数学科とコンピューター科

数学科の先生は皆さん親切で生徒によりそって教えてくださるのですが、コンピューター科はほんとつっけんどんでビックリしました！

しかしこの控えているクラステストのPython Programming の科目、去年受講した人に聞いてみましたら、平均点が落第点でとにかくパスしただけでもラッキーという驚愕の情報をききました。
確かにこのコンピューター科の講師、授業は基本的に学生の質問に答えるだけで、あとはすべて自分でやってこい！という放置プレイなんです。

打って変わって数学科のRを使った統計学のプロジェクトが解禁されたのですが、こちらはマジ面白い！
ってか先生が丁寧に教えてくださったのでまぁRのプログラミングはスムーズにいっているし、取り組んでいるのが金融投資関連のデータなので解析結果に興味が持てるので、物量はあるが苦では無い感じ。

Dunblane 20221030

20221024-28

フリーメイソンのロッジがある街、Dunblane 20221030

この街は写真にある通りフリーメイソンのロッジ（秘密基地）があり、昔住んでいた頃にフリーメイソンのお爺さん等と知り合いになりました。
皆さん質素な恰好してましたけど銀行口座の中身は凄いことになってましたね。

つまりこの狭い扉の向こうはフリーメイソンの秘密基地で私は入れません。

その一人のKennyお爺さんからフリーメイソンの入り方教えてもらいましたよ。
一応その候補者呼んで会議にかけて、一人でも反対者がいたらメイソンリーにはなれないとのこと。

あの Kennyお爺さんと先に他界したお兄さんの Ian お爺さん。
Ian爺さんとは歴史の話をする頭脳派で、Kenny爺さんはキャンピングやバイク乗りで健康的で人当たりの良いお爺さんでしたわ。

あと、TESCOの清掃員しているときにDavid爺さんっていう元センチュリオン戦車乗りのメイソンリーも知り合いにいました。

あとブルガリアに移住したRonny 爺さんとか、懐かしなぁ。

やっぱ政治の世界に

Big Data 2.0 と風の時代について、そしてイギリス新総理かつ元財務大臣 Rishi Sunak のことについて記載しましたら、政治の世界に関わることへの感心が強まってきました。Big Data 1.0 の段階でデータは相当蓄積しているものの、組合せによる効果を引き出し切れていないです。ですから、今現在の Big Data 2.0 はいかにネットワークのように相互作用するデータを応用できるかが課題です。

今の時代は「Sensitive Data」と呼ばれる、数字だけでなく文字データなども数量化される時代です。政治経済のような古いタイプの文系が直観的なウンチクを垂れて決断する時代は終わります。特にこれからの政治経済における意思決定も集積されたビッグデータを統計学ツールで解析し推量範囲をビジュアライズして合理的な判断を導き出すことが主流になってくるでしょうね。
だからこそ小生はとにかく死んでもデータサイエンスを学ぶため身銭を切って社会人生活を棄て留学いたしました。

一応国籍は日本ですけれど、感覚として日本の政治から介入する方法はまずありえないでしょうね。っというのも言論や論理推量により導き出した答えを多数派日本人が疎ましく思っているみたいで未だに非合理的な風習や程度の低い生理的な衝動により意思決定を行っている民族である。
だから自営業として小さいながらもシンクタンクをたちあげて、資本論の著者であるカール・マルクスのように孤軍奮闘しながら新しい政治体系を世に出していく活動をすることになるでしょう。

今は風の時代のオープニングがさらっと過ぎ去り来年から冥王星が水瓶座に入る風の時代にてIT系は格段に飛躍します。
Big Data 2.0 は今まで備蓄されてきたデータを論理的に組み合わせて実践で活かせるように翻訳するという双子座の要素が強いです。
おそらくデータサイエンスの意味合いの強い天王星が双子座に入る2025年から世界の主流として確立されるでしょうね。

日本はかなり取り残されると思うので、その際に日本に付け込む隙はできそう。だが2025年までは日本はまだまだ旧態依然でしょうね。・・・ですがいっておきますが、2025年において日本において壮大な出来事が起こるという予言もあることですし、それを逆手にとって小生を売り込みにいきたいものですね。

