ネイピア DS

「のんびり統計」です。 データサイエンス／統計の情報を発信をします！ 機械が学習すると…

ネイピア DS

「のんびり統計」です。 データサイエンス／統計の情報を発信をします！ 機械が学習すると私も学習するという相互学習関係を構築しています。 楽しくデータサイエンスを学べる場に、って思って書いています。

  • 楽しい写経 Python・ベイズ・機械学習・統計・生成AI…

    技術書などの「写経」を記事にします。 ただいまPython、ベイズ、機械学習、統計、異常検知、生成AIに取り組み中。 一緒に技術スキル向上を目指しましょう！

  • データサイエンスっぽいことを綴る

    データサイエンスっぽいことを綴るコラムのような不定期の書き物です。 おもに統計、データ分析、AI、機械学習、Pythonです。

  • のんびり統計－統計検定２級問題集を解いて－

    一緒に統計を学びましょう！ 統計検定２級の問題を手がかりにして、直感的に書き綴ります。 問題集が無くてもＯＫ。データに基づく統計の学びの話題を揃えています！ データサイエンス熱の高まりがやまない昨今です。 データを読み解く統計の知識を楽しく学んで、数字活用力の基礎づくりをしてみませんか！？ ＜記事の構成＞ 【問題を解く】統計検定2級CBT公式問題集を解きます 【知る】CBT問題集にまつわる統計トピックの読み物です 【実践する】手作業・EXCEL・Python・Rで統計トピックを動かします

  • 実験！たのしいベイズモデリング１＆２をPyMC Ver.5で

    ベイズモデリングをPyMCで楽しもう！という実験的なブログです。 引用するデータ分析書籍「たのしいベイズモデリング」「たのしいベイズモデリング２」をPyMCのパワーで200%楽しもうと思っています。 その他のベイズ書籍の取り組み記事もマガジンで参照できるようにしています。

  • Twitterアカウントが永久凍結になった件

    MZDAOのトレンドジャックイベントに参加して、なぜかTwitterアカウントが永久凍結に！ トレンドジャックイベントの様子から永久凍結の解除までを赤裸々に綴ります。 参考までに。

すべてのマガジンを表示
  • 固定された記事

ごあんない

あいさつ こんにちは、のんびり統計です。 統計・データサイエンスを一緒に学びましょう！ この記事は、ブログの７つのテーマを紹介しています。 気になるテーマがありましたら、リンクで目次にお進みくださいませ。 １．のんびり統計 統計検定２級の問題集を手がかりにして、確率・統計をざっくり掘り下げるブログです。 雑談感覚で大丈夫です。ぜひ覗いていってくださいね。 統計検定２級公式問題集CBT対応版に対応しています。 Python、EXCELのサンプルコードの配布もあります。

ネイピア DS

    • 「数値シミュレーションで読み解く統計のしくみ」をPythonで写経 ～ 第３章3.2「確率変数の期待値と分散」

      第３章「乱数生成シミュレーションの基礎」書籍の著者　小杉考司 先生、紀ノ定保礼 先生、清水裕士 先生 この記事は、テキスト「数値シミュレーションで読み解く統計のしくみ」第３章「乱数生成シミュレーションの基礎」3.2節「確率変数の期待値と分散」の Python写経活動 を取り扱います。 前回からシミュレーションの核である乱数生成に取り組みます。 今回は確率分布との親交（理解）を深めるために、いくつかの確率分布に従う確率変数の期待値と分散をシミュレーションなどを使って確認しま

      ネイピア DS

      • 「Pythonによる異常検知」を寄り道写経 ～ 第３章3.4節「機械学習による時系列データの解析」①多層パーセプトロン

        第３章「時系列データにおける異常検知」書籍の著者　曽我部東馬 先生、監修　曽我部完 先生 この記事は、テキスト「Pythonによる異常検知」第３章「時系列データにおける異常検知」3.4節「機械学習による時系列データの解析」の通称「寄り道写経」を取り扱います。 ２回連続で機械学習を利用した時系列データ解析を寄り道写経します！ 今回は 多層パーセプトロン（MLP）です。 ※異常検知はありません。 ではテキストを開いて時系列データ解析の旅に出発です🚀 はじめにテキスト「Py

