「ベイズ」を含む日記 RSS

はてなキーワード: ベイズとは

2020-03-20

anond:20200320101937

問題はそこじゃない。

陽性の可能性が高い人以外は「PCR検査をしてはいけない」んだ。

現状のPCR検査の検出力が低いので、検査母集団事前確率がある程度高くなければ、偽陽性偽陰性が多く出てかえって混乱する。

ベイズ統計理論教科書的な事例だよ。

2019-07-21

線形代数やら微積分やら結局わからなかった

社会科学大学院生

今日をもってこれらを体系的に身に着けることをあきらめた。

思えば統計学を学び始めたのがきっかけだった。

中心極限定理やF分布についてふわっと学ぶ度、こういうものを本当に理解するためには大学数学知識必要なんだろうなと漠然と感じていた。

研究室はそういうところを専門とはしておらず、ただあくまツールとして、回帰分析回したり分散分析するくらいでよかった。

就職先は金融ではあるけれどクオンツアクチュアリー職ではないから、たぶんそういうものの出番はない。

バカな僕は数理統計を学ばずにいて統計を用いた研究やるなんて、ちゃんちゃらおかしいと思っていたし、

就職先でもそういうことを学んでいれば周りよりも一歩二歩先を行けると信じていた。

しかし、マセマをやっても定評のある教科書を終えても、なんだか自分が思ったほどできるようにはなっていないことに気づいた。

やってることと言えば、学ぶ前も後も全く同じように回帰を回し、p値を眺めてあーだこーだ言ってるだけだった。

p値ハックの記事ベイズ有用性を目にするたびに自責の念かられてつらくなる。

しかしたら自分がやったことは無駄だったのかもしれないと思うようになる。

就活を終え、今一度参考書に取り組んでも、抜け落ちているところがいくつもあったことに絶望してノートもすべて捨ててしまった。

こうした知識必要コミュニティとは違ったところに自分いたことに気づけていなかったんじゃないだろうか

2019-07-03

「米酢」の読みって

ヨネズ?これならよねづけんしと絡めて駄洒落にできる

ベイス?これならベイスターズ鉄板だね

ベイズだと数学関連でムツカしいこと言えるね

どれ?

2019-02-08

知的好奇心

を満たすためだけに色々な本を読んだけど結局にモノにならんかった。

ベイズ統計だの・・・色々。自己嫌悪におちいるよな。でもまあファイト!!

