11 ай бұрын
11 ай бұрын
Жыл бұрын
2 жыл бұрын
2 жыл бұрын
2 жыл бұрын
2 жыл бұрын
2 жыл бұрын
2 жыл бұрын
2 жыл бұрын
2 жыл бұрын
3 жыл бұрын
3 жыл бұрын
Пікірлер
@aka-wp1zq Ай бұрын
統計学はどこで見えますか？
@user-fi8go7dl8i 3 ай бұрын
1:05:18 一次のモーメント
@西嶌徹 4 ай бұрын
すべて拝見しました。とてもわかり易く貴重な講義でした。いま統計学を学んでいます。年齢のせいかなかなか一度学んだだけでは覚えられず、行きつ戻りつしながらの勉強です。その中で出会った貴講義は確率について色々な疑問を溶かしてくれました。しかしまた道に迷ってしまうでしょう。その時また繰り返し立ち寄らせていただければ幸いです。素晴らしい講義を公開いただき、ありがとうございました。
@user-jg7rj2ks6f 5 ай бұрын
声も喋り方も説明も全てが良すぎる、ありがとうございます
@松原秀樹-t6t 8 ай бұрын
先生が使用している板書ツールは何というツールですか？ 教えていただければ幸いです。
@lecturesofyoshiakiyasuno1337 8 ай бұрын
iPad / iPad mini の Goodnotes のいうアプリを使っています。 apps.apple.com/jp/app/goodnotes-6/id1444383602 使い方次第で黒板を使った講義に近いことができると思います。 また、もうすぐ公開する予定の講義では「あらかじめ作った講義ノートの一部を消したり、図を目隠ししたりした「スタート地点板書」を作り、講義中はそこに式などを書き足しながら進めていく、という方法をとっています。
@Benben-de8ms 10 ай бұрын
Such a great teach! Thanks a lot. but I want to ask, is there a SD-OCT calibration and re-scale introduce in other video?
@shu7641 Жыл бұрын
一般化した後の 1/√2π•σ の σ が本来なかった気がします。 他の方も書いていらっしゃいますように dz/dyで変数変換を行えば dz/dy = (y/σ−y/μ)' = 1/σ が残ってちょうど合う気がするのですが。
@guestplayer507 Жыл бұрын
Dear Professor, thank you for the clear series of lectures. In practice, does the formula for depth resolution account for Nyquist sampling? For example, for 830 nm light source with a bandwidth of 50 nm sampled at 5000 data points would give a delta z value of 6.1 um, even though 2500 are -z and 2500 are +z values after FT? How does this change delta z with 2x zero padding? Thanks!
@guestplayer507 Жыл бұрын
Great!
@jinchulkim5864 Жыл бұрын
韓国の眼科医です。大変役に立ちました。ありがとう先生。👍👍👍
@qchan7 Жыл бұрын
素晴らしい講義をありがとうございます。とても勉強になります。
@sutefu23 Жыл бұрын
奇跡のように分かりやすいです。 自分が見たあらゆる解説を上回ります。 「どうしてそうしようとしているか」「この意味はなんなのか」という、数式の先にある意図や意味をちゃんとイメージを含めて解説してくれるのでスルスル頭に入ってきます。 確率論だけでもあげて下さってるのは本当に感謝ですが、他の講義も聞いてみたいです。学生さんが羨ましい。。
@haroldv730 Жыл бұрын
'Promosm' 😅
@sukaipiiiiiiiiiiisu Жыл бұрын
山田先生の統計学はどこ？
@taroumomo8976 Жыл бұрын
わかりやすかったです。ありがとうございます。
@Mr.kasugai Жыл бұрын
確率密度の表記が、インテグラルやdx、dyの位置が教科書と違うのですが、差し支えないですか？
@user-nj2vi4pz5z Жыл бұрын
very good presentation about oct thank you 😍
@user-su5lu5jd4o Жыл бұрын
39:10はxではなくtですね。39:32の[]も本当は積分ですね。 40:08の答えの分母もt²でなくt³かな...？ しかし丁寧な説明でわかりやすいです。
@松原秀樹-t6t Жыл бұрын
先生はどちらのタブレットとソフトウェアをお使いですか？ メーカーとか型式や製品名などを教えていただければありがたく存じます。どうぞよろしくお願いします。
@user-oq6ud5yw8w Жыл бұрын
Thank you a lot.