Westerton Arms Pub Restaurant, Henderson Street, Bridge of Allan

Westerton Arms Pub Restaurant, Henderson Street, Bridge of Allan

リーディングウィークという自主学習期間

本日はリーディングウィークという自主学習期間で講義はお休みです。あのこの前書きましたベジタリアン・インド人とも話していましたが、この期間を休みと勘違いして旅行に出かけるなどするのは愚かであるのです。

こちら小生は今度の夏の卒論に向けて自分が研究したい分野について既に論文を読み進めているだけでなく、この学期でまだ慣れていないPython（機械学習とデータ集積）とR（数学者の統計学ツール。最近はエクセル上で計算することは殆ど無い）をひたすら練習しています。

そもそも何を学んでいるのか

小生がデータサイエンスを留学して勉強しているのも、将来的に政治家や非効率な会社による費用の縮小と効率化を目指したいからですね。今論文読んでいるのですが、データはたまってきているものの処理し適応するまではまだまだ道のりがあると記されています。今現在の Big Data 2.0 はいかにネットワークのように相互作用するデータを応用できるかが課題です。

あと私達が学んでいるのは集積した情報をいかに数式化したりプログラミングに組み込んだりし加工し使えるようにすることです。これにより数字だけの統計だけでなく今私はPythonを使用した文字情報を数量化してデータ取り込む勉強もしていますしそれにまつわる論文のレポートも記載しました。私のコースはAI学んでいる生徒も受講しています。実は私の数学＆データのコースの方がAIよりも数学の単位は難しいですよ。


今は風の時代のオープニングがさらっと過ぎ去り来年から冥王星が水瓶座に入り風の時代のメインステージに入ります。特にIT系は格段に飛躍するので、Big Data 2.0 での情報加工と相関関連の数式化による集積されたデータを実践で使えるように翻訳（ここで双子座要素が入るっと）が活性化するでしょうね。特に冥王星水瓶座、海王星牡羊座、天王星双子座が初期度数でグランドセキスタイルを組む時には、政治経済のような古いタイプの文系が直観的なウンチクを垂れて予測するのではなく、よりデータサイエンス（今の時代は「Sensitive Data」と呼ばれる、数字だけでなく文字データなども数量化される時代！）により意思決定がされるようになるでしょうね。小生はそれに向けての準備としてこのコースを学ぶ決意をしました。

Brigde of Allan

ジレンマ（イギリス英語でダイレマと発音する）

トランジット天王星が小生のネイタル太陽をふっきった後に今度は逆行しながらネイタル太陽をかすめています。・・・なるほど、ネイタル月に対してオポでもあるから、相当な人生の転換期であるわけでかつ月＝心身への圧力もそこそこかかるわな。でも太陽の影響が勝つので、これは人生にとって必要不可欠な転換期なのは間違いない。

それで社会人辞めて思いっきり日本出て、昔の古巣へ戻りました。いあやぁ、お金はかかったけど、やっぱこちらの方が人付き合いは良好！

日本に居る時はいつも誰かから怒られ、煙たがられ、気味悪がられていたことが普通だったので、自分は特殊だと感じることや疎外感を感じることが日常化しこれが日常になっていた。ただ自然体で普通に生活をしていただけなのに。だが、こちらに渡ってからは、普通に現地の友人からは評価されるところは評価されているし異国の異文化から来た人間ということだけでそれ以外のことでは特に変な干渉を受けることや感覚を持たれることはない。

ただ問題はVISAと仕事なんですよね～。やはりなってみてわかることは外国人であるってことは大変なんですよね。就職先や仕事を見つけても、それで就労VISAを出してくれるカテゴリーに入れるかの問題がある。それに加え最近は大学卒業後の２年間有効な就労VISAの申請時に日本円で約３０万円は取られるんですよね・・・。まぁ、投資と考えれば良いですが、VISAがおりる就職先を考えるとなると、また頭ん中でシミュレーションするだけでも心労がかさみますよ。

まぁ、これだけ先の見えない世の中。特に水星逆行の影響だけでなく小生自身のライツ太陽月オポに対してトランジットの土星先生がTスクエアかけてきて「もっと耐えてもっと学べ！」と教示と試練をお与えになっている最中。これはなにかと情報かく乱が起きやすいわ。やはりトランジット天王星の逆行の終わり土星もやっと水瓶座から魚座に移動してくれる時までちょっと先のことを考えるのは控えた方が無難でしょうね。それに来年の７月には小生のネイタル太陽にトランジットの木星が合になるので、なにかしら実りある答えは出そう。

