サイト案内

管理人の馬場真哉@Logics_of_Blueと申します。

当サイト『Logics of Blue』は、データ分析を軸とした「難しい理論を初めて学ぶ人のための学習用Webサイト」です。
ここでは、当サイトの趣旨や管理人の自己紹介などを載せています。

目次

  1. Logics of Blueとは
  2. Logics of Blueを利用するにあたって
  3. Logics of Blueの歩き方
  4. 管理人について
  5. その他の留意事項



スポンサードリンク

Logics of Blueとは

Logics of Blueは、データ分析を軸とした「難しい理論を初めて学ぶ人のための学習用Webサイト」です。
扱っている分野、サイトの基本方針についてまずは説明します。

 

対象としている分野

一部作成途中のジャンルがありますが、扱っている分野は主に以下の通りです。

  • 基礎理論
    • 統計学
      • 統計学のための数学基礎
      • 統計学基礎
      • 回帰分析
      • 時系列分析
      • 状態空間モデル
      • ベイズ統計学
    • 機械学習
  • プログラミング言語
    • R言語
    • Python
  • 技術の応用
    • 統計的予測理論
    • アプリ開発
    • 水産資源解析
    • ファイナンスと証券投資分析

 

今後は以下の内容を追加していく予定です。

基礎:空間統計・意思決定理論など
言語:C#など
応用:自然言語処理・画像解析・OR(オペレーションズリサーチ)・数理生態学など

 

サイト運営の方針

基本的には「広く普及している技術・手法」に焦点を当てて解説をしていきます。
管理人オリジナルの手法、あるいは論文が出たばかりの最新の理論については、基本的に取り扱っていません。

これはあくまでも「初学者のための入門記事」を拡充させるためです。

代わりに、データ分析に関連する幅広いテーマを対象としています。
また、各テーマごとのつながりが分かるように、記事を分類してあります。

初学者の方が、迷うことなく、自分の欲しい技術や知識にたどり着くことができるようなサイトを作ることが目的です。

また、個別の記事においては、単なる啓蒙で終わることの無い、ボリュームのある内容とすることを心がけています。
基礎となる「考え方」からプログラミング言語による「実装方法」そして「実践・応用方法」まで一気通貫して学ぶことができるはずです。

 

Logics of Blueを利用するあたって

記載している内容やプログラムに関しては細心の注意を払って確認しておりますが、誤りのある可能性も否定できません。自己責任でお使いください。再配布は原則禁止です。ご不明な点等ございましたら、管理人までご連絡ください。

当サイトの内容を使用した事によって生じたトラブル等、いかなる損害に対しても当サイト及び管理人は一切責任を負いかねますので予めご了承下さい。
バグ報告等ございましたら、管理人の馬場までご一報いただけると大変ありがたいです。

また、このサイトのことに関して、コメントをいただけると大変ありがたいです。

アドレスはこちら :  logics.of.blue★gmail.com (星を@に変更)

(旧「海と魚と統計解析」時代とはメールアドレスが変わっているのでご注意ください)

 

Logics of Blueの歩き方

2017年7月現在、大きく3つのテーマに記事を分けています。

  1. データ分析による予測:Rな予測
  2. 統計学の基礎:統計学基礎
  3. データ分析の応用事例:統計学応用

統計学やデータ分析の発展的な内容を見たければ「Rな予測」がおすすめです。
統計学基礎を学びたければ「統計学基礎」のページを見てください。
Pythonによるアプリ開発や水産資源解析などの応用事例を見たい場合は「統計学応用」を参照してください。

なお、上記の分類は今後変更する予定です。
その場合は適宜サイト内で連絡をするようにします。

 

管理人について

名前

馬場真哉 Shinya BABA

連絡先

Email  logics.of.blue★gmail.com            (星を@マークに変えてください)

最終学歴

北海道大学 大学院水産科学院 海洋生物資源科学専攻
資源生物学講座 資源解析学領域
修士課程 修了

 