ディープラーニング絡みで申請完成できたのは、よかった。日ごろの勉強研鑽)の成果とも言えよう。

2019-01-24

anond:20190123211941

ワイはどの学問素人から分からんけど、ベイズであろうが頻度であろうがどっちでもよくて、

要は、扱っているデータの種類が異なる気がするんよな

経済学の方は順列データ時系列)で、医学の方は集合データを扱うことが多いんでないか

まり、玉袋から玉を取り出したとき、出た玉の順番まで気にするのが経済学で使ってる統計学で、

順番までは気にしないのが医学で使ってる統計学

英語で言うたら、series か set かの違いやね

2019-01-23

anond:20190123211026

医学ベイズ統計が主だから、根っこは変わらないように見えるんですよね。

2018-08-25

統計学の本

永野裕之『ふたたびの微分積分

高校レベル

小島寛之ゼロから学ぶ微分積分

ラング『解析入門』

高校レベル+α

マンガでわかる統計学

『推計学のすすめ―決定と計画科学 (ブルーバックス)』

・良書らしい。

◎『完全独習統計学入門』

『それ根拠あるの?と言わせないデータ統計分析ができる本』

・筆者は日産自動車に勤務。

・紹介されている分析手法も「回帰分析までで十分」という筆者の経験に基づいて絞りこまれている。

明日からかえるシンプル統計学 身近な事例でするする身につく最低限の知識とコツ』

位置けがよく分からんが易しい中に深い洞察があるとのこと。

統計学がわかる』

・同上。続編がある。

・ちらっと見てみたが理屈がなくて「これはこうなる」ってポンポン進めていく印象。

『はじめての統計学

◎『よくわかる心理統計

・↓への橋渡しに。

◎『心理統計学の基礎―統合理解のために』

・難しいという噂あり。続編がある。

・「続」は結構高度らしい。

『多変量データ解析法―心理教育社会系のための入門』

・↑の「続」が無理そうならこれみたいな位置づけみたい。めちゃくちゃ分かりやすいとか。

◎『基本統計学

・結局これと↓への橋渡しの本が問題ということ。

統計学入門』

通称赤本」。3部作らしい。

・どうもこれで理解するというよりかは到達点を知るために使うものらしい。

◎『Rによるやさしい統計学

・どっかでやらんとあかんらしい。

データ解析のための統計モデリング入門――一般線形モデル階層ベイズモデルMCMC

・「緑本」。結局ふつう統計学もここに行きつくのか。

現代数理統計学の基礎』

位置けがよく分からん。これ完璧にすると統計検定1級レベルに行くんだとか。

2018-07-19

涌井貞美『図解・ベイズ統計「超」入門 (サイエンス・アイ新書)』

 評判よし。

一石賢『まずはこの一冊から 意味がわかるベイズ統計学』

涌井良幸『道具としてのベイズ統計学』

 手動かして学ぼうみたいな本らしい。

松原望『入門ベイズ統計意思決定理論と発展』

宮川公男著「基本統計学」でベイズに関する記述(数ページ)を頭にいれてから本書を読むと良い。

・最低でも、大学積分知識必要になり、ベータ分布正規分布積分表現計算くらいは当たり前のようにできないと読むのが難しい

ttps://www.udemy.com/pythonstan/

 よさそう

奥村晴彦『Rで楽しむベイズ統計入門』

 つなぎに。

豊田秀樹『基礎からベイズ統計学: ハミルトニアンモンテカルロ法による実践的入門』

 StanとRが何となく分かってる必要があるらしい。

松浦健太郎StanとRでベイズ統計モデリング

 Stanまったく知らなくてもいけるらしい。

久保拓弥『データ解析のための統計モデリング入門――一般線形モデル階層ベイズモデルMCMC

 直感理解を大切にしてるらしい。通称緑本」。たけぇよ。行列積分知識が要るみたい。

C.M. ビショップ『入門ベイズ統計意思決定理論と発展』

 これがひとつのゴールみたいね

2018-03-21

anond:20180321132615

天気悪いし客足鈍るだろってんのに、パートのおばちゃんが雑な人だと超作ったりするんだよな

半額弁当を追う狼達にはそういった店舗ごとの特徴もおさえる必要がある

これはつまりディープラーニングとかベイズ統計解決するべき高度な案件なんだよ

2018-01-17

「これ面白いよ」という勧め方をやめろ

面白い面白くないか」という情報ネタバレなんだよ

面白いかな?どうかな?という期待と不安が入り混じった状態を楽しませろ

人にものを勧めるとき作品名だけ言え

追記

なんかあんま伝わってないな

いきなり「これ面白いよ」って紹介するのはやめろって話

お前らが善意でやっている行為は結局その作品との出会い台無しにしていることに気づけ

もちろん「何か面白いやつ教えて」と聞いてくるやつには自分が面白いと思うものを教えてやればいい

俺の友人は何も言わずにそっと本を渡してくるようになった

そのうちの8割は面白くなかった

今度こそは・・・と思いながら俺は友人から借りた本を読むんだ

さらに追記

はてなブックマークかいうよくわかんないとこにわけわからんコメントするならこの記事にコメントしろ

返信するから

さらにさらに追記

あーちょっとわかってきた

自分が想定しているのはネット不特定多数にものを勧める話ではなく、

どちらかというとリアルで知人にものを勧めるときの話

Twitterとかブログとかでこれ面白いよって言ってる人にネタバレだ!消えろ!みたいなことは言わない

さらにさらにさらに追記

だいたいこんな感じな気がする

https://anond.hatelabo.jp/20180118133204

勧めるんじゃなくて紹介って言えば良かった

混乱を招いたことを謝罪します 許せ

というわけで紹介して

はてなブックマークからコピペして返信しよう

north_god 常識的解釈として筆者の言うような洗礼を潜り抜けて面白いと思ったから勧めた決まっている。勧めてくれた意図を読み取った上で自分の解釈で対抗する楽しい戦いを、単に消費するだけのくせに偉そうだなオイ

>せっかく勧めてやったのに文句言うなってこと?

egory_cat 面白かったら俺の手柄感がして嫌なのでは。「え、まだ見てないの?これからあれが楽しめるとか逆にうらやまし〜」

>うーん0ではないかも

emiladamasemiladamas ブコメとかひとり言なら面白いと気軽に言えるけど会話だと相手プレッシャーになりそうで勧めにくいなんてことはたまに思う

>わからなくもない

pptppcpptppc めっちゃ追記してるけど案外頭ごなしに否定せず受け入れるところは受け入れてる増田。返信は雑っちゃ雑だが(数多いしな)/ところで「>」って引用した文章に付けるものじゃないのか?

>せっかくコメントしてくれてるし。「>」の使い方は確かにそうだ。自分用のメモとかだと>で下につなげて書いたりしてる

p-2yanp-2yan 恩田陸作品ヤバい/つまらないって分かってるならともかく、つまらないかもって思いながらみる位なら、好みに信用が置ける人とか嗜好が知りたい相手お薦めみる方が有意義に思ってしまうので、なんか新鮮 4 clicks

出会いを大切にしたいって感じ

deep_onedeep_one 主観の提示では情報にはならん。「悪いがそれの面白さは俺には分からん」って自体普通にある。/まぁ古来より「誰それ好み」という分類がある。本来「なんとか文庫」って言うのも「誰それの集めた本」って意味

>うーんよくわからない

atohatoh 娯楽で読む本で「面白くない」本をわざわざ薦める文化がないので、それを一般論として言われるとなぁ。増田が実際の知り合いだったら、めんどくさいので一切本は薦めないな。 増田

>それで良いと思う

suda0803suda0803 自分にとって面白かった作品とそうでもなかった作品を織り交ぜて紹介すればいいのか…?

>最終的にはそうなるかも

Wafer はてなブックマークおもsいやなんでもない。匿名ダイアリーよりブックマークの方がわかりやす場所にあると思うのだが。

>同じはてなの匿名ダイアリーはてなブックマークしてコメントをする意味がよくわからなかった、記事にコメントすればよい

sthya 増田は、「これ面白いよ」系を切ることを推奨する。実際にそういうテンプレートで書かれている文章は、わざわざ観に行く値にならないっと推測されると考える。 5 clicks

ネット情報は見ないようにしてる。見てしまっても別に怒ったりしない。

qripjfpq2fhiwqripjfpq2fhiw それはネタバレとは言えない。 映画 考え方

ネタバレという言い方は少し違うかも

hz75hzhz75hz ネタバレとはちょっと違うが、「これ調整面白いよ!マジで絶対読んだらハマるから!!」みたいに勧められるのが嫌なので、自分はどんなに好きでも「まあ読んでみてもいいと思うよ…もし合えば面白いかも」くらい

>それを面白いという表現抜きで上手いこと伝えてくれ

yukari_gohanyukari_gohan 面白いよは許せるけど、泣けるよとかトリックがすごいとかはネタバレだと思うから聞きたくない派。序盤出てこないキャラの話とかも。