Rishi Sunakがイギリス史上初のアジア系総理大臣！

こんにちは、OTONOです。

先ほどRish Sunakが与党イギリス保守党の党首かつイギリス史上初のアジア系総理大臣に就任しました！

Sunak氏については去年小生のブログ「リシ・スナック氏は、彼のタカ派的のためにマクロ経済学の歴史に残るでしょう。」で記載しましたので閲読いただけると嬉しいです。

英国保守党の党首はインド系 Rishi Sunakに決まりました！イギリス史上始まって最初のアジア系総理となります！んで、彼は「財政保守」として知られていますから、帳簿調整のため増税するでしょうね。Sunak氏はイギリス保守党では珍しく裕福層や法人への課税率増やすこといっていましたね。サミット会議でもグローバル法人税の最低１５％条件を設置し税逃れを防ぎたいという提案もしてましたし。ただ保守党だからそこまで裕福層や法人に課税しないだろうから、おそらく公共投資は増えないし下手すれば更に削減されるかも。

My Python in practice 20221023

I practised Python dictionary function with the character-status of Romancing Saga 3 characters https://romancing-saga-3.blogspot.com/p/rs3-characters.html

Protagonists=['JULIAN', 'THOMAS', 'MIKHAIL', 'KHALID', 'SARAH', 'ELLEN', 'MONICA', 'KATARINA']
Supporters=['BAI MEINIANG', 'BOSTON', 'FAIRY', 'FAT ROBIN', 'FULLBRIGHT', 'HERMAN', 'LEONID', 'MUSE', 'NORA', 'PAUL', 'MINSTREL', 'ROBIN', 'CHARL', 'YOUNG BOY', 'SNOWMAN', 'TATYANA', 'TIBERIUS', 'UNDINE', 'WARD', 'YANG FAN', 'ZHI LING', 'ELEPHANT']

print(Protagonists)
print(Supporters)


for n in enumerate(Protagonists, start=1):
print(n)

Characters=[]
Characters.extend(Protagonists)
Characters.extend(Supporters)
print(Characters)

for n in enumerate(Characters, start=1):
print(n)

sts_key=('LP', 'STR', 'DXT', 'AGL', 'TGH', 'MAG', 'WIL', 'CHM')
sts_JULIAN=(10, 18, 17, 17, 15, 16, 22, 14)
sts_THOMAS=(10, 17, 15, 18, 19, 20, 13, 19)
sts_MIKHAIL=(10, 16, 17, 19, 15, 18, 21, 21)
sts_KHALID=(10, 21, 12, 20, 17, 15, 19, 20)
sts_SARAH=(10, 17, 19, 21, 13, 20, 11, 21)
sts_ELLEN=(10, 21, 14, 18, 15, 15, 18, 20)
sts_MONICA=(10, 14, 19, 20, 14, 16, 17, 24)
sts_KATARINA=(10, 17, 21, 23, 18, 10, 16, 17)
sts_BAI_MEINIANG=(13, 17, 16, 14, 17, 23, 18, 8)
sts_BOSTON=(17, 16, 13, 20, 19, 21, 17, 9)
sts_FAIRY=(7, 21, 22, 25, 10, 12, 11, 20)
sts_FAT_ROBIN=(9, 15, 17, 22, 17, 14, 15, 19)
sts_FULLBRIGHT=(10, 15, 20, 16, 13, 19, 21, 14)
sts_HERMAN=(4, 14, 20, 10, 11, 16, 24, 12)
sts_LEONID=(0, 19, 13, 21, 17, 25, 13, 27)
sts_MUSE=(6, 16, 20, 15, 10, 19, 18, 25)
sts_NORA=(14, 23, 24, 16, 12, 14, 13, 13)
sts_PAUL=(11, 18, 19, 17, 19, 13, 15, 16)
sts_MINSTREL=(10, 20, 18, 17, 16, 13, 14, 22)
sts_ROBIN=(12, 21, 17, 20, 14, 17, 12, 17)
sts_CHARL=(9, 5, 3, 16, 21, 19, 16, 18)
sts_YOUNG_BOY=(10, 23, 14, 16, 16, 17, 13, 17)
sts_SNOWMAN=(8, 11, 17, 8, 24, 14, 23, 18)
sts_TATYANA=(10, 18, 16, 15, 19, 17, 13, 20)
sts_TIBERIUS=(8, 14, 13, 14, 15, 23, 20, 14)
sts_UNDINE=(7, 10, 20, 16, 15, 24, 17, 13)
sts_WARD=(15, 22, 16, 10, 23, 12, 18, 13)
sts_YANG_FAN=(12, 10, 15, 21, 10, 23, 21, 19)
sts_ZHI_LING=(10, 14, 24, 15, 18, 10, 20, 16)
sts_ELEPHANT=(36, 19, 14, 7, 26, 18, 20, 13)


