オープン・ソース・インテリジェンス

衛星、海運データなどのオープンソースから事象解析/予測するデータアナリスト。(アストラ…

オープン・ソース・インテリジェンス

衛星、海運データなどのオープンソースから事象解析/予測するデータアナリスト。(アストラゼネカ i2.JPメンバー 気象庁 新規気象ビジネス創出 WGメンバー)未来明察という機械学習により未来予測するサービス、数理最適化と強化学習を組み合わせた完全需要サービスをしています。

マガジン

  • ファクトチェック

    衛星画像データ、国民感情分析などのオープンソースから報道された記事の内容ををファクトチェックします。

  • 未来明察

    衛星画像データ、国民感情分析などのオープンソースから未来動向を予測します。例えば、COVID-19は、武漢においてCOVID-19が中国から韓国に感染が伝播する様子が2019年11月くらいから検出されています。つまり、COVID-19となる感染症世界的流行予測は可能でした。そして、陽性者数は予測できます。 ウクライナ戦争、選挙動向、新型コロナ陽性者予測など決定的な影響を与える事象予測をします。

  • 日中韓 感情推定

    日本と中国本土と韓国を中心に、快・不快の2軸上に感情分類を行う心理モデルにもとづき、それぞれ国に所属する集団の感情を推定するものです。

  • 中長期的に業況を回復させ発展させる

    中長期的に業況が回復 つまり、中期経営計画(3〜5年)のレンジでどう回復しているのか、具体的に示したものです。

最近の記事

  • 固定された記事

いい「データ分析」とは何か

ここ5年くらい、なんだかんだで衛星画像の解析などをしています。 例えば、 とか、 いつも頭の片隅に、このいい「データ分析」について考えてきました。 行間を読め  よく世間では、「行間が読め」とか「察して」と暗黙的に提示される場面が、ままあります。たしか、塩野七生先生の「ユリウス カエサル」にも、 ポンペイウスという終生のライバルがなくなった(無残にも殺された)とき「カエサルは、ポンペイウスの死を知った」というカエサルの感想を大変ほめていた(ような)。要するに、敵の感情

    • 能登半島地震-電力復旧状況を解析する(2024/01/09) -

      令和6年能登半島地震で被災された皆様に心よりお見舞い申し上げます。また、犠牲になられた方々に謹んで哀悼の意を表します。 能登半島地震の復旧状況を衛星画像データで解析しました。 ※夜間光なので電力状況です。電力すら復旧していない、と判断できます。 (1)2024/01/02-01/08で復旧したところ 説明としては、2024/01/02 ~ 01/03は雲がかかっており、夜間光分析(経済活動がリアルタイムにわかります)は精度がよくありませんでした。  01/04 になって

      • 能登半島地震-復旧状況を解析する(2024/01/04) -

        令和6年能登半島地震で被災された皆様に心よりお見舞い申し上げます。また、犠牲になられた方々に謹んで哀悼の意を表します。 能登半島地震の復旧状況を衛星画像データで解析しました。 (1)2024/01/02-01/03で復旧したところ 説明としては、202400102-0103は雲がかかっており、夜間光分析(経済活動がリアルタイムにわかります)は精度がよくありません。(漁船のライトでも反応します) ですから、能登半島内のみ参照してください。 青:被害を受けたが、01/02

        • [まとめ]-強化学習、機械学習と数理最適化とは?

          概要 強化学習、機械学習と数理最適化は現代技術の未来を支える重要な技術です。 機械学習と数理最適化 Advent Calendar 2023 チャレンジ の文書です。 Advent Calendar 2023 チャレンジなので、まとめは入らないといけないので、強化学習、機械学習と数理最適化についててのまとめです。 1.強化学習について 強化学習とは、報酬やペナルティといったフィードバックを受け取りながら、試行錯誤を通じて最適な行動方策を見つける手法です。 下図:エージェ

        • 固定された記事

        いい「データ分析」とは何か

        マガジン

        • ファクトチェック
          103本
        • 未来明察
          69本
        • 日中韓 感情推定
          19本
        • 中長期的に業況を回復させ発展させる
          5本

        記事

          [まとめ]-機械学習と数理最適化とは?

