加藤まさひろ
@kato_jp
Followers
1,000
Following
496
Media
59
Statuses
2,085
Explore trending content on Musk Viewer
Dortmund
• 489087 Tweets
Apple
• 418082 Tweets
iPad Pro
• 106609 Tweets
Palestino
• 100504 Tweets
FOURTH BE MINE 10M🩵
• 97778 Tweets
Grok
• 92033 Tweets
People In Support
• 80467 Tweets
YAIBA
• 74126 Tweets
Rangers
• 47077 Tweets
#SoloLasMas
• 44683 Tweets
backnumber
• 38068 Tweets
ノーリーズン
• 34283 Tweets
無痛分娩
• 32813 Tweets
ズゴック
• 31535 Tweets
Demichelis
• 27977 Tweets
Shai
• 26646 Tweets
Canes
• 18799 Tweets
プレス機
• 18373 Tweets
ゼウスシルエット
• 18231 Tweets
PRABOWOsiapkan DgnFOKUS
• 17889 Tweets
UntukNEGARA UntukRAKYAT
• 17158 Tweets
C-Pher
• 16879 Tweets
リュウケンドー
• 15350 Tweets
Chet
• 13792 Tweets
ムラサメ改
• 13267 Tweets
#apagones
• 10777 Tweets
Pinned Tweet
もともとのアカウントに海外からフォローしてくださる方が増えて，日本語で呟くのが申し訳なくなったため，日本語用のアカウントを新しく作りました．
0
0
14
僕は東大入学する年に実家の会社が倒産して，親が知人に借金して僕を東京に送り出してくれた．
自分をそこそこ不幸だと思っていたものの，大学の奨学金の窓口で，隣の学生が「親がいなくて姉に扶養してもらっている」と話しているのを聞いて，恥ずかしくなった．
4
216
2K
Chat GPTの英文校正，感覚的に，
「英文の校正をしてください．以下は，私が書いている論文の一節です．文法的に不正確な箇所や読みにくい箇所があれば，その部分だけ学術的で，英語話者に読みやすい英語に直してください．」
が良い感じな性能な気がする．
2
145
2K
冷静に考えて，自分は大学まで行かせてもらえているし，親も健在だし，とても恵まれていると感じた．
生きているだけで幸せだし，親がいるだけで幸せだし，大学に行けるだけで幸せなんだと思う．
1
32
572
「学問分野や対象は意味がなくなり、方法だけが残る」
名言だ、、、
今年は学部ゼミで奥健太 著『基礎から学ぶ推薦システム』を読んでいる。自分が経済学での消費者理論を放棄したような気もするし、真面目に追求している気もする。しかしまあ、学問分野や対象は意味がなくなり、方法だけが残る。ここ数十年起こっている、不可逆の流れである。
1
45
245
0
47
363
MLで得られている知見，多分，モデルをどうこうするとか，漸近論やベイズがどうこうよりも，実務的には，シンプルに
1. 良いデータを大量に集める．
2. でかいモデルをつくる．
3. 良い目的関数を設定する．
に尽きる気がする．
1
24
160
1
15
151
バンディットで250引用ぐらいされているそこそこ有名な論文，arXivのtexコードを見たら，提案手法が負けている実験結果と「既存手法の方が性能いいね」という指導教官っぽい人のコメントがコメントアウトされていた．
1
27
144
学部一年生が読むべき計量経済学の本：HansenのEconometrics
学部一年生が読むべき機械学習の本：The Elements of Statistical Learning
0
27
141
CSの学生たちが（国内の大学でも）学部修士から論文を書いて出版をしているのに対して，経済学の学生たちが修士は必修の授業に追われ，あげくに一部ではプレドクなるもので時間を費やしているのをみると，いろいろ改善して欲しい気持ちがある．
1
32
139