        ネイピア DS

        • 「数値シミュレーションで読み解く統計のしくみ」をPythonで写経 ～ 第３章3.1「確率変数と確率分布」

          第３章「乱数生成シミュレーションの基礎」書籍の著者　小杉考司 先生、紀ノ定保礼 先生、清水裕士 先生 この記事は、テキスト「数値シミュレーションで読み解く統計のしくみ」第３章「乱数生成シミュレーションの基礎」3.1節「確率変数と確率分布」の Python写経活動 を取り扱います。 今回からシミュレーションの核になる乱数生成に取り組みます。 確率分布との親交（理解）を深めつつ、確率分布から生み出される乱数の１つ１つに思いを寄せて、コードをPython写経します。 R の基

          ネイピア DS
        • 固定された記事

        ごあんない

        ネイピア DS

        • 「数値シミュレーションで読み解く統計のしくみ」をPythonで写経 ～ 第３章3.2「確率変数の期待値と分散」

          ネイピア DS

        • 「Pythonによる異常検知」を寄り道写経 ～ 第３章3.4節「機械学習による時系列データの解析」①多層パーセプトロン

          ネイピア DS

        • 「数値シミュレーションで読み解く統計のしくみ」をPythonで写経 ～ 第３章3.1「確率変数と確率分布」

          ネイピア DS

        マガジン

        • 楽しい写経 Python・ベイズ・機械学習・統計・生成AI…
          78本
        • データサイエンスっぽいことを綴る
          31本
        • のんびり統計－統計検定２級問題集を解いて－
          79本
        • 実験！たのしいベイズモデリング１＆２をPyMC Ver.5で
          45本
        • Twitterアカウントが永久凍結になった件
          4本
        • 実験！岩波データサイエンス1のベイズをPyMC Ver.5で
          14本

        記事

          「Pythonによる異常検知」を寄り道写経 ～ 第２章2.4節「高度な特徴抽出による異常検知」⑤制約付きボルツマンマシン(RBM)

          第２章「非時系列データにおける異常検知」書籍の著者　曽我部東馬 先生、監修　曽我部完 先生 この記事は、テキスト「Pythonによる異常検知」第２章「非時系列データにおける異常検知」2.4節「高度な特徴抽出による異常検知」の通称「寄り道写経」を取り扱います。 ５回連続で高度な特徴抽出技術を利用した異常検知を寄り道写経します！ 今回は 制約付きボルツマンマシン（RBM）による異常検知です。 ではテキストを開いて異常検知の旅に出発です🚀 はじめにテキスト「Pythonによ

          ネイピア DS

          「Pythonによる異常検知」を寄り道写経 ～ 第２章2.4節「高度な特徴抽出による異常検知」⑤制約付きボルツマンマシン(RBM)

          ネイピア DS

          「数値シミュレーションで読み解く統計のしくみ」をPythonで写経 ～ 第２章2.4「プログラミングの基礎」

          第２章「プログラミングの基礎」書籍の著者　小杉考司 先生、紀ノ定保礼 先生、清水裕士 先生 この記事は、テキスト「数値シミュレーションで読み解く統計のしくみ」第２章「プログラミングの基礎」2.4節「プログラミングの基礎」および2.5節「演習問題」の Python写経活動 を取り扱います。 前前回からの３記事はシミュレーションの準備体操にあたります。 R の基本的なプログラム記法はざっくり Python の記法と近いです。 コードの文字の細部をなぞって、R と Python

          ネイピア DS

          「数値シミュレーションで読み解く統計のしくみ」をPythonで写経 ～ 第２章2.4「プログラミングの基礎」

          ネイピア DS

          「Pythonによる異常検知」を寄り道写経 ～ 第２章2.4節「高度な特徴抽出による異常検知」④オートエンコーダ(AE)

          第２章「非時系列データにおける異常検知」書籍の著者　曽我部東馬 先生、監修　曽我部完 先生 この記事は、テキスト「Pythonによる異常検知」第２章「非時系列データにおける異常検知」2.4節「高度な特徴抽出による異常検知」の通称「寄り道写経」を取り扱います。 ５回連続で高度な特徴抽出技術を利用した異常検知を寄り道写経します！ 今回は オートエンコーダ（AE）による異常検知です。 ではテキストを開いて異常検知の旅に出発です🚀 はじめにテキスト「Pythonによる異常検知

