Masa @asas_mimi Twitter profile

Pinned Tweet

Masa

@asas_mimi

9 years

流行のGradient boostingをアニメーションにしてみた。 Pythonはアニメーションにしやすくてやはり好きだわ。

0

37

183

Last Seen Profiles

@nhk_syumicoco

@an72u5

@bokeplokalmalam

@HeavitreeUnited

@hiinayakiniku

@savemefordark

@stw_pdg

@suxinchen780

@otogiinc_y

@11Hiken

@nagoya_amigo

@natsuyulemon

@john_willie54

@mausassi

@john_willie54

@DeanPerrett2

@Napoha_

@john_willie54

@You_Cerified

@bokeplokalmalam

@thehumphreyker

@verl_mede

@stwmaniax

@bokeplokalmalam

@starlightwooyo

@john_willie54

@LeiCiamponi

@BGSTransfusion

@1967Maa

@galery_basah10

@BreacDe

@stw_pdg

@BinorRaja

@couples_mot7arr

@DrLuke1994

@jackdaniel34347

Masa

@asas_mimi

3 years

トイレで離席したら、、、僕の代わりに娘様が顔出しで参加してくれてたwww

57

3K

40K

Masa

@asas_mimi

2 years

控えめに言って、このまとめは最高の記事。なにこれ天才。昼休み土下座して読みました。 30分で完全理解するTransformerの世界

30分で完全理解するTransformerの世界

zenn.dev

0

90

765

Masa

@asas_mimi

5 months

官僚の低学歴（非博士）問題で省庁によって事情は超絶異なるし、僕も博士もってないから！！沈黙してたんだけど、「官僚の仕事は調整等が大層で（博士等）は不要」っていうのは反論としては少し弱いと思う。もちろん、ジェネラリストは絶対必要で彼らの仕事と努力量は誰も批判しないが (1/n)

3

100

636

Masa

@asas_mimi

4 years

ヨビノリ様やAIcia Solid様の名前がとうとう教科書にも載るようになる時代とは。娘様が高校•大学生になる頃は、（好奇心があれば）かなり勉強しやすい時代になってるんだろうなーと予想

1

87

514

Masa

@asas_mimi

5 years

ISO感度よくて、23時に見えないけど、狛江側からみた多摩川です。

2

330

463

Masa

@asas_mimi

3 years

なんかプチバズってるので、今年読んだ本でお薦めの図書を一冊宣伝しとく予測モデルの作り方みたいなHowTo本は色々あるけど、適切な活用法の一例としてとってもいい本。特に行政官は是非読んでほしいかも馬場真哉「意思決定分析と予測の活用」

意思決定分析と予測の活用基礎理論からPython実装まで (KS情報科学専門書)

《予測を「作る」から「使う」へ》・具体的な数値例,Pythonプログラミングを通して,手を動かしながら学ぶ! ・決定分析の基本と活用を中心に,効用理論,確率予測までを解説! ・リスクや不確実性がある中での意思決定に興味がある人に最適! 【サポートページ】 https://logics-of-blue.com/decision-analysis-and-forecast-book-suppo...

www.amazon.co.jp

0

36

464

Masa

@asas_mimi

2 years

これはついつい土下座するほど良い資料。退職したけど、この勉強会だけは毎回出たかった。。。 DiffusionによるText2Imageの系譜と生成画像が動き出すまで

DiffusionによるText2Imageの系譜と生成画像が動き出すまで

2022年を境に爆発的な流行を見せはじめた AI 画像生成。コアとなる拡散モデルの基礎解説、研究領域で育てられた技術が一般層にまで羽撃いた変遷、その過程で生じた解決されるべき問題点、および日進月歩で増え続ける発展的な手法群について、網羅的に流れを追いかけるメタサーベイを作成しました。明日にでも世…

speakerdeck.com

0

53

453

Masa

@asas_mimi

2 years

大掃除なう。今年、（ML系限定で）凄いと思った本5選「分析モデル入門」は表紙で判断したらダメ。名著「自然言語処理の基礎」も新しいNLPに興味なくても読むべき名著。岡野原（神）本２冊と第二版の岡谷本は、最近追えてなかったDeep系の議論をキャッチアップできる神本

