線形代数の応用

統計データ解析の授業だけど、線形モデルの最小二乗法を扱っている、という状況。線形代数を使っての導出も行ってはいるのだけど、基本の積み重ねを強化しないと、理解が深まらない、ということでしょうよ。

今年度は開講していないけど、次年度の時系列データ解析の授業では、ベイズを使ったカルマン・フィルターの導出なども行えるのが良いのだけど・・。学部で線形システムと推定をしっかり学べる、そんな体制を整える必要があって、少しずつ工夫しながら充実させる、そんなことを行っているの。

だけど、まあ、ビジネス・アナリティクスおよび意思決定論に関心があって、しっかり学びたい、そんな学生さん向け、ということになるけど。線形代数の応用をしっかり教えるのって、難しいことも多いし・・・。

頑張りましょう。

4月24日(火)のつぶやき

量子情報理論とデータサイエンス goo.gl/XPRtGe

— 貝瀬 徹 （兵庫県立大学） (@tetsu81) 2018年4月24日 - 01:04

分布の理解 goo.gl/L9JmG8

— 貝瀬 徹 （兵庫県立大学） (@tetsu81) 2018年4月24日 - 19:10

ビジネス意思決定における機械学習および深層学習

量子コンピュータと量子情報理論を使ったアルゴリズムのイノベーションだけど、やはりワクワクする、というのが個人的な感想。

で、まあ、機械学習と深層学習を使った意思決定の進化が気になって・・・。経営科学の展開って勢いがあるの・・・。

頑張りましょう。

社会人のためのビジネス数学

微分積分と線形代数だけど、地道に丁寧に問題を解きながらしっかり教える、そんなやり方の授業の要望ってまったく無い、ということでも無い、そんな気がしているの。

要は、教養課程の学び直し、そんなことなんだけど・・・。特に、ビジネス・パーソン向けに、応用もチラつかせながら・・・。

データ・サイエンスだけど、関心が高まっている、という状況のように思えるけど、基礎からしっかり理解する、そんなことに気づく方々もいらっしゃるはずで・・・。それと、数理を使ったビジネス意思決定論をしっかり学びたい、そんな方々もいらっしゃるかと。

頑張りましょう。

線形システムと推論

回帰分析だけど、線形代数を使ってアレコレと計算して、推定の性質まできっちり理解する、そんなことって大切なの。ココイラをしっかりお勉強すると、多変量解析の理解にも役立つ、という具合。それに、動的モデルでの展開も、この延長で考えることができる、とういう仕掛けににもなっているの。

オーソドックスな理論のお勉強方法だけど、結局、自分でやらなければ大切さを発見できない、ということでしょうよ。もちろん、非線形を扱う、ということを考えると、使う数学も工夫が必要で、情報幾何で・・・。

とりあえず、ビジネス・アナリティクスにおける線形システムと推論だけど、しっかり教えて・・・。要は、統計的意思決定論の基本でもあるし、システムズ・デザインとデータの基盤でもあって・・・。

頑張りましょう。

統計データ解析

授業の準備、という状態。

回帰分析だけど、説明で線形代数を使う、という予定。

しっかりしたレベルにして、かつ継続していかないと、学生さん方の専門能力が下がる、ということになってしまうだけ。

頑張りましょう。