モデル選択 - 10章： おわりに - 付録A： 本書で用いる数学
TL;DR（思ったよりもかなりの長文になってしまったので*1、時間がないという方は1番目と2番目のセクションの冒頭だけお読みください） しんゆうさんの舌鋒鋭いブログ＆note記事にはいつも楽しませていただいているのですが、この記事は一点僕のデータ分析業界の認識に新たな視点を与える話題があって特に目を引きました。それが以下の箇所です。 資格があるわけでもないので名乗るのは自由だし、未経験だろうが文系だろうがそれはどうでもいいのだけど、傍から見ていると「サイエンティスト」と名乗っているわりには「サイエンス」な話をしていないなぁとは思っている。（中略） 現在起きている第３次データサイエンティストブームは「データサイエンティストと名乗りたい人」が盛り上げているように見える。 （太字筆者） この問題は、このブログの前々回の記事でも取り上げています。 ただ、僕はこういう「データサイエンティストになりた
Rubyの機械学習ライブラリまとめ
はじめに 最近では、機械学習関連Gemが多く開発され、Rubyでも機械学習できるようになってきました。代表的なものを、ざっくりとまとめてみました。 まとめ情報 いきなりですが、この記事は私の偏見で選んだものですので、他のまとめ情報も紹介します。もっとも大きなのがAndrei Beliankou (arbox) さんのまとめリポジトリです。色んなものが紹介されています。 Railsエンジニアにとっては、SearchkickやStrong Migrationsで有名な、Andrew Kane (ankane) さんも、機械学習関連のGemを多く作成しています。C/C++のAPIが提供されている、他言語の機械学習ライブラリを、FFI/Fiddle/Riceでラップして、Rubyで使えるようにしています。ankaneさん自身が書かれた、それらGemのまとめ記事があります。 ベクトル・行列・線形代数
今から使う文字の定義をしていきます。 m ・・・ケースの数です。上記のデータセットでは8 x ・・・土地の面積です。xi で、i番目の土地の面積を表します。x2 = 1416 y ・・・土地の価格です。yiで、i番目の土地の価格を表します。y4 = 178 h・・・仮説(hypothesis)を意味する略語です。 4-2 仮説の表現方法を決める 仮説hを表現する表現式を作ります。それがこちら。 hθ(x) = θ0 + θ1x ちなみにこれは、一見難しそうですが、中学生でやる一次関数の式、Y = B + AX と酷似しているのがわかるでしょうか。一次関数は、下のようなグラフですから b → θ0 a → θ1 となっているだけだとわかります。 そしてhθ(x)が、直線を示しています。 一番詰まりやすいところですから、ここだけは暗記して欲しいです。 5 コスト関数(目的関数) 5-1 そもそ
数学の勉強のやり方
はじめにお前は誰やねん解析学を研究している博士課程の2年生。 この記事の目的もし大学1年生の自分に会えたら数学の勉強についてアドバイスしたいことがいくつかあるので、それを簡単にまとめたい。現在進行形で学部生をやっている人の参考になれば嬉しい。ただし、あくまで個人的な考えであり、視点が偏っているので、鵜呑みにはしない方が良い。 最初にやるべきことできる限り早い段階で集合と写像の言葉を覚えよう。微分積分や線形代数より先にこちらをやった方が良い。そもそも集合と写像の言葉は大学数学をやっていくうえで必要不可欠であり、微分積分や線形代数さえこれらの知識がなければ十分には理解できない。それから、定義に従って厳密に議論できるようにならなければ、そもそも大学数学のスタートラインにさえ立てない。集合と写像の勉強はその習得に適していると思う。 ちなみに、僕がこの「スタートライン」に立てたのは学部1年後期だった
数学記号記法一覧（集合・線形代数）
数学記号記法一覧 普段私が用いているルールに則った記号・記法の一覧。私の専門の都合上、情報系の機械学習・数理最適化（線形代数、微積分、微分幾何など）に偏っており、プログラミング言語理論（論理学、圏論）や暗号・符号（群、環、体）の方面はほとんど書いていない。 本記事の内容のほとんどは一般的な表記に則っているため、他の本や論文を読むときに索引してもよい。 記号についてあまり詳しい解説はしない。 実際に表示される記号 なんという名前の概念に対応しているか LaTeX コマンド などを書いておくので、わからなければ各自調べてほしい。 数学記号記法一覧（集合・線形代数） ← いまここ 数学記号記法一覧（解析学・テンソル解析） 数学記号記法一覧（文字装飾・ギリシャ文字・飾り文字） 次 → 数学記号記法一覧（解析学・テンソル解析） Acknowledgement @Hyrodium 様、@Naughie