dict_sts_JULIAN=dict(zip(sts_key,sts_JULIAN))
dict_sts_THOMAS=dict(zip(sts_key,sts_THOMAS))
dict_sts_MIKHAIL=dict(zip(sts_key,sts_MIKHAIL))
dict_sts_KHALID=dict(zip(sts_key,sts_KHALID))
dict_sts_SARAH=dict(zip(sts_key,sts_SARAH))
dict_sts_ELLEN=dict(zip(sts_key,sts_ELLEN))
dict_sts_MONICA=dict(zip(sts_key,sts_MONICA))
dict_sts_KATARINA=dict(zip(sts_key,sts_KATARINA))
dict_sts_BAI_MEINIANG=dict(zip(sts_key,sts_BAI_MEINIANG))
dict_sts_BOSTON=dict(zip(sts_key,sts_BOSTON))
dict_sts_FAIRY=dict(zip(sts_key,sts_FAIRY))
dict_sts_FAT_ROBIN=dict(zip(sts_key,sts_FAT_ROBIN))
dict_sts_FULLBRIGHT=dict(zip(sts_key,sts_FULLBRIGHT))
dict_sts_HERMAN=dict(zip(sts_key,sts_HERMAN))
dict_sts_LEONID=dict(zip(sts_key,sts_LEONID))
dict_sts_MUSE=dict(zip(sts_key,sts_MUSE))
dict_sts_NORA=dict(zip(sts_key,sts_NORA))
dict_sts_PAUL=dict(zip(sts_key,sts_PAUL))
dict_sts_MINSTREL=dict(zip(sts_key,sts_MINSTREL))
dict_sts_ROBIN=dict(zip(sts_key,sts_ROBIN))
dict_sts_CHARL=dict(zip(sts_key,sts_CHARL))
dict_sts_YOUNG_BOY=dict(zip(sts_key,sts_YOUNG_BOY))
dict_sts_SNOWMAN=dict(zip(sts_key,sts_SNOWMAN))
dict_sts_TATYANA=dict(zip(sts_key,sts_TATYANA))
dict_sts_TIBERIUS=dict(zip(sts_key,sts_TIBERIUS))
dict_sts_UNDINE=dict(zip(sts_key,sts_UNDINE))
dict_sts_WARD=dict(zip(sts_key,sts_WARD))
dict_sts_YANG_FAN=dict(zip(sts_key,sts_YANG_FAN))
dict_sts_ZHI_LING=dict(zip(sts_key,sts_ZHI_LING))
dict_sts_ELEPHANT=dict(zip(sts_key,sts_ELEPHANT))


Status=[]

Status.append(dict_sts_JULIAN)
Status.append(dict_sts_THOMAS)
Status.append(dict_sts_MIKHAIL)
Status.append(dict_sts_KHALID)
Status.append(dict_sts_SARAH)
Status.append(dict_sts_ELLEN)
Status.append(dict_sts_MONICA)
Status.append(dict_sts_KATARINA)
Status.append(dict_sts_BAI_MEINIANG)
Status.append(dict_sts_BOSTON)
Status.append(dict_sts_FAIRY)
Status.append(dict_sts_FAT_ROBIN)
Status.append(dict_sts_FULLBRIGHT)
Status.append(dict_sts_HERMAN)
Status.append(dict_sts_LEONID)
Status.append(dict_sts_MUSE)
Status.append(dict_sts_NORA)
Status.append(dict_sts_PAUL)
Status.append(dict_sts_MINSTREL)
Status.append(dict_sts_ROBIN)
Status.append(dict_sts_CHARL)
Status.append(dict_sts_YOUNG_BOY)
Status.append(dict_sts_SNOWMAN)
Status.append(dict_sts_TATYANA)
Status.append(dict_sts_TIBERIUS)
Status.append(dict_sts_UNDINE)
Status.append(dict_sts_WARD)
Status.append(dict_sts_YANG_FAN)
Status.append(dict_sts_ZHI_LING)
Status.append(dict_sts_ELEPHANT)

print(Status)