0

50

444

Masa

@asas_mimi

2 years

今年、MLの非理論系で面白かった本、５選。なかでも、「データ解析におけるプライバシー保護」は何度も読んだ。あと、「機械学習デザインパターン」はとっても実践的で好き

0

50

431

Masa

@asas_mimi

10 months

（個人的に）超大事な論文発見。因果推論って感度分析てよく要求されますよね。それのCATE（条件付き因果効果）版の論文！未捕捉の共変量”だけ”じゃダメって論文！ Quantifying Ignorance in Individual-Level Causal-Effect Estimates under Hidden Confounding (2021ICML)

1

46

382

Masa

@asas_mimi

10 months

うわーこの教科書,結構いい。網羅性は犠牲にしてるけど（特にエコノメに人気な手法群は省略）、要求数学レベルが初学者にはちょうどいい。感度分析とかも入ってていいかも。（個人的にはRなのが許せないけどｗ、それは仕方がない。） A First Course in Causal Inference

A First Course in Causal Inference

I developed the lecture notes based on my ``Causal Inference'' course at the University of California Berkeley over the past seven years. Since half of the students were undergraduates, my lecture...

arxiv.org

1

52

384

Masa

@asas_mimi

10 months

息子様、親の仕事部屋で図鑑読むのが最近の日課。書斎の本が少しずつ子供達の図鑑と絵本に置くわってる今日この頃

1

19

361

Masa

@asas_mimi

3 years

なんか前のツイートがリノベの件でプチバズったので、お世話になった業者さんを宣伝しておこうかな。安めの中古マンションでフルリノベしました。リビングで将来家族全員でお勉強できたらなー的な感じのコンセプトで。業者はリノベ不動産（ @beathouse0909 ）さんにお世話になりました。

Masa

@asas_mimi

3 years

トイレで離席したら、、、僕の代わりに娘様が顔出しで参加してくれてたwww

57

3K

40K

2

35

282

Masa

@asas_mimi

6 years

これ、、、私の別人格が書いたんじゃないか？て思うほど心に響く。自分自身への戒めにも。言葉遣いが過激だから会社の人には共有しにくいのが難点、笑。本当は会社の人に広く読まれてほしい記事 DeepLearning/機械学習を始めると必ずいるカス - BizDeep

0

81

220

Masa

@asas_mimi

10 months

あと、今これ輪読してて、とっても良かった。前半はDS人材はそこまで驚かないと思うけど、後半の組合せ最適化ゾーンからは、「おおおそうだったのかー」と。僕は今まで雰囲気で最適化してた。ごめんなさい。つ梅谷先生「しっかり学ぶ数理最適化」

しっかり学ぶ数理最適化モデルからアルゴリズムまで (ＫＳ情報科学専門書)

最適化問題へのモデル化と、基本的なアルゴリズムを俯瞰し、最適化という考え方の基礎をしっかりと固める。大事なことは、いつの時代も変わらない。イメージしやすい具体的な例や、理解の定着にかかせない演習問題も充実！【推薦の言葉】数理最適化は、問題解決のための数学である。今では、その成果を実装したソルバーが簡単に手に入るようになった。直面する問題を解決するには、まずそれをモデル化し、適切な最適化手...

www.amazon.co.jp

1

12

206

Masa

@asas_mimi

5 years

娘様をハグハグしながら、コーディングできるほど器用じゃなかった。。。可愛すぎる

2

16

196

Masa

@asas_mimi

5 years

これ凄い。。。Qiitaで日本語訳してくれて嬉しいけど、この分量とてもマスターできるボリュームじゃないなw Awsome!!!! Awesome Python：素晴らしい Python フレームワーク・ライブラリ・ソフトウェア・リソースの数々

Awesome Python：素晴らしい Python フレームワーク・ライブラリ・ソフトウェア・リソースの数々 - Qiita

元記事: Awesome PythonAwesome List in QiitaAwesome RubyAwesome JavaAwesome JavaScriptAwesome Node…

qiita.com

0

15

191

Masa

@asas_mimi

2 years

因果推論ブーム（？）で、加えてEconML /CausalMLとか使いやすいパッケージでてきたせいで、あまりよくない提案をよく受ける気がする。 ML的な要素いれると”かっこいい”かもしれないし、EconMLは僕も好きだけど、いきなりそっち系から入門するのはもったいないと思う。共変量調整一本足打法になりがち