@lecturesofyoshiakiyasuno1337 Жыл бұрын
Come and join the world wide OCT community!
@user-oq6ud5yw8w Жыл бұрын
@@lecturesofyoshiakiyasuno1337 Thanks!
@user-oq6ud5yw8w Жыл бұрын
Thank you so much for your lectures. I am looking forward to your new videos, especially related to algorythms in OCT.
@lecturesofyoshiakiyasuno1337 Жыл бұрын
Thank you for your request. I hope I can release new videos soon!
@user-oq6ud5yw8w Жыл бұрын
@@lecturesofyoshiakiyasuno1337 Great news!
@tkyaiz4585 Жыл бұрын
細部にわたり大変分かりやすく非常に楽しいです！ 続編があればお金を支払ってでもお聞きしたいです。 Udemyを御検討されたらいかがでしょうか。 私は即受講すると思います。
@lecturesofyoshiakiyasuno1337 Жыл бұрын
ありがとうございます。できれば、このあとの統計編も作ろうと思います。（時間がかかるかもしれませんが。）その際も、皆さんにもらいたいので KZbin で無料で公開でいいかな、と思っています。そうなったらぜひ見てください。
@sutefu23 Жыл бұрын
@@lecturesofyoshiakiyasuno1337 先生、、本当に感動的に分かりやすいです。。色んな動画や解説を見ても遥かに理解しやすく、的確で、このような講義を公開して頂き感謝の念しかありません。。ご多忙だと思いますがいずれまた統計編が出る事を心待ちにしてしまう自分がおります。講義の公開本当にありがとうございます。
@tkyaiz4585 Жыл бұрын
やっぱり良い大学は良い先生がいて良い授業をするんですね。。 非常に分かりやすく勉強になります。 ありがとうございます。
@hiroyukimoriya8521 Жыл бұрын
モーメントの理解深まりました。
@hiroyukimoriya8521 Жыл бұрын
分かりやすくて、助かります。確率変数といった場合には、分布関数、確率密度が既知と考えていいでしょうか？ただし、分散が未知の場合とかも区間推定では問題として出てくるので一概には言えないのでしょうか？よろしくお願いいたします。また、離散確率変数の密度関数を質量関数と呼ばない理由が何かあるのでしょうか？教科書をもっていないのですみません。
@hiroyukimoriya8521 Жыл бұрын
すばらしい。わかりやすく記憶に残ります。
@doggy9745 Жыл бұрын
非常にわかりやすいです！！
@user-rt5pn2en9y 2 жыл бұрын
大変わかりやすかったです。ありがとうございます。
@lecturesofyoshiakiyasuno1337 2 жыл бұрын
ありがとうございます。励みになります。
@user-be6xq6jy1c 2 жыл бұрын
ここで聞いて良いものかわからないんですが、数学の定義・定理もankiで覚えてしまっても良いのでしょうか？証明は別途できるようにしておくとして。
@lecturesofyoshiakiyasuno1337 2 жыл бұрын
定義、定理は記憶に定着させる、という面と使えるようにするという面両方重要だと思います。記憶に残っていないとそもそも使うこともできないので、Anki で記憶して、そのあと実際にそれを使うことで身につけていく、というのは有効だとおもいます。おっしゃるように証明は別途押さえてといた方がいいですね。 私自身は自分の専門分野以外の専門的な概念や薬剤、化学物質、病気の特長あども Anki のカードでまとめることがあります。
@user-be6xq6jy1c 2 жыл бұрын
お返事ありがとうございます。アドバイス参考になりました。 先生の確率論の動画を見ながら実践してこうと思います！
@user-be6xq6jy1c 2 жыл бұрын
大学教授もanki使ってるのか
@lecturesofyoshiakiyasuno1337 2 жыл бұрын
歳とって記憶力が衰えてくるとこういうツールがさらに重要度を増すんですよ…
@zeinabkabiri4318 2 жыл бұрын
hi, which kind of software you used to simulate combination of 2circles?
@lecturesofyoshiakiyasuno1337 2 жыл бұрын
Which part of the movie are you talking about?