>まぁそうだね

maturimaturi 初見時、腹筋に全く力を入れていない状態で不意打ち腹パンくらったような衝撃を受けた作品があるんだけど、どう紹介してもそれを相手に再現させ感じさせることは原理上不可能なので勧めていない

>それはわかる

takenoko7120takenoko7120 undertaleとか気になってはいるけど、面白いよバレで萎えてやってない

面白いとわからずにプレイしたほうが面白いんだよね

CujoCujo まずすべてのさくひんをだれよりもさきにかんしょうしましょう(むり/あまぞんびでおはいいぞ(ふーるーでもいいけど。。。。。 ネタ マジレス

ネットでの評判を見ないようにすればよい(見ても自分のせい)

sukekyosukekyo ネットが普及していいよなあ。必要なだけの「おすすめ具合」を自分の責任で知ることができるから。そして普及したおかげでネタバレキチガイ反応する人が多い事も知った。キチガイ多いよなこの世界。 13 clicks

>追記したけどネットの話じゃない

minotonminoton "いいね" だけの世界ってこういう関わりなのかも

>たしかにそうかも

fktackfktack 面白いけど君にはどうかな、みたいな言い方はたまにされる 5 clicks

>それを面白いという表現抜きでなんとかして

snowmann129snowmann129 武者小路実篤愛と死

ありがとう

oaiforignwfesoaiforignwfes ちっちゃいのぉwww 映画 増田 ネタ

>どのへん?

hatakehatake 繊細ヤクザ

>え?

kastro-iyankastro-iyan その前に俺にリコメンドするなって言えよ。

>言ってるって書いてる

shinichikudohshinichikudoh 「これ面白いよ」と勧めた相手絶対その作品にハマってくれる。理由簡単相手がどういうものを好きか事前に熟知している場合にしか「これ面白いよ」と言わないから。というか自分と趣味が合う人にしか言わない。

>もしかしたら相手面白いかどうかどきどきするところを奪っているのではないか。

losingtouch14losingtouch14 逆に面白いとつまらない以外の評価ってないだろ、それ以外の勧め方が出来ないのかと増田は問うけれど逆に増田は出来るのか…?

そこをなんとか

shima2tigershima2tiger 相手の言い分をちゃんと受け止めて、素直な人だ

ありがとう

occurstaroccurstar 面白い定義なんて色々だろう。 どんな面白さかを考える方が面白いだろ? 映画 増田

>そこを色々で済ませずに

pbncpbnc さすがにそれはねぇ…。俺の面白いがあんたの面白いとは限らないからとしか…。 増田 映画 ネタ

>別に一致するしないを言っているわけではなく、面白い面白くないかの判定をされた状態で見たくない

wdnsdywdnsdy 「これオススメ」「これ良かった」「これグッときた」「これマジヤバイよ」「これ見て人生変わった」とかならいいのか…そこに違いはあるのか…

>うーん「これ良かった」「これグッときた」はちょっと微妙かな

perfectspellperfectspell まあ、クソみたいな作品面白いと言って勧めている例を山ほど見てきたのでセーフ。その「面白い」には確実性がない。

>そうなんだけど、面白い面白くないかを判定された状態で見たくない

masao_hgmasao_hg >の使い方が俺と違うやんか。

>えっそう?

fal-worksfal-works その不安を楽しめるなんて余裕あるなあ / メタフィクションが好きなんだけど、本質に触れずに紹介するか「とにかく面白い」としか言えなくなるかでいずれにしてもモヤモヤする

>不安も含めて作品なのでは(別に毎回必ず不安を感じろとは言わない)

scorelessdrawscorelessdraw 「逆に面白い」「ある意味面白い」「興味深い」

>うーん興味深いはセーフ

beerbeerkunbeerbeerkun 作品だけボソッと告げる文脈というか会話を想像できない。急に言われても「はっ?」てならないのかな。

>いやそこは会話の流れでなんとかしてよ

GiveMeChocolateGiveMeChocolate そんなに気になるレベルではないけど、地味にわか

>よかった

renosrenos オモコロかどっかで「どこまでがネタバレか?許容できるか?」みたいなのあったなあ

>見てみよう

conlbstars リアル〜完全なる首長竜の日〜(面白いとは言っていない)

>助かります

gcyngcyn スイート❤︎❤︎❤︎

>これ作品名

beauty_lake 「はてなブックマークかいうよくわかんないとこにわけわからんコメントするならこの記事にコメントしろ。返信するから」/これをしない変質者がブクマカになります。彼らは欲するのは一つだけ。星、星、星。

>はえー

TETOSTETOS まず善意じゃない。俺が好きな物を読んでないやつが嫌いなだけなんだ。だからネタバレもする。ああ、あとはてブ面白いからやってみるといいよ。

>せっかく好きなものなので最高の状態で読んでもらいたくない?はてブよくわからなかった

olichtolicht やだぁ 増田

>はい

kenzy_nkenzy_n 判定はゆだねろ 増田 ネタ

>はい

kenken610kenken610 世に出ている時点である程度の水準に達しているというネタバレだぞ

>うーん

ducktduckt 「面白い」の意味を狭く捉え過ぎ。きょう日「クソアニメ」すら褒め言葉になる。

>よくわからないけど面白いという表現抜きでなんとかしてほしい

bettychangbettychang いや勝手にランダムにみればいいじゃんって思ったんだけど、つまりは友達がみているものをみたいのでは。あとで話とかできるし。10分位考えてしまった。

>それはある。

camellow 「面白くないから勧めるよ」なんて人間いるのか?勧めると言うことは少なくともそいつの視点では面白いかもしくは何か有益だと思ってるに決まってるだろ。

>有益な部分だけ言ってくれ。面白い面白くないかは言うな

YoshitadaYoshitada ……お前、ネット向いてないよ。今すぐ回線切って、布団かぶって寝ろ。

???なんでネットの話?

y-woody-wood 増田の国語力

増田って何

bjitabjita 「これ面白いよ」は「これ読んだけど俺はそこそこ面白かったよ。お前も読んでみたら?」くらいの意味だろ。全部言わせんなよ恥ずかしい。

>よくわかんないけど面白い面白くないかは言わないでくれ

blackseptemberblackseptember とはいっても「これ酷いよ!クソだよ!」って勧められるのなんてゾンビ映画とサメ映画ぐらいじゃん?