講義のオフィス・アワーの余談
- はじめに - 本記事では、Rustで扱える機械学習関連クレートをまとめる。 普段Pythonで機械学習プロジェクトを遂行する人がRustに移行する事を想定して書くメモ書きになるが、もしかすると長らくRustでMLをやっていた人と視点の違いがあるかもしれない。 追記：2021/02/24 repositoryにしました。こちらを随時更新します github.com 追記；2021/07/26 GitHub Pagesでウェブサイトにしました vaaaaanquish.github.io - はじめに - - 全体感 - - 機械学習足回り関連のクレート - Jupyter Notebook Numpy/Scipy Pandas 画像処理 形態素解析/tokenize - scikit-learn的なやつ - 各ライブラリと特徴比較 - Gradient Boosting - XGBoos
機械学習について一回挫折してしまったエンジニアが何とかお仕事で機械学習を使えるようになるまで - Qiita
初めに 4x歳越えのエンジニアにとって機械学習は何やらややこしいもの、本を開けば数式があり、pythonがあり、何それおいしいの？5年ほど前にCourceraで機械学習を学ぼうとしたがあっさりAndrew Ng先生はWeek4で挫折。"教師付き学習"と"教師なし学習"のちがいなんだっけ？ 想定している読者 IT業界で別のキャリアを持っていて機械学習のキャリアをみにつけたい、あるいは身につけようとしたが挫折してしまった人 自分のキャリアについて ホストの開発エンジニアから始まり、クライアントサーバー、Webアプリと開発系を云十年。その後ネットワーク、インフラ系を主な仕事にしています。 機械学習とのかかわり 5年ほど前に機械学習の勉強をしようとしたが、何をやっているか意味が分からず、あっさり挫折。その後は雑誌などで読む程度。 注）データ分析・機械学種・人工知能については、この文章では厳密に分け
高等学校数学科教材（行列入門）：文部科学省
本教材は，行列の基本的な性質を学ぶために作成したものです。 行列については，平成21年告示の学習指導要領における新設科目「数学活用」の「社会生活における数理的な考察」の「数学的な表現の工夫」の内容となりました。行列は現代数学の基礎的な内容として様々な場面で活用されているにもかかわらず，繁雑な計算の意味やどのような場面で活用されるのかがわかりにくかったことから，「数学活用」の内容としたものです。ただし，「数学活用」の内容としたことから内容は大綱的に示すことになりました。そこで，専門教科理数科の「理数数学特論」の内容としてはそれ以前のもの（平成11年告示の学習指導要領における数学Cの内容）をそのまま残すとともに，高等学校数学を超える内容に興味をもつ生徒には「数学活用」の内容を踏まえ「線型代数学入門」のような学校設定科目を設けて指導することを推奨してきました。 平成30年告示の学習指導要領では数
こちらの記事は、Rhea Moutafis 氏により2020年5月に公開された『 Bye-bye Python. Hello Julia! 』の和訳です。 本記事は原著者から許可を得た上で記事を公開しています。 Pythonの勢いに歯止めがかかると同時に新しい競争相手の登場だ Juliaがまだあなたにとって未知であっても、心配しないでほしい。 Photo by Julia Caesar on Unsplash 誤解しないでほしい。 Pythonの人気は、コンピュータ科学者、データサイエンティスト、AIスペシャリストといった堅固なコミュニティによって支えられている。 しかし、これらの人々と一緒に夕食をともにしたことがあれば、彼らがPythonの弱点についてどれほどわめき散らしているのかも知っているだろう。 速度が遅いことに始まり過度のテストが必要になること、以前のテストにもかかわらずランタイ
達人出版会
