輪読とかゼミとか、2名以上で言葉なり図式なり何かしら言語を介しながらやり取りしてる時。もし、相手が何を尋ねているのか分からないのであれば素直にそのことを伝えよう。分からないままに悩むのは時間が勿体無いし、相手がいなくてもできることなので自分一人の時にやれば良くて。考える時間が欲しいならそう伝えるのも一つの手。相手がそれを汲み取ってくれるとは限らないので、できるだけちゃんと言葉で伝えるのが重要。 ということをやるのがコミュニケーション能力であって、自己紹介がとか普段の会話をはずませる力とかではない。後者もできるにこしたことはないだろうけども、複数人で問題解決を行うとかの場面では必須ではないですね。まずは、問題解決に向けたやり取りをでき …

続きを読む

何にでも理由がある。という訳でもなく「ひとまず」でやられてるものもありますが、ここでは教科書とか何かしら体系化された（されている、されつつある）事象について。 そういうものには何かしら体系化した人らの狙いが詰まっているし、教科書ならば何かしらの説明が加えられている。輪読形式のゼミで学ぶ場合、主に発表者が事前に解読して説明するための用意をして当日を迎えるけれども、勿論発表者が完全に理解してるとは限らないし、説明が正しいとも限らない。 「なにか質問やコメントは？」 と促してもなかなか出てこないのは勿体無いなと思うので、私の方から発表者に逆質問したり、ただ聞いてるだけの学生らに質問したり。 「ここは何故こうやるのだろう？」 「どういうメリ …

続きを読む

プログラミング1は、if文、for文は触ってたので既にインデントやブロックの概念は教えていますが、その振り返りも兼ねて今回は「関数定義」な話。 単純な例を示しつつ、一連の命令群に名前をつけるて定義すること。定義した関数の使い方。戻り値が必要な場合と不要な場合。スライドでは「ここからここまでが関数定義の範囲」「ここがTrueブロック」とか示してたので、それがない状態でブロックを自分で把握するという話。2次方程式の解の公式を実装させてみる練習（短い時間だったけど数人実装できてた）。とかとか。 毎年微妙にやる順序が変わってるのだけど、これまでと比べるといい感じに進められてるのかも。

続きを読む

までやったという訳でもないですが、データマイニング班の機械学習の基礎を抑えるということで、線形回帰モデルを例に前回「モデルとは何か、パラメータを求めたら良いのか」みたいな話をしてて。 今回はそれを実際に実装してみようということで、クラス設計〜テスト駆動開発〜OLSの実装に向けた式展開〜実装、を体験してもらい。GDについては式展開だけをしておき、fit関数を実装してみてる演習時間にしました。流石にいきなりの実装は難しかったっぽいが、ま、内部のイメージを少しでも持ててもらえれば。 機械学習のイメージを持たせるモデルをパーセプトロンにした方が良いかなと思いつつ、今の所は毎回線形回帰にしてます。特に主義があるというよりは、線形回帰の考え方を …

続きを読む

論文・書籍・解説記事・事例集等、あれこれ何かを学ぶための「教材的なもの」はありますが、どれもこれも一長一短。一般的には人それぞれのそれまでに蓄積した知識であったり応用力であったり抽象力だったり、場合によっては文化的背景や育ってきた環境要因等の外部要因も含めて個々人の立ち位置は異なるので、誰かにとってベストであっても、それが他の人にもそうであるとは限らないのが当然。 「数学ガール」に何度も出てくる「例示は理解の試金石」もそうだし、理解を深めるためには自分で例示したり、それらを俯瞰したり、共通項探してみたり、あれこれ弄り倒すことが必要。別の言い方をすると「インプット（読む）だけでは理解度は深まらない」。 分かりやすく用意された解説記事（ …

続きを読む

プログラミング1のレポート1回目採点。 print関数使ったり、変数使ったりするぐらいの内容ですが、 ・「print(出力したい文字列)」みたいに、クォートを書き忘れたり。 ・「name = (‘スライム’)」みたいに、関数呼び出し時の丸括弧との違いに悩んでたり。 ・「print(‘ほげ’）」みたいに、全角半角で悩んでたり。 あるあるネタが散らばってます。 レポートにはエラーが出てもそのまま書いて、それをどう解釈してどう解決していったのかを書くようにと伝えてあるので、そこまで書いてあるなら減点なし（むしろ加点）してます。平均点は100点超えかな？。 全角半角問題は、Rictyとか紹介したら良かったか。

続きを読む

今年のGWは体調崩しまくりで、前半はほぼ文字通りの引きこもり生活。眠りも浅くて数時間で目覚めるのを繰り返し。多分肉体的な疲れが足りてないんだろうなとは思いつつ、外で歩く気力なかったのでそのままダラダラしてました。 後半になって体調回復した後のご飯の美味しいこと。やっぱり美味しいご飯がないと人生不幸せだな。

続きを読む

デジタル大辞泉でいうところの3番目、「ある事象について、諸要素とそれら相互の関係を定式化して表したもの。」の方。 3年次実験のデータマイニング班で、ツールの一つとして機械学習外観する流れでモデルの話を。概念的な話だけでは伝わらないし、概観したいので、例示として線形回帰を題材に、 ・何がモデルで、 ・モデルを導入することで何をしたいのか、 ・このモデルにおいて何をすることが学習なのか、 ・機械的に学習させるにはどうしたら良いのか、 といった話をしてました。 実験なので手を動かす部分も用意しましたが、今はまだ勉強部分がメインですね。

続きを読む

AI人材25万人育成とか言ってましたが、実際にはその原理を理解するための数学等の基礎教育を広げるという話も耳にしたりして、良くわからないですね。 Azure AIを使うぐらいの話なら「一昔でいうところのOffice使う」に相当するスキルかもしれない。（それを国策としてやるのという疑問はあるけど） 少しはコードを書くレベル、例えば R, Python (Pandas), Octave ぐらいで「データの前処理」するとか、は後処理として好みの可視化を組み立てるとかのレベルもあるかもしれない。 もう少し踏み込むと、特徴量工学まで求められるレベル？。タスクによっては何も考えずにデータ丸投げしてもそれなりの精度を実現できつつあるけど、それなり …

続きを読む

データマイニング論は留学生いるので英語で輪読。私自身の英語練習になるのも悪くないですが、学生の演習として使って欲しいし、どこで躓くかは人それぞれなので質問して欲しい。ということで強制的に質問させてみてます。 先週は「授業終了後に質問した人をチェック」したこともあって、今週からは質問がそれなりに出てて、いい感じぽい。実際、発表資料では説明飛ばされてる箇所だったり、もしくは教科書でも省略している箇所についての質問が出たりしてて、面白いです。「何でここで log 導入するの？」とか。素朴な疑問から得られる学びは大きいので、どしどしやってください。 過学習の話についてはUnderfitting vs. Overfittingが掴みやすいは …

続きを読む