真面目に因果推論をしようと思ったら，IPS（IPW）推定量やdoubly robust推定量よりも，線形回帰モデルやパネルデータの使い方を慎重に考えるべきなのに，色々すっ飛んでそういうのに行くのは，普通の素振りもできないのに王貞治や落合博満やイチローの真似をしているのと同じだと思っています．
0
18
132
近年のMLの成功事例の多くは，難しい問題を難しい手法で解いたことにあるのではなくて，難しい問題を単純な最適化問題+巨大なデータとモデルで殴れる設定に変換してアプローチすることに起因すると思っている．
1
15
128
因果推論はEBPM(evidence based policy making)ではなくてPBEM(policy based evidence making)になりがち．
2
26
128
機械学習をやり始めた頃は，「機械学習を使って社会の問題を解決するぞ！」という気概があったのに，いつの間にかカンファレンスに通った通っていないを気にするようになってしまっている．情けない．
1
11
104
研究やデータ分析で，「調べれば分かる」「教えてくれれば分かる」は分かるのうちに入らないと思っている．
本当に理解していて，自分で使える知識は，テキストなしに自分で講義ができる程度じゃないとダメだと思う．
「ググれば何でも分かる時代に医師や弁護士など知識を暗記するだけの職業は廃止すべき」という論を見かけて、予備校バイトしてた時に医学部志望の受験生から「暗記なんか無駄だ」と言われて「君は目の前の患者があと2分で死んでしまうという時に5分かけて治療法を調べるのか」と返したのを思い出した
2
17K
73K
1
12
73
経済出身で経済学研究科にも少しいた僕が，機械学習を専攻してCS修士になったことや，金融機関への就活に失敗した結果，サイバーエージェントに就職してML研究者になったのは，自分としても完全に行き当たりばったりだった．
（国内博士も行くならハードウェア系を考えていた）
私には正解は分かりませんし，私も迷っています．ただ，結局のところ，現在実行可能な選択肢のなかで，一番「自分が苦しい思いをせずに長く続けられて生計が立てられるもの」に落ち着くのではないでしょうか．…
#Mond_kato_jp
0
2
21
1
6
71
大学の学費の件，やや趣旨と外れるものの，個人的には，むしろ上げまくって，それを財源として国公立大学の経済的基盤の弱い学生に配って欲しいぐらいに思っている．
東大に入ったときに経済格差で絶望した．恵まれている家庭からはもっと頂いて再配分しても，という気持ちはある．
2
8
73
計量経済学やそのほか因果推論の手法とかも，やはり定量的な分析した後に専門家が知見に基づいて解釈などを議論できることを前提にしているはずで，専門に特化しているデータ分析屋さんならともかく，広い分野の多くの問題を数多く捌いているデータ分析屋さん（とその結果を見る人）は，
1
7
69
マル経と関わってつらいなと思ったのは，本来経済学の目的の一つには「コミュニケーションの基盤としての共通言語を作ること」があるはずなのに，自分の知人のその分野に興味のある人の多くが「〇〇先生の〇〇説を知っているかどうか」で議論を展開しようとしがちだったから．
1
12
66
ベイズは素晴らしいのだけれど，複雑なモデルは実装が大変なのと，実装ごとに結果が変わりそうなのと，プロのコードでもMCMCがうまく行くための謎の工夫がたまに入っていることがあって，それを外すとうまくいかなかったりするから，つらい．
0
5
67
時系列解析，好きだし実応用上大切なのだけれど，一時期，大学の先生とかが学生に研究としては勧めないことがあったせいか（研究としてやりつくされて枯れているから），気軽に聞ける専門家が少ないの悲しい．
1
10
66
経済学部の頃に，卒論の指導教官に「院はどこに行ったらいいですか？」と聞いたら，「加藤さん，経済学の裏付けのない統計学は滅びます．機械学習は計量経済学です．経済学に行きましょう」と言われたので経済学（ミクロマクロコース）の院に進学しました．
1
2
65
計量経済学者が好きなのはGMM（Generalized Method of Moments）．
機械学習の人が好きなのはGMM（Gaussian Mixture Model）．
お前らが好きなのはDMM．
1
10
64
僕の学部の指導教官は二人いて，一人は「マクロ経済学など存在しない．経済学とはミクロ経済学」と主張し，もう一人は「経済学の裏付けのない統計学は滅びる．機械学習は計量経済学」という主張だったので，二人の主張を合わせると，データ分析も機械学習もミクロ経済学．ミクロ経済学が全て．
