戦闘のあるゲームを作るなら、考えないといけないのがダメージの計算式。でも、計算式のコツとか基本とか調べると、小難しそうな話が出てきて め、めんどくせぇ～ってなったりしませんか？私はなります。色んな計算式とその特徴を羅列されても、よくわかんなくなっちゃう。 とはいえ私もゲームデザイナーの端くれなので、ダメージ計算式を考える機会がそれなりにあります。そして他人の作った変な計算式に苦しめられることも、いっぱいあります。泣きたい。 大元の計算式が悪いと、それを利用してバランス調整しても苦労する事が多いんですよ。なので、そんな悲劇を少しでも食い止めるためにもですね。 この記事では 数字が苦手な文系の人でも、なんかいい感じに計算式を考る…とっかかりになることを目指して書いていこうかと思います。 ※こういう計算式がある！選んで使え！！という記事ではありません。 ※計算式を考える時、こういうのを把握して、
統計・機械学習の理論を学ぶ手順 - Qiita
社内向けに公開している記事「統計・機械学習の理論を学ぶ手順」の一部を公開します。中学数学がわからない状態からスタートして理論に触れるにはどう進めばいいのかを簡潔に書きました。僕が一緒に仕事をしやすい人を作るためのものなので、異論は多くあると思いますがあくまでも一例ですし、社員に強制するものではありません。あと項目の順番は説明のため便宜上こうなっているだけで、必ずしも上から下へ進めというわけでもありません。 （追記）これもあるといいのではないかというお声のあった書籍をいくつか追加しました。 数学 残念ながら、統計モデルを正しく用いようと思うと数学を避けることはできません。ニューラルネットワークのような表現力が高くて色々と勝手にやってくれるような統計モデルでも、何も知らずに使うのは危険です。必ず数学は学んでおきましょう。理想を言えば微分トポロジーや関数解析のような高度な理論を知っておくのがベス
尖っているのにスムーズに転がる物体「オロイド」幾何学物体「オロイド」 / Credit:Matter Collection（Kickstarter）_The Mega Oloid: Geometric perfection into a colossal artwork（2022）オロイドとは、ドイツの彫刻家または数学者だったパウル・シャッツ氏によって、1929年に発見された幾何学的な物体です。 通常の生活ではめったに見かけない不思議な形をしていますが、構造自体は非常にシンプルです。 オロイド構造は、同じ大きさの円盤2つで成り立っています。 オロイド構造。2つの円が直交している / Credit:Thinkingarena（Wikipedia）_Oloid半径が等しい２つの円盤が直交しており、それぞれの円の中心がもう一方の円の外周と重なるよう設計されているのです。 あとは円盤のふちから円盤
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
ゆうな @kawauSOgood 学部一年生の一般教養の数学を担当してる知人 「（高校時に）文系選択の子で数学が苦手な子は、考えすぎてるんだよね、解釈とか世界観とか、形式的操作と意味を分離できない。対して理系選択の子で数学が苦手な子は、手の動かし方しか知らない。」 2021-11-08 20:05:09
滅多に起こらない現象を表すポアソン分布はイチローの安打数にも当てはまるのか？ １９９４年、プロ３年目のイチローはシーズン２１０安打、打率.３８５を記録して、一気にスーパースターになりました。 この年の打率１０傑は次の通りです。 （年度別成績 1994年パシフィックリーグ｜NPB.JP 日本野球機構 より抜粋） １位と２位以下の差が凄いですね。 いかにイチローが図抜けていたかが分かります。 今年のパ・リーグの規定打席以上の打者２９人の安打数を見ると、試合数より少なくなっていて安打数÷試合数＝０.９３です。 これくらいだと、１試合当たりの安打数は「滅多に起こらない事象の確率分布」であるポアソン分布に従います。 しかし、普通でない打者のイチローは、１試合当たり１.６本以上の安打を打っています。 そのような場合もポアソン分布に従うのでしょうか？ それを調べてみました。 比較対象として１９９４年打率
実家に来て吐きそうなんですが、私のブランド靴が全て無くなっており、まさかの一足800円くらいでエコリングやセカスト等で買取された→「訪問買取怖い」
