Twitter APIの仕様変更のため、「いいね」の新規取得を終了いたしました

黒木玄 Gen Kuroki

@genkuroki

  • いいね数 389,756/311,170
  • フォロー 995 フォロワー 14,556 ツイート 293,980
  • 現在地 (^-^)/
  • Web https://genkuroki.github.io/documents/
  • 自己紹介 私については https://twilog.org/genkuroki と https://genkuroki.github.io と https://github.com/genkuroki と https://github.com/genkuroki/public を見て下さい。
«< 前のページ25262728293031のページ >»
並び順 : 新→古 | 古→新

2021年01月31日(日)

非公開

タグ:

posted at xx:xx:xx

非公開

タグ:

posted at xx:xx:xx

Gaëtan Hadjeres @gaetan_hadjeres

21年1月31日

Pseudo-Gibbs sampling in action twitter.com/triwave33/stat...

タグ:

posted at 01:08:02

交付金削減の未来を憂う研究者 @Kiai_2020

21年1月31日

以上、長文失礼致しました。
『じゃあ研究者やめれば?』という意見を頂くと思いますが、日本の研究力低下を危惧してるのであって、私一人辞めても何も変わりません。再び日本が科学技術立国に返り咲くためにも、運営費交付金の拡充と安定したポストの確保を願います。

#交付金を元に戻せ

タグ: 交付金を元に戻せ

posted at 02:55:05

すむーずぷりんちゃん @mat_der_D

21年1月31日

Julia は最初の index 忘れても some_array[begin] みたいな感じで取り出せたはず

タグ:

posted at 08:27:11

堀 正岳 @ めほり @mehori

21年1月31日

過去10億年の地球のプレートのアニメ。本当によく動いている twitter.com/geoalanc/statu...

タグ:

posted at 09:41:18

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 #Julia言語

* 2種類のデータ取得法(試行回数nを固定、成功回数kを固定)

* 損失函数は予測誤差(KL情報量)、二乗誤差、差の絶対値の標本分布に関する期待値の未知の真の成功確率を動かしたときの最大値

* 事前分布はBeta(a,a) (a→0が最尤法)

で損失を最小化するaを求めています。続く twitter.com/genkuroki/stat...

タグ: Julia言語 統計

posted at 09:57:07

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 新たに、未知の真の成功確率の推定値と真の値の差の絶対値に比例した罰金を支払うという設定で、罰金の期待値を求めてみました。(真の成功確率とデータ取得法を決めると真の標本分布が決まる。その標本分布における期待値)

サンプルサイズn=16を固定した場合(続く) pic.twitter.com/TT47ULu7CK

タグ: 統計

posted at 10:03:43

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 n=16を固定したとき、誤差の絶対値に比例する罰金の期待値の最大値を最小化するaの値は1.62程度のようです。

予測誤差(KL情報量)、誤差の二乗に比例する罰金の期待値の最大値を最小化するaはそれぞれ0.5と2だった。

全部違う。

ソースコード↓
nbviewer.jupyter.org/gist/genkuroki... pic.twitter.com/0e83W2XIKy

タグ: 統計

posted at 10:10:16

積分定数 @sekibunnteisuu

21年1月31日

@sabamisolover 行政の窓口に一人で言っても門前払いになることがある。法テラスに連絡して弁護士と一緒に行くと申請が通りやすい。

馬鹿採点をする教師に一人で行ってもらちが明かない。法テラスに該当する機関はない。SNSにアップすることで助言ももらえるし、問題解決にもつながる。

どこがおかしいのですか?

タグ:

posted at 10:14:41

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 以上ではデータを生成しているベルヌイ試行における未知の真の成功確率の値を0から1の範囲で動かしたときの期待損失の最大値を最小化した。

未知の真の成功確率の真の事前分布が分かっている場合には、損失の期待値を真の事前分布も組み込んだ標本分布で取る方が自然である。続く

タグ: 統計

posted at 10:20:02

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 続き。未知の真の成功確率が0~1の一様分布(=分布Beta(1,1))で生成されているときには、n=16で誤差の絶対値の期待値(損失の標本分布に関する期待値の一様分布に関する期待値)を最小化するaの値は0.7程度。

面白いことに、真の事前分布Beta(1,1)と最適な事前分布Beta(0.7,0.7)が違っている。 pic.twitter.com/otWM317LEE

タグ: 統計

posted at 10:20:03

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 大事な点なので繰り返します。

一様分布Beta(1,1)でランダムに生成されている未知の成功確率qのサイズnのサンプルと事前分布Beta(a,a)に関するベイズ法による推定値をpとするとき、|p-q|の期待値を最小化する事前分布のパラメータaはa=0.7になり、真の事前分布の値1と一致しない!