1

24

188

Masa

@asas_mimi

9 years

Rのパッケージ rpivotTable がとにかく凄い。かなり使いやすい。excel感覚、いやそれ以上、だと思う。

0

57

177

Masa

@asas_mimi

5 months

この4月なんなん？？！！読まねばいけないのが集中して届いたw 読者のGWを殺すつもりですね、賢い販売戦略だ。

0

18

163

Masa

@asas_mimi

2 years

Microsoftの因果推論OSS で有名なdoWhyがAWSと共同開発で生まれ変わるかも？？ pyWhyプロジェクトらしい。これ有名な話かな？今日初めて気づいた。感度分析とかもサポートされる？？かも？ワクワク

Roadmap

DoWhy is a Python library for causal inference that supports explicit modeling and testing of causal assumptions. DoWhy is based on a unified language for causal inference, combining causal graphic...

github.com

2

15

152

Masa

@asas_mimi

10 months

YouTubeはヨビノリさんがお好きな幼児。もちろん内容は理解できてないけど、テンポが絶妙にウケるらしい。

1

4

145

Masa

@asas_mimi

5 months

問題なのは、その領域に対して”素人”判断をしてしまうこと。大学院留学（修士）はこれの処方箋としては弱い。どんな素晴らしい学歴でも、企業だったら数年間の先輩職員からの訓練（プロダクトコード、プロジェクト管理等）を経てやっとスペシャリストとしての独り立ちするわけなので。(3/n)

1

24

141

Masa

@asas_mimi

9 months

年末のおすそ分け。昨日までこれ読んでた。知らんもんいっぱいあって積読リストがまた増えた "Causal Machine Learning: A Survey and Open Problems"

1

17

139

Masa

@asas_mimi

5 months

どんな組織・企業でも、ジェネラリストは頑張ってる。ただ、問題は本来専門性が必要な業務、職人的修業が必要なドメインも実際にあるわけ（※ 省庁によってその割合は異なる）。その領域どうすんの？問題があるわけ。 ※その領域が（組織にとって）”コア業務”でなければ外注ももちろんあり。(2/n)

1

26

138

Masa

@asas_mimi

10 months

おおお、面白い！傾向スコアみたいに介入のモデリングではなく、置換データセットの分類問題として、そこから密度比推定に持ち込むのか。確かに介入の形状からもフリーになるし、特性も良さそう。精読してみよう。再現してみたいなこれ。 Permutation Weighting(ICML2021)

1

19

130

Masa

@asas_mimi

5 months

その業務が”コア業務”だと認識するなら、しっかりキャリアパスを整備して専門家を育てた方がいい。データ分析等についても同じ。「公務員の給料安いから専門家雇うのは無理じゃね？」的な言説は個人的には懐疑的で、国家公務員より安い給与で優秀なエンジニア組織・企業って死ぬほどあるわけ (5/n)

1

24

129

Masa

@asas_mimi

10 months

娘様からのプレゼント。動かしたら怒られるので座れん

1

12

126

Masa

@asas_mimi

10 months

LLM追ってなかったけど、これ面白い。 RLHFのRLって本当に必要？って論文。 ”Your Language Model Is Secretly a Reward Model” 証明等はまだ全然追ってないけど。分類問題に置き換えてる。 Direct Preference Optimization: Your Language Model is Secretly a Reward Model

Direct Preference Optimization: Your Language Model is Secretly a...

While large-scale unsupervised language models (LMs) learn broad world knowledge and some reasoning skills, achieving precise control of their behavior is difficult due to the completely...

arxiv.org

0

17

128

Masa

@asas_mimi

3 years

データセット（因果推論用）のまとめリポジトリ有名どころまあまあ入ってるご様子

GitHub - NickCH-K/causaldata: Packages of Example Data for The Effect

Packages of Example Data for The Effect. Contribute to NickCH-K/causaldata development by creating an account on GitHub.

