タグ アイシア=ソリッド が登録されている動画 : 80 件中 1 - 32 件目
種類:
- タグ
- キーワード
対象:
【SQL対決】DS歴10年の gepuro さんに SQL 勝負を挑んでみた!【初!物理世界コラボ!】#VRアカデミア #072
▼テーマ
DS 歴10年の gepuro さんに、SQL 勝負を挑んでみました!
gepuro さんのチャンネルと Twitter もチェック!
データサイエンティストgepuro - YouTube https://www.youtube.com/channel/UCrBuptlVwBwToZSqwVhO-sw
gepuroさん (@gepuro) / Twitter https://twitter.com/gepuro
▼宣伝
100本ノックはこちら
https://github.com/The-Japan-DataScientist-Society
一般社団法人 データサイエンティスト協会
https://www.datascientist.or.jp/
Press Release
データサイエンス初学者のための実践的な学習環境 「データサイエンス100本ノック(構造化データ加工編)」をGitHubに無料公開 | 一般社団法人データサイエンティスト協会 https://digitalpr.jp/r/39499
▼終わりに
ご視聴ありがとうございました!
面白かったら高評価、チャンネル登録お願いします。
動画の質問、感想などは、コメント欄やTwitterにどうぞ!
お仕事、コラボのご依頼は、TwitterのDMからお願い致します。
動画生成:AIcia Solid (Twitter: https://twitter.com/AIcia_Solid/ )
動画編集:AIris Solid (妹) (Twitter: https://twitter.com/AIris_Solid/ )
【数量化理論】数量化I類とその数式 - カテゴリ変数を反応に合わせて数値化する【いろんな分析 vol. 8 】 #071 #VRアカデミア #またの名をカテゴリ変数の回帰分析
▼テーマ
林知己夫先生の数量化理論を数式を用いて解説します。
数量化 I 類は、カテゴリ変数を用いた回帰分析です。
今回は、数量化理論っぽい説明を心がけてみました。
今回の動画は細部の確認に最も苦労しました! なにせ調べても全然出てこない!
もし何か誤りがあればぜひ教えて下さい!!
▼目次
00:00 OP
00:38 1. 目的
02:21 2. 数式
03:01 2-1. 数量化Ⅰ類の発想
05:51 2-2. "上手い近似"を数式で表す
08:33 2-3. 良いaの見つけ方
09:09 2-4. カテゴリ変数を用いた回帰分析との関係
11:21 3. 意味
16:53 ED
▼参考文献
あったら教えて下さい、、、。
文献はほぼないです。ネットの検索の情報を総合してこの動画にまとめました。
・林知己夫著作集〈第3巻〉質を測る―数量化理論 | 林 知己夫, 林知己夫著作集編集委員会
https://amzn.to/34vrG8N
買えるものならこれがほしい、、、!
・数量化1類(1/3) :: 株式会社アイスタット|統計分析研究所 https://istat.co.jp/ta_commentary/method1
ざっくり書いてあります。
・多変量解析の手法 | データ分析基礎知識
https://www.albert2005.co.jp/knowledge/statistics_analysis/multivariate_analysis/multivariate_method
後半にふんわり書いてあります。
いろんな分析が紹介されていて、重宝すると思います。
▼終わりに
ご視聴ありがとうございました!
面白かったら高評価、チャンネル登録お願いします。
動画の質問、感想などは、コメント欄やTwitterにどうぞ!
お仕事、コラボのご依頼は、TwitterのDMからお願い致します。
動画生成:AIcia Solid (Twitter: https://twitter.com/AIcia_Solid/ )
動画編集:AIris Solid (妹) (Twitter: https://twitter.com/AIris_Solid/ )
【深層学習】bi-LSTM - 前後の文脈を利用する Recurrent layer【ディープラーニングの世界 vol. 12 】 #070 #VRアカデミア #DeepLearning
▼テーマ
LSTM では、片側の文脈しか利用できないという欠点がありました。
それを解決する、双方向 LSTM (bidirectional LSTM) を紹介します。
▼目次
00:00 OP
00:38 問題設定 (前後の文脈を加味したい)
01:37 普通のRNNの難点
03:05 解決の為の発想
03:55 Bi-LSTMの導入
06:02 ED
▼終わりに
ご視聴ありがとうございました!