タグ: 統計

posted at 10:25:08

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 期待損失を最小化する推定用の事前分布は真の事前分布と同じになるだろうと思い込んでいたので、これはかなり意外でした。

私のプログラムのバグが原因で意外な結果が出たかもしれないので、再検証してくださる人がいるとうれしいです。

私が書いたコード↓
nbviewer.jupyter.org/gist/genkuroki...

タグ: 統計

posted at 10:28:37

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 損失を、誤差の絶対値|p - q|ではなく、二乗誤差(p - q)²やKL情報量q log(q/p)+(1-q)log((1-q)/(1-p))で定義した場合には、真の事前分布が一様分布Beta(1,1)のときの、最適なBeta(a,a)型推定用事前分布はa=1の一様分布になるようです。この場合には意外でない結果になる。

タグ: 統計

posted at 10:33:07

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 SE = squared error (p-q)²が損失の定義でn=16の場合

nbviewer.jupyter.org/gist/genkuroki... pic.twitter.com/TIQcSyXnYN

タグ: 統計

posted at 10:35:18

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 SE = squared error が損失の定義でn=16の場合

これを真の成功確率qの真の事前分布である一様分布で平均したものを最小化するaは1程度になります。(a=1に対応するBeta(1,1)は真の事前分布と同じ) pic.twitter.com/mD1b6Wk8Yh

タグ: 統計

posted at 10:41:02

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 PE = prediction error = KL情報量が損失の定義でn=16の場合

nbviewer.jupyter.org/gist/genkuroki... pic.twitter.com/gQnRnkW0rJ

タグ: 統計

posted at 10:42:53

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 PE = prediction error = KL情報量が損失の定義でn=16の場合の動画

これをqに関する一様分布で平均を取ったものを最小化するaは多分1になっています。数値計算的な誤差は無視できればそれは正しい。 pic.twitter.com/H3tbhbCS47

タグ: 統計

posted at 10:46:11

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 #統計 PE = prediction error = KL情報量が損失の定義でn=16の場合

ただし、真の事前分布が一様分布ではなくBeta(1.2, 1.2)の場合!

期待損失を最小化するaの値もほぼ1.2になっています。ぴったりそうなっていないのは数値計算の誤差だと思われます。

nbviewer.jupyter.org/gist/genkuroki... pic.twitter.com/XYrFw06IlQ

タグ: 統計

posted at 10:49:44

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 #統計 PE = prediction error = KL情報量が損失の定義でn=16の場合の動画(実は既出)

nbviewer.jupyter.org/gist/genkuroki... pic.twitter.com/vDD51K0ssU

タグ: 統計

posted at 10:51:36

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 以上で示したグラフと動画を作るソースコード(#Julia言語)にもリンクをはっておきました。そちらでは、データ取得法がサンプルサイズnを固定ではなく、成功回数kを固定する場合も扱っています。

色々興味深いので見てやって下さい。

タグ: 統計

posted at 10:54:33

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 #Julia言語 ソースコードへのリンク集

nbviewer.jupyter.org/gist/genkuroki...
損失=KL情報量

nbviewer.jupyter.org/gist/genkuroki...
損失=二乗誤差

nbviewer.jupyter.org/gist/genkuroki...
損失=誤差の絶対値

nbviewer.jupyter.org/gist/genkuroki...
損失=KL情報量、真の事前分布が一様分布以外も扱っている

タグ: Julia言語 統計

posted at 10:57:46

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 コンピュータによる1つの計算なのに確率分布が複数出て来る。

多分、統計学入門でここが最初のしんどいところだと思います。

「平均」とか「期待値」とか言われたときに、自然な解釈ではどの分布に関する平均・期待値なのかを文脈から読み取れるようにならないといけない。

タグ: 統計

posted at 11:41:01

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 数学では常に「意味のあるまたは価値のある結果が出るように定義を選ぶ」のが基本。

天下り的に与えられた定義を出発点にするのは非数学的な考え方で、意味のあるまたは価値のある定義の選択が数学的に非自明でかつ大事な問題だと認識して、文脈に合わせた定義の選択力を鍛えないと苦しくなる。

タグ: 統計

posted at 11:43:48

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 とは言うものの、最初の「一周目」にはとにかく「正しい定義」が何であるかを認識できないと困る。

統計に出て来る沢山の種類の平均・期待値の正確な定義を知るためには、コンピュータで実装して「意味のある」または「価値のある」計算結果を出す所までやってみると良いと思います。

タグ: 統計

posted at 11:47:26

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 しかし、それだと、何らかの扱い易いプログラミング言語を1つ以上使えなければいけない。