github.com

0

20

124

Masa

@asas_mimi

2 years

本日は、これ読む。機械学習ではお馴染みのShapley Valuesの因果への拡張っぽい？「特徴量間の相関が認められるときって、Shapley Values違和感あるよね。Pearlのdo-calculusを採用して因果Shapley Valuesを提案するよ」だそうです。 Causal Shapley Values (NeurIPS 2020)

1

11

118

Masa

@asas_mimi

16 days

脳死注文ポチってたけど、目次を確認したら、かなり良さそう。積み読してた（=読んでない）Fuzzy DiD(C de Chaisemartin, X D’HaultfŒuille, 2018)とか入ってる？かも。これは楽しみ。 Rなのか。。。暇なときにPythonに書き換え頑張ろう。因果推論の計量経済学｜日本評論社

因果推論の計量経済学｜日本評論社

因果推論の計量経済学。川口康平氏。澤田真行氏。日本評論社は1918年創業。法律時報、法学セミナー、数学セミナー、経済セミナー、こころの科学、そだちの科学、統合失調症のひろば、など評価の高い雑誌を定期刊行しています。

www.nippyo.co.jp

0

16

112

Masa

@asas_mimi

5 years

Causal forestsまで載ってる！数ページだけど、超的確！とっても良いスライドで感動！いろんな人に読んで欲しい統計的因果推論とデータ解析 / causal-inference-and-data-analysis ( @tomoshige_n 先生 )

統計的因果推論とデータ解析 / causal-inference-and-data-analysis

統計的因果推論の解釈と、実際の運用における注意点をまとめた資料です。先日、closedな勉強会で発表したものを一部改変したものです。 twitter : @tomoshige_n mail : [email protected] 注）一部、わかりやすさを厳密性よりも…

speakerdeck.com

2

17

110

Masa

@asas_mimi

4 years

まだ全部観てないけど、チャンネルのクオリティ高そう。なのに、再生回数がまだ少ない！（秘密にしたい気もするけど、）やっぱり勝手に宣伝。良い内容なので、人気になって、どんどん続けて欲しい。因果推論入門[1.1]：What's Double Machine Learning?

因果推論入門[1.1]：What's Double Machine Learning?

◆概要Double Machine Learningの理論的背景を読むChernozhukov et al (2018) Double/debiased machine learning for treatment and structural parameters◆参考・Chernozhukov et al (...

www.youtube.com

1

22

110

Masa

@asas_mimi

2 months

これが不要に炎上してることに驚いた。 RDDが知名度ないのは別に普通だけど、従属変数について対数変換して弾力性みるのって普通のお作法、、、

ドニー

@CwpTBjqHIwuEnyf

2 months

ここで1割負担になる瞬間に受診回数がぐっと上がるグラフをひとつ

194

6K

28K

0

29

106

Masa

@asas_mimi

5 months

２、３年で異動するような１種（総合職）にこの機能を期待するのはなかなか難しい。スペシャリストとしてのキャリアパスがある省庁もあるけど、政策官庁ではここらへんの意識がどうしても低くなってる印象がある。 (4/n)

1

17

102

Masa

@asas_mimi

5 months

（給与ももちろん大事だけど、）それ以外にJDをしっかり整えて、キャリアパスをしっかり示す等まだまだ改善の余地はある。という趣旨。ポピュラーサイエンス本読んで理解したつもりになったり、ポエムと気合で乗り切ってはいけない領域は確かにあると僕は思っている。(6/n)

1

17

102

Masa

@asas_mimi

9 years

カンザス州立大学の論文。ロジスティック回帰分析について 9 つのソフトウェアでテストを行ない、Limdep, Matlab, R, Minitab, Eviews, SPSSが信頼できると結論している。 SASが入ってない！驚き

1

68

100

Masa

@asas_mimi

3 years

入門者向けのMLチートシートみつけたｗ　なんだこれｗ The Machine Learning cheatsheet

0

6

99

Masa

@asas_mimi

5 years

備忘 AAAIのチュートリアル２日目超面白かった。因果推論×表現学習。Balanced Representation Learningとか、確かに因果への応用としては面白いです。勉強不足で、（噂には聞いてたけど）後半の論文は全然読んでなかったです。 Representation Learning for Causal Inference

