「ディープラーニング」を含む日記 RSS

はてなキーワード: ディープラーニングとは

2018-01-06

anond:20180106082641

「妻子を抱えて」ってところが味噌なんだと思うよ。

妻がいて、妻が自力で稼げるか、ある程度貧乏暮らしでも耐えれるぐらいの妻子供じゃなかったらそりゃ冒険できんよね。

妻子を抱えなかったら、AIとかディープラーニングに飛び込めると自分で書いてるじゃない。

どんな先端分野も金を大量に集めれる人は、自分アイデアを元に少ない金で右か左かわからんところに飛び込んでいって、

その分野の先駆者になったから、その分野で金を集められる。その裏にはそのアイデアが伸びなかったとかうまくいかなかったってのもいっぱいあろう。

たぶん、AIディープラーニングが花型とはいえ、伸びると飛び込める奴が飛び込んでも、多数は花咲かずにそこそこの研究者まりだとおもう。

まあ、日本科学技術が右か左かわからんところに出すってのがどんどんやりにくくなってるという構造的なものもあるが。

山中教授って、今のIPSのアイデアを持ってた頃、諦めて臨床医に戻ろうかと考えるぐらいうまくいかなくて悩んでたったってのは聞いたことがある?

しかも、最初グラントも少額だったってことも。

それから、なんの苦労もせずにちやほややりたい放題できる立場がいるというのも勘違いしてる感がある。

僕は異分野で、それなりに先人きった研究やって、多少分野の人とか、地元ではちょっと有名になってきたかもな?ぐらいの立ち位置なんだけど、

研究のためにかね続けられるか?とか、何よりも、能力もないのにこちらに勝ってるようにみせたいとかい迷惑なやつとか、

そういう立ち位置に立てばそれはそれで苦労は絶えん。もちろん、女?家族?なにそれ美味しいの?だね。女なんて「そんなことより私を愛して!」だし。

どの立場に立てど苦労は付きん。

それより、「みんなにちやほやされない寂しい」みたいなのは、これまたただ自分を苦しめるだけの感情

仏教で「慢」の感情というらしい。

別にどう思われてもいいやぐらいに思って、できることから少しずつ時間を作って進めていったらいいし、家族に生きるのもひとつの道よ。

嫁さんや子供と仲良くやれてるか?

医者になってからずっと、このまま医者を続けていっていいのだろうか

30代男性内科医師、卒後10年程度、妻子あり。

医者になってからずっと、このまま医者を続けていっていいのだろうかと考えている。

はじめに断っておくが、医者仕事がキツいとか、仕事についていけないからやめたいとか言っているわけではない。

自分で言うのも何だが、私はそれなりに優秀な部類に入る方の医者だと思う。

同僚や患者さんからの受けも悪くない(はず)。

仕事がキツいと思ったことがないとは言わないが、それが原因でやめたいと思ったことはない。

何が問題かと言うと、医者という仕事にどうしても楽しさが見いだせないことだ。

自分治療によって患者さんが良くなるのはうれしいし、医者という仕事感謝されることが多くてやりがいはある。

これは間違いないのだが、果たしてそれを糧にしてこれから人生でずっと医者を続けていっていいのだろうか。というか続けていけるのだろうか。

医者になってはじめの数年は、このまま経験を積んでいけばそのうち医者という仕事に楽しさを見いだせるようになるに違いないと思っていた。

しかし、初期研修医が終わり、後期研修医が終わってもあまり状況は変わらない。

卒後10年くらいでこんなことを言われると怒られるかもしれないが、医者という仕事はある程度のキャリアを積めば、どういった環境で働くかにもよるが、その後はルーチンワークがどんどん増えていく。

この世に一人として同じ人間がいないように、同じ疾患の患者さんで同じ経過をたどる人はいないわけだが、それでもほとんどの場合何かしらの類型化は可能である。「あっ、これ前に見た患者さんと同じ感じだ」というのが増えていく。

そして、現在の流れとしてEBM(Evidence based medicine:臨床試験などの結果を踏まえた根拠に基づいた医療)を元にした各種ガイドライン化が進み、誰がやってもある程度同じ結果が得られるような体制ができつつある。

自分が優秀だとして、その自分の優秀さのおかげで患者さんの予後が変わるシチュエーションなんて、そうそう巡り合わない。まぁ、そんなシチュエーションに頻繁に巡り合うとストレス寿命が縮むのでやめていただきたいが。