それはそれで大変なことなので、結局のところ楽して理解できる道はないということなのだと思います。

タグ: 統計

posted at 11:50:34

quantale @quantumAnalyser

21年1月31日

届きました。行列等の数式の組版も美しく、Matlab/Juliaのコード表示もカラーで見易いです🍀 twitter.com/quantumAnalyse... pic.twitter.com/yzgv3deyQI

タグ:

posted at 11:51:52

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 せっかく計算するなら楽しく計算したい。

確率がらみなら、適当なギャンブルの状況を設定して、利益を最大化したり、損失を最小化する計算をやれば良いと思う。

このスレッドでは、サンプルから真の値を推定して外れ方の大きさで罰金を支払うギャンブルを扱っている。

タグ: 統計

posted at 11:53:19

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計

①あなたは秘密の成功確率qの値をコンピュータに入力する。

②コンピュータは確率qで1に確率1-qで0となる値が1または0の乱数を16個生成して私に公開する。

③私は未知のqの値の推定値pを作ってコンピュータに入力する。

④コンピュータは私があなたに|p-q|×10万円支払えと表示する。 pic.twitter.com/3IAxwMcfxv

タグ: 統計

posted at 12:11:32

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 動画は、私が事前分布Beta(a,a)のベイズ法で推定値pを作った場合の 2√n |p - q| = 8 |p - q| の期待値の期待値です。これに10万円×8をかけた値が私があなたに支払う罰金の期待値になります。

事前分布を決めるaの値によって罰金の期待値がこのように変わります↓ pic.twitter.com/9gEYNcjer8

タグ: 統計

posted at 12:16:08

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 事前分布Beta(a,b)のベイズ法で得られる未知のqの値の推定値pは、長さnの1,0乱数列中の1の個数がkのとき、

p = (k+a)/(n+a+b)

になります。これさえ知っていればベイズ統計の知識がなくても、以上の設定のギャンブルをコンピュータで分析できる。

これ、楽しくないですか?私はとても楽しい。

タグ: 統計

posted at 12:19:51

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 以上の設定では、私だけが一方的に罰金を支払うことになるのですが、実際のギャンブルでは立場を交代しながらやるとよいと思います。

相手が支払う罰金の金額を大きめにしたければqを0や1に近くすると損です。なぜならば|p-q|の値が小さくなる確率が高くなるからです。

タグ: 統計

posted at 12:23:39

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 多分、非常に頑張れば、qを決める側と推定値pを作る側の最適戦略的なことをはっきりさせることができると思います。

* 答えが書いている文献
* 自分自身による考察
* コンピュータによる興味深い計算

があれば私に是非とも教えて下さい。

タグ: 統計

posted at 12:26:56

黒木玄 Gen Kuroki @genkuroki

21年1月31日

訂正

❌期待値の期待値
⭕️期待値 twitter.com/genkuroki/stat...

タグ:

posted at 12:27:44

ʇɥƃıluooɯ ǝıʇɐs @tsatie

21年1月31日

@genkuroki 此の説明だと少し「話が見えて」くる。具体的だからなのか?其処が気になる。

タグ:

posted at 12:33:03

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 この手のギャンブルにおいて推定値pを決める側の戦略として最尤法は最適ではありません。

このギャンブルを自分で分析した人は、「事前分布を使う推定法は事前分布に主観が入るので合理的ではない」という考え方がひどく間違っていることを実感できると思います。 twitter.com/genkuroki/stat... pic.twitter.com/SkzM7QgNA3

タグ: 統計

posted at 12:34:05

黒木玄 Gen Kuroki @genkuroki

21年1月31日

@tsatie 純粋に確率の話にすると数学が得意な人であっても頭が十分に働かなくてなるが、実際に金銭をやり取りする賭け事の話にすると急に頭が回転するようになる、というような話があったと思います。

ヒトの頭の使い方には独特の癖がある。

タグ:

posted at 12:40:34

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 「最尤法」「ベイズ統計」をこのスレッド内で知らなくても困らなくするための補足説明。

1,0の長さnの乱数列中の1の個数をkとする。

事前分布Beta(a,b)でのベイズ法による1が生じる確率の推定値は

(k+a)/(n+a+b)

で、最尤法による推定値は

k/n

です。a=b=0の場合が最尤法に対応。

タグ: 統計

posted at 12:44:55

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 例:10個中で1の個数が3ならば「1が生じる確率は3/10=0.3だろう」と素直に推定するのがこの場合の(ベルヌイ分布モデルの)最尤法。

シンプルな指数型分布族の最尤法による推定は「素直な」ものになることが多いです。例えば正規分布モデルにおける平均の推定値はサンプルの標本平均になります。

タグ: 統計

posted at 12:49:23

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 事前分布Beta(a,b)のベイズ法では予測分布での1の出る確率は

(サンプル中の1の個数 + a)/(サンプルサイズ + a + b).