Characters_Status=dict(zip(Characters,Status))
print(Characters_Status)

print(sts_JULIAN[7])
print(sts_THOMAS[7])
print(sts_MIKHAIL[7])
print(sts_KHALID[7])
print(sts_SARAH[7])
print(sts_ELLEN[7])
print(sts_MONICA[7])
print(sts_KATARINA[7])
print(sts_BAI_MEINIANG[7])
print(sts_BOSTON[7])
print(sts_FAIRY[7])
print(sts_FAT_ROBIN[7])
print(sts_FULLBRIGHT[7])
print(sts_HERMAN[7])
print(sts_LEONID[7])
print(sts_MUSE[7])
print(sts_NORA[7])
print(sts_PAUL[7])
print(sts_MINSTREL[7])
print(sts_ROBIN[7])
print(sts_CHARL[7])
print(sts_YOUNG_BOY[7])
print(sts_SNOWMAN[7])
print(sts_TATYANA[7])
print(sts_TIBERIUS[7])
print(sts_UNDINE[7])
print(sts_WARD[7])
print(sts_YANG_FAN[7])
print(sts_ZHI_LING[7])
print(sts_ELEPHANT[7])

CHM=[sts_JULIAN[7],sts_THOMAS[7],sts_MIKHAIL[7],sts_KHALID[7],sts_SARAH[7],sts_ELLEN[7],sts_MONICA[7],sts_KATARINA[7],sts_BAI_MEINIANG[7],sts_BOSTON[7],sts_FAIRY[7],sts_FAT_ROBIN[7],sts_FULLBRIGHT[7],sts_HERMAN[7],sts_LEONID[7],sts_MUSE[7],sts_NORA[7],sts_PAUL[7],sts_MINSTREL[7],sts_ROBIN[7],sts_CHARL[7],sts_YOUNG_BOY[7],sts_SNOWMAN[7],sts_TATYANA[7],sts_TIBERIUS[7],sts_UNDINE[7],sts_WARD[7],sts_YANG_FAN[7],sts_ZHI_LING[7],sts_ELEPHANT[7]]
print(CHM)



Characters_CHM=dict(zip(Characters,CHM))
print(Characters_CHM)
print(Characters_CHM.values())

for name,cham in Characters_CHM.items():
if cham < 16:
continue
if cham >= 16:
print(name,cham)
continue

def charm(CHM):
if (CHM < 16):
return False
else:
return True

new_dict = filter(charm, dict(Characters_CHM))
print(dict(new_dict))

My Python in practice 20221022

こちらGooブログではインデントが出力できないのでコードは本家英語ブログ「My Python in practice 20221022」の閲読をお勧めいたします。

# My wee Python programming to simulate Money Supply ⇒ Interest Rate ⇒ Investment volume. I am practising with applying my Python lesson to some sort of simulation modelling instead of just memorising it because my short term memory capacity is not so remarkably higher than the average. lol

def Y_Inv(MS,Y):
r_MS=pow(MS/10,-1.05)
return pow(Y,-1*(r_MS))

for MS in range(1,100):
print(Y_Inv(MS,100))



# Liquidity(Money Supply) where Money Supply is i in range ():
def r_MS(MS):
return pow(MS/10,-1.05)

for i in range(1,100):
print(r_MS(i))



# Liquidity(Money Supply) where Interest Rate on Money Supply = Liquidity is i in range () WITH GENERATOR:

def r_MS(MS):
yield pow(MS/10,-1.05)

for i in range(1,100,10):
print(r_MS(i))

next(r_MS(i))


# Lambda function example of Interest Rate on Money Supply and Income of Investment on Interest Rate (on Money Supply = Liquidity) and Income fixed:

r_MS= lambda MS: pow(MS/10,-1.05)
Y_inv = lambda MS,Y : pow(Y,-1*(r_MS(MS)/10))

print("Interest Rate by Money Supply is", r_MS(100))
print("Income by investment is", Y_inv(100,100))