現実医者世界ほとんどは、医療ドラマにあるような派手な世界とは真逆の地味な世界だ。

誰がやってもほぼ同じなんて楽しいけがない。まぁ、医者の楽しみのために患者さんがいるわけじゃないので、誰がやってもほぼ同じということはもちろんいいことなんだけど。

そして、きっとそう遠くない未来には、医者AIの助言に基づいて最終的な判断を下すだけの存在に成り下がるに違いない。お先真っ暗である

外科系や循環器内科などの手に職系の内科は違うかもしれないが、きっとそれもそのうちロボット駆逐されるだろうと思っている。

それはさておき、そんな自分の現状を変えようと思って、臨床にいったん区切りをつけて、大学院に戻って今度は研究をしてみたが、これまたあんまり楽しくない。

それなりに優秀なので教授にも気に入られてそれなりに結果を出してはいるが、現在医学研究は物量がものをいう世界になっていて、アイデアはもちろんだが、カネとヒトがないとトップジャーナルに載るような研究はほぼ不可能である

これまた個人問題でなんとかなることではない。

もう数年は頑張って、なんとか博士号だけは取りたいとは思ってはいるが、将来的に主任研究者としてこの世界でやり合っていけるほど自分研究に向いているとは到底思えない。

そんなこんなで、医者になってからずっと自分探しの旅が続いている。

から脳天気人間に見えるらしく、悩みもなく順風満帆エリートコースを歩いているように見えるらしいのだが、内実は大荒れの海を彷徨っているかのごとしである

よく、「好きなことを仕事に」とか言われるけど、好きなことってなんだ?

増田にこんなことを書いていることからわかるように、パソコンインターネットが好きで、株を少しばかり嗜むこともあって、岡三RSSを駆使して自作した株の自動売買システムをいじくっている時が最近の一番楽しい時間だが、プロ投資家としてやっていけるような才覚はおそらくない。

医者パソコンインターネット好きということを活かすという意味では、医療ITベンチャースタートアップなんかも楽しそうではあるが、この年になって妻子を抱えた身としてそんなところに身を投じる勇気は残念ながらない。

AIとかディープラーニングとか、医療世界もっと活用できそうなことが転がっていて、すごく心躍る世界ではあるのだけど。

なにより、医者という身分はいろんな意味で居心地がいいので、なかなか捨てづらいものがある。

医者仕事に楽しさが見いだせない」とか言いながら、実際に臨床を離れると患者さんを見る機会が減ってかなりさみしかった。

今はバイトベース外来救急をしているが、患者さんを診ると充足感があるのは確かだ。

給料はいわずもがな。大学院生をしながら週1〜2回の外来・当直で妻子を養っていける。こんな職業は他にはたぶんない。

なんとなく不満をぶつぶつ言いながら、このまま荒波に順調に流されて行ってしまいそうな気がする。

から見えるとおり、一応まだエリートコースには乗っているので、それでも悪くないんだろうけど。

やっぱり「楽しく仕事をする」っていうのは幻想なんだろうか。

2017-12-26

anond:20171226233321

こういう文ってどうやって書くんだろう。

壊れたディープラーニングみたい。

2017-12-25

「無くなる仕事詐欺

まだこのエントリー書くのは早いか

「無くなる仕事」がブームになってきたのは2014年あたり

ディープラーニングが出始めた頃だ

 

これらで多いのが「10年後無くなる」という見出し

あるいは半減すると言う書き方もある

 