0

15

96

Masa

@asas_mimi

2 years

（これは仕事の愚痴ではなく、今の職場でもなく、一般論ですが：）データ分析の文脈で、いきなりツールやデータ共有化の話とかするの（”やってる感”的にはいいかもしれませんが）あまり好きじゃないなーと。特にアドホック系の分析がメインの領域で [1/n]

1

7

92

Masa

@asas_mimi

6 months

北川先生＆木戸先生の「証拠に基づく政策立案のための計量経済学」（数理科学 2024年4月号）、よかった。 Manski（2004）的な決定理論とそれ以降の議論とかまとまってて勉強になった。

0

16

94

Masa

@asas_mimi

3 years

ベランダで半分まで読んだ。推薦システムにも観察構造をモデル化するところまで。次はランク学習。とても、読みやすいのでいい買い物でした施策デザインのための機械学習入門

0

11

94

Masa

@asas_mimi

1 year

とうとう届いた。Pythonの因果本　 Causal Inference and Discovery in Python: Unlock the secrets of modern causal machine learning with DoWhy, EconML, PyTorch and more githubにnotebookも公開してるっぽいので、ゆっくり読みます

Aleksander Molak {'url': 'CausalPython.io'}

@AleksanderMolak

1 year

"Causal Inference & Discovery in Python" is out now! Foreword by @AjitJaokar ( @UniofOxford ) We did our best to avoid mistakes in the book but some happened Here's an errata file with known mistakes: If you spot more, let me know

4

23

100

0

11

92

Masa

@asas_mimi

10 months

やっぱりチュートリアルはありがたい。実務にピッタリな問題群 Causal Recommendation: Progresses and Future Directions Lecture Tutorial for SIGIR 2023

CausalRec

causalrec.github.io

0

11

93

Masa

@asas_mimi

5 months

最近なら「AI系」で超怪しいベンダー提案とか公開情報でも色々でてくる。でも、このアセスメントを行政官のみが行うのは無理。ほとんどの省庁で機械学習エンジニアの内製化は不要だと思うけど、変な提案をしっかり殺せる制度的な仕組みは必要かなと思う。外部有識者に頼るのも一つの手かなー (9/n)

0

13

92

Masa

@asas_mimi

6 years

やばい、このブログ著者さん、同じ会社か？？！！と疑っててしまうほど共感。（違う会社ですが）大企業機械学習エンジニアに立ちはだかる3つの壁おじさん - BizDeep

0

33

89

Masa

@asas_mimi

3 years

感度分析ですね！！この論文よんで、超感動しました Sense and Sensitivity Analysis: Simple Post-Hoc Analysis of Bias Due to Unobserved Confounding

Sense and Sensitivity Analysis: Simple Post-Hoc Analysis of Bias...

It is a truth universally acknowledged that an observed association without known mechanism must be in want of a causal estimate. However, causal estimation from observational data often relies on...

arxiv.org

2

5

84

Masa

@asas_mimi

2 years

書斎に０歳児の侵入を許すと悲惨なことに。そんな長男も本日で生誕1周年なり！

0

3

83

Masa

@asas_mimi

4 years

娘様と遊びながらお勉強（趣味の開発）頑張るw

0

10

78

Masa

@asas_mimi

4 years

娘様の自習タイム。本棚の一階は諦めた方がよい

0

9

80

Masa

@asas_mimi

5 months

外注は外注で問題があって、ベンダーのアセスメント問題はある。（某省の「政◯提◯AI」とか個人的には超怪しいと思ってる!!! ※公開情報なので、個人的感想）公的入札の質の管理は超大変なので、ここらへんは民間より自由度は低いけど、明らかに変な提案を潰す最低限のリテラシーは必要。(8/n)

1

13

76

Masa

@asas_mimi

2 months

重岡先生(2014)のRDDを"統計詐欺"と勘違いした方へ一度、元論文を読むといいかも。以下は同論文から図表6を引用 Shigeoka, Hitoshi. 2014. "The Effect of Patient Cost Sharing on Utilization, Health, and Risk Protection." American Economic Review, 104 (7): 2152–84.