          ネイピア DS

          「Pythonによる異常検知」を寄り道写経 ～ 第２章2.4節「高度な特徴抽出による異常検知」④オートエンコーダ(AE)

          ネイピア DS

          「数値シミュレーションで読み解く統計のしくみ」をPythonで写経 ～ 第２章2.3「関数を作る」

          第２章「プログラミングの基礎」書籍の著者　小杉考司 先生、紀ノ定保礼 先生、清水裕士 先生 この記事は、テキスト「数値シミュレーションで読み解く統計のしくみ」第２章「プログラミングの基礎」2.3節「関数を作る」の Python写経活動 を取り扱います。 前回からの３記事はシミュレーションの準備体操にあたります。 R の基本的なプログラム記法はざっくり Python の記法と近いです。 コードの文字の細部をなぞって、R と Python の両方に接近してみましょう！ ではテ

          ネイピア DS

          「数値シミュレーションで読み解く統計のしくみ」をPythonで写経 ～ 第２章2.3「関数を作る」

          ネイピア DS

          「Pythonによる異常検知」を寄り道写経 ～ 第２章2.4節「高度な特徴抽出による異常検知」③主成分分析(PCA)

          第２章「非時系列データにおける異常検知」書籍の著者　曽我部東馬 先生、監修　曽我部完 先生 この記事は、テキスト「Pythonによる異常検知」第２章「非時系列データにおける異常検知」2.4節「高度な特徴抽出による異常検知」の通称「寄り道写経」を取り扱います。 ５回連続で高度な特徴抽出技術を利用した異常検知を寄り道写経します！ 今回は 主成分分析（PCA）による異常検知です。 ではテキストを開いて異常検知の旅に出発です🚀 はじめにテキスト「Pythonによる異常検知」の

          ネイピア DS

          「Pythonによる異常検知」を寄り道写経 ～ 第２章2.4節「高度な特徴抽出による異常検知」③主成分分析(PCA)

          ネイピア DS

          「数値シミュレーションで読み解く統計のしくみ」をPythonで写経 ～ 第２章2.1「言語の基礎」

          第２章「プログラミングの基礎」書籍の著者　小杉考司 先生、紀ノ定保礼 先生、清水裕士 先生 この記事は、テキスト「数値シミュレーションで読み解く統計のしくみ」第２章「プログラミングの基礎」2.1節「言語の基礎」および2.2節「オブジェクトと変数の種類」の Python写経活動 を取り扱います。 今回からの３記事はシミュレーションの準備体操にあたります。 R の基本的なプログラム記法はざっくり Python の記法と近いです。 コードの文字の細部をなぞって、R と Pyth

          ネイピア DS

          「数値シミュレーションで読み解く統計のしくみ」をPythonで写経 ～ 第２章2.1「言語の基礎」

          ネイピア DS

          「Pythonによる異常検知」を寄り道写経 ～ 第２章2.4節「高度な特徴抽出による異常検知」②EM法

          第２章「非時系列データにおける異常検知」書籍の著者　曽我部東馬 先生、監修　曽我部完 先生 この記事は、テキスト「Pythonによる異常検知」第２章「非時系列データにおける異常検知」2.4節「高度な特徴抽出による異常検知」の通称「寄り道写経」を取り扱います。 ５回連続で高度な特徴抽出技術を利用した異常検知を寄り道写経します！ 今回は EM法による異常検知です。 ではテキストを開いて異常検知の旅に出発です🚀 はじめにテキスト「Pythonによる異常検知」のご紹介 この