          概要 機械学習と数理最適化は現代技術の未来を支える重要な技術です。 機械学習と数理最適化 Advent Calendar 2023 チャレンジ の文書です。 Advent Calendar 2023 チャレンジなので、まとめは入らないといけないので、機械学習と数理最適化についててのまとめです。 1.機械学習について 機械学習はコンピュータがデータから学習し、パターンを発見する技術です。 ディープラーニングの一例として、画像認識では、猫や犬の画像をニューラルネットワークを

          [まとめ]-機械学習と数理最適化とは?

          [機械学習]-新型コロナ『第10波』予測 -東京の新型コロナ陽性者数を衛星データから推定する(答え合わせ)

          原因不明の疾患であっても最悪過去データさえあれば、そのデータの周期などから解析、推定&予測できるという結果報告、新型コロナ編です。 要するに、公的な発表は7月14日(Noteでの発表11月30日)の  新型コロナ予測の答え合わせです。予測内容は、下記参照。 (1)はじめに機械学習と数理最適化 Advent Calendar 2023 チャレンジ の文書です。 の下図のとおり、今日は機械学習です。 (2)新型コロナ 推定&予測@東京7月14日(Noteでの発表11月30

          [機械学習]-新型コロナ『第10波』予測 -東京の新型コロナ陽性者数を衛星データから推定する(答え合わせ)

          [機械学習]-川崎病予測 -原因不明疾患の患者数をデータそのものから推定する

          原因不明の疾患であっても最悪過去データさえあれば、そのデータの周期などから解析、推定&予測できるという結果報告です。 要するに、川崎病という原因不明の難病でも過去データの周期から、周期に沿う形であれば予測可能ということです。 【川崎病とは?】 小児を中心に発症しやすい炎症性疾患で、高熱、発疹、眼の充血、手足の腫れが特徴です。心臓に問題を引き起こすこともあります。早期診断と治療が重要です。川崎病の具体的な原因はまだ明確には解明されていません。しかし、感染症や遺伝的要因、免疫

          [機械学習]-川崎病予測 -原因不明疾患の患者数をデータそのものから推定する

          [強化学習]-マルコフ決定過程(MDP)の迷路問題を理解してみた

          強化学習におけるマルコフ決定過程(MDP)の迷路問題とは、エージェントが状態を認識し、行動を選択して報酬を最大化する数学モデルのことです。要するに、強化学習の基本フレームワークです。今回は、マルコフ決定過程(MDP)の迷路問題における、一番簡単なPythonプログラム紹介です。 【お断り】 前回解説したように、強化学習の説明側の問題として、前提の説明なしに、いきなり(問題と)解説が始まります。今回は、強化学習で必ず出てくるこの迷路問題ですが、この基本プログラムを理解してない

          [強化学習]-マルコフ決定過程(MDP)の迷路問題を理解してみた

          [強化学習]-マルコフ決定過程(MDP)を理解してみた

          マルコフ決定過程(MDP)とは、強化学習の行動に対する状態と報酬の確率的な関係を表すフレームワークで、最適な戦略を見つけるための数学モデルのことです。要するに、強化学習の基本中の基本フレームワークです。今回は、マルコフ決定過程(MDP)の一番簡単なPythonプログラム紹介です。 【お断り】 強化学習の問題として、前提の説明なしに、いきなり問題と解説が始まります。例えば、下記のような強化学習の定番学習サイト。 上記URLでは、いきなり LunarLander-v2 でプロ

          [強化学習]-マルコフ決定過程(MDP)を理解してみた

          強化学習と機械学習&数理最適化との関係とは?

          概要強化学習とは、報酬やペナルティといったフィードバックを受け取りながら、試行錯誤を通じて最適な行動方策を見つける手法で、機械学習と数理最適化の結果から報酬やペナルティといったフィードバックを受け取りながら学習を続けることで、現代技術の未来を支える重要な技術です。 機械学習と数理最適化 Advent Calendar 2023 チャレンジ の文書です。 1.強化学習(Q学習)について強化学習(Q学習)とは、環境と相互作用を繰り返しながら最適な行動を学習する機械学習の手法の

          強化学習と機械学習&数理最適化との関係とは?

