『Pythonによるはじめての数値流体力学』第2章
『Pythonによるはじめての数値流体力学』という本を読み始めました。 この本は数値流体力学(CFD)の基礎的な内容をPythonで実装しながら学んでいくことを目的とした本です。 第2章まで読み進めたので、その内容を簡単にまとめておきます。 なお、本ではNumpyをベースとした実装が行われていますが、ここではJAXを用いた実装を紹介します。
Posts¶
Here's a list of blog posts.
MLBデータの可視化
メジャーリーグを見ていると、Google Cloud提供のStatcastというデータを使った解析がよく行われている。Statcastは、MLBの試合中に選手やボールの動きを追跡するためのシステムで、打球速度や打球角度、投球速度などの様々なデータを収集しているらしい。
そしてStatcastのデータはBaseball Savantというサイトで全世界に公開されている。
データ分析を生業にするものとして、そして一野球ファンとして、ぜひともこのデータを触ってみたいと思い、Pythonのpybaseballというライブラリを使ってStatcastのデータを取得・可視化を行ってみた。
内容としてはほとんどpybaseballの使い方みたいな感じではある。
gpytorchを使う
最近博士時代の研究がarxivに投稿された。ガウス過程回帰を使ってモデル方程式を学習するという内容である。
当時はgpflowを使っての実装を色々と行っていた記憶だが、これは名前の通りTensorflowをベースとしたガウス過程ライブラリである。
ただ、最近自分自身Pytorchを使った実装をすることが多くなってきて、Pytorchをベースとしたガウス過程ライブラリであるgpytorchを使ってみたくなった。とりあえずチュートリアルを見ながらな同じことをしてみたので備忘録的にまとめてみる。なので新しいことは何もない。
- 最近出た博士時代の研究論文: arXiv:2504.09110
- gpytorchのチュートリアル: GPyTorch Regression Tutorial
スプライン補間【1次元】
torchにはデフォルトでスプライン補間の実装がないなあと思い、自分で実装してみることにした。 正直こういったものは今だとLLMが勝手に実装を済ませてくれるものではある気がするので、どれくらい理論まで把握しておくべきかは悩ましいところではある。ただスプライン補間は基本的な数値計算の手法であるし、自分で実装してみることで理解を深めることが出来るので、一度はやってみるのも悪くはないかな、といったところ。 しょっぱなでtorchの話を書いたが、この記事ではnumpyとscipyのみを使ってスプライン補間を実装することにする。
【2024年】今年見た映画を振り返る
2024年に劇場に足を運んで見た映画をまとめました。 全部で23作品でした。来年もたくさん映画を見たいです。
| タイトル | 鑑賞日 |
|---|---|
| アクアマン/失われた王国 | 2024-01-14 |
| マダム・ウェブ | 2024-03-10 |
| ﾃﾞｭｰﾝ 砂の惑星PART2 | 2024-03-24 |
| オッペンハイマー | 2024-03-29 |
| 名探偵ｺﾅﾝ 100万ﾄﾞﾙの五稜星 | 2024-04-21 |
| ｺﾞｼﾞﾗxｺﾝｸﾞ 新たなる帝国 | 2024-05-05 |
| 猿の惑星／キングダム | 2024-05-11 |
| マッドマックス：フュリオサ | 2024-06-06 |
| メイ・ディセンバー ゆれる真実 | 2024-07-13 |
| フライ・ミー・トゥ・ザ・ムーン | 2024-07-20 |
| デッドプール＆ウルヴァリン | 2024-07-24 |
| ツイスターズ | 2024-08-12 |
| フォールガイ | 2024-08-17 |
| ラストマイル | 2024-09-02 |
| ヒットマン | 2024-09-16 |
| スオミの話をしよう | 2024-09-29 |
| ｼﾋﾞﾙ・ｳｫｰ ｱﾒﾘｶ最後の日 | 2024-10-07 |
| ジョーカー：フォリ・ア・ドゥ | 2024-10-12 |
| ｳﾞｪﾉﾑ：ｻﾞﾗｽﾄﾀﾞﾝｽ | 2024-10-27 |
| トラップ | 2024-11-04 |
| 進撃の巨人 THE LAST ATTACK | 2024-11-15 |
| ｲﾝﾀｰｽﾃﾗｰ | 2024-11-26 |
| ｸﾚｲｳﾞﾝ・ｻﾞ・ﾊﾝﾀｰ | 2024-12-28 |
『推薦システム実践入門』5章1節2節
『推薦システム実践入門』を読み始めたので、実装をまとめてみます。 Pythonによる実装自体はGitHubにアップされています。 データ処理には定番のpandasが使われているのですが、 最近自分がpolarsを使い始めているのと、devcontainer上でpandasを回しているとすぐにメモリがあふれてしまうという問題にぶち当たったので、 ここではpolarsを使った実装をまとめていこうと思います。 このブログで紹介した実装は自分のGitHubにも適宜アップロードしていく予定です。
投資家のポートフォリオ最適化問題
投資家のポートフォリオ最適化問題の概要と理論について説明し、数値計算による確認を行う。
Warning
本記事に含まれる情報に基づいて被ったいかなる損害についても一切責任を負いません。
Polarsのgroup_by_dynamicが便利
Polarsのgroup_by_dynamic1が便利だったので紹介する。というかPolarsが便利。
博士課程2年目3年目を振り返る
大昔に博士課程1年目を振り返るという記事で博士課程1年目のときに起こったことを書いていったのだが、 2年目3年目については特に何も書いていなかった。 その代わりといっては何だが、研究室内のwikiでつらつらと簡単な日記を書いていたので、それをここに貼っておくことにする。 研究室内のネットワーク関連の情報も一部載っていたので、そちらは非表示で対応することにしている。 あと画像・PDFは移植が面倒すぎたので諦めた。 こうしてみると、色々と手を動かしてもがいた3年間だったなあ、と。あとモチベーション維持にも苦労した3年間でもあったかなあ。 いつかまた読み返してこんなこともあったなあと笑えるように備忘録として残しておく。