Tomoyuki NAKAGAWA|中川智之

明星大学デーサイエンス学環/School of Data Science Meisei University/RIKEN CBS/TUS IS

[Nospare @Nospare_Inc]

【申込・詳細】
https://t.co/xOH6ntinmy

[共立出版 @kyoritsu_pub]

https://t.co/ytGIdpx2pT

[はかせチャン @hshimodaira]

ついまた Qwen3-4Bの中身覗いたら、中国語（zh）と英語（en）が一番近くなってた！

トークン埋め込みの言語類似度でヒートマップ作ってみた。この言語モデルにとって近い言語の塊が綺麗に出てるね。

詳細はこちら → https://t.co/LdMPiZH50p

[紀伊國屋書店 東京理科大学 神楽坂ブックセンター @Kino_Tus_Kagura]

【新刊】久保川達也著『公式と例題で要点をつかむ多変量解析』(共立出版)多変量データの分析方法を中心に学ぶ入門的内容に、理論的な説明を添える形で構成。多変量解析のそれぞれの手法が理解でき、利用できるようになることが本書の目的だそうです。著者よりメッセージカードを頂戴しました。(店長)

[多摩動物公園［公式］ @TamaZooPark]

／
#多摩動物公園 昆虫園で飼育スタッフ（有期労働契約） #募集中！
7月31日(金)締切です。
＼

詳細はこちらです☞　https://t.co/22PdGYYTC0

みなさまのご応募お待ちしております！

[Daisuke Kurisu @hedrondice]

9月の連合大会では受賞者記念講演でランダムオブジェクトの因果推論について講演予定です．
https://t.co/aNcecsiieT

[Tomoyuki NAKAGAWA|中川智之 @NakagawaStat]

@1uz07lYkQ779011 多分、使わせていただきます！

[Tomoyuki NAKAGAWA|中川智之 @NakagawaStat]

献本いただきました！Rコードもあるので、
多変量解析の授業に使おうと思います！

[資さんうどん【公式】◥█̆̈◤∥ @sukesan1976]

【ありがとうございます！】

#資さんうどん 顧客幸福度ランキング
「ファストフード（牛丼・うどん系）」で１位獲得！

皆さまのご支持を頂き、ありがとうございます🙇‍♂️

⬇️詳しくはコチラ⬇️

https://t.co/dkjtjdYnI9

[Tomohiro Ohigashi / 大東智洋 @tom_ohigashi]

知らぬ間に連合大会のプログラムが公開されていた
https://t.co/xtEbRcemR8
（運営委員なのにすみません）

[1T🍵T @1T0T]

大学教員の業務時間とその割合にかんする一事例
https://t.co/5WxPh5bxOc

そもそも同業者、1日が24時間じゃない人多いよね（笑
教授会の時間に査読している人とか、学会会場で本務先の運営業務をやってる人とか…

[Ryota Mugiyama @RyotaMugiyama]

従属変数の対数変換と解釈に関する覚え書き
https://t.co/Dk9uNuYYc8

[Kazuhiko Kakamu @kzhkkkm]

心残りは，2012年の日本の研究機関に所属する参加者が114人だったが，今回も100人前後だったこと。日本人研究者を増やすことは残された課題である。ただし，毎回の日本人参加者が10〜20人程度であることを考えると，よかったかなと思う。

[統計数理研究所 @tousuuken]

2026年9月1日（火）～3日（木）開催　連続最適化および関連分野に関する夏季学校 2026
https://t.co/y29kBgxhyO

[Shintaro Hashimoto @shntrhshmtoo]

最後の節に、CCAやMDS、分位点回帰などについて触れられているのも講義やセミナーで使う上では嬉しいです。

[多摩モノレール情報 @tamamono_info]

5時04分頃に発生したポイント故障の影響により、現在8分～10分程度の間隔で運転しております。所要時間に変わりはございません。なお、ダイヤ乱れのため、本日の不定期列車は運休とさせていただきます。（8時30分現在）
https://t.co/r74ApP4XQS #運行状況 #多摩モノレール

[Tomohiro Ohigashi / 大東智洋 @tom_ohigashi]

Convergence fragility in probit Bayesian kernel machine regression implemented in the bkmr R package for binary-outcome environmental mixture analyses: a simulation study
Akifumi Eguchi, Takayuki Kawashima, Tomotaka Momozaki, Tomoyuki Nakagawa
https://t.co/utQratNsuy

[Kazuhiko Kakamu @kzhkkkm]

To all participants, thank you for joining us at the ISBA 2026 World Meeting. The entire LOC extends our heartfelt gratitude. We look forward to seeing you in Milwaukee in 2028. #ISBA2026

[Paul Naish @PaulNaish78]

Using Traffic Stop Data to Investigate Issues of Systemic Racism

@tandfSTEM https://t.co/3Tq44RefSR

[Nospare @Nospare_Inc]

📢【新着セミナー】
7/29(水) 18時より、統計数理研究所 江口 真透先生をお迎えし、セミナー『Flow Matching 入門：生成モデルを統計推論・因果推論へつなぐ』を開催いたします。

【申込・詳細ページ】
https://t.co/tFOzCteoBy

【学習ポイント】
- Flow Matching を、深層生成モデルの一技術としてだけでなく、分布を学習するための統計的方法として整理し、連続方程式・速度場・確率分布の変形という観点から基本的な数学的構造を理解します。
- Score matching や diffusion model との関係を確認し、Flow Matching が「速度場を学習する回帰問題」として実装できる理由を説明できるようになります。
- 生成モデルを欠測補完・条件付き分布推定・反実仮想分布の生成に用いる見方に加え、Double/Debiased Machine Learning の枠組みで因果推論と接続する考え方の入口を身につけます。

【講義の流れ】
1. 生成モデルを分布推定・条件付きサンプリング・欠測補完・因果推論への応用という統計学の言葉で位置づける
2. diffusion model や score matching を踏まえ、Flow Matching における速度場学習と連続方程式の直感を導入する
3. 高次元データでの低密度領域・外挿の危険性、ヌイサンス推定、ロバスト化された Flow Matching の考え方を紹介する
4. 欠測補完・反実仮想分布の生成と、Double/Debiased Machine Learning（DDML）による因果推論への接続を概説する
5. 低次元の Flow Matching と条件付き生成の実装例（ノートブック）を紹介する

#FlowMatching #生成モデル #因果推論 #統計推論 #データサイエンス