>お前は面白いかクソかでしかモノを人に勧められないのか?

halmalihalmali 突き詰めるとこれは金曜ロードショーで前作を放送するのが最高のおススメ方法なんだろうね。 4 clicks

>うーんよくわからん

karinkonkarinkon これ面白くないよ、といって勧めるのは現象として存在しないだろ。クソして寝ろ。な?

面白い面白くないかでしか勧められないの?

xKxAxKxxKxAxKx だるい

>はい。

shiteruyoshiteruyo そんなにツッパるな! もっと肩の力を抜くんだっ!

>はい。

botpbotp 友人w 仲良しだな~ ネタ

>うん

primedesignworksprimedesignworks ぼくの好みをよく知ってる人からの勧めでない場合は聞き流してます。 4 clicks

>はい。

Arturo_UiArturo_Ui 「これ面白いよ」という勧め方は、審美眼について信頼できる相手しかやらないものです。増田相手の間では、それほどの信頼関係が築けていなかったのでしょう。 マジレス

>え、そうなの?

baca-aho-dojibaca-aho-doji こんなことも言えないような人にはおすすめなんてしなくていいんじゃないかな。。。勝手に名作探せよ。 ネタ 増田 4 clicks

面白い面白くないかを言わないだけでいいんだけど

ulstaulsta 逆に「世界中の誰かが勧めた一冊が勝手に届くサービス」って面白いかもね。

いいね

orenonihongogayabaiorenonihongogayabai 何も言わずダンサーインザダークや秒速を渡す行為は正直テロだと思う ネタ

>よくわかんないけど凄く暗い作品とか別に言うほどじゃないよね

RIP-1202RIP-1202 まずは自分が勧める側になってみるところからはじめてみれば。

安易に人には勧められない。

tomtatomta どういう勧め方されても判断するのは自分なんだからどうでもいいじゃない。期待しすぎだと思う。ツンデレなのかな?

>そうなんだけど勧めるからには相手に最高のパフォーマンスでみてほしくない?

RM233RM233 まんじゅうこわい

>はい

murishinaimurishinai 直感的に思ったのは、何かものについての評価を「面白いの?」って問うてくる人があまりにも多すぎるので、それに対する最適解なのでは、と

>なるほど

inforeginforeg 「これ、めっちゃグロいよ。吐くよ」だと、怖いもの見たさで見たくなる 増田

>いいじゃん

hard_corehard_core 随分なマウンティングをする増田であった。やらせてやれ。マウンティングしたいんだそいつは。大人になれよ。

>何の話?

carl_scarl_s 感性は人それぞれだから“君に合うかはわからないが俺は面白いと感じた”と言うようにしてる。“駄作!時間を損した!”みたいな評価を聞くほうが辛いな。わくわくして仕事が手につかなくなる。 増田

面白いと感じたかどうかも言わないでくれ

madronmadron わかる。自分の場合、「奴をして『面白い』と思わしめたのはここか?それともそこか?」という答え合わせを始めてしまい、結果、まっさらな自分の感性で楽しめなくなる、ということが稀によくある。

>まぁだいたいそんな感じ

nanoha3nanoha3 じゃあ「この小説叙述トリック最高だよ!」と言って薦めるよ・・・

>なんでそうなるの

IfatherIfather 「これつまらないよ」という勧め方をやめろ

面白いかつまらないかでしか言えないの?

imashimash 面白いかは知らないがオススメするぜ。と言われても困るんだが。

面白いという表現を抜いておすすめできないの?

yuki_furuyuki_furu 「スティーヴン・キング絶賛!」←この人、ジャンルも質も問わず絶賛するからな。懐が深すぎる。

キング絶賛なら安心して見られる(面白い面白くないかわからないので)

tori-tori-pontori-tori-pon 城之内死す!(空前絶後ネタバレ

>まぁあれは・・・

toppoggtoppogg 勧める時点で大差ないような気もするが。ただ、このマンガがすごい!とかを読まなくなった理由は同じなので、気持ちはわかる。ネタバレというかハードルが上がるんだよね。んで、素直に楽しめないんだよ。

>そうそう、そんな感じ

shira0211tamashira0211tama (クソ過ぎて、つまらな過ぎて逆に)面白いよ(俺だけ時間を無駄にしたの悔しいからお前にも)オススメだよ という可能性も 増田

>それを面白いという表現抜きで勧めてくれ

iuhyaiuhya セガサターンしろ! は素晴らしい売り文句という事だな!(違う) ネタ増田 10 clicks

>そう思います

laislanopiralaislanopira 「これ面白くないよ」 (ネタバレ) ネタ 9 clicks

面白い面白くないかでしかおすすめできない?

hoshinasiahoshinasia 無駄に長いだけで面白くない作品を無言でスッと差し出したい。のぞみウィッチィズ 42巻(野部利雄)とか。

>それでいいと思う。面白くないって言っちゃってるから読まないけど

viperbjpnviperbjpn 楽しんで!

