Michikoです。最近、本社でのリスキリングの旗振り役に抜擢されましたw w w w日系金融機関は、ご存知ない方もいるかと思いますが、自己研鑽が大好きなのです(笑)何なら資格をしっかりコレクターするだけでも、そういう点を評価する上司に当たると、出世も見えてきます。Michikoは正直そこまでお勉強が得意ではありません。が、イケメンから勉強を習うのは大好きです(笑)
で、最近はデータサイエンスの領域に足を突っ込み始めました。かなりド文系なので、数学からやり直しているのですが、ここ3年ぐらいかけて腰を据えていこうと思っています。その過程を記録していきます。理想は、Pythonで不動産投資にまつわる取引データを国土交通省のデータベースから算出して、割安物件を見つけられるようになることです！！(株式投資でいう割安株銘柄の発掘にも使えそうですが、結局、その時点でαがあるかないかに集約するので株式投資に使えるのかはいまいちよくわかってません)
2023年9月に学んだデータサイエンス
Excelで手を動かしながら学ぶ数理最適化
「目的関数に対して制約条件を前提に変数を用いて数式化する世界」が実際の世界ではどういう具体例があるかを記述しています。データサイエンスの前の入門書としてはいい気がしました。多くのデータサイエンス系の書籍は初っ端からガチで数式が出過ぎて数ページで挫折しがちなので......
これはちょっと難易度が高くなります。ただ、数学的な導出や定義は省いているので、線形代数モデル、仮説検定など文系卒の人がつまづいた部分の「解釈」に重きを置いているので全然読めます。Excelの関数で数値を求めることは可能なので、出てきた値をどう解釈するのがいいのかを事例を通じて理解できるようになります。統計学をどのように用いるかのイメージが湧きます。
2023年10月に学んだデータサイエンス
ビジネスの現場で使えるAI&データサイエンスの全知識
筆者の三好さんシリーズでは一番難しい。新しい用語と手法が出てくるからですね。が、これも数式の定義や導出には重みを置いていません。したがって、具体的な事例としてどのように活用されているか、具体的な活用事例として導出された数字をどのように解釈するか、を中心に書かれています。
- 教師あり学習(回帰問題、分類問題)
- ロジスティクス回帰
- ディープラーニングで画像分類(ニューラルネットワーク)
- 教師なし学習(k-means法)
世間で言われているAIや機械学習などの用語が具体的にどのように役に立っているかのイメージが湧くようになりました。この3冊を読み進められたら、次は数学を用いた統計学なり線形代数なりに進むといい気がしています。
2023年11月に学んだデータサイエンス
ちょっと遠回りかもしれませんが、高校数学と大学教養レベルの数学を復習するために、以下を少しずつ進めています。
To be updated
毎月読み進めている書籍：数学的にはかなり難易度が高いです.....(ので、クリックしてください❤️)これ、途中で挫折したので、マセマシリーズで数学の復習中です。
