  |
そのslideshareの人はただのgiftedなのでもう少し他のを参考にした方がいいと思う。
機械学習に興味を持ってビショップ本に行くのもあまりお勧めできない。
過剰にベイジアンだし実際問題あそこまで徹底的にベイズにする必要は無いことも多いから。
よく知らんけどMRIとかの方面もだいぶ魑魅魍魎なので（DTIとか微分幾何学的な話がモリモリ出てくる）、
近づくなら覚悟と見通しを持ってやった方がいいんじゃないかなあという気はする。
オライリーの本は読んだことないけど悪くなさそう。「わかパタ」とか「続パタ」とかは定番でよい。
ビッグデータがどうとか世間では言ってるけど、データのビッグさはあんま気にしなくていいと思う。
ビッグデータを処理するためのインフラ技術というものはあるけど、数理的な手法としては別に大して変わらない。
（オンライン学習とか分散学習とかの手法はあるけど、わざわざそっち方面に行く意味も無いと思う。
超大規模遺伝子データベースからパターン検出したい、とかだとその辺が必要かもしれないけど…）
数学については、線形代数は本当に全ての基礎なのでやはり分かっておくとよい。
「キーポイント線形代数」とか「なっとくする行列・ベクトル」とか、他にも色々わかりやすいいい本がある。
（まあ固有値と固有ベクトルが計算できて計量線形空間のイメージがわかって行列式とかトレースとかにまつわる計算が手に馴染むくらい。ジョルダン標準形とかは別にいらん）
プログラミングはそのくらいやってるならそれでいいんじゃないか、という気はする。行列演算が入る適当なアルゴリズム（カルマンフィルタとか）が書けるくらいか。かく言う俺もあまり人の事は言えないけど。
処理をなるべく簡潔かつ構造的に関数に分割したり、抽象化して（同じ処理をする）異なるアルゴリズムに対するインターフェースを共通化したりとかのプログラミング技術的なところも意識できるとなおよい。
ggplot2は独自の世界観ですげえ構造化してあるんだけどやりすぎてて逆に使いづらい…と俺は思う…。
遺伝子のネットワークとかなんかそれ系の話をし出すと離散数学的なアルゴリズムが必要になってきて一気に辛くなるが、必要性を感じるまでは無視かなあ。
プログラミングの学習は向き不向きが本当に強烈で、個々人の脳の傾向によってどうしたらいいかが結構異なる気がしてる。
向いてるなら割とホイホイ書けるようになっちゃうし、向いてないなら（俺もだけど）試行錯誤が必要になる。
まあせいぜい頑張りましょう。
なんか、淡々とまっとうな正論を書いて貰いまして、ありがとうございます。 （トラックバックつくことは、期待していなかったので） まあ結果が全てなので、そいつの方が結果出て...
じっくりやって生き残れる方法があるなら俺も知りたいんだけどね。 俺が今まで見た中ではそういうタイプで生き残った人って一人もいない…。 なんの実験かわからんけど、意外と企業...
俺が今まで見た中ではそういうタイプで生き残った人って一人もいない…。 なるほどです。 実験ですが、生体試料を機器分析をして、オミックス解析をするっていうバイオ系です。 そ...
バイオ知らんけど、バイオか〜辛い分野だな…。 そのまま医療とか製薬応用とかできそうな分野ならつぶし効くかもしれないけど、そうじゃないと辛いんじゃないか…知らないので的外...
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...
そのslideshareの人はただのgiftedなのでもう少し他のを参考にした方がいいと思う。 機械学習に興味を持ってビショップ本に行くのもあまりお勧めできない。 過剰にベイジアンだし実際問...
詳しく、ありがとうございます。 参考にさせて、頂きます。 ネットから身バレしたくないので、私の分野については、詳細は明かすことが出来ませんが。 パターン学習 「わかパタ...
横ですが、「イシキヒクイクン」に「イシキタカイクン」が嬉しそうに教え与えてる感じで微笑ましく思えます。 どちらもそのままでは大変な事になるでしょうけど。 ■理論科学的...
何と戦ってるの？
何と戦ってるの？
仮想敵にきまってんだろ 本人に語る勇気がないからな
22
