chelsea– Author –

「インデックス投資が良いらしい」——前回の記事#01で、Claudeの投資アドバイスをエンジニアの目で分解し、「原理を理解することの重要性」を示しました。では、その「原理」って具体的に何でしょうか？ 筆者は製造業の開発現場で、DX推進やAI開発に携わる...

「S&P500に積み立てておけば大丈夫」——そう信じて始めた投資が、1ヶ月で34%下落したらどうしますか？ 2020年のコロナショックでは、実際にそれが起きました。あのとき、積み立てを続けられた人と、狼狽売りした人の違いは何だったのか。それは「原理を...

はじめに データ前処理の全体像 配列の生成（np.array, np.zeros, np.random …） 形状の変換（reshape, flatten, ravel） 要素アクセス・集計（スライシング、sum(axis=…)） 結合と積（演算）（ブロードキャスト、concatenate, stack, dot） 1. 配列の生成...

はじめに データ前処理の全体像 データ分析や機械学習の前処理は、下記のような流れで進みます。 データの命名・結合 欠損値の確認と除去 特徴量の加工 教師データの作成 学習データと検証データの分割 1-1. DataFrameの列名を変更する 文法構文 # 列名の...

前提（準備） GCP プロジェクト：n8n-chelsea-labs（課金有効） Supabase：プロジェクト作成済み。以下4つを控える SUPABASE_HOST：例 db.xxxxx.supabase.co（RESTの https://xxxx.supabase.co ではなく DB のホスト） SUPABASE_PORT：通常 5432 SUPABASE_...

ベルヌーイ分布とは？ 0 または 1 の二値しか取らない確率変数を扱う分布 コイン投げ（表=1, 裏=0）や成功/失敗などの事象をモデル化できる 確率質量関数（pmf）とは？ 確率質量関数（Probability Mass Function, pmf） とは、離散型確率変数 が取りうる各...

情報理論の基本概念まとめ 1. 情報量 (Information Content) ある事象 (x) が起こるときの「驚き」の大きさ。 確率 (p(x)) が小さいほど驚きが大きい。 定義：$$[I(x) = -\log p(x)]$$ 情報量はなぜ I(x) = -log p(x) で定義できるのか？ 情報量の直感 情...

1. 固有値分解（Eigenvalue Decomposition, EVD） 対象: 正方行列 ( A \in \mathbb{R}^{n \times n} ) 分解の形:$$[A = P \Lambda P^{-1}]（対称行列なら[A = Q \Lambda Q^\top]$$と直交行列で分解できる） 意味: 行列を「固有ベクトル方向に伸縮するだけ...

確率・統計の基礎まとめ E資格試験や機械学習の基礎に必須となる、代表的な分布とベイズの定理を整理しました。直感的なイメージ＋数式で理解を深めましょう。 ■ ベルヌーイ分布（Bernoulli distribution） 概要: 「成功」か「失敗」かの 2値だけ をとる確...

特異値分解 A=UΣVᵀ を Python (NumPy) で実装する手順を、手計算の例題とあわせて解説。固有値分解との違い、AᵀA との関係、E資格頻出ポイントまでコード付きでまとめます。