0
6
62
つまるところ，経済学を地盤にしている人は経済学が因果モデルそのものであって，計量経済学=因果推論の手法=経済理論の実証のための手法でしかないのだと思う．
だから，計量経済学的立場では，RubinはNotationや因果に関する議論の土台に，Pearlはグラフの書き方以上のものにならない気がする．
1
9
62
もし僕が先生になって，ゼミを持って，学生から因果推論を勉強するために日本語の教科書を輪読したいと言われたら，多分，西山新谷川口奥井計量，末石計量，星野本，Mostly harmless，高橋本（実装・実証のため），星野田中北川本（実装・実証のため）を勧めると思う．サブゼミで佐和本，稲垣統計．
1
10
58
僕の好きな研究分野，歴史学や政治学，もしくは都市経済学なのだけれど，それやってたら研究の業績もなかっただろうし，お給料ももっと低かった．
日和って受けのいい機械学習に行ったら，たまたま比較的そういう分野の論文を書くことがそこそこできたので，そこそこのお給料をいただけている．
1
14
56
楡井先生，学部の卒論の際に先生の論文を参考にしようとしたので，当時はまだ東大経済学部の所属ではなかったものの，連絡をとってみたら相談のお時間をいただけた．その際に，スタバでコーヒーもご馳走してもらえた．
こういう先生になりたいと思えた先生の一人．
0
6
52
逆に，時系列とか，MLでもなかなか抜本的な解決策は出てなくて（というか画像や言語のような成功を期待するのは不可能では），かつ，人がどんどん減っているような雰囲気があるから，昔の人（90年代から2000年代の研究者）の方が圧倒的に知見を持っていていそうな気がする．
0
5
49
落合博満が「間違ったバッティングはあっても正しいバッティングは人それぞれ」と言っていた気がするように，データ分析も間違っているのはあるけれど正しいのって分からないですよね．ICMLで落合博満の真似をしている人がいたら，もしかしたら私です．
0
5
50
ガチ文系なので，学部4年生までは数学から逃げてきたのですが，icmr先生に数学ができないといけないと言われたので頑張って4年生から勉強しました．
1
2
48
分析にどういう手法を使うべきかについては，その手法自体の良し悪しではなくて，データの特性や分野の慣習，聴衆のレベルや求めらているもの，納期に基づいて決められるべきで，答えってないですよね．
0
9
46
「叱らない」問題，野球の世界に特化しているイチローや大学の先生みたいに進む方向が定まっている人たちはともかく，現代は選択肢が多様化しているから，先輩・先生が叱ることが正しくないことが多いのだと思う．
叱った先の進路に責任を持てないなら寛容であるべきだし，それが多様性だと思う．
1
11
46
もともとは「修士卒->金融系の会社で勤務->お金がたまって経済の知識が身に付いたら海外経済PhD出願」を考えていました．
新卒での金融機関への就活に失敗して就活浪人しかかったときにサイバーに拾ってもらって，良くも悪くも会社の需要で統計・機械学習・計量経済学の研究をやっていたのですが．．
1
2
44
学部生のときの僕：「学生がGPAを気にして授業を取捨選択することは学生としてあるまじき行為なり．卑怯なり．我は何も考えず全部履修するなり」
今の僕：「GPA壊滅．正規分布している．なおPhD留学」
0
6
43
伊藤元重先生・吉川洋先生・新井富雄先生・矢島美寛先生たちが大体同時期に退官されたとき何となく雰囲気が変わった感じがした．その後はまとまった退官はなくて，いま市村先生・神取先生・松島先生・岡崎先生たちが一斉に退官されてしまうと，また大きく変わるんだろうなぁ．
0
11
41
そんなに冗談ではなくて，HansenのEconometricsの記述は丁寧でそこまで難しくないのと，The Elements of Stastiscal Learningも難しくない上に日本語訳もある．
分量は多いけれど，一年生で時間のある時期から数年かけてじっくり読むにはちょうど良い気が．ダメだったらもう少し薄い和書を補助にして
学部一年生が読むべき計量経済学の本：HansenのEconometrics
学部一年生が読むべき機械学習の本：The Elements of Statistical Learning
0
27
141
1
13
41