MMM 不動産屋さん @s42061513 実家に来て吐きそうなんですが、私のブランド靴が全て無くなっており、まさかの一足800円くらいでエコリングやセカスト等で買取されたようです。 全て15万前後。吐きそうです。 記憶が飛びそうなくらい消え去っています。 『Mちゃんのばっかり持ってったよ』 私は怒らない。（涙 2024-01-25 20:37:30 MMM 不動産屋さん @s42061513 たくさん整理したから、自分へのご褒美うめはんで買おうかな🤍 とおっしゃられておりました。 全然良いよ、欲しいもん買い、何がほしいかしらんけど、次から買ったるし、頼むからさわらないでね、と優しめに言いました。数百が消えた事を認知した日。南無。 2024-01-25 20:40:12 MMM 不動産屋さん @s42061513 いや、ツリーするくらい割と凹んでます。 田舎者こわい。シャネルのマトラッセ
データセットの本質的な性質を踏まえないデータ分析には、大抵何の意味もない - 渋谷駅前で働くデータサイエンティストのブログ
前回のブログ記事は、論文紹介という地味なテーマだったにしてはだいぶ話題を呼んだ*1ようで、個人的にはちょっと意外な感があったのでした。確かに、今をときめくTransformerにも苦手なものがあるという指摘は、NN一強の現代にあってはセンセーショナルなものと受け止められても不思議はなかったかと思います。 しかし、それは同時に「データセットが持つ本質的な性質」と「データ分析手法の性質」とのミスマッチと、それが引き起こす問題とについてこれまであまり関心を持ってこなかった人が多いということなのかもしれません。そして、そのミスマッチは冗談でなく古来からある程度定まった類型があり、データ分析業界の古参なら「そんなの常識だよ」というものばかりだったりします。 ところが、最近僕の周囲でもそういうミスマッチが深刻な実問題を招いているケースが散見され、思ったよりもそれは常識ではないのかな？と思わされることが
MMM on Twitter: "消費税を廃止すれば、20兆円ほど民間にお金が残ることになる。今はこの規模の経済制裁を国から受けてるわけだ。 消費税廃止、政府支出の拡大。 この両方をやらないと、日本はどんどん衰退しますよ。"
消費税を廃止すれば、20兆円ほど民間にお金が残ることになる。今はこの規模の経済制裁を国から受けてるわけだ。 消費税廃止、政府支出の拡大。 この両方をやらないと、日本はどんどん衰退しますよ。
https://www.nhk.jp/p/special/ts/2NY2QQLPM3/blog/bl/pneAjJR3gn/bp/pBg9n63J4m/ （前編はこちら） (2022年4月10日の放送内容を基にしています) 2012年8月30日。インターネットに突然、ａｂｃ予想を証明したとする論文が掲載されました。タイトルは「宇宙際タイヒミューラー理論」。著者はアメリカをあとにし、日本での研究生活を選んだ望月新一博士。数学界は驚きと興奮に包まれます。 コロンビア大学 上級講師 ピーター･ウォイト 博士「みんなワクワクしていました。新しいアイデアが数学に流れ込んでくるぞという期待であふれました」 世界中の数学者たちが、一斉に望月論文を読み始めます。 ところがその内容は、多くの数学者をとまどわせるものでした。数学全体を「宇宙」と呼ぶだけでなく、「劇場」「エイリアン」などといった、聞いたこともな
10日間 で AWS Lambda 関数を 28億回 実行した話｜デロイト トーマツ ウェブサービス株式会社（DWS）公式ブログ
はじめに こんにちは、エンジニアの内山です。 最近は AWS を使ったサーバレス開発に従事しています。 今回は、サーバレス開発時にやらかしてしまったお話です。 どんなことが起こった？ プログラムのバグが原因で、AWS Lambda 上で再起呼び出しの無限ループが起こりました。さらに発生時にはそのことに気づけませんでした。 発生時から 10 日後の月末に、請求額が想定よりも異常に高いという報告を受け、その時点で初めて無限ループが起こっていることが発覚しました。 10 日間 で、AWS Lambda 関数が 28億回__ほど実行されており、付随するサービス(X-Ray/CloudWatch Logsなど)の料金も加わって、__27万円 ほどの料金が発生してしまいました。 経緯 ある Lambda 関数から別の Lambda 関数を非同期で実行する処理を実装していました。実際とは少し違いますが、
