こんにちは。MIIDAS RESEARCHです。

全ての記事は参考文献を大いに参考にさせて戴いてます。記事の詳細などはそちらからご確認頂ければと思います。

なお、kiwamizamurai（kz）はコーディングなど全てが独学の素人ですので間違いなどあればコメント欄でご指摘いただけると幸いです。

アルゴリズムの実装は基本的にフルスクラッチ（Numpyのみ）です。

読者様に少しでも役立つような記事を提供できればと思います。よろしくお願いいたします。

機械学習

• MCMC Gibbs Sampling
• LIME
• Lasso Regression
• Lassoはなぜスパースなのか？
• Ridge Regression
• メジャライザー最小化
• Group Lasso と Sparse Estimation
• Kalman Filter alpha-beta
• Softmax Regression
• Logistic Regression
• Kernel K-means
• Bayesian PCAの失敗
• PCAの応用
• PCAの応用の実装
• 主成分分析とラグランジュの未定乗数法

いろいろ

• 尤度からMAP推定までの入門
• ベイズ推定の入門
• 双対問題とラグランジュ緩和
• 多次元ニュートン法
• EMアルゴリズムの導出
• KLとNegative Log Likelihood
• カーネルと再生核ヒルベルト空間
• エントロピーとKLについて
• SHAPとPDPとPermutation Importanceについて
• 多次元ガウスの標準化と特異値分解
• 過学習について　正則化・カルーシュクーンタッカー条件
• 基底と座標と対角化
• 変分ベイズと変分下限
• 事前分布とJeffreyとReference Prior

強化学習

• バンディットアルゴリズム　・Softmax
• バンディットアルゴリズム　UCB・Thompson Sampling
• 文脈バンディット　LinUCB・LinTS
• Counterfactual Machine Learning　反事実機械学習

マーケティング

• レコメンデーションの入門
• レコメンデーション　Matrix Factorization・Biased MF
• 傾向スコアの入門　層別・マッチング・IPW
• UpLift Modelingの入門　LIFT
• ダブルロバスト　Augmented IPTW

セキュリティ

• Ghidra Tutorial
• Dockerを使ったKali Linuxの環境構築
• Fridaで動的解析
• apkファイルをReverse Engineering
• 安全なapkファイルの作り方