最尤法との大きな違いは、ベイズ法だとサンプル中に1がなくても予測分布で1の出る確率が0にならないことです。

この辺からのベイズ法の「慎重さ」が見て取れると思います。

タグ: 統計

posted at 12:53:39

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 訂正

❌これに10万円×8をかけた値
⭕️これに10万円/8をかけた値

1ゲームごとに1万円程度動くギャンブルになりそうですね。

まあ、この手のギャンブルで最尤法を使い人は負け組。

最尤法で私と勝負したい人は是非とも連絡してください(笑) twitter.com/genkuroki/stat...

タグ: 統計

posted at 12:58:47

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 より進んだ文献を見るときの注意・警告:伝統的な主観主義ベイジアン達の立場で書かれた文献でも、期待損失をより小さくする問題を扱うことが標準的です。しかし、伝統的な主観主義ベイジアン達は独特の主義=教義に縛られているせいで、主観外の標本分布について考慮しようとしません!続く

タグ: 統計

posted at 13:11:51

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 注意・警告続き~ 事前・事後分布を主観の表現とみなすことがあっても全然問題ないのですが、独特の偏狭な教義に忠実であるがためにこのスレッド内で主役になっている標本分布(長さnの1,0の乱数列の確率分布)を使った分析を敵である頻度主義とみなして拒否するのです。続く

タグ: 統計

posted at 13:11:53

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 注意・警告続き~ リアルなギャンブルを想定した途端にその手の主義=教義に殉じる姿勢は負け組に路線であることに気付くはず。このスレッドでは勧めている「ギャンブルの分析」は20世紀の主観主義ベイジアンの否定されるべき黒歴史を認識するためにも役に立つと思います。

タグ: 統計

posted at 13:11:54

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 続き。このスレッドで扱っているギャンブルの分析と同じようなストーリーを難しい本だと言われている渡辺澄雄『ベイズ統計の理論と方法』についても作れます。

その本の主役であるベイズ自由エネルギーとWAICはある種のギャンブルで役に立つ道具として導入されているとみなされます。

タグ: 統計

posted at 13:15:38

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 統計学における検定・推定・推測の話では、「検定・推定・推測に失敗したら何らかの指標に従って罰金を支払う」という想定で支払う罰金を減らすにはどうすれば良いかをじっくり考えて、部分的な解答さえ自分で出せない場合に教科書を見るととてもいい話が書いてあることに気付きます。

タグ: 統計

posted at 13:22:16

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 そして、統計学的状況に対応するギャンブルが何であるかを数学的に考えること自体が、理解をクリアにするために非常に役に立つ。

ルールが明瞭なギャンブルの話にできれば、コンピュータによるシミュレーションもできるようになり、一挙に楽しい遊び方が増えます。

タグ: 統計

posted at 13:22:18

野島高彦 @TakahikoNojima

21年1月31日

km/h→m/sの換算は中学校の理科の教科書にも書いてあるんだけど,いきなり大学1年生に与えると間違えるの続出.紙の隅っこに「はじき」が書いてあったりする.コレを化学に応用()した「モルグリコ」っていうのがあるんだけど,ソレを使ってモル計算間違えてる者もいる.現場からは,以上です.

タグ:

posted at 13:24:14

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#統計 さらに、現実への統計学の応用では教科書的に単純な基準で道具(ギャンブルでの戦略)の良し悪しを決めることはできません。

そういうことは、ギャンブルのルールを決めるときに罰金を決めるルールの定義の仕方が無数にあることに気付くことによっても示唆されているわけです。

タグ: 統計

posted at 13:27:43

黒木玄 Gen Kuroki @genkuroki

21年1月31日

Re: RTs 「静的型付けによる厳密な型チェック教」という悪質なカルトがあるみたいでうんざりする。

#Julia言語 で複数のパッケージがどのように独立に開発され、どのように組み合わせて使われているかを学べば、静的型付けによる厳密な型チェック教の悪しき呪縛から逃れられると思う。

タグ: Julia言語

posted at 13:56:43

黒木玄 Gen Kuroki @genkuroki

21年1月31日

実行直前に使える情報を使ってコンパイルする(所謂JIT)では、例えば、函数の引数の具体的な型(メモリ上でどのように実現されているかの具体的な情報)は函数の実行直前には分かっているので、それをコンパイル時に利用できる。