「組合せ」と言うくらいだから、その値は必ず整数になる。 つまり、組合せを計算する際の分子は必ず分母で割りきれるわけ。 これって、誰も言わないけど、かなり驚きのことだと思う。 例えば、10×9×8×7×6が5×4×3×2×1で割りきれるかって考えてみてほしいんだけど、計算しないですぐわかる？ 直感的にはわからないじゃん。でもこれって、10C5の分子と分母だから、割りきれるわけですよ。 他にも、111×110×99×98×97×96×95が7×6×5×4×3×2×1で割れるとか、わからないでしょ。 これも、111C7の分子と分母だから割りきれるの。 すごさがわかったよね？ もっとすごいのは、これが一般的に言えること。 すなわち、組合せnCrって、任意の整数nから下に連続するr個の整数を、r×r-1×…×2×1で割った値だけど、 こんな変な割り算が、自然数nとrがどんな値でも常に整数になるなんて
Mu @mmtcc0731 物理学に気をつけなさい。それはいつか数学になるから。 化学に気をつけなさい。それはいつか数学になるから。 生物学に気をつけなさい。それはいつか数学になるから。 英語には気をつけなくていい。それはいつまで経っても数学にはならないから。 2022-01-04 22:52:56
ポテト一郎🥔 on Twitter: "【吃驚仰天！正七角形！？】 なな、なんと、円と２本の放物線の交点を結んで正七角形をつくることができるそうです。先ほど初めて知り私もやってみました。そして、その美しさに感動しました。松田康雄先生が発見し、2019年に算額が高見神社に… https://t.co/r1kUfclP9N"
【吃驚仰天！正七角形！？】 なな、なんと、円と２本の放物線の交点を結んで正七角形をつくることができるそうです。先ほど初めて知り私もやってみました。そして、その美しさに感動しました。松田康雄先生が発見し、2019年に算額が高見神社に… https://t.co/r1kUfclP9N
バンダイナムコネクサスは、バンダイナムコグループの中でも最大規模のデータ分析チームを抱えている会社で、ゲーム分析を始めとしたバンダイナムコグループのエンタメ領域全般のデータ分析を幅広く手掛けています。ここでは、バンダイナムコネクサスの山田元太氏が、Marketing Mix Modelingの開発と実装について紹介しました。 バンダイナムコネクサスのデータストラテジーオフィス 山田元太氏（以下、山田）：では最後の発表になります。長丁場でみなさんお疲れかと思いますが、最後もう少しだけお付き合いください。「アプリゲームにおけるMMM開発と実装」というテーマで発表を始めます。本日のアジェンダはこの4点で、まず自己紹介と会社紹介をいたします。 あらためまして、山田元太と申します。所属はバンダイナムコネクサスのデータ戦略部データストラテジーオフィスというところで、BNXと略される会社です。あと、兼務
連載目次 前回は、微分法の数値計算を行いました。今回は、積分の数値計算法を見ていきます。まず、高校で学んだ台形公式を使った積分の数値計算を行い、次により精度のよいシンプソンの公式を使った数値計算を行います。また、乱数を使ってデータのサンプリングを行うモンテカルロ法も紹介します。Pythonの文法やライブラリに関してはNumPyのlinspace関数の利用と、乱数の利用を取り上げます。 今回の練習問題としては、正規分布の－2σ～2σ までの累積確率を求めるプログラム、曲線の長さを求めるプログラム、マルコフ連鎖モンテカルロ法（メトロポリス法）による正規分布のサンプリングを行うプログラムを取り上げます。 上に記した各種の方法は、中学・高校の数学で全て理解できるものです。聞き慣れない用語が幾つか登場しているかもしれませんが、実際のところ面積や割合を求めるために総和の計算をしているだけです。気軽に読
