データサイエンス勉強記録③（4/5）
どうも。こんにちは。
ケミカルエンジニアのこーしです。
あっという間に４月になってしまいました。
６月から統計検定１級対策をしたいので、好きな勉強ができるのはあと２ヶ月となり、少し焦ってきました。
時間制限があると、効率良く勉強できるかもしれませんね。
前置き
最近は、専門性を高めることが困難な環境にいます。
自分自身は、まだまだ技術力を上げる意欲はあるのですが、役職がついてしまうと時間を思うように使えません。
多くの日本企業では、大卒（院卒、博士卒も同様）総合職は、35歳以上になると管理職となり、打合せが増えたり、部下のマネジメント業務（勤怠関係含む）が増え、専門的な仕事から外れます。
部下の仕事が順調なら進捗管理などの軽いフォローで済みますが、トラブルなど後ろ向きの案件が起こると、フォローを厚くする必要があります。
つまり、管理職になると専門的な仕事ができないことに加え、後ろ向きの案件に力（時間）を注ぐ必要があります。
特に中間管理職は、この傾向が強いと思います。
社会に価値を生み出していく技術者になりたいと考えている私は、「中間管理職になるべきではない」と、どうしても感じてしまいます。
複雑かつ高度化する社会に対して価値のあるサービスや製品を生み出すためには、「専門性を高めること」が重要だと感じていますが、今の会社組織では難しいように思えます。
アメリカでは組織の形が異なるため、「専門性」を武器に仕事ができるようです。
一方、アメリカでは別の問題があるようです。
何か解決の糸口が見つからないか、色々と調べてみたいと思います。
それでは、今週の勉強記録に移ります！
勉強記録
今週は、pythonと多変量解析を勉強しました！
化学のためのPythonによるデータ解析・機械学習入門 ⇒ ５，６章（全部読了）
ブログ１記事執筆（python環境構築）
Twitterでも感想を書きましたが、サンプルコードが非常に豊富で、しかもモジュール化してくれているので、importするだけで下記のことが簡単にできてしまいます。
主成分分析（PCA）の可視化
t-SNEの可視化（非線形）
二乗項と交差項の追加
モデルの適用範囲（AD）の計算
適応型のソフトセンサーの作成
MWPLS
JITPLS
LWPLSなど
実務ではこちらのサンプルコードを活用させてもらい、サポートベクトルマシンやt-SNEなど理論の理解が不十分なところは、別の参考書で補いたいと思います！
「化学のためのPythonによるデータ解析•機械学習入門」を読了！
— こーし⚡️ケミカルエンジニア (@mimikousi) April 3, 2022
あとは、サンプルコードしっかり読んで、実務で使えるところは利用させてもらいたい。
例えば、下記5点。
①PCAの可視化
②t-SNEの可視化（非線形）
③二乗項と交差項の追加
④モデルの適用範囲
⑤適応型ソフトセンサー（PLS） pic.twitter.com/WnHG6TeC6E
論文は、下記を理解するために２本読みました。
ケモメトリックス（ケモインフォマティクス）分野で使う手法は、論文読んで理解を深めたいと思います。
Hampelフィルタ
局所PLS（LWPLS）
Savitzky-Golay法（SG法）
次週は、理論の理解を深めるため下記３冊を読んでいきたいと思います。
論文は、時間があればSG法の原著や、遺伝的アルゴリズム（GA）を読みたいと思ってます！
ではまた来週！
この記事が気に入ったらサポートをしてみませんか？