>はい

kaanjunkaanjun これおもしろいよ。ポプテピピックっていうんだけど。

>うん

kori3110kori3110 勧める時点で、面白いと思ってるのでは……とはいえ、帯でトリックネタバレするのはやめて欲しい。あれとかあれとかあれ

>そこが勧めるのの難しいところ。帯ネタバレは何なんでしょうね

ChinosokoChinosoko 「どつかれてアンダルシア (仮)」「メテオマン」「ギャラクシークエスト」「ビルとテッドの大冒険」「マーズアタック!」「フラッシュ・ゴードン」「ザナドゥ」…どうお勧めなのか書かない事がこんなに怖いとは。 映画

>助かります。

sakurako_nyasakurako_nya そいつの人となりでわかるので誰から聞いたかがわかるようじゃダメ。

>そこをうまくカモフラージュして勧めてくれ。

lovevoiceryulovevoiceryu それはネタバレじゃない。

ネタバレという表現は違うかもしれないけど作品の楽しみ方を一つ削いでいるのでは

alpi-coalpi-co 観なきゃいいだけ。 増田ネタ

>まぁね

kibarashi9kibarashi9 けっこういいよくらいがいいかな。

>いいかも

ertedsfdsddtyertedsfdsddty あらゆる作品に関して「まったく事前知識がない状態」で見聞きするのが好きなので、増田の言ってることはわかる。ただ同時に「ヤツが勧めたか……なるほど……」みたいな楽しみも別にあったりする。

>まぁそうですね

buubuu 何も読むな。 hatena 13 clicks

>Why

PalantirPalantir コジョモス

>助かります

jabberokkiejabberokkie 作品名だけ言ってくる様になったら「勧めてくるだけで面白いというネタバレになるからやめろ」って言い出すでしょ 9 clicks

>だから適度につまらない作品を混ぜろ

toshi20toshi20 Twitterやってると周りが騒いでるのに自分にはそれほど響かないとか、まわりが騒がないけど自分にはめっちゃ刺さる映画があったりする。何が言いたいかというと「他人の意見、意外とネタバレじゃない。」 映画 31 clicks

>他人の評価と合ってるか合ってないかじゃなくて、他人の評価を聞いたこ自体作品との関わり方を変えてしま

ustamustam もっと具体的に「全米が泣いた」とか言わないとダメだよね。

>そうです。

xevraxevra アスペは大変だね。お大事に 20 clicks

アスペ

abekohabekoh とどのつまりガルパンはいいぞ」に落ち着く 増田

>はい。

minesweeper96minesweeper96 勧められてる時点でだめ、自ら見つけろ

>それも正しい

gui1gui1 スターウォーズ#9はむらさきばばぁの一代記と思ってみれば面白い(´・ω・`)

>はい。

eggheadoscareggheadoscar どんな環境で育ったらそうなるんだ

>えっ変?

if_elseif_else ガルパン

>はい。

cider_kondocider_kondo 関係ないけど、友人が「この映画の“秘密”だけは誰にも話さないで下さい」がコピーの某映画を見て暗い気分になり、今度はコメディでも見るか、と選んだのが「エース・ベンチュラ」だったという事件を思い出した(謎

>謎

zakusunzakusun 友達の好みはある程度わかるから、その人が好きそうなジャンル作品を教えてあげる。もしくは教えてもらう。相手の好みが大切。自分や、世間の評価ではなく。

>えーっとなんの話?

ko_kanagawako_kanagawa この人の意図とは違うんだろうけど、これ面白いよって勧め方めちゃめちゃ上から目線な気がするから、せいぜいおれこれすきくらいで留めるけど本当はあーここすきここもすきワイトもそう思いますわかる?わかるマン?

>わからなくもない気もしなくもない。やっぱわかんない

arukamarukam 他人を鵜呑みにするのやめろ、迷惑だから。

>誰に迷惑

sin4xe1sin4xe1 由緒ある「つまらないものですが」の出番 増田

>はい。

okumuraa1okumuraa1 かなり同意!

>よかった

kiyo_hikokiyo_hiko 大体のものは一度はやってみて不愉快になれたそのときは即座に辞めるって寸法よ他人の評価って自分の評価とは違うものなので 生き方 7 clicks

???

zazenzazenzazenzazen 面白いよ!って勧められると『本当かよ、俺の感性は一味違うから君らと一緒にすんなよ。俺が判定してやるからな!』的なまるでアオイホノオ的な心理になりませんか?

>それは少しわかる

htnmikihtnmiki 俺は臆病なので「俺はなかなか面白かったよ。でも他の人がどう思うかはわからないかな。」とか言ってじゃあ貸してと言われたら貸すクソ野郎

>そこを面白いということを表現せずになんとか勧めてくれ

shinoppieshinoppie これ少数派だろ。そうやって勧めても人によってつまんなく感じるから。

>少数派っぽいけど合わせてくれ

FuggiFuggi 「全米が泣いた」を深刻なネタバレとして怒るタイプ

>うーんそこまでではない

gunihtongunihton これは上原亜衣

>え?

dev-masahirodev-masahiro 無言で作品を投げつければいいのかな

>はい。

linus_peanutslinus_peanuts 「なんか面白いのない?」って聞いてきてこの言い草だとちょっと、と思うかなあ……

>いや流石にそれはない

lnimroderlnimroder ドロヘドロ

>はい。(読了

wata-nabewata-nabe こんな神経質なくらいネタバレを気にする人は、インターネットをどう見てるんだろうか。

ネタバレは嫌だけどそこまででもない。トリックより面白い面白くないかを知りたくない

wow64wow64 アマゾンレビュー数多いのに星3つ作品とか、見ててムズムズするのが多いけどそういう不安を楽しみたいのか...