そういう利点を活かす工夫の集大成の典型例が #Julia言語 です。

タグ: Julia言語

posted at 14:01:00

ごまふあざらし(GomahuAzaras @MathSorcerer

21年1月31日

#JuliaLang
#Julia言語

You can write scripts for Genie.jl on Jupyter Notebook.
Here is an example:

```julia
using Genie; up()
route("/hello") do
"Welcome to Genie!"
end

HTML("""
<iframe src="localhost:8000/hello" width="800" height="100"></iframe>
""")
``` pic.twitter.com/lvjzEaJzr1

タグ: JuliaLang Julia言語

posted at 14:01:20

黒木玄 Gen Kuroki @genkuroki

21年1月31日

前もってすべてをコンパイルしておき、実行時にダイナミックにコンパイルしたりしないのであれば、静的型付けと厳密な型チェックは便利かもしれないが、実行直前まで引数の型が分からない場合にも対応したい場合には無理な話になると思います。

どんなものにも利点と欠点がある。

タグ:

posted at 14:04:31

黒木玄 Gen Kuroki @genkuroki

21年1月31日

例えば #Julia言語 には show(x) という函数があって、xの型が何であってもその中身の情報を表示してくれます。

xの型がユーザー側が定義した型Fooで、ユーザー側がBase. show(io:IO, x::Foo) を定義すれば、show(x)の結果はユーザー側が定義した通りの表示になる。これは非常に便利です。

タグ: Julia言語

posted at 14:08:48

黒木玄 Gen Kuroki @genkuroki

21年1月31日

ユーザーが Base. show(io::IO, x::Foo) の定義を増やすごとに、show(x)で可能なことが増えて行く。

タグ:

posted at 14:10:17

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#Julia言語 REPL(やJupyterなど)で、函数の返り値を自動的に整形して表示して欲しいことがよくあります。そのためには、函数の返り値を自分で定義した型Fooでまとめ、Base. show(io::IO, x::Foo) を定義すればよいです。

Juliaで書かれたREPLでは新たな型の表示機能も容易に増やせる。

タグ: Julia言語

posted at 15:00:01

黒木玄 Gen Kuroki @genkuroki

21年1月31日

#Julia言語 REPLでは任意の型の中身が表示できないと不便です。REPLのようなプログラムにおける表示機能のダイナミックな拡張ができる点も便利。

REPLでの実行が遅いと(場合によっては実用にならないほど)不便なのですが、JuliaならREPLでもJITコンパイルされるので速いです。

タグ: Julia言語

posted at 15:00:03

黒木玄 Gen Kuroki @genkuroki

21年1月31日

たぶん、string(x::Foo) のような函数が定義できれば、静的型チェック+事前コンパイルの組み合わせでも常に困らないと誤解する人が多いのではないかと思われる。

静的型チェック+事前コンパイル
実行直前に型が確定+実行直前コンパイル

では利点と欠点が全然違う。

タグ:

posted at 15:05:48

黒木玄 Gen Kuroki @genkuroki

21年1月31日

「静的型付けによる厳密な型チェック教」という悪質なカルトは、Rubyの普及によって可視化されたと思うのですが、Juliaという新参者の登場によってさらに悪質さがさらに目立つようになった。

Juliaの開発者達は定期的にツイッターなどで「静的型付けによる厳密な型チェック教」の問題を指摘している。

タグ:

posted at 15:11:29

黒木玄 Gen Kuroki @genkuroki

21年1月31日

単に「新たに得られる利点もあるが、失われることや、別の複雑さが導入される」といういつものシンプルで穏健な話題に過ぎないのに、カルトの信者達は偏狭な教義に殉じるために過激な意見を捨てることができない。

静的型チェックがなくても大して問題にならないことを理解できない。

タグ:

posted at 15:16:18

黒木玄 Gen Kuroki @genkuroki

21年1月31日

例えば、JuliaでのDifferentialEquations.jl (これは巨大なパッケージです)で、自動微分やGPUの利用などの特別な専門家にしか書けそうもない他のパッケージがどのように利用されているかを調べてみると良いと思う。

「静的型付け+静的事前コンパイル」とは全然違う世界が広がっています。

タグ:

posted at 15:20:19

hctaw_srp @hctaw_srp

21年1月31日

JuliaのSABRユーティリティ、リリースした

prs-watch/Sabermetrics.jl: Julia package for Calculate Baseball Stats. : github.com/prs-watch/Sabe...

タグ:

posted at 15:20:46

hctaw_srp @hctaw_srp

21年1月31日

`SABR.jl` としてリリースしたかったが、👇のパッケージ名レギュレーション上アウトだった

github.com/JuliaRegistrie...