Geminiとかが発表されていくのに対して，研究者が後追いで理論解析とかを付与していくの，推理小説で殺人事件が起こった後から探偵が事件を調べていくものの，殺人事件は止められていないみたいな気持ちがある．
2
4
39
今年のスローガンは，
常在戦場，月月火水木金金，24時間論文書けますか，欲しがりません書くまでは，採択されてし止まむ，加藤まさひろは死んでもMacを離しませんでした，足らぬ足らぬは工夫が足らぬ，ぜいたくは敵だ
です．
0
4
38
経済の学生はRubinとかPearlとかあまり気にせずにWooldridgeとかAngristとかGreeneとかHansenとかHamiltonとかをやっていた方が，それらも結局は因果推論の体系なので混乱なく勉強できると思う．
0
0
38
分かる．バンディットもオンライン予測も，研究としては面白いけれど，微妙．やや机上の空論感がある．
局所漸近正規性とかIPW推定量とか，あの辺の話も面白いけれど微妙だと思っている．
1
2
37
もしPhDをとって、収入も安定して，結婚もして，家族の将来にも不安がなくなったら，お給料はどうでもいいから行政に携われるお仕事をしたいな．
1
3
37
ゼミ・ラボ選び，自分のやりたいことよりも，学生のパブリーションや就活をサポートする教員，切磋琢磨できる同期，色々教���てくれる先輩がいる場所を選ぶ方が良い．
やりたいことは半年もすれば大抵変わる．
1
2
35
情報系の院では「事務がいい加減で遅い加藤さん」だったのが，経済の研究センターでは「事務処理能力の高い加藤さん」と評されていたので，察しである．
某同研究者に「野田さんは理論経済学者の割に常識があって事務処理能力が高い」と言われたんだけど、これはひょっとして煽られている？
0
5
45
0
12
36
企業研究者におけるエコノメ研究者の需要，結局のところ，データサイエンティストか因果推論系の機械学習・統計のR&Dになりがちで，実はエコノメとは距離が遠い気がする．
1
4
36
海外の空港で中国人に中国語で道を聞かれることが多い．
「俺は日本人だから中国語はあまりか分からないよ」って中国語で説明したら，一度は引き下がったものの，「中国語分かるなら教えてくれよ」ってまた戻ってきたときがあって面白かった．
1
5
35
経済でストレートに博士号をとって，ゲーム理論や計量経済学などを専攻せずにCSと関わらない人生を歩む決意があるのなら問題なさそうだけど，競合する分野では，少なくとも若手では研究の進め方や論文の執筆速度にCSと経済間での差を感じる．
0
5
35
経済学における因果推論，厳しいと思う．
経済学の強みがないのでCSやStatに食われそう．
ML会議とも競争しないといけないから本当に苦しい．
0
8
34
手法・理論に貢献がある論文でも，機械学習の国際会議論文とかだと証明が誤っていることが多々あるので，論文を読む人が自身で追試や証明確認した結果以外は何も信用できなさそう．
1
4
34
中学生の頃から官僚志望で，そのために頑張って地方から東大に行ったのに，大学に入ってからは官僚には絶望しか感じなかった．．．
逆に東大に行っていなかったら，官僚の先輩友達も少なくなるので，絶望情報が入らなくなって官僚になっていた説．
0
1
33
Meta-learnerとか諸々の因果推論の手法，それ自体は良いとして，本当に大事なことはデータや目的に応じて，仮定やモデルを構築していくことで，その先に自然とどうすれば良いかが本来決まってくるはずだから，そうした議論をすっ飛ばしてあれやこれや手法ばかりやっても，という気持ちになる．
1
2
31
論文が通った/通っていないという戦いをずっと続けられるの，相当に強メンタルじゃないと続けられないですよね．．．しかも，ライバル研究者のことも意識しながら．
1
0
31
余分に浪人したおかげで，人工知能ブームの最も盛んな時期に学部生を過ごすことができて，現在，機械学習分野で活躍している方々と同期として切磋琢磨することができたので，親には悪いことをしたけれど浪人はどこまで悪かったかは分からない．
1
3
32
統計学，面白いと思うし，重要だと思うのだけれど，自分自身は研究したいと思うほどの情熱はなかなかでない．．．
会社に評価してもらえるなら頑張れるけれど，そうしたの抜きでその分野で学位を得るとか論文を書くとかになると，つらくて病みそう．
1
1
30
ML会議，ICMLでもNeurIPSでも通すこと自体はそこまで難しくないけれど，通るにしても落とされるにしても，あまりreviewがあてにならない感じはある，