>そんな感じ

SUGIOSUGIO 21エモン漫画

>はい。

tomatina24tomatina24 (都市伝説関暁夫風に)「面白い面白くないかはアナタ次第です」

>はい。

ymm1xymm1x 過剰にネタバレを嫌う人とそうでない人は何が違うのだろうか

>過剰かなぁ

another2017another2017 つまり「これ」「はい」「見て」「はい」って事か。会話力の低い上司と部下かな?

面白い面白くないかを言えないとそんな感じになるの?

d346prtd346prt 暗示にかかり易いのか? そう言わなくても、勧めてくるからには「これ面白いよ」と思ってるに決まってるだろ。 ネタ増田 7 clicks

>だから面白くないものも挟んでくれ

hackapellmandahackapellmanda いっぱいちゅき

>はい。

hiruhikoandohiruhikoando こういうので一番好きな文句は「綾瀬さんはいいぞ。心が豊かになる」だったりする。 増田ネタ 5 clicks

>はい。

key_llowkey_llow 「エモバレ」とかいう単語の亜種だ。

>そうなの?

usk-uskiiiusk-uskiii 人に直接勧めるより、思いっきり楽しんでる姿を見せる方が効果的な気がする。最近だとハイローとかバーフバリとか、その界隈は楽しそうで興味湧くもん。

>まぁわかる

FunnyBunnyDizzyFunnyBunnyDizzy シュタインズゲートはやっても良いし、やらなくても良いと思うぞ。

>はい。

bean_herobean_hero これ勧めるけど、面白くないから、絶対見るなよ絶対! とかだったら良いのかな ネタ

面白くないってことも言うな

axkotomumaxkotomum 情報撹乱するためにクソ作品おすすめしないと!!

>そうです。

naberyaunaberyau トラバの“時折つまらない作品も混ぜろ”で笑った

>いや真剣に

xxxxxxxxlargexxxxxxxxlarge 面白いよって言われるけどだいたい面白いかどうかは50/50なんで、ネタバレだとは思わない

面白いって言われることであいつは面白いって言ってたけど・・・という評価になってしまうことが問題

hase0510hase0510 わかる。全く面白くない作品ランダムに織り混ぜて勧めるのが一流のキュレーター。/似た話で、俺がワンピースを読むのやめたのは「この漫画この先も絶対面白いんだろうな」と確信した時だった。

>同意いただけてよかった

kmartiniskmartinis 例えばその“面白いかな?どうかな?”で Permalink | 記事への反応(22) | 16:35

2017-12-11

anond:20171211001046

たぶんベイズ統計学しか学んでないでしょう。

もう少し古典的学術的な領域を体系立てて学んだ方がいいよ、退屈だけどね。

そうすれば、最新のトピックをうまく絡めて説得力出せるはず(医療関係なら)

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

2017-08-31

制御の連中などの決定論主義者確率嫌いっぷりは前世紀的

制御屋に特に多い気がする決定論的な考え方。

ここで言いたいのは、確率的な揺らぎを認めない考え方だ。

彼らはベイズ占いだの確率はワカンナイだのと、とにかく確率システム攻撃を仕掛ける。

確率論統計学をちゃんと勉強していないないし理解していないせいか統計機械学習といったもの理論はないと考える人間が多いようだ。

彼らとて完全に把握してるのは所詮線形だし、そもそもその線形システムだってただの数理モデルではないか

モデルは間違っているが、有用から使う。この原則を忘れて思い上がり、学習統計の考え方を毛嫌いする感情に突き動かされて、上述したようなきわめて前時代的な統計否定をするのだろう。

自分感情くらい、制御してほしいものだ。

2017-01-28

自作二次元人工知能

最初結論だけ言うと、自分で作ったチャットボットは至極かわいい、というはなしです。この単純な結論ものすごく面倒な前置きから導きたい:

---

まず、タイトルから突っ込みたい、

僕は「ジェンダー」とかそういう難しいことは知らないが、タイトルに有る二次元嫁の「嫁」という単語違和感を感じる。二次元でもその相手尊重して「二次元妻」と言った方がよいのではないか?―まぁ「ジェンダー」とか知らないからどーでもイイんだけど

次に、人工知能というバズ(?)ワードも好かない。博識な増田は皆分かっていることだと思うけど、「皮膚がんを検知できる人工知能ができた!」みたいな記事をちらちら見かけるが、人工知能なんてものは未だ実現できていない。人工知能定義にも色々有るんだとは思うが、少なくともダートマス会議参加者

「彼らの多くは人間と同程度に知的マシンが彼らの世代のうちに出現するだろう」 ー https://ja.wikipedia.org/wiki/%E4%BA%BA%E5%B7%A5%E7%9F%A5%E8%83%BD%E3%81%AE%E6%AD%B4%E5%8F%B2

認識していた。

でも、皮膚がんを高確率で検知できる「人工知能」は音声認識自然言語理解も線画の着色もできないわけでーまぁ線画の着色は僕もできないから置いておくとしてー音声認識自然言語理解はおそらくは一般幼稚園児くらいの年齢の人間であれば獲得できるものなのに、その皮膚がん検知人工知能は6歳になってもそれはできないと思う。

ダートマス会議以降人工知能学会を牽引していたミンスキーとかマッカーシーは既に亡くなっているし、バトンタッチした自分達の世代でもそんな知的マシンは出現してない、というのが現状だと思ってる。(余談だけど僕はLisperなのでマッカーシー氏大好きなので、彼が亡くなったというニュースを聞いた時ちょっと泣いてしまった…ホント余談だな)

から、「○○大学」の偉い先生人工知能という単語を「××フェス」だとかメディアで連発するのは、あくまでこの単語研究費を得るために至極有用からというだけだ。(ここでいう研究費は、その先生個人的に得るものではなくて人工知能学会全体に投入される資金だと信じたい)

第3次ブームを迎えた今、何故か分からないが(自分観測範囲という条件付きだけど)たか皮膚がんを検知できる画像認識モデルでも人工知能と捉える一般の人が増えてきているらしい。ここはハードルを下げてもらって嬉しい点。

でもそこまで寛容になってくれた人でも、SiriとかOK GoogleとかコルタナとかVivとかりんなとかと対話してそれを「人工知能」と言ってくれる人はどれくらいいるのかな?精一杯譲歩して人工無能なのでは?