@Mahya5322 2 жыл бұрын
In 8:30 minutes, recombination of light in detector
@t3tetsu681 2 жыл бұрын
筑波大学でここまで懇切丁寧に教えてくれる時代なんだなあ。俺が苦労して習得したことを、お前らにわかりやすく教えてやるわけないだろ、という先生ばかりだったけどw。
@user-bd4wv4hk6r 2 жыл бұрын
44:30
@ibozum1 2 жыл бұрын
Very detailed and well explained. Thank you professor. I have learned more information
@ああ-z7g9w 2 жыл бұрын
動画拝聴させていただきました。 低コヒーレンス干渉計について質問ですが、なぜ光源に低コヒーレンス光を用いるのでしょうか？
@lecturesofyoshiakiyasuno1337 2 жыл бұрын
ご質問ありがとうございます。低コヒーレンス光（時間的コヒーレンスの低い光 = 時間的コヒーレンス距離が短い光）を用いて干渉計を組むと、干渉計の2つのアーム（2つに分けたあとの光がもう一度重ね合わされるまでの光路）の長さがほぼ同じ（時間的コヒーレンス距離以下）のときだけ干渉信号がでます。 OCTでよく使う中心波長 840 nm、波長幅 nm の光の場合、時間的コヒーレンス距離は往復で12.4 um、片道で 6.2 um 程度になります。つまり、干渉計のアームの光路差が（片道換算で）6.2 um 以下のときだけ干渉が起こり、干渉信号が計測できる、ということになります。 OCTでは、干渉計の一方のアームの反射ミラーの代わりに計測サンプルをおいて、その位置・構造を計測します。このとき上に書いたような低コヒーンス光源を用いると、サンプルを深さ分解能 6.2 um で計測できる、ということになるわけです。 今月（2022年4月）に始めた講義「Fundamentals of optical coherence tomography」（全5回の予定。以下の play list) ではこのあたりの原理ももう少し丁寧に説明しています。第1回の27:58あたりからです。（ただし、いま公開しているのは英語版です。日本語版も作ろうと思っているのですが、ちょっと手が回っていません。） kzbin.info/aero/PL38KibqB_aSATnTfh_ehcsSG00IUMIlQq
@ああ-z7g9w 2 жыл бұрын
@@lecturesofyoshiakiyasuno1337 安野先生 お忙しい中、わかりやすいお返事ありがとうございます。 低コヒーレンスの定義などはあるのでしょうか？
@주명진-t2y 2 жыл бұрын
Hi Yasuno-san, this video is very informative. I totally agree with you. I will show this video to my students. I am Myeong Jin by the way:)
@lecturesofyoshiakiyasuno1337 2 жыл бұрын
Thank you Myeong-Jin! The 5 lectures in total is available on kzbin.info/aero/PL38KibqB_aSD3rRxk-IDWW2b5y0C80DPW. By the way, I'm currently giving a lecture about fundamentals of OCT. I already gave two of totally five lectures, and the video is available on this playlist kzbin.info/aero/PL38KibqB_aSATnTfh_ehcsSG00IUMIlQq The lecture is given every Wednesday, so upcoming videos will be available on Thursday or Friday. Three more lectures are given. I hope this is educative for 1st or 2nd year OCT beginners.
@gugapilar2083 2 жыл бұрын
Continue firme com os videos! Lhe desejo toda sorte com o seu canal! Continue firme com os videos! lhe desejo toda sorte com o canal!
@joeljordan2718 2 жыл бұрын
Pᵣₒmₒˢᵐ ☀️
@alfalferalfest 2 жыл бұрын
学外から全講義を受講させていただきました。 確率論を誤魔化さずにこのように分かりやすく解説いただいたのは初めてです。ありがとうございました。 安野先生による「統計学」も非常に気になるところです…。筑波大生、羨ましいです。
@lecturesofyoshiakiyasuno1337 2 жыл бұрын
ありがとうございます。と、いっても、私自身あまり時間が取れず、KZbin のコメントで頂いている質問にもほとんど対応できていないので、「ごまかさず」と言われるのが心苦しいです...
@user-vs2zf5nh3k 2 жыл бұрын
19:26辺りのところで h(y)=g(z) dz/dy になるのではないでしょうか?