探検! Python Flask Robert Picard, 濱野 司(訳) BareMetalで遊ぶ Raspberry Pi 西永俊文 なるほどUnixプロセス ― Rubyで学ぶUnixの基礎 Jesse Storimer, 島田浩二(翻訳), 角谷信太郎(翻訳) 知る、読む、使う！ オープンソースライセンス 可知豊 きつねさんでもわかるLLVM 柏木餅子, 風薬 デザインディレクション・ブック 橋本 陽夫 現場のプロがやさしく書いたWebサイトの分析・改善の教科書【改訂3版 GA4対応】 小川 卓 解釈可能なAI Ajay Thampi(著), 松田晃一(翻訳) PowerPoint 目指せ達人 基本&活用術 Office 2021 & Microsoft 365対応 PowerPoint基本＆活用術編集部 ランサムウェア対策 実践ガイド 田中啓介, 山重徹 TODによるサステナ
データ解析や数学の理解にはイメージが大切｜Dr. Kano
多変量解析であれ，機械学習であれ，データを解析する道具は数学で鍛えられている．数学というと，数式を見ると蕁麻疹がでるとか，生理的に無理とか，「日常生活で使うことはないから勉強するのは無駄(ｷﾘｯ」とか，色々な感想があるだろうが，理解するために大切なのは，イメージを持つことだ． 例えば，線形代数や微積分．大学に入学すると，必修科目に指定されていれば，とりあえず履修する．δ-εがどうとか語る教員に，頼むから日本語で話してくれと思う学生もいるだろう．私もそうだった．数学の講義で，勉強したことが何に使えるのかを教える先生はいなかった．だから，数学の重要性なんてわからなかったし，興味も持たなかったし，深く理解することもなかった．もちろん，自分の研究としてデータ解析の応用に取り組むようになり，必死で数学の勉強をしなおすはめになることも想像していなかった．それくらい頭が空っぽだったわけだ． そんな昔と違
画像は『スマートエスイー「機械学習」講座PV～ gacco：無料で学べる大学講座』より オンライン講座サイト「gacco（ガッコ）」では5月12日の15時から、早稲田大学を中心に35以上の大学、企業、業界団体が手がける社会人教育プログラム「スマートエスイー」の一環として、オンライン講座「機械学習」が開講される。受講料は無料。 本講座では、人工知能（AI）における機械学習の理論を把握した上で、「Python言語の基礎」「教師あり学習・教師なし学習」「強化学習」「異常検知と半教師あり学習」などについて学べる。実際のデバイスやデータを用いた演習、実習、議論については、オンラインでも参加できるプログラムを用意している。 講師・スタッフは電気通信大学大学院 情報理工学研究科 准教授の清雄一氏、早稲田大学 グリーン・コンピューティング・システム研究機構 研究院客員准教授の坂本一憲氏、早稲田大学 理工学
2022年もゴールデンウイークが始まる。20年～21年と違って、久しぶりに緊急事態宣言が発出されていない連休だ。とはいえ、3回目のワクチン接種が終わっておらず、まだ家で休みを過ごす人もいるかもしれない。中には、連休を勉強に充てる人もいるだろう。 そこで本記事では、連休中にパブリッククラウドについて学習したい人向けに、家で学べる教材の情報をまとめた。ITmediaで2022年に取り上げた記事の中から、4つ紹介する。 AWSをオンラインゲームで学ぼう 米Amazon Web Servicesが3月に公開した「AWS Cloud Quest: Cloud Practitioner」は、遊びながらクラウドサービス「Amazon Web Services」（AWS）の知識を学べるRPGだ。料金は無料。プレイヤーはゲーム内でクラウドエンジニアになり、舞台となる街のトラブルをAWSの技術で解決していくこ
はじめに データサイエンティストを志してみようと思っていろいろ調べたけど、ロードマップを調べても情報が多くてどれをやればいいかわからなくなったので頭の整理も兼ねて初めて記事を書いてみました。 多分知識がついたら増えるので加筆修正します。 初学者なので的外れな部分もあると思いますが、こんなのが足りないとか教えていただいたら加筆したいと思います。 筆者スペック ・MARCH文系卒 ・学部は経営学部 ・３０代前半 ・新卒で商社で７年、メーカーで３年営業 現在３社目 ・プログラミング歴０ データサイエンティストを目指すきっかけ ・会社に仕事をさせてもらう人生ではなく自分で仕事を選べるようになりたいという目標の為。 ・転職を繰り返した結果待遇は生活できるぐらいにはなったけど、 これからの人生とか考えた時に転勤とか含めどうしても会社に身柄を拘束された人生しか見えなかったこと。 ・結婚とか考えた時に収入
史上最年少で「数学検定」１級合格 兵庫の小４、理数系大卒業レベル（神戸新聞NEXT） - Yahoo!ニュース