面白かったら高評価、チャンネル登録お願いします。
動画の質問、感想などは、コメント欄やTwitterにどうぞ!
お仕事、コラボのご依頼は、TwitterのDMからお願い致します。
動画生成:AIcia Solid (Twitter: https://twitter.com/AIcia_Solid/ )
動画編集:AIris Solid (妹) (Twitter: https://twitter.com/AIris_Solid/ )
【不偏分散で N-1 で割る本当の理由】自由度とはなにか【自由度のお話②】#069 #VRアカデミア
▼テーマ
不偏分散の定義にて、 N-1 で割っている本当の理由を明らかにします。
また、それと絡めて、ノリで使われがちな「自由度」とはなにかについて明らかにします。
▼目次
00:00 OP
01:00 1-1. 不偏分散の復習
03:11 1-2. ベクトルを使った定式化
05:54 1-3. 直交射影
11:57 1-4. 回転不変性
16:05 1-5. 何故N-1で割るのか?
21:33 2. 回帰分析と直交射影
27:26 3. 自由度と不偏推定
31:14 ED
▼終わりに
ご視聴ありがとうございました!
面白かったら高評価、チャンネル登録お願いします。
動画の質問、感想などは、コメント欄やTwitterにどうぞ!
お仕事、コラボのご依頼は、TwitterのDMからお願い致します。
動画生成:AIcia Solid (Twitter: https://twitter.com/AIcia_Solid/ )
動画編集:AIris Solid (妹) (Twitter: https://twitter.com/AIris_Solid/ )
【永遠の謎を解明】不偏分散の定義にて n-1 で割っている理由【自由度のお話①】#068 #VRアカデミア
▼テーマ
不偏分散の定義にて、 n-1 で割っている理由を明らかにします。
実は、次の動画で、より本質的な説明もするので、そっちも見てね!
▼終わりに
ご視聴ありがとうございました!
面白かったら高評価、チャンネル登録お願いします。
動画の質問、感想などは、コメント欄やTwitterにどうぞ!
お仕事、コラボのご依頼は、TwitterのDMからお願い致します。
動画生成:AIcia Solid (Twitter: https://twitter.com/AIcia_Solid/ )
動画編集:AIris Solid (妹) (Twitter: https://twitter.com/AIris_Solid/ )
【深層学習】LSTM - RNN に記憶をもたせる試みその2【ディープラーニングの世界 vol. 11 】 #067 #VRアカデミア #DeepLearning
▼テーマ
LSTM を、数式ごと理解するための動画です。
LSTM が何故強いのかを理解するためには、LTSM の数式とその意図を見るのが一番です。
▼終わりに
ご視聴ありがとうございました!
面白かったら高評価、チャンネル登録お願いします。
動画の質問、感想などは、コメント欄やTwitterにどうぞ!
お仕事、コラボのご依頼は、TwitterのDMからお願い致します。
動画生成:AIcia Solid (Twitter: https://twitter.com/AIcia_Solid/ )
動画編集:AIris Solid (妹) (Twitter: https://twitter.com/AIris_Solid/ )
【深層学習】GRU - RNN に記憶をもたせる試みその1【ディープラーニングの世界 vol. 10 】 #066 #VRアカデミア #DeepLearning #GatedRecurrentUnit
▼テーマ
記憶力に難がある RNN ちゃんに長期記憶をもたせる試み。それが GRU です。
GRU (Gated Recurrent Unit) の意味を押さえましょう!
次回は LSTM です。お楽しみに!
▼終わりに
ご視聴ありがとうございました!
面白かったら高評価、チャンネル登録お願いします。
動画の質問、感想などは、コメント欄やTwitterにどうぞ!
お仕事、コラボのご依頼は、TwitterのDMからお願い致します。
動画生成:AIcia Solid (Twitter: https://twitter.com/AIcia_Solid/ )
動画編集:AIris Solid (妹) (Twitter: https://twitter.com/AIris_Solid/ )
【雰囲気をつかむ】階層ベイズモデリング - 構造を仮定して本質を推定する【いろんな分析 vol. 7 】 #065 #VRアカデミア
▼テーマ
とても幅広いモデルに利用されている階層ベイズモデリングの解説です。
サクッと雰囲気と、実用例をまとめてみました。
おもしろ動画ランキングは必見!