          [数理最適化]-人員配置最適化問題を解いてみた

          特定のタスクを実行するために必要な作業時間と、各従業員の労働可能時間を考慮して、タスクの割り当てと人員配置を最適化しようとするものです。 最適な人員配置を見つけるために、[数理最適化] の 線形プログラムを使用しています。具体的には、Xpressという最適化ライブラリを使用しています。 (1)はじめに機械学習と数理最適化 Advent Calendar 2023 チャレンジ の文書です。 の下図のとおり、数理最適化の分です。 Xpressとは!? 最適化問題を解くため

          [数理最適化]-人員配置最適化問題を解いてみた

          [機械学習]-東京で発生している感染症の関係を解析する(個別解析) その4

          東京で発生している、ここ10年で100人以上陽性になった(患者数)感染症の相関を解析しました。そのPythonプログラムです。 データ解析なので、ファイルを読み込んでしまえば、どの順番で実施してもOKです。 コード量が多いので、1.全体解析(今回) 2.個別解析 に分けます。 前回に引き継いで、2.個別解析 編です。 (1)はじめに機械学習と数理最適化 Advent Calendar 2023 チャレンジ の文書です。 の下図のとおり、数理最適化の分です。 (2)想

          [機械学習]-東京で発生している感染症の関係を解析する(個別解析) その4

          [機械学習]-東京で発生している感染症の関係を解析する(全体解析) その3

          東京で発生している、ここ10年で100人以上陽性になった(患者数)感染症の相関を解析しました。そのPythonプログラムです。 データ解析なので、ファイルを読み込んでしまえば、どの順番で実施してもOKです。 コード量が多いので、1.全体解析(今回) 2.個別解析(次回) に分けます。 (1)はじめに機械学習と数理最適化 Advent Calendar 2023 チャレンジ の文書です。 の下図のとおり、数理最適化の分です。 (2)想定している活用シーン①データ解析

          [機械学習]-東京で発生している感染症の関係を解析する(全体解析) その3

          [機械学習]-東京で発生している感染症の関係を解析する その2

          東京で発生している、ここ10年で100人以上陽性になった(患者数)感染症の相関を解析しました。その結果、基本的には感染症は個別に感染していますが、明らかに、1.新型コロナと相関している感染症 2.新型コロナと逆相関(対策が緩むと発生)する感染症があることが分かりました。 そして、新型コロナと相関している感染症は、梅毒です。 レポート内容解析データの入手先 今回の課題は、 【課題1】 新型コロナと相関(新型コロナと同様に拡大)する感染症 =梅毒(Syphilis) につ

          [機械学習]-東京で発生している感染症の関係を解析する その2

          [機械学習]-東京で発生している感染症の関係を解析する その1

          東京で発生している、ここ10年で100人以上陽性になった(患者数)感染症の相関を解析しました。その結果、基本的には感染症は個別に感染していますが、明らかに、1.新型コロナと相関している感染症 2.新型コロナと逆相関(対策が緩むと発生)する感染症があることが分かりました。 新型コロナと逆相関(対策が緩むと発生)する感染症は、 風しん、A群溶血性レンサ球菌咽頭炎、百日咳です。 レポート内容解析データの入手先 今回の課題は、 【課題2】 新型コロナと逆相関(対策が緩むと発生

          [機械学習]-東京で発生している感染症の関係を解析する その1

          [機械学習]-マルコフ連鎖で紫式部の新作をつくってみた

          マルコフ連鎖とは、遷移確率に基づいてランダムな状態の系列を生成する手法です。つまり、紫式部の文書を学習させれば、紫式部のような文書を生成することが可能です。今回は、「源氏物語」の「初音」の帖を題材にして生成してみました。 このPythonプログラムは、マルコフ連鎖、新規文書生成するためのツールです。技術的には、各状態が過去の状態に依存する確率的な遷移を行うことで、初期状態から開始して次々に状態を遷移させることで系列(この場合、文書)を生成します。 マルコフ連鎖は、テキスト

          [機械学習]-マルコフ連鎖で紫式部の新作をつくってみた