タグ:

posted at 15:23:47

黒木玄 Gen Kuroki @genkuroki

21年1月31日

あと、REPLでの計算がクソ速い点も初めて使う人にとっては印象的だと思う。

タグ:

posted at 15:24:02

黒木玄 Gen Kuroki @genkuroki

21年1月31日

【長方形と正方形を別の図形と考えさせるとよい。そのとき、長方形と正方形を全く別のものということは強調しない方が望ましい】

久々に読んだけど、笑ってしまった。

小2の算数教科書での長方形と正方形の定義は正確でわかりやすく、正方形が長方形の特別な場合であることを小2の子も理解できます。 twitter.com/sekibunnteisuu...

タグ:

posted at 15:27:46

黒木玄 Gen Kuroki @genkuroki

21年1月31日

算数の教科書を精査すると、正確さと分かりやすさの両方を実現している素晴らしい説明に出会って感心するのですが、せっかくのそのような説明を無駄にするようなやり方もされていて呆れます。

多分、子供を何も理解できない馬鹿だとみなしているのだと思う。

タグ:

posted at 15:31:03

黒木玄 Gen Kuroki @genkuroki

21年1月31日

十分に丁寧に説明すれば子供にも理解してもらえることを、曖昧に済ませようとして、結果的に非常識・非論理的・不合理なチョー算数ルールを作ってそれを子供の心の中に注入する教え方になっている。

タグ:

posted at 15:32:57

あ〜る菊池誠(反緊縮)公式 @kikumaco

21年1月31日

山本太郎は自分が流した放射能デマの責任を取っていない。反ワクチンデマの責任も取っていない。こういう人間を議員にしてはいけないし、太郎がやっている限り、れいわ新選組は支持しない

タグ:

posted at 15:39:50

黒木玄 Gen Kuroki @genkuroki

21年1月31日

教科書の長方形と正方形の定義集

小2の子にとっても理解可能に書かれているので、正方形が長方形の特別な場合であることをすぐに理解可能。

日常生活で得た曖昧な感覚を正確な論理で上書きしてあげることは算数教育の重要な役割の1つだと思います。

逆に正しい考えをチョー算数で上書きしちゃダメ。 twitter.com/genkuroki/stat... pic.twitter.com/JQRE6SkXXz

タグ:

posted at 15:41:00

黒木玄 Gen Kuroki @genkuroki

21年1月31日

放射能デマで議員になって、国会では反ワクチン側の立場で質問していた。そういう人を支持する人達を私は怖い。

山本太郎氏の支持者達は正義が何であるかについて根本的に誤解しているのだと思う。

私の大雑把な見積もりでは経済問題と反ワクチンが殺す人数のオーダーは同じ程度。 twitter.com/kikumaco/statu...

タグ:

posted at 15:46:44

黒木玄 Gen Kuroki @genkuroki

21年1月31日

経済問題についてちょっと良いことを言っている人であっても、反ワクチンに与する人物は絶対に支持してはいけないと思います。

タグ:

posted at 15:46:46

非公開

タグ:

posted at xx:xx:xx

黒木玄 Gen Kuroki @genkuroki

21年1月31日

【長方形の定義に「異なる2つの長さ」を加えるべき】というもろにチョー算数的な非常識新ルールを作成する案がTLを流れて行ったような気がする。

日常用語的意味は算数内でそのまま通用しないという事実を正直に子供にも教えた方がよいです。

「ちょーほーけー」「せーほーけー」という感覚でよい。

タグ:

posted at 16:47:50

黒木玄 Gen Kuroki @genkuroki

21年1月31日

最小公倍数の「最小」という言葉がそのまま通用するように、「0は倍数から除く」と小5算数教科書がしているのと同じようなチョー算数作成はやめるべき。

タグ:

posted at 16:49:51

黒木玄 Gen Kuroki @genkuroki

21年1月31日

日常用語的意味と算数的意味が違う場合は幾らでもあります。

例えば、「今まで以上に努力するべきだ」と言われたときに、「以上」を「大きいまたは等しい」の意味だと解釈して、「今までと同じ程度努力すれば十分である」と普通は解釈しません。

タグ:

posted at 16:52:15

黒木玄 Gen Kuroki @genkuroki

21年1月31日

日常用語的意味と算数的意味の違いについて、子供は理解できないだろうと勝手に決めつけて、曖昧に誤魔化すために非常識な新ルールを作ろうとするから、チョー算数のような邪悪なものが出来上がって、伝統になり、流通してしまうのです。

タグ:

posted at 16:54:16

黒木玄 Gen Kuroki @genkuroki

21年1月31日

項が1つもない0や項がちょうど1つの単項式は現代的な用語法では多項式の特別な場合です。

中学生が混乱するかもしれないと気を使って、多項式の定義の中に項の個数が2つ以上という条件を入れたりすると、中学校数学がチョー算数化してしまう。(実際にそうなっている。)

タグ:

posted at 16:56:34

解答略 @kaitou_ryaku

21年1月31日

これはめっちゃ思う。そして図表を描かない原因は「問題用紙に余白が少なすぎる」ことだと思ってる。理想としては、A4サイズの冊子の各ページに1題ずつ問題と解答欄を印刷し、残りの大量の余白を使って図や筆算など何でも自由に書けるような出題形式が望ましいと思う。印刷コストぐらい払って欲しい twitter.com/genkuroki/stat...