1

20

74

Masa

@asas_mimi

9 years

色々試した結果、これは非常に勉強になった。 Bayesian Optimization ベイジアン最適化 in Python using this package (by fmfn)

0

12

72

Masa

@asas_mimi

4 years

届いた。基礎固めに最適な教科書ですね、これ。曖昧なところはこの本でちゃんと問題解けばかなり有意義かと

1

8

71

Masa

@asas_mimi

3 years

ママの帽子を奪って前が見えない娘様が乱入

1

5

70

Masa

@asas_mimi

5 months

もちろん、その領域がコア業務であるという前提であって、アドホックな業務であれば「外注」ももちろんあり！それに「いきなり内製化」なんて無理というか危険しかない。外注という選択肢も悪くはないとは思うけど (7/n)

1

11

65

Masa

@asas_mimi

2 years

この資料、めちゃくちゃ良い。ここで紹介されてる文献は丁寧に読んでいきたい。合宿うらやましい。。。検定力分析とベイズファクターデザイン分析によるサンプルサイズ設計 | Hiroyuki Muto #docswell

検定力分析とベイズファクターデザイン分析によるサンプルサイズ設計 | ドクセル

2022年3月7日に行われたベイズ統計学勉強会 2022 年春合宿（ベイズ塾春合宿）での発表に使ったスライドです...

www.docswell.com

0

15

61

Masa

@asas_mimi

3 years

@sonson_twit リノベ頑張りました！ありがとうございます

0

56

Masa

@asas_mimi

9 months

@usaminoriya ソフトウェア開発のアナロジーにのっかるなら、テストもしてない（しようがない）「新しい価値観」なるものを無邪気に本番環境にディプロイするなんて無謀ですよねー。私も、このアナロジーが嫌い。。「法令遵守！」くらいの合言葉で、「あとは適宜議論しようね」の方がよっぽど健全なスローガン

1

6

60

Masa

@asas_mimi

3 years

世界一意識高い１歳児なので、朝から「経済セミナー」読んでる娘様

0

6

58

Masa

@asas_mimi

2 years

あくまで一般論ですが、、、"でぃーえっくす"なる文脈で、データ利活用系の相談をML界隈に頼りすぎてると思うんですよね。統計学者さんとか経済学者さんにももっと厳しい意見もらった方がいいと思う。。意思決定につなげるための分析と、サービス改善・高度化のためのモデリング/分析って少し違う

1

4

57

Masa

@asas_mimi

9 years

統計数理研究所チャンネルは本当に勉強になる。 Lecture on Kernel Method for Bayesian Inference by Kenji Fukumizu > カーネルベイズ講義（福水健次）難易度★★★

カーネルベイズ講義（福水健次）難易度★★★

福水健次教授（統計数理研究所）の研究会「神経科学と統計科学の対話4」での講演。カーネル法の枠組みの中で条件つき確率やベイズの定理を表現する理論とその応用の創始者による解説。Recorded on 2014/03/19 - Captured Live on Ustream at http://www.ustream...

www.youtube.com

0

19

54

Masa

@asas_mimi

3 years

共立出版さまから、計量分析One Point シリーズなるものがスタートするらしい。おおお、、監修・翻訳が社会学の良心太郎丸博先生か。予約だん！固定効果モデル

0

14

53

Masa

@asas_mimi

5 years

「転職は人生のクロスバリデーションです」と新人向けR言語研修で言いそうになったけど、大人なのでグッと堪えた。冗談でも人事の人に刺される。。。「常に外部を意識して、自分のスキルセットを伸ばしていこうね。ウチの会社の悪いところまで過学習しないようにね」的なマイルドな言い方に変更。

2

11

54

Masa

@asas_mimi

3 years

この論文、勉強になるな Cardinality matching (CM) vs. 傾向スコアマッチング(PSM)比較研究。ごめんなさい、CMなんて最近まで知らなかったです。

Comparison of Cardinality Matching and Propensity Score Matching for Causal Inference in Observat...