「数学はゲーム業界を支える」投稿が話題に 政府や産業界が「数学」に力を入れ始めた。デジタル化が進む中、数学の知識や思考法が、AI（人工知能）、ビッグデータなど、これからのビジネスや生活に不可欠になっているからだ。グーグル、アップルなどの「GAFA」と呼ばれる大手IT企業を生み出した米国では、すでに10年ほど前から人気職業ランキングの上位を「数学者」「データサイエンティスト」などの数学関連が占める。数学ができれば、つぶしが利く時代の到来。日本も対応を迫られている。 今年6月、ゲームメーカー・セガのツイッター投稿が話題を呼んだ。 サインコサインタンジェント、虚数i…いつ使うんだと思ったあなた。実は数学は、ゲーム業界を根から支える重要な役割を担っているんです。 今日は、セガ社内勉強会用の数学資料150頁超(!)を無料公開。#セガ技術ブログ クォータニオンとは？基礎線形代数講座 #segatech
はじめに 「基礎から機械学習をちゃんと理解したいな」と思うことがあったので、学んだことを自分なりに整理してアウトプットしていきます。基本的には、自分の勉強のため（アウトプットが一番理解が深まると思っているので）ですが、私のような初学者のメモでも、同じような他の初学者の役に立つこともあるのではないかと期待しております。 記事やコードは、修正のリクエストを受けやすいようにQiitaとGitHubをメインにアップしていきます。私自身は、専門家でなく機械学習エンジョイ勢の一個人ですので、不足している点、分かりにくい点、間違いなどあるかと思います。過ちは真摯に受け止めたいと思いますので、是非知見者の方にコメント、編集リクエスト、Pull Requestをしていただけたらと思います。 現時点では、他のサイトに説明を丸投げしていたり、数式をきちんと記載できていないところ多々あるのですが、最終的には、この
![Pythonで基礎から機械学習まとめ - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/b0153c91147d4b84de7fbac87f6c3ee8222b4131/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20190905%2F20190905002807.png)
変な千羽鶴を作ろう - 偽計数学妨害罪
こんにちは、チオールです。 冷蔵庫の下から失礼します。 突然ですが、皆さんは千羽鶴というものをご存知でしょうか。 ☝普通の千羽鶴 千羽鶴とは折り鶴(鶴という生物を象った紙製の構造物)を1000個束ねたオブジェクトで、古くから健康・復興・世界征服などの雑多な祈りごとに使われてきました。 今の世情を鑑みて「千羽鶴を作って祈りを捧げたい！」と思う人も少なからず存在するようですが、それに対して私は常々こう思っていました。 というわけで、今回は私が発見した「普通じゃない千羽鶴」の作り方を紹介します。 作り方 作り方といっても特別なことをするわけでは無く、単に「普通じゃない折り鶴」を折るだけです。 作る折り鶴の種類は場合によって変わりますが、今回は27種類の折り鶴を37羽ずつ作りました。 というわけで、1種類ずつ紹介していきます。 #1："羨望" 頭と尾が無く、片方の翼が3枚ある鶴です。 写真の横の白
ブログ「読書猿 Classic: between/beyond readers」主宰。「読書猿」を名乗っているが、幼い頃から読書が大の苦手で、本を読んでも集中が切れるまでに20分かからず、1冊を読み終えるのに5年くらいかかっていた。 自分自身の苦手克服と学びの共有を兼ねて、1997年からインターネットでの発信（メルマガ）を開始。2008年にブログ「読書猿Classic」を開設。ギリシア時代の古典から最新の論文、個人のTwitterの投稿まで、先人たちが残してきたありとあらゆる知を「独学者の道具箱」「語学の道具箱」「探しものの道具箱」などカテゴリごとにまとめ、独自の視点で紹介し、人気を博す。現在も昼間はいち組織人として働きながら、朝夕の通勤時間と土日を利用して独学に励んでいる。 『アイデア大全』『問題解決大全』（共にフォレスト出版）はロングセラーとなっており、主婦から学生、学者まで幅広い層か
【読売新聞】ＰＯＩＮＴ ■数学は一般の人が持つイメージとは逆に、ルールがない自由な学問だ。どんな分野に応用できるかではなく、研究者の好奇心が研究の原動力となる。研究成果を世界中の研究者が共有し、議論することでより大きな成果が生まれる
リーマンの再配列定理を使って級数を「お望みの実数」に収束させよう - tsujimotterのノートブック