答え合わせは2024年からできる

あと6年ちょい

俺は半分詐欺だと思ってる

2017-12-10

anond:20171210120844

ディープラーニングが実はそんなに未来がないと考えられ始めてからが終わり。

もはやディープラーニングアカデミックツールじゃなくて日曜プログラマでも使えるしな。

2017-12-09

エロ動画保存をやめたのにハードディスクが足りなくなる。

こんな事が起こるとは予想しなかった。

エロ動画の保存をやめたらハードディスクバーストすることはない。

そう思っていた。

実際それは正しかった。

俺のハードディスク10年以上余裕で余りまくっていた。

ディープラーニングを始めるまでは。。。

ディープラーニングを始めてから全てが変わった。

ハードディスクを食い尽くす。VMware検証データ、そしてそれらのバックアップ

もうハードディスクに余裕はない。

エロ以外でハードディスクが食い尽くされるのは非健全だと思う。

2017-11-27

統計検定一級受験

昨日(11/26)統計検定を受けたので軽く振り返ろうと思います

受験した理由

自分理系修士卒ですが、統計を(もっと言うと数学を)あまり使わない専攻の出身でした。

しかし、思うところがあって就職では違う業界に進み、数理的なコンサルなどをしている会社に入りました。

機械学習の基礎的な意味数学を久しぶりに学びたいと思い、

6月に準一級を受験し、おそらくぎりぎりで合格しました。

そこで調子にのって今回一級を受けてきました。

・一級の勉強方法

公式教科書過去問を買って勉強しました。自分教科書過去問をメインにやりました。

数学がとてもよくできる会社の同期と定期的に勉強会をして分からないところを教わりました。

公式教科書は悪評も散見されますが、少なくとも試験にでる部分についてはよくまとまっていると思いました。

ただ、紙面の都合か、分かりにくいところは適宜ネットや他の本で意味を調べました。

それを読んでこの教科書に戻ってくるとなるほどと思うこともありました。

過去受験した会社の先輩は、竹村先生の本がいいと言っており、

自分も余裕があったらそういう正統派の本も読んでみたいと思っていましたが結局読まずじまいでした。

それから分散分析実験計画は途中から捨てました。

・本番のでき

難易度は去年並だったと思います。二年前三年前よりは簡単になっています

午前の統計数理は選択した3問が全部6,7割のできでした。受かってたらいいなという感じです。

午後の統計応用はポアソン過程問題突撃し撃沈し、二問目は完答、三問目はいけたと思ったら途中から間違っていました。

多分おちました。

感想

統計検定は意味ないという人、意味ないけど楽しいという人、いいよねという人など様々な人が周りにいましたが、

自分にとっては確率論と数理統計の入門になって良かったと思いました。

なんと言っても2か月前には尤度の意味も分かってなかったぐらいですから

・今後

今回統計勉強していく中で、これを基礎にして興味がわく分野がでてきました。

まずはもともと興味のあった機械学習確率過程ですが、

他には、漸近理論情報量基準の話、もっといって最終的には情報幾何につながっていることがなとなく見えました。

簡単なところからいろいろ興味ある分野を勉強していきたいなと思いました。

何か作ってみたいですし、

理論的にはディープラーニング情報量基準が現状ない理由を知れたらとてもハッピーです。

2017-11-24

馬鹿なのか皮肉癖があるのかよくわからない発言

ビッグデータって名前のわりに小さいデータばかり集めてるよね」

ディープラーニングって全然深くないよね」

すぐさま突っ込みたくなるが相手によっては100倍返しあいそうでとてもつっこめない

2017-11-20

夢中になれそうなもの候補を書きなぐった

2017-11-15

こんな検定があるのか

https://crowd-kentei.or.jp/about_test/webwriting_sample/

3次ソースを書く検定と直感し、戦慄した。

ウェブライティング検定っていう、クラウドソーシング団体の検定の過去問解答例をみたら、

「~なようです」「いかがでしょうか」のオンパレード

1次ソースを書くための検定ではないことがわかった。

この解答をディープラーニングして、検索を落とせば良いと思うぞ、検索エンジンさん。

次の行動指針を立てた

背景

目的

方法

実行

考察

  • 目的は達成された
  • どれぐらい時間かかった?
  • 2週間か。悪くない

2017-11-06

ではどうやって"AI人材"を選考すればよいのか

AI人材採用局所的に話題になっている。

http://aiweeklynews.com/archives/49678692.html

Excelはがっつり使える

Pythonのnumpyやpandasでデータの処理ができる

SVMや重回帰分析普通に使える(数式も少しは分かる)

Chainerを触っている (pipでインストールのみでもOK

これくらいできると、AI人材の平均レベル(と相手に思って貰える)なので採用見込みはかなりあると思います

例えばですが、python自分パソコン環境構築して、「Hello,world!」と表示できるようになったら、面接に申し込んで、「少しはpythonできます」と言ってみるのも一つの方法かもしれません。

実際に見分け方がわからなくてこれに引っかかって採用してしま場合もあるんだろうな、とも思う。

自分がこの手の人材エンジニア)を採用する場合にどうやって質問をすれば見極められるのかエンジニア採用にも関わっている身としてを考えてみた。

AI人材という呼称自体がぞわぞわするけど、一旦そこは我慢する。

取りたいロールをはっきり認識/確認する

まず採用を行う前に、AI人材を取って何をしてもらいたいのかをチームないし採用意思決定者としっかり確認する。

エンジニア系のAI仕事と大雑把に言っても

1.画像/映像認識技術活用したい

2.大量のデータ対象として分析予測を行いたい

3.上記大量のデータを貯めたり一括処理したりするための基盤システムを作りたい

など、あとは案件ベースなのか自社開発なのかそれぞれ必要となる能力オーバーラップしつつも異なっているため。

(以下、今回の目的が1や2だったと仮定する。)