Background: Cardinality matching (CM), a novel matching technique, finds the largest matched sample meeting prespecified balance criteria thereby overcoming limitations of propensity score matching...

www.researchsquare.com

0

7

53

Masa

@asas_mimi

4 years

Double / Debiased Machine Learningのこの解説スライドえげつなく分かりやすい。とっても参考になった。ちなみに、プリンストン大学の社会学部の資料っぽい。素晴らしい

0

9

51

Masa

@asas_mimi

4 years

double/debiasedﾏｼﾝﾗｰﾆﾝｸﾞ読んだので、忘れないうちにこの本読もう。 13,000円なり、、、。こんな本に巡り合えるなんてツイッターて本当便利。（多分、今年はこの本で終わる、、、分厚い、、、。）

1

7

52

Masa

@asas_mimi

3 years

MoT（Mobility Technologies）の最終出社日。感謝しかない特にAI技術開発部の皆さま、恋しい。修業させて頂きました。明日かは再び全体の奉仕者になります。（DS界隈にはいずれ戻ってきますので、その際は誰かよろしくです）最後に採用ポジション宣伝させてください！

0

1

50

Masa

@asas_mimi

4 years

最近Econ畑の人と会話してて、彼らの１つの論文執筆にかける労力と時間の凄まじさときたら異常ですよ。（僕が去年から読んでる論文、まだ採択されないし。。。笑）文系理系関係なく、他分野の単純な研究業績数の比較は本当に危険だと思う。

0

14

50

Masa

@asas_mimi

5 years

やばい。とうとうJulia本が翻訳される。数年後Juliaに切り替えないといけなくなる、、、かも。 > 「Juliaプログラミングクックブック ―言語仕様からデータ分析、機械学習、数値計算まで単行本」（ソフトカバー）

0

16

49

Masa

@asas_mimi

2 years

細かい手法を攻める前にKohavi の「カバ本」( )でその思想を抑えた方がいいと思う。あと、各手法は Neal先生の教科書フローチャートが好き。黒川先生の教科書等まとめ　宗先生の教科書等まとめ

Jaehyun Song, Ph.D.

Jaehyun Song’s personal homepage

www.jaysong.net

1

5

49

Masa

@asas_mimi

3 years

テレワーク最高でござる仕事終わってすぐ家族に会えるとか天国

0

3

47

Masa

@asas_mimi

5 years

山手線「トラブルを起こされたお客様が警察が来るまで絶対降りないため、山手線全線停止中です」 ↓ 山手線「トラブルを起こされたお客様が降りました。出発します」車内で笑いが起きる

0

31

44

Masa

@asas_mimi

3 years

本当に大金投入する前に、職場でこれを輪読するべきだと思うんですよね。少しずつ仲間増やさねば。 > 実践的データ基盤への処方箋〜ビジネス価値創出のためのデータ・システム・ヒトのノウハウ

実践的データ基盤への処方箋〜ビジネス価値創出のためのデータ・システム・ヒトのノウハウ

www.amazon.co.jp

1

5

47

Masa

@asas_mimi

10 months

なんか微妙に先のポストが人気なご様子、全体をサラッと俯瞰したい方はNealの講義ノート方が良いかも？ Introduction to Causal Inference あと、Pythonスクリプトが欲しい方は @MatheusFacure さんのこれ Causal Inference for The Brave and True

Introduction to Causal Inference

Introduction to Causal Inference. A free online course on causal inference from a machine learning perspective.

www.bradyneal.com

Masa

@asas_mimi

10 months

うわーこの教科書,結構いい。網羅性は犠牲にしてるけど（特にエコノメに人気な手法群は省略）、要求数学レベルが初学者にはちょうどいい。感度分析とかも入ってていいかも。（個人的にはRなのが許せないけどｗ、それは仕方がない。） A First Course in Causal Inference

1

52

384

0

7

47

Masa

@asas_mimi

2 years

妻様のサンタコスプレはゴールドジム可愛い

1

3

44

Masa

@asas_mimi

9 years

ノンパラメトリック回帰が良く分からない人へ。このスライドはおそろしく分かりやすいと思う。西山慶彦「ノンパラメトリック計量経済分析:概観」(日本経済学会 2014 春季集会) http://t.co/eEaSaFDW7e

0

8

42

Masa

@asas_mimi

11 months

高橋先生の指摘大事。因果を推定できるorできない、の２値問題として捉えられがち。そして、（潔癖症的に）未捕捉な共変量があると全否定してしまいがち（もったいない）。当該未捕捉な因子の影響を見積もって、意思決定の参考にするべきかなと。

