■http://anond.hatelabo.jp/20150126204524

バイオ系は、つぶしが効かない。ポイントは、そうなんですよね…。

そういう意味で、機器分析的ことは、まだ、マシかなぁと。

数学は、もう学ぶには、年を取り過ぎているかもしれません。

確かに主成分分析、流行りの統計的手法をなどを良くわかろうとするならば、線形代数とか知っている格段に良さそうですよね。

もしかして、普段から結構レベル高い人を相手に、されていますか。旧帝大系か、早慶レベルの人ですか。というか、アカデミックな仕事を得ようとするならば、当然ですかね…。

---

プログラミングといっても、csv file のサイズも、せいぜいExcelで開くことが出来る程度の量のデータです。

多くても5000行もありません。

でも、Rでloopで回して、ggplotでグラフを描く、optionを変更とかは、しています。

pythonは、プログラマーの人にも、手伝って貰って、csvから、matplotlibを使ってなんとか、望んだ形のグラフを書ける程度です。

（Learn python hard way なるものを途中で挫折のレベルです。）

業務で、それらのR, pythonの技術を使える環境にあるので、学んだほうが、自分の為にも、職場の人の為にも、なりそうですね。

プログラミングを書けるようになるには、Stack OverFlowとか、英語のドキュメントを読めるとやっぱり、違いますよね。

英語が出来る外国人っていいなぁって思います。もちろん、日本人でも。

—

はてなで、ブックマークがたくさんついていたので、あの記事も読みました。

イシューから...本も買って、読みましたよ！

「圧倒的に生産性の高い人（サイエンティスト）の研究スタイル、

http://d.hatena.ne.jp/kaz_ataka/20081018/1224287687」

経験が浅いうちは、経験のある人とのディスカッションやコールドインタビューという手法が大切、ということを思い出しました。

話すこと、ディスカッションの大切さを忘れないようにします。

+++

はてなー技術的な動向としては、データサイエンスって流れみたいですね。

細分化が激しそうですね。

機械学習は、たとえば、slide shareで、パターン認識と機械学習入門

http://www.slideshare.net/mmktakahashi/ss-13694313

なんか、スゴそうってことぐらいしか、わからないです。

オライリー本の「入門　機械学習」Rで、書くやつです、これは、買いました。

そういうことならば、道としては、間違ってなさそうですね。

自分の興味で食べていけそうな感じも、ないわけではないですね。

--

ただし、時間がキツイですね。

ーーー

整理する力や弱点が多いので、どう対応していくのか、考えながら、上述の技術的なことを学びたいです。

Permalink | 記事への反応(2) | 10:38

ツイートシェア