公益財団法人「日本数学検定協会」（東京）は１０日、１０月に実施した実用数学技能検定で、理数系大学の卒業レベルとされる最難関の１級に、兵庫県西宮市の市立小学校４年安藤匠吾君（９）が史上最年少で合格したと発表した。これまでの最年少記録は昨年１０月に合格した１１歳で、２歳更新した。匠吾君は「合格を知った時は涙が出そうなくらいうれしかった。これからもたくさん数学を学んでいきたい」と話す。（太中麻美） 【写真】ミス日本代表は東大生のリケジョ 数学検定は１９９２年に始まり、年３回実施。同協会によると、１級は出題範囲が解析分野や線形代数、確率統計、アルゴリズム（計算手法）の基礎など幅広く、全て記述式で解答する。１次と２次に分かれ、２０１８年度の年間合格率は５・７％だった。 母の方美さん（４３）によると、匠吾君は１歳でテレビから流れていた「すうじのうた」に興味を持ち、繰り返し見ていた。２歳ごろからは１～１
ゼロからはじめるデータサイエンス 第2版
本書はPythonプログラミングを通してデータサイエンスの基本知識を「ゼロから学ぶ」ことができる入門書です。読者は架空のソーシャルネットワーク運営企業、データサイエンス・スター社のデータサイエンティストとして、さまざまな課題を解決しながら、必要な知識とスキルを着実に積み上げていきます。第1版の発刊から5年。その間、データサイエンスへの注目はますます高まり、Pythonはバージョンアップが進み、ライブラリは一層充実しました。このような変化に伴い、内容を全面的にアップデート。Pythonプログラミングの基礎から線形代数、統計確率の基礎、回帰、機械学習、ナイーブベイズ、決定木、ニューラルネットワーク、ディープラーニング、自然言語処理、ネットワーク分析、リコメンドシステム、データベースとSQL、MapReduce、データ倫理まで、データサイエンスに必要な幅広い知識をカバーします。 正誤表 ここで紹
達人出版会
探検! Python Flask Robert Picard, 濱野 司(訳) BareMetalで遊ぶ Raspberry Pi 西永俊文 なるほどUnixプロセス ― Rubyで学ぶUnixの基礎 Jesse Storimer, 島田浩二(翻訳), 角谷信太郎(翻訳) 知る、読む、使う！ オープンソースライセンス 可知豊 きつねさんでもわかるLLVM 柏木餅子, 風薬 R／RStudioでやさしく学ぶプログラミングとデータ分析 掌田津耶乃 データサイエンティストのための特徴量エンジニアリング Soledad Galli(著), 松田晃一(訳) 実践力をアップする Pythonによるアルゴリズムの教科書 クジラ飛行机 スッキリわかるサーブレット＆JSP入門 第4版 国本 大悟(著), 株式会社フレアリンク(監修) 徹底攻略 基本情報技術者教科書 令和6年度 株式会社わくわくスタディワール
AtCoderで赤タッチしたのももう1.5年も前ですが書きます。覚えていないこと・抜け・漏れなどのオンパレードですがご容赦ください。 お前は誰 kobae964 - AtCoderです。2017年11月に初めてAtCoderでredになりました。 RedCoderになりました！！！！ pic.twitter.com/PcRWWu32qS— koba (@kobae964) 2017年11月11日 なんで今更これ書いたの 当時は面倒だったので書きませんでした。その後人々が変色時に記事を書いていくようになり、見かけた記事は大体全部読んでいました。 微笑ましいと思ったもののAtCoderの赤でそれをやった人を見たことがなかったので、せっかくなので書こうと思いました。すでに誰か書いていたらごめんなさい。 注意事項 筆者はAGCよりもARCの方が得意なため、AGCでの立ち回りは強い人に聞いてください
物理を学びたい人文学徒のための読書案内
人文系の学科に籍を置く大学生・大学院生や，現在大学に所属してない方など，物理のフォーマルな教育を受ける機会がない（あるいはなかった）方で，大学レベルの物理を学びたいと思っている方は多いと思う．しかし，カリキュラムを組んでくれる先生や，どのように学習を進めればいいのかについて情報交換してくれる友人・先輩がいない環境で，ゼロから物理を学ぶのは非常に難しい．知識がない状態では，あるトピックについて学ぶ上でどのような予備知識が要求されるのか分からないし，選んだ教科書が自分の知識レベルに合っているかどうかを判別することも難しいからだ．その結果，自分の知識レベルでは太刀打ちできない本を読もうとして，結局挫折することになる（私もそのような経験を何度かした）． この読書案内は，物理をこれから学ぼうと思う人が直面するこの最初の大きなハードルを乗り越える一助になればと思って書いた．もちろん人文系の学生に限らず