0

7

42

Masa

@asas_mimi

2 years

おおお、無料だ！！こういうの好き数学好きの人のためのブックガイド

0

4

43

Masa

@asas_mimi

1 year

Econの人とお話しすると、交絡（ backdoor基準）ではなく「内生性」という概念を使いますよね。脳死で自動変換してたんですが、これって同じ意味ではないですよね。後者の方が概念が広くて、いわゆる”同時性”も含んでる。（DAG系はこれを許さない。タイミング概念や未捕捉系を導入して再解釈したり）

1

41

Masa

@asas_mimi

8 years

中２的衝動で、今日の昼休みに購入してしまった。土日に読む > 『複素ニューラルネットワーク』(第2版) 2016年 06 月号数理科学別冊

1

20

39

Masa

@asas_mimi

2 years

とどいた > SQLではじめるデータ分析 ―クエリで行う前処理、時系列解析、コホート分析、テキスト分析、異常検知

0

1

39

Masa

@asas_mimi

2 years

2022年、非ML系で勉強になった図書５選。特に黒木先生「構造的因果モデルの基礎」( )！因果村の諸派の整理としては最高にしっくりくる。また、ビジネス書(?)はほとんど読まないのですが、広木先生のこのスライド（）を読んで一気にファンになった。

0

3

39

Masa

@asas_mimi

9 years

そろそろ自然言語処理タスクも来るかもしれないので、家でLDAをいじってみた。それにしてもRの ‘LDAvis’すごい！！仕上げにこのパッケージも使うべきですね！！(でも、僕のおんぼろPCで lda使うと２９分も計算かかってしまった)

0

14

38

Masa

@asas_mimi

5 years

バンガロール（インド）、カレー屋さんの看板の上に、「データサイエンスやるよ」「hadoopあるよ！」「機械学習任せて」の看板が、、、これはカオス。

0

13

39

Masa

@asas_mimi

4 years

いただきものコード部分は抜かして一通り読了。流石解説が丁寧でとってもいい. それ以上に、「予測を使う」ということに重きを置いていてモチーフとってもいいですよね!! (1/n) > 馬場真哉「意思決定分析と予測の活用」

1

2

37

Masa

@asas_mimi

2 years

因果推論界隈のスーパー夫婦Athey and Imbens (2022)読む。DIDのstaggered adoption designで、adoption dateをランダム化するのかこれ。

1

8

37

Masa

@asas_mimi

3 years

本日の積み読解消は、”Synthetic difference in differences” 。Pythonパッケージなかったので、自分で作ってみた。 ”ほぼ”論文を再現できたけど、”omega”さんが微妙にずれてるので、週末改善予定です Arkhangelsky, Dmitry, et al. Synthetic difference in differences.

1

4

37

Masa

@asas_mimi

10 months

妻様の統計検定某級合格祝い🎉

0

2

37

Masa

@asas_mimi

2 years

合否発表！！合格しました！娘様おめでとう！今晩は焼肉だーーー！

1

36

Masa

@asas_mimi

2 years

積読してたこの論文いいなー。モデルの精度改善と実務メリットの関係はちゃんと設計しないと事故りますよねーそうですよねー Bernardi, L., Mavridis, T., & Estevez, P. (2019). 150 successful machine learning models: 6 lessons learned at booking. com. (KDD2019)

1

2

35

Masa

@asas_mimi

3 years

昭和生まれ平成育ちのパパです。娘様（令和生まれ）世代の問いの立て方にビビる。この図鑑、マジか？！

0

9

35

Masa

@asas_mimi

1 year

アクセンチュアの名刺の彼女、少し可哀想。彼女は元々albert✖️実名で発信してる。（そもそもlinkedinの情報量と変わらない。）もちろん社内規定があれば別。あと、アクセンチュアについて「黒名刺以外hogehogeとか」リプもあって、なんだかなーと思った。あそこのＤＳ部隊はなかなか良い環境！

0

2

33

Masa

@asas_mimi

5 years

何気なく買ったこのムック、超良い！IndeedとかDeNA、PFNやLeepMindなどのトップエンジニアの開発現場が垣間見えるようで、とても良い刺激！もっと勉強せねば!！！！！！！！！ > Practical Developers ―機械学習時代のソフトウェア開発[ゲームアプリ/インフラ/エッジ編]