プログラミング1（Python）の授業を持つようになってから、他学部から「受講or勉強したい」相談が舞い込むようになりました。後期はゼロなのでPythonに興味持つ人が増えてるのかなと想像しますが、実際の所はまだ良く分からず。今後も続くようならPython人気なんでしょう。
2017年度に関しては、入学者数自体が例年と比べて多いので、残念ですが受講は断ってます。その代わりに、、、ということで独習のための情報を折り返し伝えるようにしているのですが、何度も似たようなメール書くのもあれなので（便利な日本語）、目的別情報源を整理してみることにしました（上記PDF, GitHub参照）。書籍・サイト情報が少ない箇所は私自身が把握していない場所ですね。
応募多数で一時的にクラウド利用は締め切られてるようですが、人工知能技術戦略会議等主催 第1回AIチャレンジコンテストというのが開催されてるらしい。クックパッド提供の画像から料理領域検出するか、料理カテゴリ分類するタスク。
外部データの使用は禁止
配布する学習データ以外のデータを用いてモデルを学習することは禁止と致します。APIの使用（Google Cloud Vision API等）は禁止
ただし、オープンソースの学習済みモデルやライブラリ(tensorflow, chainer, keras, etc)等は使用してよいものとします（ただし商用は禁止）。
このあたりに「コンテスト設定の難しさ」を感じるな。
あれこれコストかけてるのは、それでも利用者が表に出てくれることにメリットが有るとか、目ぼしい人材にリーチできるとか、コンテスト後の環境利用を検討してもらえるとか。開催側にもいろいろメリットが有るんだろうなとは思いますが、うまいこと連携してイベント開催してるところは凄い。
P.S.
DeepAnalyticsのコンテストに限りませんが、誰でも簡単に参加できる競争型イベントあちこちでやってるので、興味があるものがあったら取り敢えず参加してみると良いんじゃないかと。実際、学生だけで参加してるケースはそこかしこにあります。比較的「研究色が強いケース」だと研究室配属してるケースばかりになりがちですが、こういうコンテスト系だとそうじゃない学生でも割りといたりします。参加してみることで得られる気づきや体験があることもそうだし、辞退も簡単だし。機会をどう活かすは皆さん次第です。友人・先輩らとチーム組むのもいいだろうし、先生と相談してみるのも一つの手。大学という場を活用しよう。
新入生に紹介するのに良さそうなサイトが有れば教えて下さい！ という記事です。
似たようなものにドットインストールがありますが、こちらはまだPython 2.xのみっぽいのと、演習課題はなかった気がする（今もそうなのかは知らない）という点でやや物足りない感がありそう。ただし他言語含めて幅広くあれこれ扱ってるという点ではこちらが上ですね。
同じく独習向きサイトとしてはプログラミングコンテスト関連がありますね。slideshareの方が見やすいという人はこっちを見よう。中身はどっちも一緒。この記事ではあれこれ整理して紹介してくれててどこから入ろうかの目安が分かりやすいです。コンテスト系の難点は、こちらのやりたいタイミングでやるというのが難しいことが多いことか。比較的長い期間開催しっぱなしのもあるけど、決められた特定の時間帯にしかやれないのも少なくない。公開されてる過去問で良いなら時間制約もなく、お手頃だと思います。
コンテストではないけれども共有＆競争しやすい場を提供してる例としてはCheckiOみたいなタイプがあります。ただ難易度設定が怪しい気もする。例えば一番最初の課題（一番上に表示されたものを選択してみた）が「リストに含まれる数値から非ユニークなものだけを残せ（1度しか出現しないものは削除しろ）」というような課題で、リストもカウントもif文もfor文も知らないとできない課題になってたりします。一度基礎をどこかで学んだ上で「課題ベースで学び直したい。他の人のコード例も読んでみたい」という人向けのサイトかな。
これまでとちょっと違う例としては「プログラミングの勉強」に特化したソースコード検索エンジン「Runnable」が便利過ぎ！なるものが。ただ、ちょっと触ってみた感じでは使い勝手悪い気がするな。探し方が悪いのかもしれないが。
取り敢えず課題がほしいという人向けには、こんなものも。
先に出したものもまとめておこう。
こんなところかな？
卒論＆修論シーズンになると毎年言ってることですが「ストーリーのない論文」ほどつまらないものはないです。別の言い方をすると「ストーリーがないテーマにどんな意味・意義があるのか理解できない」です。如何にそのテーマが面白いのか、語ってください。単に小説（物語文）のように書けば良いというものではありません。タイトルから推測される目的・目標がズレないように関連研究を示しつつ何が新しい点なのかを示しつつ、その重要性を訴え、それを実現するためにどのような手段をとったのか、その結果わかったことは何か、実現できなかったことは何か、構造立てて論理的に語ってください。
