javascript 保護中: モダンJavascriptの基本から始める React実践 – モダンJavascriptとは
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用されるReact実践のためのモダンJavascriptの基礎(仮想DOM、パッケージマネージャー、ES2015以降、モジュラーハンドラー、トランスパイラ、SPA)
機械学習
javascript Symbolic Logic 保護中: 相関と因果と関係構造(2)バックドア基準
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクのための因果推論での介入効果を観測すべき変数を絞り込むためのバックドア基準の実際
Symbolic Logic 保護中: 相関と因果と関係構造(1)相関関係(回帰係数)と因果関係(介入効果)のズレ
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクのための統計的因果推論として回帰係数と介入効果の値のズレから見た相関関係と因果関係の相違
Symbolic Logic 保護中: 因果推論イントロダクション(2)層別解析と回帰モデルによる分析
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用される統計的因果推定のための層別解析と回帰モデルによる分析による因果推論の理論と実際
Symbolic Logic 保護中: 因果推論イントロダクション(1)交絡因子とランダム化実験
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習タスクのための統計的因果推論のイントロダクション(因果関係と疑似相関を区別する為の交絡因子を制御するランダム化実験)
Symbolic Logic 保護中: 統計的因果探索 – 拡張アプローチ
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクで用いられる統計的因果推論でのLiNGAMアプローチ仮定(線形性、非巡回性、非ガウス性)の拡張
グラフ理論 保護中: 未観測共通項がある場合のLiNGAM(2)未観測共通原因を和としてモデル化するアプローチ
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクのための統計的因果推論への未観測共通原因を和としてモデル化するLiNGAMアプローチ
グラフ理論 保護中: 未観測共通項がある場合のLiNGAM(1) 独立成分分析で未観測共通原因を明示的にモデルに組み込むアプローチ
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習タスクに活用される統計的因果推論における独立成分分析で未観測共通原因をモデルに組み込むLiNGAMアプローチ
Symbolic Logic 保護中: LiNGAM(4)LiNGAMモデルの推定(2)回帰分析と独立性の評価を用いたアプローチ
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習に活用される統計的因果推論への回帰分布と独立性評価を繰り返すアプローチによるLiNGAM推定の適用
アルゴリズム:Algorithms 保護中: LiNGAM(1)独立成分分析について
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクのためのLiNGAMモデルを理解する為の独立成分分析という信号処理技術について