# Higher function of Income of Investment on the Interest Rate on Money Supply = Liquidity:

def Y_Inv(MS,Y):
r_MS=pow(MS/10,-1.05)
return pow(Y,-1*(r_MS))

Y_Inv(100,100)



# Income of Investment on the Interest Rate on Money Supply = Liquidity

def Y_Inv(MS,Y):
r_MS=pow(MS/10,-1.05)
return pow(Y,-1*(r_MS))

for MS in range(1,100):
print(Y_Inv(MS,100))

# Income of Investment on the Interest Rate on Money Supply = Liquidity WITH GENERATOR:

def Y_Inv(MS,Y):
    r_MS=pow(MS/10,-1.05)
    yield pow(Y,-1*(r_MS))
    
for MS in range(1,100,10):
    x = (Y_Inv(MS,100))
    print(x)

next(x)

占星術：キャンパスライフとの相性

先ほどオンラインレクチャーがキャンセルになりました。
本日の午後は相変わらず宿題と復習、自主学習で缶詰です。

小生と大学の星占いチャートを改めて拝見しました。
やっぱ相性良いんだなぁって思います。
特にライツに大学のトラサタアスが良く影響してくれています。
水星火星オポですがこれって結構勉学でチャレンジさせられているっていう良い面で出ている感じか。

でもやっぱ金星と火星関係にはあんま華やかなことは期待できない感じですね。
大学の火星にオポアスが若干多いのは、昔居た時はけっこうしょうもないいざこざに振り回されましたが、今は年取ってだいぶ落ち着いたので上手く回避している感じ。

それと同時にやっぱ小生の金星に対してはぱっとしないですね。
確かにどうも現地だけでなく留学生も女生徒たちはなんかスノッブ的でお高くとまっている感じ。皮膚感覚的に下手に手を出そうものなら徒労になりそう。
前に留学した時も大学の外の方が異性の出会いは多かったですね。
やはりそっち関係は大学では手を出さずに勉学に集中し、大学の外でチャンスがあれば良しとする感じといたします。

Our wee memory of the mathematic lecturer 猫の統計学と大学内の昔話

There is the non-linear correlation of % of cats killed on the number of floors fallen off. I remember that this is actually an example Ms H at this university introduced in her lecture of Statistical Inference several years ago. According to her lecture, cats tend to be too scared to go outside when they are living in a high floor while they tend to underestimate the height on somewhere between 1st and 6th floor. Oh, while this graph was introduced, my memory recalled this interesting example which I have always used it as the best example of the regression analysis to those who are not familiar with statistics.

Yesterday, the current lecturer displayed this graph and did not know how this graph makes sense. So, last night, I sent her my aforementioned story. This morning, at the end of her lecture, she came to me to say thanks for making us remember about Ms. H. She told me that she unfortunately passed away about 3 years ago.

Furthermore, there is a student who is also a full time teacher. He was also once an undergraduate mathematics student here so he also remembers about Ms. H. After coming out of this lecture class room, we have talked about our old memories of Ms. H. who was a very caring and friendly teacher whom we really thanked.

Well, this is one of the very good things I have come back to this university where we appreciate each other well.

住まいの階層と猫の死亡率の割合の非線形相関があります。これは、数年前にこの大学のH 先生が統計的推論の講義で紹介した例です。H 先生の講演によると、猫は高層階に住んでいると怖くて外に出られない傾向があり、1階から6階の間の高さを過小評価する傾向があります.ああ、このグラフが紹介されている間、私の記憶では、統計に精通していない人への回帰分析の最良の例として常に使用してきたこの興味深い例が思い出されました。

昨日、現在の講師がこのグラフを表示しましたが、このグラフの意味がわかりませんでした。それで、昨夜、私は彼女に私の前述の話を送りました。今朝、講演の最後に、H 先生のことを思い出させてくれてありがとうと言いに来てくれました。残念ながら3年ほど前に亡くなったとのことでした。

さらに、フルタイムの教師でもある学生がいます。彼はかつてここで数学の学部生だったので、H 先生のことも覚えています。感謝しました。

これは、私たちがお互いに感謝しているこの大学に戻ってきた非常に良いことの 1 つです。