とか色々参考になるページはあります。もちろん書籍も含めて。日本語表現法入門で教科書指定されてると思われる「理科系の作文技術」も大いに参考になるでしょう。
本日のお茶菓子！ pic.twitter.com/PWwUSd0S7C
— Naruaki TOMA (@naltoma) January 13, 2016
さらに pic.twitter.com/oJ2M5XKxM0
— Naruaki TOMA (@naltoma) January 13, 2016
ご本尊近影 pic.twitter.com/wkZddEk0To
— Naruaki TOMA (@naltoma) January 13, 2016
そろそろ卒論書き始めないとまずいよね？ということで今日の週ゼミは章立て＆ストーリーに関する話をしてました。体調不良になりやすい時期でもあるので、動けるうちに稼いでおこう〜。
前に書いた地図を作ろうをもう少し真面目（？）に書き直してみました。
振り返りサマリ（地図）製作のススメからダウンロードできます。やけに脚注が充実しているように見えるのは気のせいです。研究活動をターゲットにしていますが、比喩的に書いてる内容が多いので「新しいことを学ぶ」人なら誰にでも該当するんじゃないかと。これ自体が分かり難い地図だとか、ツッコミは随時お待ちしていますｗ
久しぶりのコラム記事。
ここ数日は新配属生らの興味キーワード関連の事例集をピックアップ紹介する記事作成してます。これ全部読め〜という訳ではなく、あくまでもアドバイス。「取りあえずやってみて」で丸投げするのも一つの方法で実際やってる部分もあるんですが、それとは別に「例えばこういうのがあるよ」と具体的な調べ方or実際の情報源を提示することで出発点や視点を増やす意味合いでやってます。例えば(不定期コラム) 機械学習 #ieryukyu_readingsみたいなやつですね。
あれこれ目を通して欲しいという気持ちもあるし、掘り下げて欲しいというのもあるし。新しい世界を歩むには何らかの方法で世界地図を作り上げて行く必要があるけれども、その方法は必ずしも自明でもなく。実社会に根ざしている話でもあるように月日と共に地図が書き換えられてるこっともあれば、自身の変化に伴って見えてくる側面が増えてきて色鮮やかになったり。調べ終えたはずのことが月日と共に結果が変わることもあるし、ただのヒューマンエラーで実は違ってたということが改めて浮き彫りになることもあるし。手足を動かして追体験してみることもあれば、又聞きという形で情報収集することもあるし。「地図を描く」ためには多くの資料を読み進める必要があるわけで、一般的にはこれらの作業を調査研究とかサーベイと呼びます。いや、調査研究というとこっちのような一段上の意味合いで捉えることの方が多い？かも。ということでここではサーベイと呼んでおきますが、読むだけじゃなくてそれらを自分なりに咀嚼し直す（何らかの形でアウトプットする）のが大切。イメージしやすいように「地図」と表現してますが、目的に応じて地図が多種多様あるように、自分の目的に応じて作り上げて行くことになります。目的自体が分からないなら「手探りで進む」ことになるのでしょう。その試行錯誤を通して少しずつ「使いやすい地図」が形作られていくはずですし、その具体例としては「サーベイ論文」や、「個々論文の関連事例との兼ね合い」を複数見ていくことでイメージしやすくなると想像します。
web上にも「サーベイ 方法」ぐらいでググると一杯引っ掛かりますね。
あたりも参考になるんじゃないかと。
「Proc.って何ですか？」と質問してた日が懐かしい〜。
卒業研究を除外すると、情報工の講義／実験でアイデアを出すことが求められるのは以下の科目ぐらい？
これが多いのか少ないのかは分かりません。発想できるだけでもヨロシクナイし。（それだけで食っていく道もあるっちゃあるだろうけど）
アイデアの出し方という点では、今年度からPD2でいくつかの手法を実際にツールとして使ってみるという演習をやってみました。それがうまく機能するかは「？」ですが、やらないよりは良いだろうぐらいの気持ちで。後は、学科としては京大と合同主催のデザインスクールというイベントも。勿論というか、実装寄りのイベントは昔っからあれこえあって、設計よりのイベントという点ではここ数年ぐらい？
