【データサイエンス参考書】”StanとRでベイズ統計モデリング”を読んでみた感想 

わざわざありがとうございます🥺🥺 さっそくやってみます！

本当だ！！ ありがとうございます🥺

手元のコードは簡潔にして、本格的に重たいデータと重たい学習を扱うときはクラウドを使うという方法があります なのでパソコンスペックはあまり拘らなくてもいいですが、一応nvidiaのグラボを搭載してるパソコンは欲しいです

えぇ... 色んな人がいますねえ

青い本読んだことないです🥲

横から失礼します。 青い本と言うと、講談社　MLP機械学習プロフェッショナルシリーズでしょうか それとも、朝倉書店　講座数学の考え方(吉田先生の数理統計学か舟木先生の確率論)シリーズでしょうか 前者は手元には　機械学習のための連続最適化　しかございませんが、このシリーズは機械学習でもその道の一線級の先生方が後継の弟子を育てる意図で書いてあり、旧帝大のB4やM1,2が卒論や修論の参考文献に使っていくレベルなので、初心者がいきなり読むと難しいかと。 ぼくも　機械学習のための連続最適化　を読んでいますが、序盤の凸最適化の準備の章でも、詳細は[XX]を参照してください、や　証明は省略します　が多いです。 つまりこれらの本は、あくまでも予備知識として知っていて欲しい知識は紹介こそすれど、いちいち解説まではしないため、先生方は、これくらい知ってるよね、教養でやったあの定理を使っていきます、くらいの意識を持っています。 そうじて上級者向けでしょう。 一方、後者ですが、舟木先生の確率論は積分論こそ必要ですが、解説が丁寧で読もうと思えばB3でも読めます(数理統計　機械学習はありませんが。) 吉田先生の数理統計は上記のMLPシリーズや舟木本と比べても本当に難しい。 ぼくの研究室では、数理統計の指定の輪読本でしたが、準備の章にすぎないはずの第一章確率論から既に舟木本より詳しく書かれていて、例えばほとんどの統計学ユーザーが気にも停めない話題で言うと、距離空間上の確率変数の収束を論ずる際に、距離空間(M,d)が可分空間ならばd(X,Y)は確率変数になる.一方aを点とすると距離空間(M,d)が可分でなくてもd(X,a)は確率変数になる.など　細かすぎる注釈まで載っています(舟木本にすら載っていない)。 応用数学書でありながら、紛れもない上級書です(汗) 結局、どちらもとんすけさんの紹介してくださったこの本よりもだいぶ難しいかと.

あ、すいません それか青い本というとベストセラーの竹村先生の現代数理統計学　でしょうか こちらは手元にありませんが、先日お聞きした限りでは、野田本よりもやや難しい中級書とのことでした。 野田本と同じ要領なら、B1の微分積分、線型代数があれば読めるかと。

数学は紙をばかみたいに使うのでめちゃくちゃ便利です アイパッドだと目が痛くなるのでeinkにしてます

@@tonnsuke そうですよねやっぱり便利そうなので私もアイパッドではなくeinkの製品を検討してみます。感謝です　ありがとうございます

本立てがあります😚

kaggleだけじゃなくてDS業務でもそうなんですか？😥

チュアってこれ使うの！？！？

具体的に何番の問題で何分くらいですか？

@@tonnsuke 様 4番の12の倍数の所です。 24の倍数としても サイコロの性質上同値になると 早口様はおっしゃるのですが 検算解き直しの結果 解答に誤りはないそうです。 とゆー訳でとんすけさまに 判定していただきたく存じあげます 、16コメくらいリプ付いてるコメ欄です。 よろしくお願い申し上げます。

5分30からです

元動画の方へコメント入れるのは差し控えますが 「問題４は12の倍数の場合を答えてますが、24の倍数になっているのでは？」ということが論点ですか？ コメントの流れを見る限り、争ってる論点をお互いで認識できていないと思います ちなみに A：４の倍数 B：３の倍数 C：６の倍数とすると A∩B＝A∩Cなので確率は絶対同じになりますし、同じにならないなら計算が違っていることになります

@@tonnsuke 様 今ご指摘いただいた所を考慮して 解答を組み立てた所 動画主様の解答が正解で私の解答が 間違いでした。数学は完全完璧に 白黒ハッキリつくからいいですね。 ご迷惑をおかけしました。ありがとうございました。