経済学系SE、機械学習に懸想する

Question

いい年をして、本気の恋をしました。

子供のころから読み書きが得意だった。理系志望だったが進学など望むべくもなく、非正規で働いていた所、ひょんなことから夜間大学に行くことになり、運よくよい師に出会い、給費で博士まで行けた（経済学）。

学校推薦で大手SIerに入り、統計や因果推論を使って、エコノミストだかコンサルだかＰＭＯだかの仕事をしてきた。

配属先は情報系の部署だったから、土日は勉強にあててきて、プログラミングは独学だが、小さいアプリや計算用のコードは書ける。SQLなら計算用データベースも作れる。Linuxも少々。
ただ、自分がどれくらいのレベルか、正直よくわからない。

一応経済学ということで、統計やら数字を使って説明するのが得意だったから、機械学習にあこがれて異動した。

しかし、そこにいたのは数学やら物理やらの人たち。自分の至らなさを、本当に痛感した。
それでもやりたい。

公文式の問題集を中学まで解いて、youtubeで高校数学の動画を見て、マセマ式を買って基礎から一冊ずつやっている。

数学は面白い、でも私は40代。

友人には文系なのにと笑われる。　上司にも学歴を徹底的にディスられた。
でも、勉強がやめられない。Ｅ資格を取ろうとか、夜間大学で理学系の科目履修をしようかとか思っている。

私の今やっていることは間違いだろうか？

kamiyasiro · Accepted Answer

#1です。

それは失礼しました。「マセマ」と、重回帰を「一応」回せます、という言葉を誤解しました。ストラングあたりが理解できるのであれば、データサイエンスなんて、少し勉強すれば理解できますよ。是非とも、PRLM本あたりにチャレンジして下さい。重回帰分析から正則化回帰へ幅を広げれば良いと思います。
（ストラングとかPRML本って何？というレベルだと、ちょっと難しいです。これらはバイブルのような本です。）

でも、またまた失礼かもしれませんが、文系の人と話していると、交互作用も分からない人とか、一般化線形モデルが通じない人がみえて、ちょっと理系とは違うな、とは思います。一般論としてです。
ですから、理系の連中と話が噛み合わない部分があるのなら、そこを補強すれば良いのではないでしょうか。

さて、私の学位の件ですが、
学位論文のテーマは誰かから与えられるものではありませんよね。
私は、自分のオリジナルで、とあるデータ処理アルゴリズムを温めていました。
たまたま、仕事でお付き合いのあった先生に、こんなアイディアがあるのですが、と話したら、それを膨らませれば学位論文が書けますよ、と誘われたのです。たまたまその先生（主査になって頂きました）が工学部の先生だっただけです。

勤務先のキャリアとしては、まあまあ登っていましたので、学位取得の動機とは関係ありません。ただ、単にチャレンジしたくなったということです。
むしろ、その後役職定年を迎えたのですが、学会や業界団体の名誉職とかが回ってくるようになりました。講演や寄稿も依頼されます。その意味では人生が充実しています。

勤務先では学位有無はまったく考慮されませんし、在学中は学生をしていることは話していません。自費ですし。
また社内規定（給与体系）も修士修了者までしかカバーしていません。ですから年収も変わりませんでした。
ただ、名刺に刷りたいので、取得後は報告しています。ああ、そうですかって感じでした。
私の勤務先は実績重視なので、学歴や肩書はあまり関係ないです。でも、学会賞を取れば社内報に掲載され称賛されます。私も４件取りました。

ご質問者は、学位取得後、定期的に学会発表していますか。そのようなオリジナリティのある研究実績があれば、皆が一目置くと思います。

kamiyasiro · Answer

#2です。

その人のオリジナルなアイディアを部下の手柄にせよ。という会社はおかしいです。
私も、自分から進んで部下を論文の第一著者にしたことはありますがね。

こうなると、ご質問者個人の能力の問題ではなく、勤務先の風土の問題です。

kamiyasiro · Answer

企業で統計を推進する立場の者です。博士（工学）です。専攻は応用統計です。50歳になる直前に博士を取得しました。

貴殿のモチベーションは間違いではないと思います。
また、データサイエンスを学ぶ上で、古典統計の知識は非常に役立ちます。
周りに教えてくれる人がいる今がチャンスです。

機械学習などを駆使してモデルを作っている連中は、
重回帰分析のユーザーではなく、
重回帰分析がどのように構築されていて（eのL2ノルムの最小化によりβ＝(XTX)^-1・XT・yとなる）、
どんな時にそれが破綻するのかが分かっている連中です。
さらには、その解決策として、何をやったら良いかを考えています。

彼らと対応に伍していくには、
ハードルは高いと思いますが、線形代数を基礎から応用まで学ぶことが必要だと思います。
線形代数では行列の微分も学んで下さい。
eのL2ノルムの最小化では、当然、eの2乗和の式をβで偏微分して0と置いて解きますから。

積分も必要です。
平均を「足してｎで割る」と覚えているのは中学生です。
密度関数f(x)から平均を求める場合は、１次の積率という方法で求めます。
スコア関数をg(x)とすると、E(g(x))＝∫g(x)f(x)dxです。
分散は２次の中心積率です。

理学部・工学部でやっている統計では、こういうことを学んでいます。

是非、統計手法のユーザーから脱却し、統計がどう構築されているかを理解し、
新しいアルゴリズムを開発できるようになって下さい。

勉強方法ですが、JMOOCが無料で提供している統計やデータサイエンスのビデオ講座が良いのではないでしょうか。
（総務省ではなく、早稲田や滋賀大のが良いです。
横浜市大も提供していますが、文系の統計なので、注意が必要です。
例えば、主成分分析を回転の無い因子分析として説明していますので、主軸変換だと考えている数学の連中と話が合わなくなります）

経済学系SE、機械学習に懸想する

#1です。

#2です。

企業で統計を推進する立場の者です。

関連するカテゴリからQ&Aを探す

デイリーランキングこのカテゴリの人気デイリーQ&Aランキング

マンスリーランキングこのカテゴリの人気マンスリーQ&Aランキング