今日のテーマは 「リーマンの再配列定理」 です。「条件収束する実数列の級数は、再配列によって任意の実数に収束させることができる」という主張です。何を言っているかわからないという方にも、これから詳しくは説明していきますのでご安心ください。 無限級数 が絶対収束するとは、各数列に絶対値をつけた が収束するということです。名前の通りですね。 対する条件収束とは、無限級数が絶対収束はしないが収束はすることを言います。 たとえば、平方数の逆数の和 は絶対収束しますが、自然数の逆数を足し引きする級数（交代級数） は条件収束します。後者が条件収束であることは、たとえばこちらの記事の最後に紹介されています： mathtrain.jp 「なぜ絶対収束か条件収束を気にするのか」と疑問に思った方もいるかもしれませんが、それにはワケがあります。 絶対収束する級数は、足し合わせる順番に関わらず同じ値に収束します。つ
｜DMM inside
【Marketing Mix Modeling（MMM）Guidebookをリリース】「Analytics AaaS」の提供による知見を踏まえ、マーケティングの投資対効果を最大化する方法を公開
Marketing Mix Modeling Guidebook ーAnalytics AaaSの知見を踏まえ、マーケティングの投資対効果を最大化するためのポイントを公開ー マーケティング・ミックス・モデリング（以下MMM）を実践的に活用する方法について、Google Japanと協働しまとめたガイドブックを公開いたします。博報堂ＤＹグループが長年提供してきたMMMサービス「Analytics AaaS」の知見も活かし、MMMをマーケターが使いこなすために必要な知識や自社の事業実態に適したモデルの選定指針などについて提示しております。
幾何学とアートを融合した独特・不思議な回転をするオブジェ「SPHERICON（スフェリコン）」のご紹介です。 SPHERICON（スフェリコン）は、回転の半分を半分にカットし、90度回転させることで、自己矛盾するように見える幾何学的特性を持つ3次元フィギュア。 ステンレススチール・ブラス・コッパーの高品質メタル製であなたの空間にフィット。 Sphericon（スフェリコン） 昼も夜も美しく光りを反射し、滑らかな表面に魅了されます。合理性を体現するエッジに集中して集中力を高め、ピースが動くさまざまな軌道に見入ってください。 Hexasphericon（ヘキサスフェリコン） 特別な理由 様々な革命的な固体から製作 転がっている間、表面のすべての一点が地面に接触 各Sphericon（スフェリコン）はジオメトリに応じて異なるモーションラインを保有 モーションはランダムに見えますが、予測可能な方向
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
Marketing-Mix-Modeling（MMM）に関する所感や問題意識について - Leverages データ戦略ブログ
目的と背景 レバレジーズのデータ戦略室で室長をしている阪上です。 今回は、最近仕事で使うことがあり、調べているMarketing Mix Modeling（MMM）について簡単に紹介したいと思います。この分野に関して、あまり国内で盛り上がっていないように感じたため、僭越ながら少しでも関心を持つ方が増えることを願って記しました。 今回は具体的に自社でどのような分析を行ったかについては記しておりませんが、今後、別の記事で用意したいと思います。 MMMとは Marketing Mix Modeling（MMM）は各種メディアへの支出が、企業の売上にどのように影響を与えるのかを理解するために、あるいは最適なメディア投資を行うための支出の配分を決めるために使われます。主に回帰分析などの手法を用いて、時系列データである売上を同じく時系列データである各種メディアのインプレッションなどで説明づけるというア
人類史上初ルービックキューブの超簡単な最新攻略法。2年で250万再生。覚える手順は１つ。小学1年～100才まで。初心者・１度挑戦して諦めた人・誰でもわかる丁寧な説明。１時間で覚え１分で揃う革命的解法。