          ネイピア DS

          「Pythonによる異常検知」を寄り道写経 ～ 第２章2.4節「高度な特徴抽出による異常検知」②EM法

          ネイピア DS

          「数値シミュレーションで読み解く統計のしくみ」をPythonで写経 ～ 第１章「本書のねらい」

          第１章「本書のねらい」書籍の著者　小杉考司 先生、紀ノ定保礼 先生、清水裕士 先生 この記事は、書籍「数値シミュレーションで読み解く統計のしくみ」第１章「本書のねらい」の Python写経活動 を取り扱います。 今回は「シミュレーションのデモンストレーション」を写経します！ では書籍を開いてシミュレーションの旅に出発です🚀 はじめに書籍「数値シミュレーションで読み解く統計のしくみ」のご紹介 このシリーズは書籍「数値シミュレーションで読み解く統計のしくみ〜Rでためしてわ

          ネイピア DS

          「数値シミュレーションで読み解く統計のしくみ」をPythonで写経 ～ 第１章「本書のねらい」

          ネイピア DS

          シリーズPython⑩ リッジ回帰を少々Pythonで～書籍「ガウス過程と機械学習」インスパイア

          はじめにこの記事は、Pythonの機械学習ライブラリで「リッジ回帰」を実装する際の豆知識を取り扱います。 具体的には「scikit-learn」ライブラリと「statsmodels」ライブラリのリッジ回帰の使い方を記載しています。 記事を書くきっかけは、書籍「ガウス過程と機械学習」の第１章でリッジ回帰を学んだときのある出来事からです・・・ 書籍では行列計算を用いてリッジ回帰の推定を行います。 「Pythonライブラリのリッジ回帰は書籍の結果と一致するはず」 と軽いノリ

          ネイピア DS

          シリーズPython⑩ リッジ回帰を少々Pythonで～書籍「ガウス過程と機械学習」インスパイア

          ネイピア DS

          「Pythonによる異常検知」を寄り道写経 ～ 第２章2.4節「高度な特徴抽出による異常検知」①ｋ平均法

          第２章「非時系列データにおける異常検知」書籍の著者　曽我部東馬 先生、監修　曽我部完 先生 この記事は、テキスト「Pythonによる異常検知」第２章「非時系列データにおける異常検知」2.4節「高度な特徴抽出による異常検知」の通称「寄り道写経」を取り扱います。 ５回連続で高度な特徴抽出技術を利用した異常検知を寄り道写経します！ 今回は k 平均法による異常検知です。 ではテキストを開いて異常検知の旅に出発です🚀 はじめにテキスト「Pythonによる異常検知」のご紹介

          ネイピア DS

          「Pythonによる異常検知」を寄り道写経 ～ 第２章2.4節「高度な特徴抽出による異常検知」①ｋ平均法

          ネイピア DS

          第19章「単一事例データへのマルチレベルモデルの適用」のベイズモデリングをPyMC Ver.5 で

          この記事は、テキスト「たのしいベイズモデリング２」の第19章「単一データへのマルチレベルモデルの適用」のベイズモデルを用いて、PyMC Ver.5で「実験的」に実装する様子を描いた統計ドキュメンタリーです。 最終回の今回も、心理学術的な色合いの濃いベイズ分析です。 この章では、単一事例実験データにマルチレベルモデルを適用して、階層ベイズで分析します、って何書いてるんだろう？？？ テキストをにらめっこして統計分野の専門用語のイメージをすくい取りつつ、ベイズモデリングに繋げてい

          ネイピア DS

          第19章「単一事例データへのマルチレベルモデルの適用」のベイズモデリングをPyMC Ver.5 で

          ネイピア DS

          「Pythonによる異常検知」を寄り道写経 ～ 第２章2.3節「非正規分布に基づく異常検知」局所外れ値因子法（LOF法）

          第２章「非時系列データにおける異常検知」書籍の著者　曽我部東馬 先生、監修　曽我部完 先生 この記事は、テキスト「Pythonによる異常検知」第２章「非時系列データにおける異常検知」2.2節「非正規分布に基づく異常検知」の通称「寄り道写経」を取り扱います。 今回はデータが正規分布に従うと仮定しない場合の局所外れ値因子（LOF）法による異常検知を寄り道写経します！ ではテキストを開いて異常検知の旅に出発です🚀 はじめにテキスト「Pythonによる異常検知」のご紹介 この

          ネイピア DS

          「Pythonによる異常検知」を寄り道写経 ～ 第２章2.3節「非正規分布に基づく異常検知」局所外れ値因子法（LOF法）

          ネイピア DS