GitHubはこちら → https://github.com/sugiyama34/AIciaSolidProject
▼参考文献
岩波データサイエンス Vol.1 ベイズ推論とMCMCのフリーソフト
https://amzn.to/3gOdNpl
この本に基本的なことやソフトの使い方も書いてあります。
興味を持ったかたはこの本から入門することをおすすめします!
▼終わりに
ご視聴ありがとうございました!
面白かったら高評価、チャンネル登録お願いします。
動画の質問、感想などは、コメント欄やTwitterにどうぞ!
お仕事、コラボのご依頼は、TwitterのDMからお願い致します。
動画生成:AIcia Solid (Twitter: https://twitter.com/AIcia_Solid/ )
動画編集:AIris Solid (妹) (Twitter: https://twitter.com/AIris_Solid/ )
【深層学習】RNN の3通りの使い方 - RNN の混乱ポイントを倒す!【ディープラーニングの世界 vol. 9 】 #064 #VRアカデミア #DeepLearning
▼テーマ
実は、 RNN にはぜんぜん違う3種類の使い方があります。これが混乱の元!
その違いを解説します。
▼終わりに
ご視聴ありがとうございました!
面白かったら高評価、チャンネル登録お願いします。
動画の質問、感想などは、コメント欄やTwitterにどうぞ!
お仕事、コラボのご依頼は、TwitterのDMからお願い致します。
動画生成:AIcia Solid (Twitter: https://twitter.com/AIcia_Solid/ )
動画編集:AIris Solid (妹) (Twitter: https://twitter.com/AIris_Solid/ )
【潜在変数の関係を探る】構造方程式モデリング - 実応用の豊富な基礎分析なのです【いろんな分析 vol. 6 】 #063 #VRアカデミア
▼テーマ
因子分析の正統進化である構造方程式モデリング (Structural Equation Modeling, SEM) です。
マーケティングリサーチ文脈などで広く応用される基本的な分析ですよ!
GitHubはこちら → https://github.com/sugiyama34/AIciaSolidProject
▼参考文献
・共分散構造分析 入門編―構造方程式モデリング (統計ライブラリー)
https://amzn.to/3dAbuUG
理論が丁寧にまとまっている良書!
・M-plusとRによる構造方程式モデリング入門
https://amzn.to/3exlZJP
実践するならこちら。 M-plus や R での実施方法があります
・共分散構造分析 事例編―構造方程式モデリング | 秀樹, 豊田
https://amzn.to/2Z7DCct
ちょっととっつきづらい人にはこちら。事例が大量に載っているので、モチベーションに繋がるかも。
・パーソナリティ心理学のための統計学[心理学のための統計学6]: 構造方程式モデリング | 幸謙, 尾崎, 宏二郎, 荘島
https://amzn.to/2YwlNop
難しいことはいいから、解釈の仕方とか、ユーザー向けにまとめてるものは!? って人におすすめ!
▼終わりに
ご視聴ありがとうございました!
面白かったら高評価、チャンネル登録お願いします。
動画の質問、感想などは、コメント欄やTwitterにどうぞ!
お仕事、コラボのご依頼は、TwitterのDMからお願い致します。
動画生成:AIcia Solid (Twitter: https://twitter.com/AIcia_Solid/ )
動画編集:AIris Solid (妹) (Twitter: https://twitter.com/AIris_Solid/ )
【深層学習】RNN の意味を徹底解説!【ディープラーニングの世界 vol. 8 】 #062 #VRアカデミア #DeepLearning
▼テーマ
RNN は隠れ層の伝播が肝です。
数式を意味として捉える力を RNN シリーズで培ってもらえると嬉しい!
▼終わりに
ご視聴ありがとうございました!
面白かったら高評価、チャンネル登録お願いします。
動画の質問、感想などは、コメント欄やTwitterにどうぞ!
お仕事、コラボのご依頼は、TwitterのDMからお願い致します。
動画生成:AIcia Solid (Twitter: https://twitter.com/AIcia_Solid/ )
動画編集:AIris Solid (妹) (Twitter: https://twitter.com/AIris_Solid/ )
【データサイエンスを学ぶあなたへ】100本ノック - 構造化データ処理編 - 最速レビュー動画!【データサイエンティスト協会】#061
▼テーマ
先日データサイエンティスト協会から公開された100本ノックの最速レビュー動画です!
超おすすめなんです! おすすめポイントを5つ紹介!