2年で 250万 再生、３万の高評価(イイね) を頂きました！。皆さん有難うございます。 若者 ： １時間で覚えて１分で揃う。 中年 ： ２日で覚えて２分で揃う。 高齢者 ：３週間で覚えて３分で揃う。 後期高齢者：脳トレ・ボケ防止に最適。 Index 0:00 序：人類史上初の超簡単な攻略法「新高橋メソッド」 1:42 ステップ０ ：基本動作（持ち方、右動作、左動作） 6:27 ステップ１ ：１段目、黄色の十字 10:32 ステップ２ ：１段目、完全一面 14:10 ステップ３ ：２段目、中段完成 18:00 ステップ４-1 ：３段目、白の十字 20:28 ステップ４-2 ：３段目、白十字の側面 24:47 ステップ５-1 ：３段目、白コーナーの向き（全面白） 27:09 ステップ５-2 ：３段目、白コーナーの場所（６面完成） 今世紀最高のパズルの超シンプルな解法を堪能してくだ
ピザの定理 - Wikipedia
n = 8 ：黄色の部分の面積 = 紫色の部分の面積 8個の部分の場合の、Proof without words（英語版）（言葉なしの証明）Carter & Wagon (1994a)。 初等幾何学におけるピザの定理（ピザのていり、英: pizza theorem）は、円板をある方法で切り分けると、2つの部分の面積を等しくすることができるという定理である。 p を円板内部の任意の点とし、n を 8 以上の 4 の倍数とする。まず p を通る任意の直線に沿って円板を切り、直線を p を中心に 2π/n ラジアンずつ回転させてはそれに沿って円板を切るという操作を計 n/2 − 1 回繰り返し、n/2 本の直線で円板を n 個の部分に切り分ける。そして時計回りまたは反時計回りに各部分に番号を順に振る。このとき、 『奇数番目の部分の面積の和は、偶数番目の部分の面積の和に等しい(Upton 1968
ATR503文元ネタ集
atr.md ATR 音素バランス 503 文元ネタ集 判明している音素バランス文の元ネタを集めた。 Subset A a01: あらゆる現実をすべて自分のほうへねじ曲げたのだ。 「マルサの女 撮影日記」（伊丹十三）（文藝春秋 1987 年 2 月）（c03、g01 と同一） キャスティング、ロケハン、セット、装飾、天候、その他の現実的な諸条件とぶつかるたびにその現実と折り合いをつけ、それを何千回と重ねた結果、シナリオを書いた段階で抱いていたイメージからは想像もつかぬほど遠くへ来てしまった。 現実と妥協したのではない。あらゆる現実をすべて自分のほうへねじ曲げたのだ。 この映画は、隅から隅まで、自分にとって「これはこうでなければならぬ」というものだけででき上がっている。 この光、この影、この音、この音楽、この人間たち、この演技、この風景、この建物、この室内。 自分にとって、これらはすべてこう
MMM (Media/Marketing Mix Modeling)を回すなら、まずGeorge E. P. Boxの格言を思い出そう - 渋谷駅前で働くデータサイエンティストのブログ
「最後の統計学界の大御所」の一人で、2013年に亡くなったGeorge E. P. Box*1が残した格言 "All models are wrong; but some are useful"（全てのモデルは間違っている、だが中には役立つものもある）ですが、このブログでは過去に何度も紹介しているのでお馴染みという方も多いかと思います。 実際、5年前にもBoxの格言については独立した記事として取り上げており、ちょっとしたシミュレーションと共に「厳密ではないが有用なモデル」の話題を展開しています。ただ、今回の記事で僕が改めてBoxの格言を取り上げようと思った背景はまた別にあります。それが、広告マーケティング業界で最近ルネサンス的な脚光を浴びているMMM (Media/Marketing Mix Models)の扱われ方という問題です。 MMMというと経営学のマーケティングの教科書にも載ってい
『MarkeZine』が主催するマーケティング・イベント『MarkeZine Day』『MarkeZine Academy』『MarkeZine プレミアムセミナー』の 最新情報をはじめ、様々なイベント情報をまとめてご紹介します。 MarkeZine Day
Bias Correction For Paid Search In Media Mix Modeling[A4一枚まで備忘録] – かものはしの分析ブログ