こういう「ネタ出し」というのは必要な時に無理やりひねり出すというよりは、（使えないようなもので構わないから）普段からアウトプットし続けるというのが重要だという立場。それでネタ出しのススメ with 論理的思考という記事も書いたし。閃くことの天才ならこんなことするまでもないのだろうけど、普通の人は普通なりに数こなすことで見えてくるものがあるわけで、その一例が「岡田斗司夫のひとり夜話」の「ノート術」だったり、ゼロ秒思考 頭がよくなる世界一シンプルなトレーニングだったり。もしくは新版 これからの思考の教科書 論理・直感・統合という話も。
「ゼロ秒思考」や「新版 これからの思考の教科書」に興味がある人は、2年次の自習室に借りにいくと良いかも。naltoma文庫として置いてあるので。
先日実験1のレポートチェックを終えましたが、今年ならではのという話ではなく、私が教員として大勢の学生を相手にチェックするようになってからずーーーーーーっと続いてる普遍的な傾向。つまりは例年やってるレポート指導。折角なのでまとめておこう。
傾向を大別して「一般的なレポートとしてのおかしさ」と「LaTeX文書としてのコマンド等のおかしさ」に分けてみました。
texを使う理由は、数式等を綺麗に出力したいからだけではなく、目次生成／図表文献番号の整理等を自動化するためでもあります。例えば、途中で図表を中間に追加したり文献追加したりする度にそのインデックスを自分の手で書き直すのは嫌ですよね？
（年次指導でもあるのに。しくしく）
「何かしらの専門分野に関する読み物の紹介」第3段は、ややベクトルの異なる「分野」ですが1年次から比較的多かったキーワード「プログラミング」を取り上げてみます。
今回紹介するのは、プログラミングについて学べるサイト3件「ドットインストール」、「CodeIQ」、「CodingBat」です。
P.S.
#ieryukyu_readingsを誰か他にも書かないかな〜 :)
前回のコラムから始まった「何かしらの専門分野に関する読み物の紹介」第2段として機械学習を取り上げてみます。
今回紹介するのは「機械学習」です。機械学習そのものに限らず、ニュアンスが近い設定としての「人工知能」や単に「学習」というキーワードはマンガ／アニメ等でも出てきますね。耳にする事が少なくないキーワードですが、実体としては良く分からないことが多いのではないかと思います。
人工知能学会における説明としては「観測センサーやその他の手段で収集されたデータの中から一貫性のある規則を見つけだそうとする研究です．数学の統計の分野と強い関連があります．また，機械学習はAIの他のほとんどの分野で利用されています．」と説明されていますが、事典ぐらいの説明に留まっているためあまり具体的ではなく、良く分からないかもしれませんね。
機械学習の実体を連載解説しているページが前述の「機械学習 はじめよう」です。例えば第1回の記事ではどういうところで活用されているか、基礎知識として何が必要か、機械学習におけるもの見方が概説されています。例えば応用例＆必要な知識についてピックアップしてみると以下のように紹介されています。
出典: 第1回 機械学習 ことはじめ
[応用例について]
- 物理，化学，生物，医学など様々な科学観測全般。センサーが拾えない情報の再現，解像度の向上。
- ロボット。センサー読み取り，バランスを保つための予測等々，ロボットのソフトウェアは機械学習の固まり。
- ゲーム制作や3D映画の撮影に使われているモーションキャプチャー。見えない場所にあるマーカーの位置の推測。
- エレベータの動きの制御。混雑を可能な限り少なく，かつ省エネとなるように最適化。
- 未知のコンピュータウイルスの検出。ウイルスかどうかの閾値の推論。
- 検索結果のランキング。クエリーやコンテキストから求められている情報の推測。
- コンテンツに合わせた広告の表示。
ここで，実はこれら応用例の大半について，機械学習が使われ始めたのは最近5年10年の話，というと意外に感じるのではないでしょうか？
[基礎知識について]
中でも線形代数（行列）と解析（微積分) は必須です。これらは本連載では説明しませんので，必要に応じて書籍などで別途勉強してください。参考になりそうなページを紹介します。
解説しているだけあって具体的な数式への落とし込み方やその解釈、随所で想定されている仮定などを一歩ずつ進めているため、全体のボリュームはかなりありますし、数式がしがし解いていくところも出て来るので本気で取り組めばかなり力がつくテキストでもあります。その積み重ねで人工知能分野における「機械学習」が具体的に何をしているのかも理解できるようになりますので、興味のある人は是非トライしてみてください！
P.S.
先輩らも後輩に向けてオススメ本／webページなり紹介して見ると良いのではなかろうか。という気持ちを込めてタイトルに「#ieryukyu_readings」を付けてみました。