RT @TJO_datasci: にしても、後期高齢者76歳の実家の親父ですらPythonを新たに学んでコードを書いて挙げ句の果てに学会発表までできるのだから、「未経験からデータサイエンティスト・機械学習エンジニア志望」の若者たちはたかがPythonぐらいさっさと覚えろって話な…

RT @grahamian2317: データ分析とかUXリサーチがうまく動いていない会社はアナリストも意思決定者もインテリジェンス・サイクルでいうところの相互理解ができていないとおもう。 https://t.co/tps6G3Jwrt https://t.co/bJ0Pe3i9…

CiNii 論文 -  NIRSの問題点と今後の展開(<特集>脳機能イメージングの拡がり) http://t.co/jRPDF4V via @feedly

２つ目の可能性が正しい場合には、当面は際限なく性能が向上するように見えるだろう。その場合、計算力に関する物理的な制約がクリティカルになることは何度か紹介している私の2018年の論文でシナリオ整理している通り( https://t.co/Lz2OdXsr8k )。(12/15)

臨床試験におけるヒストリカルデータの活用については、以前総説を計量生物学に書きました。共変量調整の話などを除いてはこの頃からあまりアプローチは変わっていない印象。 https://t.co/ySOd1ICp1L

@nino_pira 新旧含めて、このPDFがまとまっていると思います。2022年5月発行なので最近ですね。 https://t.co/O2PKS3aqKu

機械学習を用いたダム操作最適化システムの開発への取り組み https://t.co/SPzRnJHhHx ふむ。東電が強化学習でダム操作するチャレンジしているのか。

修士論文が大詰めというビジネススクールの院生の皆さんも多いと思いますが、自らのリサーチクエスチョンの点検にご活用下さい。 M1の終わりからM2の初め位に読んでもらうようにしていますが、実際に論文を書き始めてからの方が内容が入ってくる気がしています。 https://t.co/b51LPhuTPX

にしても、後期高齢者76歳の実家の親父ですらPythonを新たに学んでコードを書いて挙げ句の果てに学会発表までできるのだから、「未経験からデータサイエンティスト・機械学習エンジニア志望」の若者たちはたかがPythonぐらいさっさと覚えろって話なんだなと思った https://t.co/INZZyMhujm

ってか親父が去年辺りからPythonで何ができるんだと根掘り葉掘り聞いていたんだが、今年の学会発表で普通にPythonコード書いて、PyAudio, Matplotlib, NumPy, OpenCV使ってこんなことができますと発表していて吹いた。もう後期高齢者ですよ？ https://t.co/INZZyMhujm

メモ ニューラルネットの数学的定式化の解説スライド https://t.co/q6dOrDvOlZ 原論文(214ページの大著)にかなり包括的にまとめられている https://t.co/FZur4GoKNY https://t.co/yNDbbHvpVA

セカンドライフブームを踏まえ、マルチバースについても2007年からNRIの方が言及してたらしいですね。これも凄い https://t.co/R1vehLvood https://t.co/u63DkXuiXB

データ分析とかUXリサーチがうまく動いていない会社はアナリストも意思決定者もインテリジェンス・サイクルでいうところの相互理解ができていないとおもう。 https://t.co/tps6G3Jwrt https://t.co/bJ0Pe3i9IZ

因果推論のことを再度勉強してるんですが、基本的な方法から新しい手法まで、どういうことを目的とした手法なのかがまとまっていて、非常に助かっています https://t.co/YK1NJQuRbV

発想の斬新さがまずスゴすぎる。こんなこと、考えたこともなかったわぁ… → 「角膜反射を利用したスマートフォンの把持姿勢推定」 https://t.co/qhWG5zHdWY #entcomp2021 https://t.co/Aqh1dxYIQE

PFNフェローの丸山さんの論文、チャレンジングな内容。PDFで読める > J-STAGE Articles - 人の心に似た機械を設計できるか https://t.co/X8gcBgXR5t

傾向スコアについての良さげなまとめがオープンアクセスだそうな

知人に紹介して貰った論文、発想が狂気で震えてる。これを掲載する甲殻類学会もイカれてんのよ。 「生鮮な人肉をヒメスナホリムシに与える―観音崎産等脚目・端脚目甲殻類4種の飼育事例―(2019,川﨑 祐介)」 https://t.co/pnYLl5NL7R

https://t.co/7J6CgZHagN ↑ 読んでいます。

予測モデルの評価指標に関する日本語総説。 定番の指標に加えて、リスク較正（calibration）とかリスク再分類（NRI）、そしてネットベネフィットも説明されててとてもありがたい https://t.co/3WroZJMtkP

学力があったり、トップティアの会社に就職したりしてる事によって、達成志向や順応性、コミュ力等のボディ性能もある程度あるという暗黙の前提をおいていたが、そこそこ独立した変数なのだろう。東工大Ph.D.の方の論文には、ボディ性能間は余り独立してないとあるが。 https://t.co/CixPQt8xNB

日本の医師国家試験(平成23年)に出題されたp値に関する択一式問題で、選択肢に正答がなかったし、さらにそのことを「医学界の重鎮」に指摘しても理解してもらえなかったという話もなかなか趣が。 柳川堯(2017)「p値は臨床データ解析結果報告に有用な優れたモノサシである」https://t.co/4GFhlVZVXO https://t.co/aP9ReSaXNY

「自然言語処理で人々の役に立ちたいのならば、アカデミックなことはしばらく脇に置くのがベターだと思う」同感。あと、機械学習をされている方はこのPDFの「３つのキーワード」の話を読まれることをおすすめします。 https://t.co/IJ17yqUEZV

@TJO_datasci もとのマッキンゼーリポートだと (1) 基盤データ管理+デプロイ＝supporting technology personnel (2) ML/stat + モデルプログラミング＝deep analytical talent (3) ビジネス適用＝data savvy manager https://t.co/UxU5pMke82 の1.2節 https://t.co/0Nv5ddQUZg