データサイエンス設計マニュアル
本書は広い視野からデータサイエンス全体を俯瞰し、問題を解決する上で重要なことは何か、その設計原則に焦点を当てた入門書です。データを収集、分析、解釈するためのシステムを構築するために必要な、確率・統計の基礎から線形代数、スコアとランキング、統計分析、データマンジング、可視化、数学的モデル、回帰、機械学習まで広範囲にわたってカバーするだけでなく、思考プロセスも重視します。著者は、ニューヨーク州立大学ストーニーブルック校で長年にわたりコンピュータサイエンス教育に携わってきた計算機科学者で、統計学と計算機科学の枠を越えた新しい学問としてデータサイエンスを捉え直し、著者独自のアプローチでデータサイエンスの本質に迫ります。 1章データサイエンスとは 1.1 計算機科学、データサイエンス、リアルサイエンス 1.2 データについての興味深い問い 1.3 データの性質 1.4 分類と回帰 1.5 データサイ
ベイズ統計・ベイズ機械学習を始めよう コンピュータやネットワークの技術進化により，これまでにないほどの多種多様なデータを取り扱う環境が整ってきました．中でも統計学や機械学習は，限られたデータから将来を予測することや，データに潜む特徴的なパターンを抽出する技術として注目されています．これらのデータ解析を行うためのツールはオープンソースとして配布されていることが多いため，初学者でも手軽に手を出せるようになってきています． しかし，データ解析を目的に合わせて適切に使いこなすことは依然としてハードルが高いようです．この原因の一つが，統計学や機械学習が多種多様な設計思想から作られたアルゴリズムの集合体であることが挙げられます．毎年のように国際学会や産業界で新たな手法が考案・開発されており，一人のエンジニアがそれらの新技術を１つ１つキャッチアップしていくのは非常に困難になってきています． １つの解決策
こんにちは、ちゅうげん（@ochugn）です。 2020年春、念願だった米国情報系大学院の博士課程になんとか合格することができました。 これからがスタートラインではありますが、この合格に辿り着くまでに様々な難関があり、次に挑戦する方へ向け少しでも参考になればという想いと、受験直後でまだ記憶が新しいうちに自分自身の振返りも兼ねて受験体験記を執筆してみます。 まずはじめに結果からお伝えすると、 ペンシルバニア州立大学 情報理工学部 博士課程 へ進学予定です。 他にカリフォルニア大学デービス校のCSや、カリフォルニア大学アーバイン校のEECSなどからオファーをいただいておりました。 最近ではありがたいことに日本から海外院へ博士取得を目指す良質な受験記や情報も増えており、もはや自分が書く必要もないのかもしれませんが、一方で社会人が退職して米国大学院PhDを目指した体験記はあまり多くないとも感じてお
日曜化学：量子力学の基本と球面調和関数の可視化（Python/matplotlib） - tsujimotterのノートブック
最近、とある興味 *1 から量子力学（とりわけ量子化学）の勉強をしています。 水素原子の電子の軌道を計算すると、s軌道とかp軌道とかd軌道とかの計算が載っていて、対応する図が教科書に載っていたりしますよね。 こういうやつです： Wikipedia「球面調和関数」より引用 Attribution: I, Sarxos 個人的な体験ですが、予備校の頃は先生の影響で「化学」に大ハマりしていました *2。 ここから「Emanの物理学」というサイトの影響で「物理」に目覚め、そこからなぜか「数学」に目覚めて現在に至ります。そういった経緯もあって、化学には大変思い入れがあります。 特にこの水素原子の軌道の図は当時から気になっていて、自分で描いてみたいと思っていました。先日ようやく理解でき、実際に自分で描画できるまでになりました。以下がその画像です： これはタイトルにもある「球面調和関数」と呼ばれる関数を
はじめに 現在、機械学習エンジニアとしてお仕事をしています。 一応、会社での立ち位置は機械学習エンジニアですが、SESなので、 やることは現場によってまちまちです。今は分析をしつつ推薦ロジックをつくっています。 まだ、この職について半年、実際に業務に携わって３か月くらいの新米のぺーぺーですが、 この半年を振り返りつつ、これからしたいこと、やってきた勉強などを書いていきたいと思います。 そして、私のような経歴の方で、機械学習に挑戦したい方の参考になればと思います。 綺麗事は、書くつもりはなく、ありのままの現実を書きますので、参考にしていただければ幸いです。 これは完全なポエムとなっています。ご了承を。 あと、僕のことを知ってる身内へ。 恥ずかしいので、あまり広めないでね。 私について 私は、地方私立Fラン大学出身です。 数学とプログラミングとは無縁の生活をしていました。 勉学と無縁だったと言
