先日プログラミング2のコード例としてサーバ・クライアント型のチャットを紹介するも、接続できずに撃沈！残念！ 事前に動作確認済みだったんですが、そことの違いはネットワーク接続方法。成功してたのはWi-Fi接続時で、失敗時は有線LAN接続。ネットワーク側の問題かなと思いきや、そうではないとの回答。 PC外の問題じゃないならこっちの問題かということで物理層から確認していくと、なんと、実際に割り振られているIPアドレスとInetAddress.getLocalHost()が取得するものが違っている。ifconfigで見えるものは複数あるけど、どれとも違う。ググる限りではloopback取得してる例が頻出するけどもそうじゃなくて全く無関係に見 …

続きを読む

なろう系小説タイトルのつもりで書きましたがわかりやすいようでわかりにくいですねごめんなさい。 新システムのGPU使ってみた この記事は琉大 Advent Calendar 2020の19日目です。昨日はdobuzoraさんでした。 本記事の趣旨 知能情報コースで2020年10月から新システムが稼働しています。まだまだ不十分なところはありますが、GPU使う環境が11月頃から整い始め、その簡易マニュアルが11月末頃に用意、説明会が行われました。が、参加者が実質シス管メンバ関係者だけだったこともあり、あまりにも勿体ないので使い方やそもそもの前提知識などをまとめておこうというのが今回の趣旨です。一部の記事を研究室学生、3年次実験で …

続きを読む

明日になりますが、データマイニング班の発表会があります。興味のある人はどうぞ〜。 日時: 8/1(木), 3限目 場所: 地創棟508 Group 1: LinearRegressionを用いたアニメタイトルの略語予測 概要: アニメのタイトルなど様々なものの略称には何かしらルールがあるものと仮定する。我々は略前略語のタイトル群を教師データに、主に回帰分析などの様々な機械学習手法を用いてその法則性を発見することを目的としている。さらに略前のタイトルから、これから略されるであろう略称を予測し提供することを最終目標にしている Group 2: インスタ映えする画像の判別機 概要: インスタグラムユーザがよく使う「インスタ映え」を投稿さ …

続きを読む

3年次の学生実験は、教員一人あたり数人〜10数人程度での実施になることが殆どなので、その分細かい指導がしやすくて。データマイニング班前半はこんな感じで、授業寄りの基礎演習をやってて、後半はグループ単位での開発実習をやらせてます。 これも単に「やってて疑問に思う所あったら聞いてね」とか、「たまに見て回る」ではなく、進捗確認を兼ねた作業レビューをしています。ここでいう作業レビューとはペアプロとかモブプロに近いもので、大型モニタに接続して貰った状態で、内容確認しながら作業してもらい、その様子を見て気になる点へアドバイスし、実際に一緒に問題発見してみたり、修正してみたり、場合によってはググり方とか考え方を提示するに留めて考えさせてみたり、と …

続きを読む

データマイニング班の目標の一つが、 [ 解説記事: 怪奇!! 次元の呪い – 識別問題、パターン認識、データマイニングの初心者のために ] を読んで、ある程度のイメージを得られること。これまでの流れとしては、 ・簡単なモデルを例示し、 ・そのモデルを仮説としたときの適切なパラメータを求めたい。 ・そのために損失関数を定義し、 ・その関数が最小となるパラメータをOLS/GDで求める。 ・これだけでは「そもそも仮定としたモデルがどの程度妥当なのか」を説明できない。 ・それ以前にデータセットにはエラーやノイズが交じる。 ・データセットを信用しすぎて学習した状態を過学習と予備、それをどうにか避けたい。 ・代表的なアプローチがペナルティ項の導 …

続きを読む

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

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

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

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