100本ノックはこちら
https://github.com/The-Japan-DataScie...
一般社団法人 データサイエンティスト協会
https://www.datascientist.or.jp/
Press Release
データサイエンス初学者のための実践的な学習環境 「データサイエンス100本ノック(構造化データ加工編)」をGitHubに無料公開 | 一般社団法人データサイエンティスト協会 https://digitalpr.jp/r/39499
▼終わりに
ご視聴ありがとうございました!
面白かったら高評価、チャンネル登録お願いします。
動画の質問、感想などは、コメント欄やTwitterにどうぞ!
お仕事、コラボのご依頼は、TwitterのDMからお願い致します。
動画生成:AIcia Solid ( Twitter: https://twitter.com/AIcia_Solid/ )
動画編集:AIris Solid ( Twitter: https://twitter.com/AIris_Solid/ )
【深層学習】CNN 実装してみた【ディープラーニングの世界 vol. 7 】 #059 #VRアカデミア #DeepLearning
▼テーマ
CNN を実装し、 Dense layer のみのものとの性能比較をしました。
CNN がいかに画像 Deep 向けかを実感できる結果となりました!
GitHub はこちら → https://github.com/sugiyama34/AIciaSolidProject
▼終わりに
ご視聴ありがとうございました!
面白かったら高評価、チャンネル登録お願いします。
動画の質問、感想などは、コメント欄やTwitterにどうぞ!
お仕事、コラボのご依頼は、TwitterのDMからお願い致します。
動画生成:AIcia Solid (Twitter: https://twitter.com/AIcia_Solid/ )
動画編集:AIris Solid (妹) (Twitter: https://twitter.com/AIris_Solid/ )
【深層学習】プーリング層 - シンプルだけど大きな役割を担う層【ディープラーニングの世界 vol. 6 】 #058 #VRアカデミア #DeepLearning
CNN でよく使われる Pooling Layer の説明です。
シンプルですが、意外といろんな役割を担ってくれています。
多くの課題を解決する、シンプルな方法が一番いいですよね!
GitHub はこちら↓
https://github.com/sugiyama34/AIciaSolidProject
動画で用いた Google spreadsheet はこちら↓
https://docs.google.com/spreadsheets/d/1zABw_IwKEOu_4OjEkJAy7jnhEt0ZYRf-ez0A7Mc1RrI/edit#gid=0
ご視聴ありがとうございました!
面白かったら高評価、チャンネル登録お願いします。
動画の質問、感想などは、コメント欄やTwitterにどうぞ!
お仕事、コラボのご依頼は、TwitterのDMからお願い致します。
【深層学習】畳み込み層の本当の意味、あなたは説明できますか?【ディープラーニングの世界 vol. 5 】 #057 #VRアカデミア #DeepLearning
CNN でおなじみの畳み込み層についての解説です。
幾何的に解釈してやると、かなり意味がわかりやすいと思います。
GitHub はこちら↓
https://github.com/sugiyama34/AIciaSolidProject
動画で用いた Google spreadsheet はこちら↓
https://docs.google.com/spreadsheets/d/1zABw_IwKEOu_4OjEkJAy7jnhEt0ZYRf-ez0A7Mc1RrI/edit#gid=0
ご視聴ありがとうございました!
面白かったら高評価、チャンネル登録お願いします。
動画の質問、感想などは、コメント欄やTwitterにどうぞ!
お仕事、コラボのご依頼は、TwitterのDMからお願い致します。
【偽物の相関を見極めろ!】グラフィカルモデリングで変数の相関関係を把握する【いろんな分析 vol. 4 】 #056 #VRアカデミア
グラフィカルモデリングの中でも、マルコフ確率場 (Markov Random FIeld / MRF) と呼ばれる分析について紹介します。
この方法で、偽相関を見破ることが出来ます。
※因果推論と関連のあるベイジアンネットワークについては別の動画で扱います。
【参考文献】
グラフィカルモデリング (統計ライブラリー)
https://amzn.to/2WD8C47
条件付き確率から解説してあって、かなり読みやすいです!
ソースコードはこちら
https://github.com/sugiyama34/AIciaSolidProject
ご視聴ありがとうございました!
面白かったら高評価、チャンネル登録お願いします。
動画の質問、感想などは、コメント欄やTwitterにどうぞ!
