kaiki_model's profile picture. 首都圏情報系B2/Data Analystのインターン中/統計準1級目標/#大学院入試

データサイエンティストになりたいB2

@kaiki_model

首都圏情報系B2/Data Analystのインターン中/統計準1級目標/#大学院入試

Pinned

数理統計と機械学習と線形代数についてたくさん呟くかも。 これから追加されていくであろうQiita→「qiita.com/taharun


データサイエンティストになりたいB2 reposted

機械学習とかの実装と数学的事項のメモを行なっています github.com/taharu-bless77…


データサイエンティストになりたいB2 reposted

日米、80兆円の対米投資を発表 15兆円・原子炉建設に三菱重工業、東芝、IHI、15兆円・小型炉建設 日立GE anonymous-post.mobi/archives/72844


この通りです!

【報告📣】 11/26に、統計検定準1級受けてきます!

ramen01411111's tweet image. 【報告📣】
11/26に、統計検定準1級受けてきます!


願えば、叶うから!

機械学習の基礎を振り返るとともに、非深層学習モデルの数学的理屈と、softmax関数の実装、ロジスティクス回帰…関連をテーマに今日、明日、明後日と勉強していこうかな。 統計準一、学校やディープラーニングの勉強の傍らでつまみ食い的に試験範囲の単元拾って勉強するのも面白いね



データサイエンティストになりたいB2 reposted

【データサイエンティストの学習と現場】 あれ

tarantula_ds_'s tweet image. 【データサイエンティストの学習と現場】
あれ

機械学習の基礎を振り返るとともに、非深層学習モデルの数学的理屈と、softmax関数の実装、ロジスティクス回帰…関連をテーマに今日、明日、明後日と勉強していこうかな。 統計準一、学校やディープラーニングの勉強の傍らでつまみ食い的に試験範囲の単元拾って勉強するのも面白いね


#新しいプロフィール画像 鞍点 『全変数の偏導関数の値が0』 ∧ 『ヘッセ行列の固有方程式の解の存在範囲は正負にまたがる』 どうやらディープラーニングでは、この鞍点に向かうことを防ぐべく、確率的勾配降下法?とかの手法があるらしい。(ド素人)

kaiki_model's tweet image. #新しいプロフィール画像

鞍点
『全変数の偏導関数の値が0』
∧
『ヘッセ行列の固有方程式の解の存在範囲は正負にまたがる』

どうやらディープラーニングでは、この鞍点に向かうことを防ぐべく、確率的勾配降下法?とかの手法があるらしい。(ド素人)

Mongo DBって使ったことないなぁ


おそらく、DL基礎講座は第二回から本格化しますよねー! 僕は第1回はAI活用のレポート、ということでGoogle StudioのAPIで、簡単なC107のQAボットを作ってみました! 大学でもやったRAGの勉強を活かせた!

松尾研のDL基礎講座受けてる人います〜?



松尾研のDL基礎講座受けてる人います〜?


一方… ディープラーニング⇒E資格 統計準一級 ベイズ統計 時系列分析 確率論 + コンピューター全般の教養 ソフトウェア開発知識 という分析基盤構築能力も未だ満足ではない

特異値分解 ジョルダン標準形 数理論理学 集合論 微分方程式 といった数学の学習がまだ未踏の領域すぎてまずい



特異値分解 ジョルダン標準形 数理論理学 集合論 微分方程式 といった数学の学習がまだ未踏の領域すぎてまずい


自己共分散の計算。 ・Σにおけるループカウンター変数は、『時刻』を指定している。 ・また、赤い四角の部分の2変量について、時刻で定まる2変数(a3,a1)……と続く。 ・2変量データの個数T-Kではなく、Tで割るのには、正定値性があるため。また、T-Kで割れば不偏推定量を満たす。

kaiki_model's tweet image. 自己共分散の計算。

・Σにおけるループカウンター変数は、『時刻』を指定している。

・また、赤い四角の部分の2変量について、時刻で定まる2変数(a3,a1)……と続く。

・2変量データの個数T-Kではなく、Tで割るのには、正定値性があるため。また、T-Kで割れば不偏推定量を満たす。

一つのシナリオに対応する各時系列データは、確率空間のモデルに準じれば、母集団統計量(母平均や母分散)が定義されていて、例えばYtの母平均、などというのは怯えることのない普通の表現である。

各元に対して、『我々の観測する現実』を、この集合から任意に抜き出したサンプルの一つとして解釈し、一つのシナリオに対し、予め定義された時刻の数だけを要素数とする時刻についての座標射影の集合(=族)がある。



各元に対して、『我々の観測する現実』を、この集合から任意に抜き出したサンプルの一つとして解釈し、一つのシナリオに対し、予め定義された時刻の数だけを要素数とする時刻についての座標射影の集合(=族)がある。

シナリオ集合 ↑ 観測する世界の無限集合。例えば、時刻をインデックスとしてデータを持たせた多次元ベクトルとして定義されることが一般的。



シナリオ集合 ↑ 観測する世界の無限集合。例えば、時刻をインデックスとしてデータを持たせた多次元ベクトルとして定義されることが一般的。

時系列データ、自身も時刻で定まる実現値であり、その対応はもう少し厳密に話せば、『シナリオ』を元とした集合からある時刻について座標射影されたものとして定義される。



時系列データ、自身も時刻で定まる実現値であり、その対応はもう少し厳密に話せば、『シナリオ』を元とした集合からある時刻について座標射影されたものとして定義される。

自己共分散、自己相関係数 ↑ ・時系列データ を ・ラグ を決めて時系列データを2列用意し、一方の列をラグの分だけズラす。そして、偏差積に用いるデータの組を、線を結び可視化。 までして、計算式を立てる。 こうしないと理解できない。



United States Trends

Loading...

Something went wrong.


Something went wrong.