学生時代は、漁況予報に興味があり、主にそれに関する研究をしていました。また、数理モデルや統計モデルを専門としている関係で、先輩らからデータ解析を依頼されたりすることもありました。
また、C#やJavaScriptを使ったアプリ開発の経験もあります。

水産学部の学部、修士、博士や、水産学部とは関係のない、東京からいらしたビジネスマンの方・大学の教員の方などを相手に集中講義的なモノをしたことがあります(ご参加、本当にありがとうございました!)。
その時の資料はこちらから見ることができます。

この勉強会の内容は書籍化しています

セミナーや執筆のご依頼等ございましたら、お気軽にお問い合わせください。

Key words

漁況予報,統計的予測,統計的意思決定,水産資源解析,生態学データ解析,データマイニング, predictability

 

業績等

一般書籍・雑誌(単著)
  • 馬場真哉(2019) 実践Data Scienceシリーズ RとStanではじめる ベイズ統計モデリングによるデータ分析入門(KS情報科学専門書). 講談社
    • 基本事項から階層ベイズモデルまで、ステップアップしていく構成の、ベイズ統計モデリングの入門書です。
    • サポートページ
  • 馬場真哉(2018) Pythonで学ぶあたらしい統計学の教科書 (AI & TECHNOLOGY). 翔泳社
    • Pythonによる実装をしながら、統計学の初歩、統計モデルそして機械学習へのつながりまでを解説した書籍です。
    • サポートページ
  • 馬場真哉(2018) 時系列分析と状態空間モデルの基礎: RとStanで学ぶ理論と実装. プレアデス出版
    • Box-Jenkins法から状態空間モデルまでを扱った、時系列分析の入門書です。
    • サポートページ
  • 馬場真哉(2015) 平均・分散から始める一般化線形モデル入門. プレアデス出版
    • タイトルの通り、平均・分散という初歩から一般化線形モデルの導入までを行った書籍です。R言語を使った実装例も載っています。
    • サポートページ

 

一般書籍・雑誌(共著)
  • ソフトウェアデザイン 2018年9月号. 技術評論社
    • 『RとStanで実践する 初心者のためのベイズ統計』という記事を寄稿しました

 

査読付き論文 筆頭
  • 馬場真哉・松石隆(2015).ランダムフォレストを用いたサンマ来遊量の予測.日本水産学会誌 81(1), 2-9
    • タイトルの通り、ランダムフォレストを用いてサンマの来遊量を予報しました。その際、重要度指数を用いて変数選択もしています。
    • 論文へのリンク
  • Baba S and Matsuishi T. (2014). Evaluation of the predictability of fishing forecasts using information theory. Fisheries Science 1-8.

 

査読付き論文 共著
  • 日野晴彦・馬場真哉・駒澤一朗 (2019) 八丈島周辺海域におけるメダイの漁獲量に黒潮流路が与える影響. 水産海洋研究, 83 10-18
  • Jun-ichi Tsuboi, Kohichi Kaji, Shinya Baba, Robert Arlinghaus.(2018).Trade-offs in the adaptation towards hatchery and natural conditions drive survival, migration, and angling vulnerability in a territorial fish in the wild. Canadian Journal of Fisheries and Aquatic Sciences
  • Sweke, E. A., Su, Y., Baba, S., Denboh, T., Ueda, H., Sakurai, Y. and Matsuishi, T. (2015), Catch per unit effort estimation and factors influencing it from recreational angling of sockeye salmon (Oncorhynchus nerka) and management implications for Lake Toya, Japan. Lakes Reserv Res Manage, 20: 264–274. doi:10.1111/lre.12115
  • Kobayashi, Y., Kariya, T., Chishima, J., Fujii, K., Wada, K., Baba, S., Itoo, T., Nakaoka, T., Kawashima, M., Saito, S., Aoki, N., Hayama, S., Osa, Y., Osada, H., Niizuma, A., Suzuki,
    M., Uekane, Y., Hayashi, K., Kobayashi, M., Ohtaishi, N., and Sakurai, Y. (2014). Population trends of the Kuril harbour seal Phoca vitulina stejnegeri from 1974 to 2010 in southeastern Hokkaido, Japan. Endangered Species Research 24(1): 61-72.