お仕事、コラボのご依頼は、TwitterのDMからお願い致します。
【深層学習】全結合層 - それはいちばん大事な部品のお話【ディープラーニングの世界 vol. 4 】 #055 #VRアカデミア #DeepLearning
今回から、実際に Deep Learning をしながら解説してきます。
今回は、 Dense layer こと全結合層のお話です。
ソースコードはこちら
https://github.com/sugiyama34/AIciaSolidProject
Softmax関数についてはこちら
https://www.youtube.com/watch?v=5CwLT-IQB9E
ご視聴ありがとうございました!
面白かったら高評価、チャンネル登録お願いします。
動画の質問、感想などは、コメント欄やTwitterにどうぞ!
お仕事、コラボのご依頼は、TwitterのDMからお願い致します。
【深層学習】関数 - なぜ「深さ」が AI を生み出しているのか?【ディープラーニングの世界 vol. 3 】 #054 #VRアカデミア #DeepLearning
Deep Learning にて現れる「深い」関数について解説してみました。
普通は、「脳神経細胞を真似た」という説明が来ますが、それには飽きたので、今回は理論的な説明をしてみました。
ご視聴ありがとうございました!
面白かったら高評価、チャンネル登録お願いします。
動画の質問、感想などは、コメント欄やTwitterにどうぞ!
お仕事、コラボのご依頼は、TwitterのDMからお願い致します。
【もう二度と迷わない】因子分析と主成分分析は何が違うの?【いろんな分析 vol. 3 】 #053 #VRアカデミア
因子分析と主成分分析の違いについて解説します。
計算結果は毎回必ず似通いますが、「何をしたいか」という目的の部分が大きく異なります。
因子分析、主成分分析の発展として紹介した分析たちは、今後のシリーズで紹介していきます。お楽しみに!
ソースコードはこちら
https://github.com/sugiyama34/AIciaSolidProject
ご視聴ありがとうございました!
面白かったら高評価、チャンネル登録お願いします。
動画の質問、感想などは、コメント欄やTwitterにどうぞ!
お仕事、コラボのご依頼は、TwitterのDMからお願い致します。
【深層学習】学習 - なぜ必要なのか?何をするのか?【ディープラーニングの世界 vol. 2 】 #052 #VRアカデミア #DeepLearning
「学習」とは何なのか、なぜ必要なのか、なぜ大事なのかについて解説します!
ご視聴ありがとうございました!
面白かったら高評価、チャンネル登録お願いします。
動画の質問、感想などは、コメント欄やTwitterにどうぞ!
お仕事、コラボのご依頼は、TwitterのDMからお願い致します。
【相関で情報を圧縮】主成分分析の気持ちを理解する【いろんな分析 vol. 2 】 #051 #VRアカデミア
主成分分析の考え方や実例について解説します。
ソースコードはこちら→https://github.com/sugiyama34/AIciaSolidProject
ご視聴ありがとうございました!
面白かったら高評価、チャンネル登録お願いします。
動画の質問、感想などは、コメント欄やTwitterにどうぞ!
お仕事、コラボのご依頼は、TwitterのDMからお願い致します。
【深層学習】ディープラーニングとは関数近似器である【ディープラーニングの世界 vol. 1 】 #050 #VRアカデミア #DeepLearning
ディープラーニング( Deep Learning / 深層学習)についての解説シリーズを始めます!
1本目の本動画では、「関数近似器」としての側面を取り上げます。
なぜかこの説明を見ることは少ないですが、これがディープラーニングの本質一丁目一番地だと思います。
ご視聴ありがとうございました!
面白かったら高評価、チャンネル登録お願いします。
動画の質問、感想などは、コメント欄やTwitterにどうぞ!
お仕事、コラボのご依頼は、TwitterのDMからお願い致します。
【相関から構造を推定】因子分析の気持ちを理解する【いろんな分析 vol. 1 】#049 #VRアカデミア
新シリーズはじまりました! その名も「いろんな分析」
このシリーズでは、よく使われる統計手法をずらーっと見ていきます。
vol.1では、因子分析の魅力をお伝えします。データに潜む構造を明らかにしちゃいましょう!
ご視聴ありがとうございました!
面白かったら高評価、チャンネル登録お願いします。
動画の質問、感想などは、コメント欄やTwitterにどうぞ!
