【数学】高校数学 - 指数と対数のまとめ
おつです。書く。
指数関数
指数関数ってのは、
y = axみたいなやつ。切片の値をyが持つことは永遠にないという性質を持つ。
また、指数がかかっている数axを使った四則演算にまつわる法則がいくつかあったり、比較する時は底を揃えた上で指数を比較すると比較できる、などの話しがある。
けどこんなもん。簡単。
対数関数
y=axのとき、任意の正の数Nに対してN=axを満たすxの値をloga Nと表す。またこれをaを底とするNの対数でありNはこの対数の真数と呼ぶ。
この対数に関する性質もまた色々あるらしい。あと、底が10の対数を常用対数と呼ぶんだとか。
今回はなんだかふーんと言う感じだった。
以上!
【数学】高校数学 - 三角関数のまとめ
おつです。
三角関数を理解したのでまとめる。
三角関数完全に理解した
・一般角
ある角があったとき、その角の角度は実はひとつに定まらない。見た目が30°だったとしても、同時にその角は390°や-330°とも言える。
このように"ひとつに定まらない角"に対して、ひとつの表し方を与えることができる。
α° + 360° × n(n = ..., -1, 0, 1, 2, ...)
この表記を一般角と呼ぶ。
・度数法と弧度法
角度を360°とかって表すのが度数法。
それに対して、ある角の作る弧の大きさで角度を表すのが弧度法。弧は角度だけでなく、半径の大きさにも比例するので、半径との比をみて、
θ(ラジアン) = l(弧) / r(半径)
と計算する。
また、円の周の長さは2πrと表現されることから、
θ(ラジアン) = 2π
のとき角度は360°となる。
・三角関数
本丸。シンコスタンのアレです。
直角三角形があるとき、ある二辺の長さの比が、ある角の角度によって導けるというやつ。
また、直角三角形を使っていると90°までしか考えられないが、それを半径=1の単位円が描かれる座標空間においたときあらゆる角度について考えられるようになったり、面白い性質がたくさん出て来たりして捗るって話。
いちおう簡単なメモ。
cosθ = x sinθ = y tanθ= y / x(傾き)
色々導ける性質はあるんだが、めんどいので割愛。
以上!!!
【数学】高校数学〜機械学習に使われる数学を復習する
おつです。
高校数学から機械学習に使われる数学までを復習するので、そのまとめ記事です。
まとめ記事一覧
- 【数学】高校数学 - 微分のまとめ - 親です。
- 【数学】高校数学 - 三角関数のまとめ - 親です。
- 【数学】高校数学 - 指数と対数のまとめ - 親です。
- 【数学】高校数学 - 積分のまとめ - 親です。
以上!!
【WordPress】WordPressでpodcast始める時のメモ書き
おつです。podcastを始めようと思うんですが、その時の作業メモです。
参考にしたのはこのサイト。 Podcastを配信するには?始め方7つの手順を詳しく! | AgaLog
全体の流れ
これらをまずローカルでできるか確認して、そのあと本番サーバが用意され次第本番でも試す。
サブディレクトリの作成
今回はローカル環境で試してるんだけど、ローカルでサブディレクトリを作成するのは簡単。MAMPに適当にフォルダを作成してそこにWordPressをインストールして、そんでもってDB作ったりすればいいだけ。
これが本番になった時同じようにいくかはわからないので、下記の3点に注意する。
1. 本番でのサブディレクトリの作り方。手でフォルダ作ってしまっていいのか?
1. インストール時のユーザ名、パスワードはどうするのか?他のWPと同じ?
1. インストールして終わり! ではなくって、configとか.htaccessとか編集しなくていいのか?(上の参考ページでは不要らしいが???)
以上! 明日はローカル・本番以外のサーバ使って試してみようかな???
【感想】『データサイエンティスト養成読本 登竜門編』を読んで
おつです。読書したのでそれの感想とかまとめとかをします。読んだのは下記の書籍。
データサイエンティスト養成読本-登竜門編
Amazon CAPTCHA
感想
この本をざっくり紹介すると、データサイエンティストっていう(比較的新しい)職の概説書だ。この本はシリーズ化しており、今回の登竜門編を含め全部で4冊が発行されている。
改訂2版-データサイエンティスト養成読本-プロになるためのデータ分析力が身につく!