バックグラウンド確認

あなた機械学習の関わりを教えてください

機械学習経験のある分野 / 得意な分野 / やってきたことを教えてください(実務でなくてもok

バックグラウンド確認する。実務や研究経験の話が出てくるのがメジャーだと思うが、エンジニアとしてのバックグラウンドがあれば独学勢でも野良kagglerなどレベルの高い人はいるので実務経験に絞らなくても良いと思う

全般知識確認

機械学習全般基本的なところから確認していく。質問としてはこんな感じだと思う

教師あり学習教師なし学習の違いを説明してください

・分類問題回帰問題の違いについて説明してください

過学習ってなんでしょうか

イメージとしては非エンジニア職でも必要になる「この辺りの言葉が通じないと絶対困ったことになる」一般常識確認する感じ。

ディープラーニングについて

画像映像認識などディープラーニング系の業務が多い想定の場合

普段使うディープラーニングライブラリは何ですか

から始まって

あなたの組んだモデルについて教えてください

・どうやって訓練したのですか?

・どうしてそのような構成にしたのですか?

と突っ込んでいく。

きちんと自分で考えて組めているか確認するのがメイン。

ディープラーニング以外の機械学習について

・フィッシャー情報量から何が分かるか

・共役事前分布についてどのように用いるもの

MCMC法で事後確率の近似を取る時に気をつけることを教えてください

確認したいことはディープラーニングしか」できない人かではないかという点。

ある程度統計ベイズ法周りの知識が無いと詰むため。逆にディープラーニング不要業務ならこっち一本でも可。

手法の詳細・原理説明

・この問題最尤推定をしてみてください(簡単文章題

・勾配降下法について説明してください

・畳み込みニューラルネットワークについて仕組みを説明してください

盲目的にライブラリを使ってるだけでないかという点を確認したい。

SVM入力適用するだけならsklearnで5行書くだけで誰でも出来る。手法の背景や対象データ特性をきちんと考えて使っているかを見たい。

・kaggleのコンペに参加したことはあるか

・あればその時の課題手法をできるだけ詳しく

メダルの取得状況

kaggleに参加した経験があればnoteからその人の手付きを直接評価できるし、メダルという他メンバから客観的評価できる定量指標もある。

その他

学習意欲とか普段姿勢確認したい。もしかするとここが一番重要かも。

・分からない項目をはっきり分からないと言えるか

普段何を参考に勉強しているか / 論文を読む習慣があるか(最近読んだ論文があれば教えてください)

・今興味のあること

こういう観点必要、とか○○なんてもう古いよ、みたいなツッコミどころ満載だと思うのでコメント/トラバで突っ込んで欲しい

2017-10-21

anond:20171021140014

ディープラーニング系のAIって、判断能力が人を超えたというだけで、新しいものを開発できる能力が生じたわけではない。

しろ快楽依存系の「人間内の作用」を完全に解明しないとそんなもの作れないと思う。僕は快楽依存は密接にかかわってると思うし、分けれないと思うけどね。

2017-10-07

ウィキペディア車輪の項目が、秀逸と聞いて。

最近ウィキペディア車輪の項目を眺めた。

車輪の再発明、という言葉は知っている。

しかし、車輪自体歴史などについては、曖昧としたまま、あー、はいはい、既にあるライブラリー関数を使えって言うプログラマーのアレでしょ。

数学でも哲学でも、先人の知恵を有効活用しようよ、と。

Googleさんのセリフ巨人の肩の上に登ろーよって言う。

  

なんだけど、車輪って、舗装された道路存在したときに、とてつもなく威力を発揮するとあった。

(まー、鉄道におけるレールのような話か。デコボコ道だと、いまいち車輪付きでも、その便利さを利用しきれないってことだった。キャタピラってもんが、あるが。)