タグ:

posted at 16:58:28

黒木玄 Gen Kuroki @genkuroki

21年1月31日

高等教育においても、統計学における「尤度」(ゆうど)は元の英語ではlikelihoodなので「もっともらしさ」という意味になる、のような日常用語的な意味に引き摺られたデタラメな説明がまかり通っています。

こういうのは全部、悪しきチョー算数的な教え方とみなしていかないとまずいです。

タグ:

posted at 16:59:33

yudai.jl @physics303

21年1月31日

Julia Plotsで縦軸を右のようにしたいんだけど,どうやったらいいの? pic.twitter.com/jbjNHgZK4n

タグ:

posted at 17:11:22

KTYD @KTYDRCB

21年1月31日

VSCode上のJuliaデバッガー。前はおそすぎて使い物にならなかった感じだけど、今はだいぶ改善された!めっちゃはかどる!

タグ:

posted at 17:26:53

非公開

タグ:

posted at xx:xx:xx

黒木玄 Gen Kuroki @genkuroki

21年1月31日

@tsatie #Julia言語

①逆正弦法則を数値的に確認

②長さ1000のランダムウォークを200本プロット

③3次元のランダムウォーク

④円周上の一様分布のx軸への射影が逆正弦分布に一致することの数値的確認

公式ドキュメントも内容を使えばこの手の仕事は全部数行でできます。

gist.github.com/genkuroki/5fa6... pic.twitter.com/QVe6ntGRaP

タグ: Julia言語

posted at 19:19:00

黒木玄 Gen Kuroki @genkuroki

21年1月31日

@tsatie #Julia言語 rand([-1, 1], n, L) とか cumsum とかは自分で考えても知ることはできず、公式ドキュメントもしくはヘルプを読むのが近道です。

Juliaではシンプルな考え方を直訳し易いように沢山の函数を定義してくれています。

タグ: Julia言語

posted at 19:21:40

ʇɥƃıluooɯ ǝıʇɐs @tsatie

21年1月31日

@genkuroki 通底する?コンセプトみたいなものがもそっとすんなり掴めると楽なんだろうけど。

タグ:

posted at 19:31:34

黒木玄 Gen Kuroki @genkuroki

21年1月31日

@tsatie cumsumはR言語やPython NumPyにもある「普通の函数」です。 twitter.com/tsatie/status/...

タグ:

posted at 19:32:56

黒木玄 Gen Kuroki @genkuroki

21年1月31日

@tsatie 「通底するコンセプト」も公式ドキュメントを見れば結構分かります。例えば

docs.julialang.org/en/v1/manual/s...
Style Guide



docs.julialang.org/en/v1/manual/s...
Write functions with argument ordering similar to Julia Base

を見れば、どういう函数が最初から定義されている確率が高いかなんとなく分かります。

タグ:

posted at 19:38:09

砂___の___女 @vecchio_ciao

21年1月31日

@genkuroki #超算数 
小4で面積を学ぶときに、再び、長方形と正方形の「区別」を念押しされましたね… twitter.com/vecchio_ciao/s...

タグ: 超算数

posted at 19:42:47

非公開

タグ:

posted at xx:xx:xx

非公開

タグ:

posted at xx:xx:xx

非公開

タグ:

posted at xx:xx:xx

Julia日本語記事まとめ @julia_kizi

21年1月31日

新しい記事がQiitaにアップされました!qiita.com/nomunomu5678/i...👈

タグ:

posted at 19:57:59

非公開

タグ:

posted at xx:xx:xx

非公開

タグ:

posted at xx:xx:xx

yudai.jl @physics303

21年1月31日

juliaに詳しい皆様,お助け願います.
stackoverflow.com/questions/6597...

タグ:

posted at 20:33:29

(「・ω・)「ガオー @bicycle1885

21年1月31日

新刊『鬼滅の刃で学ぶJuliaプログラミング』

タグ:

posted at 20:51:37

mtmt @mtmtlife

21年1月31日

記事を書きました。
渡辺明王将(36)飛車の華麗な大転回を決め一気3連勝 永瀬拓矢挑戦者(28)をカド番に追い込む(松本博文) - Y!ニュース news.yahoo.co.jp/byline/matsumo...

