やりたいこと、連休のお勉強

最近あまり更新できていませんでした。。。
平日は実務のデータ分析のための勉強で忙しく、休日は奥さんと一緒にいろいろ出かけていました。という言い訳です ^^;
 
 
忙しいという言い訳をしてたら一生何もできないということを肝に命じて、時間を作ってコツコツ勉強していかないと。。。
普段の仕事が以前よりもかなりやりたいことに近づいたので、逆に、この仕事をこなしていればいいや的な気持ちになりがちな状況なのですが、本当は今の恵まれた環境をもっと活かして、もっと進んだことをやりたいです。
 
自分の今までの人生の中で、大学〜院生の時期がひたすら自分のやりたいこと(物理)に時間を使えた一番幸せだった時期なのですが、最近もかなり良くなってきました。お給料をもらいながら、統計学機械学習、実務としての分析、プログラミング、関連する学術界の調査などに携わる環境に身を置くことができています。まだまだペーペーなので、一刻も早く今の組織に自分のバリューを出していかないといけないのですが。
 
 
このような環境になってから1ヶ月ほどたったので、最初の緊張感を忘れて時間を浪費していかないように、個人的に今後やっていきたいことを書き出してみました。
実務の中で必要になってくるもの、必ずしもそうでないかもしれないけど長期的に必要になってくると思われるもの、完全に趣味のものがあります。
趣味のやつの最初の2つは、もっと違う観点から、統計学、統計モデリング機械学習を理解したいという意図があります。
あと2、3ヶ月間のうちにもう少し具体的に研究者として携われる領域を見つけて、そこにフォーカスしていきたいです。
 
 
 
<趣味として取り組む>
・情報幾何学の勉強
・物理と機械学習の橋渡し的な何かの勉強
・社会物理学、ネットワーク理論の勉強
量子コンピュータアルゴリズムの研究
 
<実務の中で取り組む>
・実務で論文のネタ探し、論文執筆
pythonでスクラッチ機械学習の実装
・サーバサイドのエンジニアリングの基礎の勉強(実装までいかなくても問題なく会話ができるレベル)
 
 
上記の各々のトピックで、ブログ書くネタができたら随時更新していこうと思います。
とりあえず、GWの連休を利用して上記を調べたいです。

Why people prefer unequal societies

Why people prefer unequal societies : Nature Human Behaviour


なぜ人々は不平等な社会を好むのか。


inequalityとunfairnessは違うもので、区別すべき。
実験結果では人々がinequalityを嫌うという見知が得られている一方で、実社会では収入のinequalityが起きている。
このような実験結果と実際の社会での観測結果が違うように見えるのは、実験環境でのequalityのバイアスがあるから。


 

数理モデリング入門 ファイブ・ステップ法

数理モデリング入門 ファイブステップ法

最近、業務で本格的にデータ分析ができるようになり、いろいろ勉強しています。
統計学の知識においてもまだまだ抜けているところが多く、実務での経験を積みながらも、包括的な勉強の必要性をヒシヒシと感じている毎日ですが、日々の成長も感じられてそれなりに有意義な時間を過ごしています。

どのような分析をするにしても数理モデルを構築し問題を解くというプロセスには共通したものがあると思い、それについてまとめられている本がないかと探していて見つけた本です。

数理モデリング入門 ―ファイブ・ステップ法― 原著第4版

数理モデリング入門 ―ファイブ・ステップ法― 原著第4版



タイトルに入門とついている通り、確かに数学的に難しいことはなく学部レベルの数学知識で読める本です。
扱っているテーマは大きく分けて3つで、それぞれ最適化、動的モデル、確率モデルとなっています。どれも具体的な例題をベースに議論が展開され、わかりやすいです。
この本で得られるのは、これら3つの数理モデルを構築する際の思考プロセスの進め方と、その初歩としての具体的手法の解説です。
思考プロセスは、どれにも共通した5つのステップとなっており、それをタイトルにもなっているファイブステップ法という名前で呼んでいます。ファイブステップ法は具体的には、下記の5つとなります。

1.問題を設定する
2.数理モデルの手法を選ぶ
3.モデルを定式化する
4.モデルを解く
5.問題の解答を出す


こうやってステップを書き出すと、データ分析に限らず、問題解決の手法として当たり前にも感じられる内容なのですが、これを5つもステップとして意識することでちゃんと整理して問題に取り組みましょうという話です。
各手法や指標などを理論的には理解していても実際の分析経験の浅い自分としては、いままでもやっとして、なんとなくで進めていた分析を、ちゃんと整理してある程度枠組み化できるような気がしました。特に、なんとなくデータを見るだけだと何も進まないまま、時間が過ぎてしまうことが多々あったので、ちゃんと解決すべき問題を言語化、数式化する努力が大事なんだなと、改めて感じながら読んでいます。
まだ全部読んでないので、読み進めて特に気になる内容あればまたここに備忘録として記載していきたいと思っています。