お仕事、コラボのご依頼は、TwitterのDMからお願い致します。
【ブラックショールズ方程式への道⑦-2】さいごの伊藤積分【確率微分方程式の基礎】#VRアカデミア #048
∫ f df/dt = f^2/2 でした、、、!
動画内の誤り一覧 http://bit.ly/error_asp
========
ご視聴ありがとうございます!
今回は、確率微分方程式 dx = wdw の解x(t)について、深く掘り下げていきます。
演習問題について
X を平均 0 分散 σ^2t の正規分布に従う確率分布とするとき、 E(X) を求めよ。
方針
∫_{-∞}^∞ x^4 √(1/2πσ^2t) exp(-x^2/2σ^2t) dx
を計算すればOK
ヒント
√(λ/2π) = ∫_{-∞}^∞ exp(-λx^2/2) dx
の両辺を2回微分して、λにいい感じの数値を代入しよう。
確率微分方程式シリーズはここで一旦おしまいとなります。
ここまで頑張ってついてきてくれた視聴者のみなさん、ありがとうございました。
今後もいろいろな統計、機械学習、数学などに関する動画をあげていくので、一緒に楽しみましょう!
参考文献:
【今日紹介したのはこれ】
確率システム入門 (システム制御情報ライブラリー) : https://amzn.to/2xd9Y8d
確率微分方程式 | B.エクセンダール : https://amzn.to/2Fx1fSK
sm36503239 ← 前(伊藤の公式のこころを理解する) | 次 →
マイリスト: mylist/63728342
【ブラックショールズ方程式への道⑦】Dive into 伊藤積分【確率微分方程式の基礎】#VRアカデミア #047
∫ f df/dt = f^2/2 でした、、、!
動画内の誤り一覧 http://bit.ly/error_asp
========
ご視聴ありがとうございます!
今回は、伊藤積分の奥深い世界にどぼーんと潜っていきます!
確率微分方程式シリーズも残すところ後2回。
最後まで楽しんでくださいね。
参考文献:
【今日紹介したのはこれ】
確率システム入門 (システム制御情報ライブラリー) : https://amzn.to/2xd9Y8d
確率微分方程式 | B.エクセンダール : https://amzn.to/2Fx1fSK
sm36503239 ← 前(伊藤の公式のこころを理解する) | 次 →
マイリスト: mylist/63728342
【ブラックショールズ方程式への道⑥】伊藤の公式のこころを理解する【確率微分方程式の基礎】#VRアカデミア #045
ご視聴ありがとうございます!
伊藤の公式について、より直感的に深く理解するための動画です。
見てすぐは混乱があるかもしれませんが、この動画の内容を自分なりに解釈できたときこそが、伊藤の公式を理解できたときだと思います。
演習問題のヒント:
演習①
X : 平均 0、分散 b^2 σ^2 t の正規分布に従う確率変数
→ E(e^X) = exp( b^2 σ^2 t / 2) を示せ。
方針
∫_{-∞}^{+∞} e^x (1/2π b^2 σ^2 t)^{1/2} e^{ -x^2 / (2b^2 σ^2 t)} dx
を計算すれば OK 。
To 高校生: ∫_{-∞}^{+∞} (1/2π b^2 σ^2 t)^{1/2} e^{ -x^2 / (2b^2 σ^2 t)} dx = 1 と、置換積分を用いると、この積分も計算できます。
演習②
a - b^2 σ^2 / 2 < 0 のとき、
lim_{t → +∞} p( x(t) > x_0 ) = 0 を示せ
方針
x(t) > x_0
⇔ (a - b^2 σ^2 / 2) t + bw(t) > 0
⇔ w(t) > - ( (a - b^2 σ^2 / 2) / b ) t
ここで、 w(t) は平均 0 分散 σ^2 t の正規分布に従うので、
両辺√(σ^2 t) で割って正規化すると、
⇔ w(t) / √(σ^2 t) > - ( (a - b^2 σ^2 / 2) / (b √σ^2) ) √t
t → +∞ でこれが成立する確率は...?
参考文献:
【今日紹介したのはこれ】
確率システム入門 (システム制御情報ライブラリー) : https://amzn.to/2xd9Y8d
確率微分方程式 | B.エクセンダール : https://amzn.to/2Fx1fSK
sm36475890← 前(ブラックショールズ方程式の解法) | 次 → 来週!
マイリスト: mylist/63728342