以前、「非情報系が機械学習を使う研究をしたいとき」という記事を書きましたが、内容の半分はサイボウズ・ラボユースの宣伝だったんで、今回はタイトル詐欺じゃあないことも書きます。 いままで機械学習や深層学習に縁のなかった人が、それを使った研究を始めたいとなったとき、共通して直面する大きな課題は「何を優先的に勉強したらいいか」と「実験用の環境(PC)をどのように整えたらいいか」でしょう。 今回は何から勉強する？ という話。 機械学習そのもの(特に自分が使おうとしているモデル)を学ぶのは必須に決まっているので、機械学習を使う上で必要となる前提知識を学ぶ優先順位について考えてみます。 機械学習(深層学習を含む)を使う上でキーになる前提知識は、数学(特に解析・線形代数・統計)とプログラミングを含む情報科学であることは意見の一致するところだと思います。 情報系の人なら、情報科学はさすがにやってます。プログ
$$ \newcommand{\bm}[1]{\mathbf #1} $$ 主成分分析(PCA)の数学的な理論とPythonによる実装¶ Author: Yuki Takei (noppoMan) Github: https://github.com/noppoMan Twitter: https://twitter.com/noppoMan722 Blog: https://note.com/noppoman これは、noteの主成分分析の背景にある数学理論の話(最適化問題)の本文です。 主成分分析の数学的な理論の理解に必要な知識¶ 主成分分析は、アルゴリズム的な観点で見るとデータの分散を最大化させる最適化問題であり、その理論は数学（とくに微分学、線形代数）により与えられている。以下は、主成分分析で使われる数学の分野をざっくりとリストしたものである。 データ分析 分散、共分散 解析学 多
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
統計初学者が統計検定1級に合格する方法 - クルトンのプログラミング教室
Numpyが18年ぶりのメジャーアップデート！ 改善点、変更点まとめ - Qiita
2021年2月の無言ブクマがたくさん付いたエントリ、ブコメがたくさん付いたエントリ
PythonやHTMLなどの基礎文法の講座が無料に | Ledge.ai
ドワンゴ、量子コンピュータの入門講座を無料配信 「高校生でも取り組める形に」
文系大学生が無料のPython入門講座を受けてみた 必要な数学知識も簡単に学べる | Ledge.ai
50代になってから始めた数学の学び直しを振り返り、独習ノートを晒します。
機械学習で使う数学入門(社内勉強会) | DevelopersIO
プログラミング初心者がKaggle Expertになるまでの１０ヵ月間を振り返る - Qiita
機械学習の本なのに、なぜか確率の話が 1/3 を占める「わけがわかる機械学習」 - 木曜不足
データサイエンティストに王道無し - 渋谷駅前で働くデータサイエンティストのブログ
中学生でもこれだけで完全理解する機械学習 Part 1 - Qiita
線形代数というものの見方 / View from Linear Algebra
Rustで扱える機械学習関連のクレート2021 - Stimulator
バイバイ Python。 ハロー Julia！ - Qiita
早大の講師らが担当、機械学習やPythonの基礎を学べる無料講座が開講 | Ledge.ai
連休中の勉強にいかが？ パブリッククラウドの教材情報4選、2022年版
ど素人初学者データサイエンティストロードマップまとめのまとめ - Qiita
AtCoderで赤になるまでにやったこと - koba-e964の日記
ベイズ統計・ベイズ機械学習を始めよう | AIdrops
アラサー社会人、退職してアメリカ情報系大学院PhDを目指す｜ちゅうげん
高校時代、数学ができないことで馬鹿にされてきた僕は機械学習エンジニアになった - Qiita
何から勉強始めたらいい？（非情報系が機械学習を使う研究をしたいとき） - 木曜不足
主成分分析(PCA)の数学的な理論とPythonによる実装