yoschi_s

統計検定1級取得後も，数理統計などを学び続けている。これまで読んだ書籍をジャンルごとにまとめた。加えて，読書ルートや読み方についても説明した。詳細はリンクとコメントから。 ▼リンク #統計検定 1級取得後に読んだ数理統計・ #データサイエンス のおすすめ書籍ガイド stern-bow.hatenablog.com/entry/2026/01/…

グラフ埋め込みの具体的な方法を学んだ。フレームワークであるGraphEDMは統一的であるが，潜在空間の距離尺度や再構成誤差の距離尺度によって，様々な派生形がある。 ▼読書メモ 「確率的機械学習 入門編II」を読む 第23章 グラフ埋め込み ②浅いグラフ埋め込み stern-bow.hatenablog.com/entry/2026/04/…

データ間の関係性を表す「グラフ」を深層学習に適用するために，グラフを埋込む(ベクトルに変換する)が，この手順はGraphEDMと呼ばれる符号化-複合化の枠組みで説明できる。 ▼読書メモ 「確率的機械学習 入門編II」を読む 第23章 グラフ埋め込み ①符号化器・復号化器 stern-bow.hatenablog.com/entry/2026/04/…

小社刊『確率的機械学習：入門編』2冊を読破されたとのこと🎉毎日着々読み進めていらっしゃるご様子を「読書メモ」の投稿からも拝見していました．本書の見どころなどもブログでご紹介いただき，ありがとうございます．

@AsakuraPub どうもありがとうございます😄 Probabilistic Machine Learningの翻訳は，第一線で活躍されている多くの研究者の方が携わっており，本書が出るまでに朝倉書店様もとてもご尽力なさったと推察しております。素晴らしい本を出版してくださり，心より感謝申し上げます。

温厚に見えて、一線を超えたら静かに人を切るタイプの管理職。 組織的には一番実行力がある。 怒らない＝許してる、じゃない。 表に出ない調整で終わらせる。 絶対怒らせちゃダメなタイプ。 部長にめっちゃ態度悪いエンジニアいたんだけど、まず影響の大きいうちのチームから外されて。 その後しばらく関わってなかったんだけど、退職になってた。 それも誰にも挨拶なし。 5年いた会社を無言で辞めるって、辞めさせられたしかないよな…。 組織リスクの排除を戦略的にするってこういうことなんやな。

ユーザ評価がない場合の推薦システムの学習法を学んだ。評価の代わりにランキング損失を用いる，補助情報を用いる，ニューラル行列分解や因子分解マシンを用いる，といった工夫がある。 ▼読書メモ 「確率的機械学習 入門編II」を読む 第22章 推薦システム ②暗黙的なFB stern-bow.hatenablog.com/entry/2026/03/…

明日から大学・大学院に進学される皆さん，おめでとうございます㊗️ これからは授業だけでなく，自学自習にも取り組まれるかと思いますが，データサイエンスはおすすめです。製造業の実務家から見た，数理統計・データサイエンスのおすすめ書籍ガイドをまとめました。 ▼ stern-bow.hatenablog.com/entry/2026/01/…

@shiho_aga コメントありがとうございます😊 確かに，材料開発などでは，材料×実験条件の組合せを網羅的に試せない場合には，行列(あるいはテンソル)の欠損値補完として捉えられるかもしれません。実験計画やベイズ最適化が使われることが多いですが，このような手法を試しても面白そうです。

「製造業にはあまりない問題設定」、一見そう見えるんですよね。 でも実際は、推薦が"好み"ではなく"条件適合"や"欠損補完"の形で潜っているだけ、という見方もできて面白いです✨

「DEI」というと皆「女性」のことばかり話すけど当然それだけではないので、例えば私が進めてる、主に知的障がい者の方々によるAI開発「インクルーシブAI開発」もよろしければ頭の片隅に置いてくださいね！ sumitomoelectric.com/jp/press/2025/…

樋川さん！

会長賞および年長者合格賞を更新しました。 toukei-kentei.jp/news/post-16930

機械学習の代表的な応用先であるレコメンデーションについて，「疎な行列の穴埋め」という問題設定や，行列分解といった解き方を学んだ。製造業のデータ分析にはあまりない問題設定である…。 ▼ 「確率的機械学習 入門編II」を読む 第22章 推薦システム ①明示的なFB stern-bow.hatenablog.com/entry/2026/03/…

@Vi_Breeds_Vi コメントありがとうございます😊 この本ばかり読んでいたので，最近出た本に疎くなってしまいました…、

@stern_bow 読み終えるのすごい！1年かかっても読めないと思う……。

「確率的機械学習 入門編 I・II」を読み終えたので，次に読む予定の本たち。 機械学習の手法の本だけで無く，実践向けや，キャリア・組織の本，システム関係の本も読んでいきたい。 読んだら，ブログの書籍紹介に追加していく。 ▼ stern-bow.hatenablog.com/archive/catego…

@HirokazuOHSAWA コメントありがとうございます😊 大変でしたが，理解が深まって良かったです。学んだことを，少しでも世の中に伝えられたらと思います。

@stern_bow 読了おめでとうございます！分厚い本を2冊も読了するのは、とても大変なことだと思います。私も、時間をやりくりしてもっと頑張らねば…。

@Poakena1 合格おめでとうございます🎉

ようやくデータサイエンスエキスパート合格しました🌸得点率は69%でした。しんどかった…(›´ཀ`‹ ) 👇やった勉強 結局テキストだけ、丁寧に2周しました。わからないところはネットで調べ、LLMに問題出してもらったりしました。

@inunu_hossie コメントありがとうございます😊 スペクトラルクラスタリングの導出は，とても良くできているので感動を覚えました。 ただ，「確率的機械学習 入門編」で「*」が付いている話題は行間が広めなので，他書をかなり参考にしました…。

@stern_bow 本「この問題はNP困難なので連続値に緩和する」 わい「ほうほうそれで？」 本「するとラプラシアン行列の固有値問題になります」 わい「ここで！？固有値！？全部つながるんか！？」

グラフ構造に基づく手法であるスペクトラルクラスタリングを学んだ。グラフ上のデータの繋がりが，グラフラプラシアンの固有ベクトルから計算されるというのは，美しさを感じた。 ▼ 「確率的機械学習 入門編II」を読む 第21章 クラスタリング ④スペクトラルクラスタリング stern-bow.hatenablog.com/entry/2026/03/…

本記事をまとめるにあたり，式展開をかなり補った。正規化カットを固有値問題に落とし込む式変形の導出や，連結成分と固有ベクトルの関係の導出はなかなか勉強になった。グラフラプラシアンは偉大である…。

ソフトクラスタリングのモデルである混合正規分布を学んだ。複数の正規分布から構成されるが，各要素の共分散行列の設定(共有の有無・対角行列の利用など)を工夫する必要がある。 ▼ 「確率的機械学習 入門編II」を読む 第21章 クラスタリング ③混合モデル stern-bow.hatenablog.com/entry/2026/03/…