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

例えば「似ている文書」を探したい場合。文書に出てくる単語が共通しているほど似ている可能性が高いかな。一方で、「犬が好き」と「犬が好きな訳がない」みたいな文は意味的には真逆で、単純に単語だけでは難しい部分もあるし、主語が明示的でなかったり、その文書を書いた当時の流行だとかの背景情報次第で解釈が変わったりして、「似ている」といっても多種多様な意味合いがあって、理想的には「いい塩梅に処理して欲しい」。 上記は文書の例だけれども、それは対象が変わったとしても同様。機械学習だろうが統計処理だろうがアプローチによらず、蓄積された対象に対する深い理解をした上で何をどう用意（前処理）するかという部分はまだまだタスクが残されていて。その際にはアプロー …

続きを読む

スーパーマンな話を引っ張ってみるなど。 互いに助け合うことで社会（組織）としての頑健性だか持続性だかを高めるとして、具体的にどうやればそういう状況に近づけられるのか。 システマチックな考え方というか、様々な事柄を専門職よろしくタスクとして切り分けることで、「求めている人材」みたいなものを明確にしてそれ以外は他の人の仕事。みたいな考え方も一つの道ではあって、UNIX哲学みたいなやり方で対応すると。 ただしこれには前提があって、「挑戦を称える文化」や「失敗を許容する文化」が大切。そういう「空気」も含めて教育だったりする訳なので、授業での課題レポートとかでは「教えていない取り組み」があったらとりあえず加点するみたいなことしたりしてます。 …

続きを読む

大抵の人は何でもできるスーパーマン（ガール）という訳ではなくて、「平均的な人と比べた場合にはどうしても何かが劣る」ことが普通。そもそも平均値なり中央値なりってそれより上の人も下の人もいるってことだし、あらゆる項目で平均を上回るとなるとレアでしょう。UR引きたいなら金だせってことだし、金積んだとしても物理的な人間は有限なので来てくれるかどうかは分からない。 誰でも劣った部分はあるわけで、社会（組織）としてはそれを前提として助け合うことで可動するように組むのがベター。システム工学的にはフェイルセーフ（障害時に安全側に制御する）やフォールトトレラント（一部障害時に不便が起きても全体としては動作する）といった考え方を組み込むべき。 人間社会 …

続きを読む

水曜日は会議が重なりやすいので、他の予定を入れていないことが多くて。そのかわり、会議が全く入らなかった日は自由度が増します。ということで今日は授業準備＆個別ゼミしまくってました。いつかはVRだかに完全移行できるかもしれませんが、なんだかんだでホワイトボードは便利。

続きを読む

大学院のデータマイニング論2週目で、Python Machine Learningの輪読に入りました。教員からの質問に答えることをベースにした討論でも悪くはないですが、どうせ受講してるならそれなりに「考え方」「物の見方」あたりに触れて欲しいし、留学生いるならそれを英語でやり取りする練習にも使って欲しい。ということで、今年から「3回以上質疑コメントしてね☆」ということに。 強制的にやらせるのもあれだとは思うけど、教育の一環としてはありかなと。正しい英語とか正しい表現とかは二の次でいいから、まずは思ったことをどう表現するか。単語やフレーズからでいいので、少しずつ慣れよう。input/outputしないと身につかないし。

続きを読む

ここ数年はほぼ同じ内容で、複雑系工学研究室（遠藤研・山田研・當間研・赤嶺研）4年次の合同ゼミをやってます。1週目は論文の基礎知識をベースに使わせてもらい、そもそもなぜ論文を読むのか、どう探すのか、といった話。論文アブスト読んでみたり。 来週からはゼロから作るDeep Learningの輪読。1章は各自でやることにしてスキップして、2章から。2章は少人数グループ作り、細かい単位で「速読＆振り返り」を繰り返す形にして見る予定です。

続きを読む

プログラミング1が始まって、授業でははじめての対面。新入生は基本的にmacOS初心者なので、アプリの起動＆終了、複数立ち上がってるアプリのアクティブを切り替え、みたいな話もしつつ「プログラミングとは」喋ってるとあっという間に時間が。一応、コード例の動作方法やったし、str, int, float と基本的な演算子、変数の使い方まで触れたので最小限はやったか。 赤嶺先生の演習1の方は、少し説明不足（知ってる前提がたまにある）なのと、スピードが早いように私は感じたけど、学生的にはどうだったのかしら。逆にあのぐらいの方が良いのかな。

続きを読む