中国ローマ皇帝が、「道」・「道幅」・「水はけの良い道」について規格の統一をさせたってのは歴史画期的なこととして歴史教科書書いてあるが、大事みたいだね。

今の日本ならば、アスファルト舗装された高速道路のような片側二車線の道路と、田舎の砂利道や住宅街の入り組んだ細い道とでの自動車が出せるスピードを考えて見たらいいだろう。

  

似たようなこと、今、流行ビッグデータとか人工知能コンピュータ世界に改めて、考えてみたい。

コンピュータにおける舗装された道路とは、何だろうか。  

人工知能が利用しやすい形、あるいは、プログラミングがなされやすフォーマットでの

データ形式で保存されることが、期待されているようだ。

囲碁世界では、棋譜が残されていて、そこから人工知能自己学習をさせた。

適切なフォーマットへと変換された後でだろうが。

ディープラーニングという手法で。

(アバウトな理解だけれど、もちろん、始めは人間が教えて、その後に人工知能vs人工知能でも、自己学習をしていたようだが。)

これからパソコン理解やすい形に、データが格納されていくと、

本当に、あっという間に、あらゆる仕事がかわるんだろーなと。

人工知能による翻訳とか期待されているが、これからも、単純作業よりも、少し複雑なルール仕事人口知能に置き換わっていくのかーってことを、

なんとなく、車輪説明想像出来た。

  

2017-09-13

anond:20170913161928

ディープラーニング以前のニューラルネットワークで、

しばしば根拠が無いゆえの過剰フィッティング問題になったという事情があるからじゃないかなぁ。

ディープラーニングにおける「根拠」は必要ないのではないか

例えば工場機械でもミス一定割合で起きるが

そのミスカバーするように人が配置されたり、他の機械存在したりする

100個中ミス1個なら、信頼度は99%ということになる

からディープラーニング特に問題ない気がする

 

殊更にディープラーニングばかりに根拠を求めがちなのはなぜだろうか

プログラムとの対比だろうか

それともAIと呼ばれているせいだろうか

ちょっと未だわからない

 

どう決まってるかまるで分からない漠然とした不安と言うのはあると思うし

どう決まってるかわからないと対策も難しいと言うのもあると思うけど

2017-09-12

ヲタク権利行使する

ヲタク場合

出来事気持ち権利から選択肢作成選択肢から行動を選択→行動→社会的な衝突

ヲタク場合

出来事他者の事例を思い出す→多いもの選択→行動→気持ち人間ディープラーニング

断ることのできない任意任意ではないわけで、ルールとして明確化してください。

それが実体を伴っていなくてもヲタクはその権利行使しようとしてしまます

ヲタクにそれをやってもらいたいなら「みんながやっているから」ではなく、ちゃんとルールしましょう。

ヲタク文句を言いながらそれを実行してくれるはずです。

2017-09-07

頭のいい人が、説明得意とは限らない

シンプル思考であるとは限らない

 

ディープラーニングがそう教えてくれた

2017-09-06

anond:20170105045114

なお、このサイト、今は http://ifret.xyz/ というURLに変わり、

フッターの文言も「ディープラーニングから独自アルゴリズム」に変わった。

前のURLの時とコードが同じかはわからないが、色が違うこと以外やってることは同じなので、

マイナー曲名 」+ 「コード」でぐぐればすぐ出てくる。

見つからないことを祈っていたわけがないので(見つからなかったらサイトなんか作る意味ないし)、

ケチがついたから変えたんだなという雰囲気しかない。

それがこの増田からケチなのかは知らない。

フッターの文言からディープラーニング」という断りが消えたと言うことは、

元のサイト機械学習を使っていなかったということだろうか。

自分邪悪さを認めた変わりに、機械学習品位を守ってくれたのか。ありがとう

結局、初心者を混乱させて自分広告収入というwin-loseの構図は変わってない。

次は、音楽品位を守ってくれると、とても嬉しい。

今日(昨日)は本当に

今日明日)は本当に

コンピューターサイエンスの話しかしてないし書いてないか

勘違いしないで

ほとんどグーグルディープラーニングシンギュラリティの話しか書いてない


昨日(今日)は本当にパニックになってしまった

病院に連れて行かれたくらいだから

2017-08-23

一般警官の職質の精度はどれくらいなの?

警官自身経験によるディープラーニングによって職質するか決めてるらしいけど実際精度はどれくらいなの?

有用な精度をもってるならちゃんと法整備して職質対応義務化すればいいと思うけど

というか職質って価値あんの?

アーカイブ ヘルプ
ログイン ユーザー登録
ようこそ ゲスト さん