都内の事業会社で分析やWebマーケティングの仕事をしています。大学・大学院では経済学を通じて統計解析を行うなどしておりました。企業に勤めてからは、機械学習やテキストマイニング、クローリング技術などに関心を持っています。 Twitterアカウント Mr_Sakaue( SKUE ) GitHub 読書メーター ほしいものリスト A4用紙1枚にまとめるイメージでメモを残そうという取り組みです。 今回は2018年のGoogleのMedia Mix Modeling（マーケティング・ミックス・モデリング）に関する論文です。Bias Correction For Paid Search In Media Mix Modeling前回と違い、因果推論の観点で考察などが書かれています。前回のものがモデリングのテクニカルな側面を描いたものとすると、今回はテクニカルな話は置いておいて、因果関係について様々な
![Bias Correction For Paid Search In Media Mix Modeling[A4一枚まで備忘録] – かものはしの分析ブログ](https://cdn-ak-scissors.b.st-hatena.com/image/square/a787dca9147676db06027eb58bb689b8fa4eb62b/height=288;version=1;width=512/http%3A%2F%2Fkamonohashiperry.com%2Fwordpress%2Fwp-content%2Fuploads%2F2018%2F08%2Fanimal_kamonohashi.png)
こんにちは。皆さんは "強化学習" と聞いて、何を想像しますか？ プロ棋士よりも強い囲碁 AI や、ビデオゲームで人間に勝る AI、ルービックキューブを解くことができるロボットアームなど、強化学習にまつわる象徴的な研究結果が数多く出されており、強化学習のポテンシャルに魅力を感じている方も多いのではないでしょうか？ そこで、今日は "実装" をテーマに、強化学習アルゴリズム Deep Q-Network (DQN) を実装しながら、強化学習実装の Tips を共有していきたいと思います。 この記事では、"深層学習の実装経験があり、これから強化学習も触ってみたい方" を対象とします。強化学習の知識は問いませんが、"実装" をテーマにした記事のため、必要な知識は "何となく理解する" ことにフォーカスして解説します。実際に PyTorch を用いて DQN を実装していくことで、強化学習の実装の
ゲーデルの不完全性定理をご存知でしょうか。前世紀に発見された数学の定理の中で、抜群の知名度を誇り、コンピューターのひな形となるチューリングマシンの創案にも大きな影響を与えたと言われています。この定理は、「不完全」「無矛盾」「決定不能」など思想的な響きをもつ言葉で表され、一見哲学的な印象を与えています。しかし、定理自体はあくまで数学の命題です。数学的論理で証明されていることを念頭に置き、周辺の関連項目・話題にも触れながら、この奥深い数理論理の世界を探検してみましょう。 アリストテレス以来 最も偉大な論理学者といわれる。 クルト・ゲーデル【 1906 - 1978 】 オーストリア・ハンガリー帝国（現チェコ）に生まれ、アメリカに移住した数学者。ウィーン大学で数学と物理を学んだ。1930年に学位論文として1階論理の完全性定理を発表後、1931年には、自然数の体系での決定不能な命題の存在を証明する
Robyn
RobynRobyn is an experimental, AI/ML-powered and open sourced Marketing Mix Modeling (MMM) package from Meta Marketing Science. A New Generation of Marketing Mix ModelingOur mission is to democratise modeling knowledge, inspire the industry through innovation, reduce human bias in the modeling process & build a strong open source marketing science community. Automated hyperparameter optimization w
GitHub - uber/orbit: A Python package for Bayesian forecasting with object-oriented design and probabilistic models under the hood.