2
4
30
何でもかんでも不偏リスク，不偏推定量が良いという主張を聞いていたから，一時期うんざりして，そういう人に「あなたの考えに偏りがあるのでは」とか言っていたことがある．
0
4
29
経済学を経世済民の学というべきか問題，いろいろあると思うのだけれど，少なくとも僕は経世済民を志したからこそ（あと，某i先生みたいになりたいからこそ），もし研究者をやるのだとしたら，最終的には経済の博士号をとって経済の研究に従事したいとずっと思っている．
1
0
28
データを分析したり，因果的なものを解釈するためには何かしらの哲学なり体系なりが必要になって，それを提供する枠組みがRubinであったりPearlであったり計量経済学であったりするだけ，という認識．
1
1
27
機械学習の国際会議には操作変数法の論文も普通に採択されたりして，機械学習で内生性の研究をしている人も多数いるので，その観点からの機械学習と経済学の比較はあまり意味をなさないと思う．
0
3
28
ゼミにて．
僕「先生，計量経済学の基礎が分からないので，ゼミについていけないです．基礎を教えてくれませんか」
？？？「分かりました」
-> Amemiya輪読会開催．
1
2
27
とはいえ，経済実証から本当に必要とされる統計の手法には需要があると思うし，むしろCSとかは実用なく手法が飽和している傾向があるから，しっかりと経済の応用を見据えることで良い研究ができるのだと思う．
僕もそうありたい．
2
1
27
ミックステープ，実はMostly Harmless + Pearlのあの本 + 著者のDiDに関する研究 + Synthetic Control Methodsぐらいの構成．
1
1
27
統計や機械学習の研究は会社的な都合でやっていて，アカデミックに研究したいのは都市の貧困問題・不動産・金融なので，いつかは統計や機械学習の研究はやらなくなる可能性がある．
0
0
26
僕は逆に研究活動を仕事��思ったほうが楽しくて論文執筆が進む気がする．
多分，本当にやりたい研究は貧困や差別に対する研究なのだけれど，それをやると色々思うところがあって進まないから，将来的に応用できそうな統計分野を仕事と割り切ってやった方が楽しくできる．
0
0
26
まず，私はもともと文系で，かつ，数学を避けていたために，基礎的な数学教育を学部生の頃に受けられていません．院試の前後で自学自習して頑張ったものの，やはり知識に抜け穴が多く，通常の理系学部生のよう…
#Mond_kato_jp
0
7
24
ただの頻度論のロジスティック回帰でも実務的にはいろいろ難しさがでてくるのに，ベイズでいろいろやるのは実務の人的には相当ハードルが高いと思われ．
1
1
25
自分が経済PhD進学したい理由，何か行政で職を得て社会のために働きたいということと，某先生への憧れぐらいしかないので，成功ガチ勢と一緒にいるのはつらい．
1
0
24
企業で働くことだけを考えるのであれば，エコノメの知識はMostly Harmless + 合成コントロール法ぐらいでまぁ．
周りが分析結果を理解できないといけないのだけれど，経済の研究者でない人が理解できるのが，理想的な場合でもMostly Harmlessで扱っている内容ぐらいまでだと思う．
0
2
25
機械学習をマーケティングする際に人工知能と呼ぶことがあるのと同様に，マーケティング上の都合で特定の統計的手法を因果推論と呼称していると認識しています．
0
3
25
アカデミアであれ，非アカデミアであれ，研究者・技術者にとって大事なことは，自分を大事にすることを前提に，家族や社会のために一生懸命働くことであって，それさえできているのであれば不正でなければ割と何でもいいと思うべき．
1
2
24
計量分析が因果推論に乗っ取られるみたいなイメージはなくて，どちらかというと因果推論の実態が計量分析で，経済学者や疫学者がビジネスに進出するためのビジネス語として使っているイメージ．
機械学習の研究者がAIの用語を使う場合と近い感覚．
0
4
25
Pearlの方はあまりよく分かっていないのですが，大部分においては，基本的に解きたい問題は同じで，表現方法が違うだけだと思っています．
Rubin流，Pearl流，Potential Outcome Model，SCM，反実仮想機械学習といろんなワードで頭がごちゃごちゃだったが，これでかなり整理できた（この情報があってるのかは僕には判断できませんが）
1
24
218
2
2
24