Amazon CAPTCHA
データサイエンティスト養成読本-機械学習入門編
Amazon CAPTCHA
データサイエンティスト養成読本-R活用編
Amazon CAPTCHA
今回読んだのはこのシリーズの一冊目に当たるもので一番平易(なはず)。取り扱う内容も広くて、以下の要素について書いてある。
- データサイエンティストという職について
- 基本的なツール(バッシュ、DB)
- 分析ツール(excel, R, Python)
- 前処理
- データの収集方法
- 簡単なデータ分析チュートリアル
- 統計の基本
- 数理モデル
- 機械学習の概観
割と本当に幅広いんだが、めっちゃざっくり! ってわけでもなくて俺みたいな何も知らん人にはちょうどいいくらいの難易度だった。手を動かすためのものも各章用意されているし、丁寧にやろうと思えば丁寧に勉強できる。俺は今後データサイエンティスト的なにかの全体像を掴みたかったので、さらっと流しながら読んだ。
その中でもここは振り返って読みたいな、というのが下記。
- DB
SQLについて - データの収集方法 クローラーとかの作り方が載ってた
- 統計の基本
微積の概念が出てた - 数理モデル
世の中のものを数式で表現する、めっちゃかっこいいな! - 機械学習の概観
だいぶ流した。「機械学習でできること」の図が一発で概観を理解できるナイスな図だった
ここら辺は一つ勉強するにもそこそこに大きなまとまりなので、この本で基本的なノリみたいなのをざっくり掴んでから勉強したい。
これから勉強したいこと
とりあえずざっくり理解して、困った時に読み返せばいいところも分かった。今後は数学・統計・機械学習の各分野を勉強することになると思う。全部並行したいけど、まずは数学と統計からかなあという気持ち。
以上!!!
【キャリア・転職】データ分析系企業5社面談して分かったこと。
おつです。分かったことだよ。
データ分析企業と面談して分かったこと
データ分析企業の分類
①事業(データ)を持ってる会社
自社でやれるので開発環境を整えやすい。特定の分野のデータ分析に限られるが、深くはやれる。
②研究所
③受託系の会社
いろんな会社を相手にするのでいろんなデータ分析スキルが身につく。開発環境は銀行相手とかだと制限を受けることも。
データ分析で強い会社
データ分析企業で強いのは下記2つのどちらか。
①データを持っている会社
データあってのデータ分析なので。また、一度分析した内容を他社に売るとかもできる。(受託だと、相手の会社に合わせてデータをいじって初めて価値が出る。)
②人材を囲える会社
良い人材は良い人材のいる会社にくる。
最終的には①が強い。データ持ってる会社がエンジニアを囲ったら、その時点で受託系は全部不必要になる。受託系でゴリゴリやってた会社がデータ持ってる会社と合併するケースもあるくらい。
データ分析の3つのスキル
①ビジネス
データ分析はコンサルチックになるので相手のトップと話すスキルも必要。
②コーディング
実装できるか。これはJavaとかCやれてればよい。逆にPython半年とかは実力が測れないらしい。
③統計
統計の知識。統計検定準一級レベルが望ましい。大学の講義だと二級レベルとのこと。
転職の際はこれらに加えて実務経験があれば加点されるかも。ただし、どれくらいのビックデータを扱ったかによる。あと、文系出身だとどの程度数学がやれるのか心配されるケースもあるのでそこは押さえた方がよさそう。
データ分析から進めるキャリア
①データサイエンティスト
②機械学習エンジニア
データ分析のレベル、それぞれ必要なスキル
①データ抽出・加工
必要スキルは
SQL、tableau、エクセルパワポ
②統計・モデリング
必要スキルは
統計、R、SPSS、Mdeler、kaggle
③機械学習・AI
必要スキルは
機械学習、Python、AIプラットフォーム
勉強法
これは色々記事あるからそれ読んだ。 データサイエンティスト&機械学習(人工知能)エンジニアのスキル要件と、過熱する人工知能ブームが生み出す狂騒曲と(2018年2月版:追記あり) - 六本木で働くデータサイエンティストのブログ
以上!!!