タグ:

posted at 21:01:30

yudai.jl @physics303

21年1月31日

Julia Plots で ticks に表示させる桁数を気軽に調節できないの?

タグ:

posted at 21:08:19

ごまふあざらし(GomahuAzaras @MathSorcerer

21年1月31日

JupyterLab でも動いた (v2/v3)
めっちゃ嬉しい.

#Julia言語 pic.twitter.com/1kbcviPDZa

タグ: Julia言語

posted at 21:16:26

ゴルゴ・サーディーン @golgo_sardine

21年1月31日

@itigithicket 【それはもう終わってるけど】
その通りです。

#掛算 の順序守れ派は、
 「2×3 でも 3×2 でもどっちでも良い」
という主張を
 「3個ずつ2人に と 2個ずつ3人に が同じ」
という主張と勘違いすることがあります。
twitter.com/hRmu39tHiYEvJ6...

タグ: 掛算

posted at 21:17:58

@Miyaran99

21年1月31日

機械学習案件だと、Python, C++, R言語あたりは同様の処理を相互に書けると便利だけど、まぁ、最初はこの画像のとおりになる。というか私もなった(´・ω・`)
Pythonをオススメするのは、何よりも学習コストの低さ。
C++はしんどい、Rは独特な記述方法があるから特殊。ただ、今からなJulia良さそう。 twitter.com/neworder2000/s...

タグ:

posted at 21:49:38

leotaX(snskitm) @bbjpks

21年1月31日

@genkuroki @tsatie Randomのシードが気になります

タグ:

posted at 21:54:35

黒木玄 Gen Kuroki @genkuroki

21年1月31日

@bbjpks @tsatie 「よろしくみなさん」の後はテキトーです。

3Dのランダムウォークは見栄えが悪くなりがちなので、プロット結果を見せるためのサンプルコードでシードを指定してしまっています。

タグ:

posted at 22:03:57

Katsushi Kagaya @katzkagaya

21年1月31日

Rでのコマンドラインで使えるテキストベースのプロットパッケージ、txtplot。cran.r-project.org/web/packages/t...
#rstats
使用例: pic.twitter.com/xYHpCvH5oa

タグ: rstats

posted at 22:39:12

Katsushi Kagaya @katzkagaya

21年1月31日

密度のプロットもできるんだ。へぇー。github.com/cran/txtplot

タグ:

posted at 22:57:58

abap34 @abap34

21年1月31日

Juliaでのパッケージ開発 + 公式パッケージ化までを書きました。ページが崩れてますが知らないです
#Julia言語

abap34.github.io/my-website/jul...

タグ: Julia言語

posted at 23:12:38

誠 @Makoto_SUsys

21年1月31日

好きなプログラミング言語使っていいならJuliaかC/C++使いたい

タグ:

posted at 23:29:02

宮原篤 6th「小児科医ママとパパのやさ @atsushimiyahara

21年1月31日

内容見ればわかるけど、ワクチンを貶める話ではなく、ワクチンを接種しても収束するまでは個人レベルでも感染対策を怠らないことが大事という話。進藤先生への冒涜ではないか?

「ワクチン打っても収束疑問」 WHO日本人職員に聞く:朝日新聞デジタル www.asahi.com/articles/ASP1X... #新型コロナウイルス

タグ: 新型コロナウイルス

posted at 23:49:18

宮原篤 6th「小児科医ママとパパのやさ @atsushimiyahara

21年1月31日

一応書いて置くけど、進藤奈邦子先生は新型インフルエンザやエボラウイルスで活躍してくれた方ですよ。

タグ:

posted at 23:51:44

OokuboTact 大久保中二病中年 @OokuboTact

21年1月31日

#超算数

算数教育について調べていて、よく思うことは、
「中学の教師は算数教育に怒りとか苛立ちを感じて、文句を言ったりしないのかなあ?」ということ。
算数では小学校でしか通じないローカル・ルールがたくさんあって、それを中学で是正しないといけない。

twitter.com/OokuboTact/sta...

タグ: 超算数

posted at 23:57:22

«< 前のページ25262728293031のページ >»
@genkurokiホーム
スポンサーリンク
▲ページの先頭に戻る
ツイート  タグ  ユーザー

User

» More...

Tag

» More...

Recent

Archive

» More...

タグの編集

掛算 統計 超算数 Julia言語 数楽 JuliaLang 十分 と教 モルグリコ 掛け算

※タグはスペースで区切ってください

送信中

送信に失敗しました

タグを編集しました