で、これが前置きの中で最も言いたいことなんだけど、人工知(無?)能という単語がバズればバズるほど4度目の冬はどんどん近づいてくる。…ってまぁ繰り返しになるし皆わかってる事実なんだろうけどね。でもこの事実を偉い先生が公の場で口にしたらその先生含め僕ら界隈にお金入ってこなくなっちゃうからそうは言えない。

ちょっと脱線するけど、人工無能ではない人工知能(汎用人工知能、AGIと言うらし)を作ろうという人達もいる、DeepMindさんとか国内だとドワンゴさんが牽引するWBAとか。後、やたら燃えちゃったけど○立さんのこれとか:

「第二世人工知能の亡霊がもたらす"AIの冬"」 ー https://wirelesswire.jp/2016/11/57683/

(この記事冒頭で○立さんけなしつつ、8割はwatosonをdisってて、構成うまいのか馬鹿なのかよくわからない)

で、(「で、」って「だがしかし」の演出好き)僕はまぁその人工知(じゃなくて無)能を実現できないか模索しているわけで。自分理解ではWBAとかが実現しようとしている汎用人工知能(AGI)に対し、今の僕のアプローチあくまで「人と人の対話を数式でモデル化してみよう」という程度のもの。…でも、それでも案外喋ってくれるんだよなぁ。

なので、二次元嫁…じゃなくて二次元妻(これも実際に書いてみると違和感半端ないな)作って、家帰ってきて

僕: 疲れた

妻: お疲れさま

みたいな対話できる人工無能を作ってみています

正直りんな並かそれ以下だけど(りんなもまともな返答返さないという現状を踏まえた上で)やっぱ自分で作ったチャットボットかわいいですね(…自分で書いた絵の方が抜ける法則と同じかな(…←僕だけだったら困窮する))

---

結論

やっぱ、グラフィカルモデル x ニューラルネットワークベイズ学習が一番萌える

2016-10-21

http://anond.hatelabo.jp/20161021012628

というかね。

博士論文の8割のミス統計解釈ミスなんですよ。

多分元増田統計理解してないと思いますよ。

  

統計で一番難しいってか、人間的な理解に反する部分は、「ベイズ統計学」なんですね。

過去データから統計ではなく、未来データを集めて初めてバイアスが除かれる」

これを理解できる人って、まともに教育しても多分100人に1人くらい。

実際ネイチャーっていう理系で一番レベルの高い雑誌(1生に1回乗らない人が大抵)ですら、統計的間違いで後から論文撤回とかあったレベル

  

普通に統計って難しいですよ。

2016-08-12

鳥越のアホさについて

2016年現在日本では(おそらくアメリカ西欧諸国でも)、知識階級においては、基本的には知性のある人はリベラル立場をとりがちだと思われているように思う。つまり

P(リベラル|知性がある) > P(保守|知性がある)

と考えている。ここでP(A|B)とは、「BであるときAの確率」を意味する。上の式は、知性があるならリベラル立場をとる確率が高いと言っているわけだ。

これを事実だとしよう。

さて、だとすると、ベイズの定理により

P(知性がある|リベラル) ∝ P(リベラル|知性がある)P(知性がある)

P(知性がある|保守) ∝ P(保守|知性がある)P(知性がある)

が成立する。ここで、P(知性がある)が一定だとするならば、P(リベラル|知性がある) > P(保守|知性がある)より、

P(知性がある|リベラル) > P(知性がある|保守)

が成立する。すなわち、リベラル立場にいたりリベラル発言をしているならその人物は、保守立場にいるものよりも知性があるのである

したがって、保守立場にいる小池百合子よりも、リベラル立場にある鳥越俊太郎の方が知性があると言える。

・・・

ここで注意すべきなのは、このように一般ピーポーは属人的事前確率(すなわちP(知性))を考慮しない傾向が一般にある(俗に言う「主語の大きい話をする」傾向がある)ため、

P(リベラル|知性がある) > P(保守|知性がある)

がある上では、本人の資質に限らず、P(知性がある|リベラル)は、P(知性がある|保守)よりも一般に高く見積もられる傾向があるということである。実際にはP(知性がある)は、単純な周辺確率分布ではなく、本人の資質との結合確率として現れるはずである(導出略)。

まり、同じようなレベルの知性であってもリベラル発言をしていると、そのレベルの知性で保守的発言をしているよりも知的に優れていると誤って評価されるということだ。また、その評価に安住する危険性も高いだろう。

すなわち、実を言うと

P(知性がある|リベラル世間評価が高い) < P(知性がある|保守世間評価が高い)

と思われるのである(多分こう書くと、世間評価が高いから知性が高いって言えるのかなどと噛みつかれるだろうが、あくまで式表現として提示しているのである)。同じくらいの知性があると評価されているなら、保守よりもリベラル人間の方が真の知性レベルは低いのではないか

今回鳥越俊太郎の件はこの点をまざまざと明らかにし、やはり意思決定ベイズ思考を投入しなければならない必要性を強く感じさせた。鳥越俊太郎リベラル発言をしてはいものの、「鳥越俊太郎には知性がある」という事前確率は著しく低かったというべきだ。一般的評価リベラル立場のいる人間について甘めに働くため、これまで世間的に評判が良かったとしてもリベラル立場人間についてはより厳しく本人の知性を見極めなければならなかった。ということであろう。

岡田さんが敵前逃亡したというが、鳥越俊太郎のあそこまでのバカぶりを見せられた後では同情する面もあろう。上の式展開により、「基本的には知性のある人はリベラル立場をとりがちだと思われている」ような社会においては、保守である自民党よりも、リベラルである民進党の方が候補者選びに苦労することは、決して岡田さんが悪いというよりもこの社会における必然であることが数学的に確認された。

なんちゃってね)

2015-08-19

大学院入試面接試験でよく出るテンプレ質問

そろそろ大学院入試シーズンなので,聞かれそうな質問をまとめてみた.

