職種／業務で決めるかヒトで決めるか

早朝からゼミがある日で早めに出る必要がある時に狙い撃ちされたかのような土砂降りで、家を出て5分ぐらいはぽつぽつだったのが残り10分の土砂降りで前進ずぶぬれで一日が開始。靴下や肌着が絞れるグライ濡れたのって久しぶりだ。もう辞めてくださいお願いしますorz 取りあえず雨合羽買うか。。夕方には明日開催する就職説明会のための準備で屋外作業があったのだけど、この時にはほぼ雨が止んでて助かりました。まだ就職先決まって無い学生多いは図なんですが、先週来た人は工学部全体を併せて40〜50名程度。しくしく。

就職に限らず自分の進路について「どこに行くか／飛び出すか」というのを考える際の基準として、大別すると業務／待遇辺りを想像する学生が多いのかなと思うけど、どういう組織でも結局は人の集合体（＝環境）だというのを忘れてしまってることが多い気がする。真面目に進学考える人はそうでもないので、半分は勝手な妄想ですが。どんな仕事だろうと「この人と一緒ならやりたい／やれる」とかその真逆のケースは世の中少なくないので、どういう人がいるかの一例として説明会を使ってみよう。勿論それ以外の用途でも良いので、折角企業さんが集まって来てくれてるし、大学としてはその場を提供し、開催できるように事前調整や当日設営等やってる訳で、そこまで企業や大学が手間暇（コスト）かけても活用されないようならば、自然消滅するだけです。それで良いなら良いけどね（個人的にはそれで良いじゃんと思っている）。

火曜の朝イチは複雑研全体ゼミということで、今日はThe Elements of Statistical Learningの2.6節に突入。前々回から欠席で飛ばしたままの2.4節は今回も実施できず。しくしく。一人は今日からちゃんと参加（担当箇所つまづきまくってたようだけど、半分は自業自得）。もう一人も土曜日の進展状況としては全く同じで、今日は欠席。（もう叱りではなく）お怒り電話しようとしたら雨での事故だとかで身体的にはかすり傷程度で済んだらしいのが幸い。電話で話してる限りでもしっかりしてるようではあったし。ということで、互いに連絡取りあってやるようにと指導。

2.6節は、（前節まででoverfittingに対する直接的な対処はデータセット自体に手を加える(e.g., 次元数を減らすorデータ件数を増やす)ことを示したが、）より一般的な高次元データにおける問題点（次元の呪い）を示した（2.6節冒頭）上で、今度はデータ側ではなくモデル側での工夫についての基本的な対策を例示しているというストーリーっぽい。2.6.1節で、正規ノイズを付加したモデルで表現することで量的処理に注力できるという話。これは教師あり学習として見直すと誤差と同等（2.6.2節）で、それをより一般化して書くと仮説hとパラメータθに基づいた加法モデルとして表現でき、その時の最適なθは「訓練データを最も良く再現する（最尤推定）」ように求められる（2.6.3節）。モデル表現の仕方についてはModel Representationや教師付き学習の問題定義あたりを。最尤推定については最尤推定や統計的機械学習入門の導入あたりを眺めるとイメージし易いんじゃないかと。他にも数式表現についてあれこれ補足したり。

晩ご飯は実家からの差し入れを温めただけ。あ、ご飯がやや少なかったので支那そばは追加したな。実家帰る度に大量の差し入れ（生もの）が来るので帰る頻度／回数をなるべく最小限にしているのですが、先週末に通院のために帰った際に傘を忘れてしまい、それを持ってくるついでに更に差し入れが追加という状況に。食べきれないってば。とはいえ、どうやら「何でも食べる自分が居た時」と「好き嫌いが割と激しい、今残っている家族」とでは母も食べたい物がなかなか作れないとぼやいてたな。その気持ちはとても分かる。ボイコットしよう。