『因果推論』（金本拓：オーム社）は因果推論に留まらず現代的なマーケティング分析手法まで網羅したバイブル - 渋谷駅前で働くデータサイエンティストのブログ

2024/04/22 250 users 因果推論 金本 バイブル オーム社 データサイエンティスト

因果推論: 基礎から機械学習・時系列解析・因果探索を用いた意思決定のアプローチ 作者:金本 拓オーム社Amazon 著者の金本さんからご指名でご恵贈いただいたのが、こちらの『因果推論 ―基礎から機械学習・時系列解析・因果探索を用いた意思決定のアプローチ―』です。正直に白状しますと、因果推論とタイトルにつく技術書... 続きを読む

🥺「役に立たないもの教えるのは時代遅れ！」「というわけでビッグデータで時系列解析を教えます！｣→冗談みたいな世の中になるかもねという話

2022/01/23 21 users 冗談 ビッグデータ コサイン リプ ＦＦ

てんにょ @barinoriron アメリカで Astroparticle Physics (宇宙素粒子物理学) の研究をしています。FF 以外からの通知は全部切ってるので、リプや引用 RT などは基本気づきませんm(_ _)m てんにょ @barinoriron 🥺「サイン・コサインなんて役に立たないもの教えるのは時代遅れ！」 😄「そうだ！」 🥺「というわけでビッ... 続きを読む

【開催報告&資料公開】ML@Loft #6 × MLPP #4 – 自然言語・レコメンド・時系列解析 | AWS Startup ブログ

2019/10/27 19 users Twitter MLPP ML@Loft レコメンド NLP

AWS Startup ブログ 【開催報告&資料公開】ML@Loft #6 × MLPP #4 – 自然言語・レコメンド・時系列解析 ML@Loft #6 × MLPP #4 「自然言語・レコメンド・時系列解析 」 AWS 機械学習ソリューションアーキテクトの宇都宮 ( Twitter: @shokout ) です。本ブログでは ML@Loft 第6回 x MLPP 第４回「NLP/レコメンド/時系列解析... 続きを読む

(Python) 時系列解析 - Murakami's Memorandum

2015/12/15 17 users Python

(工事中) データ型 移動平均・重み付き移動平均 単純移動平均 重み付き移動平均 スプライン補間 自己相関・相互相関 自己相関 有限複素フーリエ変換・有限フーリエ変換 データ窓 パワースペクトル コヒーレンス・偏コヒーレンス・マルチプルコヒーレンス データ型 リスト a=[1,2,3] アレイ import numpy as np a=array([1,2,3]) a*a # 要素毎の掛算　　[1... 続きを読む

ニュース - ディープラーニング（深層学習）でトレーダーを支援、AlpacaDBがFinTechへ事業転換：ITpro

2015/10/19 22 users FinTech Labellio ITpro ピボット 拠点

米国サンマテオと神戸に拠点を持つAIスタートアップ企業のAlpacaDBは2015年10月19日、ディープラーニング（深層学習、多層ニュールネットワークによる機械学習）を金融市場の時系列解析に応用する技術の開発に乗り出すと発表した。 同社はディープラーニングを使った画像解析を手掛け、2015年6月には画像解析のクラウドサービス「Labellio」を公開していたが、FinTech分野にピボット（事業... 続きを読む

時系列解析 - ナンバーズ予想で学ぶ統計学

2015/10/03 17 users 周期 当せん金額 誤差 統計学 時系列データ

時系列解析の説明 時系列解析とは 時間の経過と共に記録されたデータについて傾向、周期、誤差を分析する 手法を指す。 時間の経過と共に記録されたデータのことを 時系列データ と言う。 時系列データから何かを読み取ろうとするとき、数字を眺めているだけではどうにもなりません。 時系列データから 基本的な統計量 を算出して、 「当せん金額が最も多かったのは先月だ」とか「抽せん数字の平均値は 555.5 だ... 続きを読む

[統計]時系列解析の入門に良い資料 - gepulog

2015/04/29 42 users オハイオ州立大学 統計 入門 講義資料 良い資料

時系列解析の入門に良い資料 統計 2015-04-29 10:00:36 オハイオ州立大学のRobert de Jong先生が公開されている講義資料？がよさ気なので、紹介します。 Lecture 1: Stationary Time Series∗ Lecture 2: ARMA Models∗ Lecture 3: Spectral Analysis∗ Lecture 4: Asymptotic... 続きを読む