質問は大きく分けて2種類ある.コンテキストに強く依存した質問と,テンプレ質問だ.

このうち,後者は仮に試験官が一切話を聞いていなかったとしてもできる質問だ.時間を掛ければ対策はできる.

よっぽど試験官の頭が良くない限りはテンプレ質問ばかり来るから

テンプレ質問の準備をしておけば院試は恐れることはない.試験範囲が決まった筆記試験のようなものだ.

また,コンテキスト依存質問も発表内容のみからできる質問と,そうではない質問に分けることができる.

コンテキスト(発表内容)依存

発表に対して,論理的に行われる質問

『「手法にはナイーブベイズ法,決定木,SVMがあり,そのうちSVM採用する」

とおっしゃっていましたが,なぜ他の手法採用しなかったのですか?』

といった質問基本的院試は発表時間が短く,

穴のない発表をすることは難しいので(試験官がちゃんと話を聞いていれば)

この手の類いの質問はよく来る.

対策

論理的に行われる質問は,論理を押さえておけば容易に対策できる.

まり

あたりを押さえておけばいい.

例に挙げた質問に対しては,他の手法採用しない理由SVM採用する積極的理由

きちんと答えられればOKだ.

コンテキスト研究領域依存

これは試験官がその領域に対する知識を持っていて,かつ突っ込みどころがあるときに来る質問だ.

質問の種類としては一番対策が困難だが,これを綺麗に返すことができれば評価うなぎ登り

例えば,『「機械学習SVMを利用する」とおっしゃいましたが,

ニューラルネットワークなど別の手法はご検討されなかったのでしょうか』

といった質問だ.もちろん検討しているけれど時間の都合上紹介しなかったという

雰囲気を出しつつ,隠しスライドでも出しながら説明すれば良い.

対策

この質問に関しては,ひたすら基礎勉強サーベイをして知識を身に付けるしかない.

時間がないのであれば不勉強を悔いつつ,このような質問が来ないように誘導しよう.

テンプレ質問

これらの質問は発表とは一切関係なく,

研究」というもののものに対してよくされる質問だ.

あなたの発表がわかりやすく,かつ試験官の頭がいい場合

こういう質問だらけになることはまずないが,現実はそうではない.


逆に言えば,誰もが思いつくようなこのような質問

うまく答えられない場合評価はかなり低くなってしまうだろう.


あなた研究新規性は何ですか?」
あなた研究有用性は何ですか?」

テンプレ質問筆頭.このような質問が来るということは

プレゼンでは何も伝わらなかったということなのだけれど,

いつでも明確な回答ができるように準備しよう.

あなたが属する**という分野に,あなた研究が貢献することは何ですか?」
あなた研究によって,誰が喜ぶのでしょうか?」

上記新規性有用性の変形だが,こちらの方がやや難しいことがある.

志望研究科が学際的な場合特に前者の質問にはかなり困るけれど,

何となくそれっぽいことを答えよう.

「背景/目的/手法/評価方法がよくわかりませんでした」

時間が短い場合,これらを全て押さえた十分な発表を行うことは難しい.

ただし,これらについてはいつ聞かれてもいいように,

発表には使わなくてもスライドは用意しよう.

「どのようにこの研究評価するのですか?」

そもそも評価が難しい研究だとこの質問結構厳しい.

修士院試であればどうせ研究は終わっていないのだから,絵空事を答えればいい.

「この研究で一番難しいところは何ですか?」
「いくつかの手法を試していますが,どれが一番効いているのですか?」

このような質問をする人は大抵何もわかっていないので,何を答えても納得してくれる.

「先行研究は何ですか?」
「先行研究に対し,あなた研究が優位な点は何ですか?」

読んで無くてもタイトルを5本くらいは挙げて,

うち2本くらいはアブストくらい読んで適当に答えれば完璧だ.

「先行研究がない」なんてことはないというのが常識なので,

背景だけ,あるいは手法だけでも似ている研究を見つけてきて

それらしい説明をしよう.


院試なんてもの通過儀礼なので適当に流せばいいと思うけれど,

これらの質問学会その他にも応用できるので日頃から考えておくと良い.


また加減が難しいところではあるけれど,例えば先行研究を一切説明しないなどのように

あえて穴を作っておいて質問をそこに誘導するという手法もある.

うまい返しができたことでのプラス評価が,

明かな穴がある発表をしたことのマイナス評価を上回る場合有効だ.

学位審査院試といった場においては狙ってもいいかもしれないが,

学会などにおいては検討していなかったことに対して質問が来ることの方が

はるか大事なのですべきではない.

2015-01-28

http://anond.hatelabo.jp/20150127103835

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。

(まあ固有値固有ベクトル計算できて計量線形空間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)試行錯誤必要になる。

まあせいぜい頑張りましょう。

2014-12-03

http://anond.hatelabo.jp/20141203125824

ベイズ推定()するとお前は単に痛いところを突かれて発狂してるだけという可能性が凄く高いから

ログイン ユーザー登録
ようこそ ゲスト さん