どう考えても,データサイエンスって重要.だけど,しっかりと数学を使って,基盤のしっかりした方法論にしないと,役立たないでしょうよ.
ビッグデータ,確かに大切.でも,方法論を軽視すると,発展しないでしょ.
がんばりましょう.
ビッグデータ,確かに大切.でも,方法論を軽視すると,発展しないでしょ.
がんばりましょう.
気ままにお勉強,やはり,大切.だけど,コレをきっちり職に繋げる,そんなテクニックを自分で開拓しないと,ちょっともったいない,そんな気がしているの.数理系って,実は,食べていける,そんなスキルなんだけど.だけど,工夫が必要だし,投げ出すと,重荷かなー.
グローバル・ロジスティクス,と言っても,グローバルをあえて付けることしなくても・・・でも,まあ,ココイラの事情はわかるけど.で,この分野の人材育成にも興味があるのだけど,これ自体,グローバルの視点で思考しないと発展しないでしょ.欧米のスクールに興味があって,既にMBA化かな?
情報に関して,ちょっとオモシロそうな概念を仕立てる,そんなことを考えているの.例の事前分布の扱いのことだけど.経験ベイズだけど,マージナルで尤度を構成してハイパパラメータも推定する,そんな仕掛け.だけど,層を増やせば,また事前分布の設定を説明する必要が...で,実践からコレを解釈
推定量の理論,きっちり尤度を基本に理解するのが大切.もちろん,幾何で観る場合も,これを意識して...実はノンパラも,しっかりこういった背景にかぶせて理解することもできるの.さらに,モデルと推定量を同軸で観て,しかも事前情報もそこに埋め込む,そんなこと.でも想定って深いの,何を?