不偏分散の導出と意味
標本平均・標本分散の期待値を実際に計算しながら、不偏推定量の定義と「不偏分散はなぜ n−1 で割るのか」を丁寧に導出します。標本分散との違い、用語整理、推定量としての性質までを体系的に整理した記事です。
-
-
ガンマ関数・ガンマ分布・カイ二乗について
ガンマ関数の基本から始め、ガンマ分布の定義・性質・利用例、さらにその特殊形として位置づけられるカイ二乗分布との関係までを整理します。
-
確率変数の和の分布
確率変数の変数変換を重積分の視点から体系的に整理し、ヤコビアンを用いて新しい確率密度関数を導く方法を解説します。応用として、確率変数の和の分布を求める畳み込みの背景にある考え方をまとめます。
-
Hello World! on Android
MediaPipe の公式チュートリアル「Hello World! on Android」を、Bazel ではなく Gradle を用いて Android Studio 上で実行する手順をまとめます。スタイル設定、外部ライブラリ導入（MediaPipe の Version Catalog 設定）、CameraX の利用などの解説です。
-
VAE理解までの道のり #3
-
1DCNN ニュウモン
1 次元畳み込みニューラルネットワーク（1DCNN）の基礎から、Conv1d／GRU／LSTM の実装ポイント、データ形状の扱い方、Kaggle「G2Net Gravitational Wave Detection」で活用された実践的な手法までをまとめた入門記事です。カーネルサイズ選択の戦略、wavegram などの特徴量生成、Conv1D×RNN の組み合わせなど、系列データモデリングの考え方を整理しています。
-
CV最前線: ジェスチャー動作生成
-
半教師あり学習（Semi-Supervied Learning; SSL）について
半教師あり学習（SSL）の主要な理論背景と、代表的な手法である pseudo-labeling・self-training・hybrid methods を体系的に整理した記事です。RGB-D 物体認識を例に、Co-training の具体的な仕組み、Pseudo-Label・Noisy Student・Meta Pseudo Labels などの進化系、MixMatch・FixMatch のような最新 SSL の流れまで幅広くまとめています。
-
鳥コンペ (Cornell Birdcall Identification)
-
波形データ解析のあれこれ
-
今週の気になった情報たち vol.1
-
CrossEntropy について
クロスエントロピーの定義から、負の対数尤度としての導出、画像分類モデルにおける直感的理解までを整理し、PyTorch での CrossEntropyLoss の正しい使い方を実例付きで解説した記事です。softmax の扱い方や入力形式の注意点など、実装でつまずきやすいポイントもまとめています。
-
VAE 理解までの道のり #1
VAE を理解するための準備として、最尤推定とベイズ推定の違い、潜在変数モデル、EM アルゴリズム、そして変分推論（変分ベイズ）の基礎を体系的にまとめた記事です。混合ガウス分布を題材にしつつ、ELBO・KL ダイバージェンス・平均場近似など、VAE の根底にある考え方を丁寧に追いかけ、これらの概念がどのようにつながるのかを整理しています。
-
ベイズ線形回帰モデル
線形回帰モデルをベイズ的に扱うための基礎から、事前分布・事後分布の考え方、MCMC（特にメトロポリス–ヘイスティングス法）を用いたパラメータ推定までを丁寧にまとめた記事です。ベイズ線形回帰がどのように確率的な予測を可能にするのか、また事後分布を近似するためのサンプリング手法がどのように働くのかを、コード付きで解説しています！