    • 多くの方が共著として入っていますが、一般化状態空間モデルを組むところを私が担当しました。
    • 論文へのリンク

 

査読なし論文
  • 馬場真哉・松石隆 (2013). 情報理論と意思決定モデルを用いたサンマ漁況予報の有用性の評価.サンマ等小型浮魚資源研究会議報告.61:210-221
    • 情報理論だけではなく、コスト・ロスモデルと呼ばれる意思決定モデルも使って、予報を評価しました。

 

学会発表
  • 馬場真哉・松石隆(2012) 情報理論を用いたサンマ漁況予報の有用性の評価,平成24年度日本水産学会春季大会(口頭発表).2012年3月27日.東京海洋大学(東京)
  • 馬場真哉・松石隆(2011) 漁況予報の経済的価値の評価―サンマ漁況予報を例に―.2011 年度水産海洋学会研究発表大会(ポスター発表).2011年11月12日.函館市公民館(北海道)

 

賞罰
  • 2009年6月: 平成21年度北海道大学新渡戸賞
  • 2012年3月: 函館市長賞

 

その他資格など
  • 応用情報技術者試験合格
  • データベーススペシャリスト試験合格

 

その他の留意事項

広告について

Logics of Blue は、amazon.co.jpを宣伝しリンクすることによってサイトが紹介料を獲得できる手段を提供することを目的に設定されたアフィリエイト宣伝プログラムである、Amazonアソシエイト・プログラムの参加者です。
また、当サイトでは、Googleアドセンスを利用しています。
このような広告配信事業者は、ユーザーの興味に応じた商品やサービスの広告を表示するため、当サイトや他サイトへのアクセスに関する情報 『Cookie』(氏名、住所、メール アドレス、電話番号は含まれません) を使用することがあります。
またGoogleアドセンスに関して、このプロセスの詳細やこのような情報が広告配信事業者に使用されないようにする方法については、ここをクリックしてください。

 

アクセス解析ツールについて

当サイトでは、Googleによるアクセス解析ツール「Googleアナリティクス」を利用しています。
このGoogleアナリティクスはトラフィックデータの収集のためにCookieを使用しています。
このトラフィックデータは匿名で収集されており、個人を特定するものではありません。
この機能はCookieを無効にすることで収集を拒否することが出来ますので、お使いのブラウザの設定をご確認ください。
この規約に関して、詳しくはここをクリックしてください。

 
更新履歴
2013年09月08日:新規作成
2014年05月12日:管理人の論文がアクセプトされたので、業績に追加しました
2015年07月08日:業績に論文を1本追加しました
2017年07月04日:内容を大幅に加筆・修正しました
2019年06月10日:管理人の書籍や論文に関する情報を、大幅に加筆・修正しました

サイト案内” に対して5件のコメントがあります。

  1. 西村俊滋 より:

    馬場真哉様
    はじめまして,技術評論社という出版社の西村俊滋と申します。
    編集職をしています。
    このたびは馬場様のホームページを拝見して,ぜひとも
    書籍をご執筆していただけないかと存じました。
    内容は,統計学や水産資源学の入門書,専門書ではなく,
    一般の方々が読めるような,サイエンス読み物を考えています。
    とはいえ,馬場さんのご意向もあるかと存じますので,
    どちらにお住まいなのかも存じ上げませんが,
    一度お目にかかれれば幸いです。
    よろしくお願いします。
    ご返事お待ちしています。

  2. 西村俊滋 より:

    馬場真哉様
    昨日連絡を取らせていただきました、西村です。
    ご連絡をいただければ幸いです。
    よろしくお願いいたします。

    1. 馬場真哉 より:

      西村様

      はじめまして。
      管理人の馬場です。

      ご連絡いただき、ありがとうございます。
      また、返信が遅れまして申し訳ありません。

      書籍の執筆の件、是非前向きに検討したいと思います。

      お手数をおかけして恐縮ですが、
      詳細は別途メールで連絡できればありがたいのですが、可能でしょうか。
      なお、馬場のメールアドレスは下記のとおりです。

      logics.of.blue★gmail.com (星を@マークに変えてください)