@SK-wj4hq 2 жыл бұрын
なるほど。 確かに変数変換ですしね。 2行目の右辺に1/σはdz/dyからきたのですね。
@user-vs2zf5nh3k 2 жыл бұрын
とてもわかりやすい授業で大変勉強になります!! 質問なのですが、モーメント母関数のところで、exp(tX)をマクローリン展開した後に期待値計算をしていますが、いわゆる無無限和と積分の交換が行われていますよね。これは分布関数f(x)によって交換できたり、出来なかったりするのでしょうか? それとも確率論では暗に、交換出来る分布関数f(x)しか扱わないという仮定の下で進めているのでしょうか?
@zhuoranli5930 2 жыл бұрын
I would express my gratitude to you, for your effort of making these vedios.
@zhuoranli5930 2 жыл бұрын
Good, I'm trying to take the entrance examinations of Japanese graduate schools. This is really helpful, both in learning Japanese and Probability.
@NTTR0221 3 жыл бұрын
わかりやすいです！理解が進みましたありがとうございます♪by文系
@ttuutt-ke5go 3 жыл бұрын
大変勉強になりました。ありがとうございました。
@lecturesofyoshiakiyasuno1337 3 жыл бұрын
ありがとうございます。励みになります。頑張って時間を作って続き（統計編）も作ろうという気になります。
@ttuutt-ke5go 3 жыл бұрын
@@lecturesofyoshiakiyasuno1337 ぜひお願いします。お待ちしております。
@tatsuroozaki7445 3 жыл бұрын
他大学の者です。 確率変数の変数変換について調べていたら、たまたまこの解説授業に出会いました。 参考書等では急に逆関数とかの説明から入っていてよく分かりませんでしたが、今回の授業で自然な考えからもたらされるものと痛感しました。ありがとうございました！
@lecturesofyoshiakiyasuno1337 3 жыл бұрын
画面のちらつきを修正したバージョンを公開しました。以下のリンクからご覧いただけます。 kzbin.info/www/bejne/e6eZnp2JabmHos0
@koro123 3 жыл бұрын
今回もとても分かりやすかったです。
@lecturesofyoshiakiyasuno1337 3 жыл бұрын
ありがとうございます。励みになります。また、少しづついろんな講義を増やしていこうと思います。
@marikoueno7991 3 жыл бұрын
全講義をまとめて観させて頂きました。非常に包括的で、本質を突いた素晴らしい授業でした！本当に頭の中が整理出来、感謝の限りです。お忙しい中アップして下さり、本当に有難うございます。先生のご研究も応援しております。
@lecturesofyoshiakiyasuno1337 3 жыл бұрын
ありがとうございます。励みになります。同じチャンネルで研究に関するビデオもアップしてあります。このあたりとか。kzbin.info/aero/PL38KibqB_aSBrZ-YMnsPC5rGNvDa9rTop 興味があれば、ぜひ。
@marikoueno7991 3 жыл бұрын
@@lecturesofyoshiakiyasuno1337 ありがとうございます！実は先生のページ拝見して、社会科学の方か自然科学の方かわからないなと思っていました。多彩ですね！このビデオは自然科学のほうですね。しかも今の技術は物理とか生物とか境界がないんですね。他にもアカデミアのための文章術とか面白そうです！色々みてみます！
@lecturesofyoshiakiyasuno1337 3 жыл бұрын
@@marikoueno7991 はは。そうですね。実際、自分でもどんどんよくわからない感じになっていると思うときがあります。本来の専門は光工学・光生体計測なのですが、それをきちんと理解するためにいろいろなことを勉強したり考えたりしている感じです。生体計測装置を医療機械であると考えると、その理解には経済的な考えが必要になりますし、また、「工学」というのは人の作ったもの、人の作った構造を理解するための学問なのでそれ自体が形而上学的なのだと思います。
@marikoueno7991 3 жыл бұрын
@@lecturesofyoshiakiyasuno1337 なるほど、そんなに広がるんですね！先生哲学書を読むのがお好きだと言ってらっしゃいましたが、技術って理論で独り歩きしているのではなく、多角的に物事をとらえて、それがおかれた中での問題で、それらと分かち難く結びつきながら発展していくんですね。そう考えるとほんとうに面白いです！
@koro123 3 жыл бұрын
分かりやすかったです
@lecturesofyoshiakiyasuno1337 3 жыл бұрын
ありがとうございます。そういっていただけると励みになります。