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
エクセル近似曲線の罠 - 小人さんの妄想
エクセル近似曲線の「指数近似」「累乗近似」は、いわゆる非線形最小二乗法ではない。 ・エクセルで用いているのは、データの対数に直線をあてはめるという方法。 ・いわゆる非線形最小二乗法とは、残差（誤差）の２乗和を最小にする方法。 詳しいことは以下のページで尽きているのだが、エクセルの近似曲線は便利だと、 私自身多くの人に勧めている手前、注意を忘れないよう記載しておく。 * Excelグラフ累乗，指数，多項式近似の論文記載の注意(生物科学研究所 井口研究室) >> https://biolab.sakura.ne.jp/excel-graph.html * 指数近似 赤い点で描かれているのが元になるデータ、 Y = 0.8 * exp( 0.3 * X ) に、Xに比例する大きさで正規乱数を加えたもの。 下側の青い線がエクセルの指数近似曲線。 上側の緑の線はＲ言語による非線形回帰。 * 累乗近似
Both Bayesian and varying coefficient models are very useful tools in practice as they can be used to model parameter heterogeneity in a generalizable way. Motivated by the need of enhancing Marketing Mix Modeling at Uber, we propose a Bayesian Time Varying Coefficient model, equipped with a hierarchical Bayesian structure. This model is different from other time varying coefficient models in the
電通の「事業グロース実践ウェビナー」では、日々進化するビジネスの最新の知見を発信しています。本連載では、事業グロース実践ウェビナー2022 by 電通People Driven Marketingから、注目のセッションをピックアップ！登壇者に改めてお話を伺います。 今回のテーマは、今注目を浴びつつある「MMM」（マーケティング・ミックス・モデリング）。「統計技術」を用いて、さまざまなマーケティング施策の効果を可視化し、将来のメディア施策の予算配分を最適化するアプローチです。 今回は電通グループの知見を踏まえた、実践的MMM導入のアプローチの解説です。統計プロフェッショナルである田中悠祐氏、MMMにマーケティングのプロとして向き合っている福田博史氏、グローバルで豊富なMMM実績を持ち、現在はデータ活用のソリューションカンパニーである電通クロスブレインで代表取締役を務める川邊忠利氏という、電通
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
頭が痛くならない「ダメージ計算式」の基本の話｜だらねこ
転がるとき”全ての表面が地面に接する”不思議な幾何学立体「オロイド」 - ナゾロジー
GitHub - The-Japan-DataScientist-Society/100knocks-preprocess: データサイエンス100本ノック（構造化データ加工編）
大学で教養数学を教えている知人が分析する文系・理系それぞれの数学が苦手になってしまう理由とは？「なんかわかる気がする」
イチローの安打数がポアソン分布にならず正規分布になる理由を考察してみた | ロジギーク
数学者は宇宙をつなげるか？ａｂｃ予想証明をめぐる数奇な物語（後編）スペシャル - NHK
組合せ（nCr）の分子が、分母で必ず割れるってすごくない？
物理学も化学も生物学もぜんぶ数学になるが、数学は数学じゃなくなるので気をつけろ「自然界を理解するための道具」
強みは「モデルの柔軟性」「包括性」「プライバシー性」 バンダイナムコネクサスが実装したMMMの利点
積分法の数値計算をプログラミングしてみよう
｢デジタル力は中国､韓国以下｣なぜ日本は"数学ができない大人"ばかりになってしまったのか ｢下手に理系に進むと損をする｣
Pythonで基礎から機械学習まとめ - karaage. [からあげ]
「数学が今の事務の仕事に役立たないので、学ぶ気が起きない」への衝撃的に面白い回答
【インタビュー】数学は世界の混沌を救えるか 中島啓・国際数学連合（ＩＭＵ）次期総裁
LightweightMMMを実践データで使ってみた感想 - DMM inside
SPHERICON｜幾何学とアートを融合した独特・不思議な回転をするオブジェ「スフェリコン」
MMMへの関心の高まりにはCookie規制の影響が。ビジネスに取り入れる時のポイントを語る
強化学習実装入門 (DQN 編) | トシキワタナベのブログ
CTC これからの世界を読み解く 数学体感教室2022｜朝日新聞デジタル
Bayesian Time Varying Coefficient Model with Applications to Marketing Mix Modeling
MMM導入の手引き。市場をモデル化すれば広告予算配分が最適化できる | ウェブ電通報
jetstream.blog
talkitter.com
xenospectrum.com
tomokutchi.hatenablog.com
financial-field.com
note.com/samoedon