      書籍の内容・テーマなども含めて、ご相談させていただければ幸いです。

      このようなご提案をいただきまして、とてもありがたく思っております。
      今後とも、どうぞよろしくお願いします。

  3. 村山 隆之 より:

    Pythonを学ぶために、先生の御著書『Pythonで学ぶあたらしい統計学の教科書』を読ませていただきました。そして、自分の仕事に合わせた課題に沿って学んだことを、雑誌『薬事新報』に投稿しました。以下は、Facebookで発表した概要です。感想文だと思って御一読いただければ幸いです。
     1月24日に刊行された週刊薬事新報 第3081号に「プログラミング言語Pythonを学ぶ― データ・サイエンスの扉を開くために ―」が掲載されました。
    私は、これまで統計計算では、RやStataを利用してきました。2年くらい前から書店のコンピュータ図書コーナーでPython(パイソン)というプログラミング言語の解説書をよく見るようになりましたが、機械学習(人工知能・AIの系統)関連の名前がついた本ばかりでした。そんな私がPythonに注目したきっかけは、知り合いの医師が昨年の夏頃にFacebookでPythonの導入を話題にしたことでした。急いで調べてみると、Pythonは機械学習のみでなく、データ・ビジュアライゼーションや統計・科学技術計算にも幅広く利用されていて、データ・サイエンスやIoT(Internet of Things)でも評価が高い人気のプログラミング言語であることが判りました。
     私が思うに、現在の仕事に対応するためだけであれば、MSエクセルとRが使えれば十分です。しかし、AIやデータ・サイエンスの視点で業務を眺めることは、既に時代の要請なのです。そして何より、社会的に注目されていることに、薬剤師は敏感でなければならないと私は考えています。Rの本は、専門書のコーナーにしか置かれていないのに、Pythonの本は小さな書店のコンピュータのコーナーでも売っています。パソコンが急激に社会を変えていった時代に、BASICというコンピュータ言語が業界の枠を超えて利用されたように、AIやデータ・サイエンスが社会を変えようとする今、Pythonに踊らされるのもよいことだと思うのです。
     今回のレポートでは、薬剤師の実務を志向して作成した「HbA1cとインスリン用量の関係を示す2軸グラフの作成」と「家族性大腸線種症におけるスリンダクの効果を検討した研究データのポアソン回帰」という2つの学習課題への取り組みを通して、Python入門を解説しました。PythonはAnacondaディストリビューションでインストールして、Visual Studio codeでJupyter notebookをバックエンドにして動かしました。ポアソン回帰のグラフはseabornで描きました。
     3ヶ月ほどPythonを動かしてみて分かったことは、「Pythonが易しい言語」というのは誤解を招きやすいということです。Mumpsは本当に易しい言語だったし、Rではライブラリを利用するだけなら苦労しませんでした。それに比べるとPythonでは、オブジェクト指向と配列操作が壁でした。ただ、オブジェクト指向も配列操作もプログラムにとって強力なパーツなので、ある程度まで理解できると逆に頼りになってきました。流行に敏感な先生方には、是非ともPythonで遊んでみることをお薦めします。
     以上です。拙稿の中でも、先生の著書を推薦させていただきました。今後ともよろしくご指導ください。

    あかし薬局川原ケ谷店 薬剤師 村山隆之

    1. 馬場真哉 より:

      村山様

      管理人の馬場です。
      コメントありがとうございます。

      当方の書籍がお役に立てたのであれば、嬉しく思います。
      今後とも、よろしくお願いいたします。

コメントを残す

メールアドレスが公開されることはありません。 が付いている欄は必須項目です

このサイトはスパムを低減するために Akismet を使っています。コメントデータの処理方法の詳細はこちらをご覧ください

時系列分析

前の記事

時系列分析_実践編
時系列分析

次の記事

VARモデル