機械学習と品質経営

とりあえず，アレコレと考えている，そんな状態．機械学習と品質経営のこと．

具体的には，ディープラーニングに落とし込んで機能喪失のことを考究，只今，そんなこと．

Rでも計算は可能だけど，Pythonの方が世間では受け入れられるのだろうか？　とりあえず，基礎と応用を・・・．

ココイラのテクニックだけでなく，アイデアそれと実際での問題把握なく，時間をかけてじっくり取組む，そんなことって大切でしょうよ．拡張性もあるので，自分のオリジナルを大切に・・・．

そう言えば，娘の修論書きだけど，オリジナルへのリスペクトが足りない，そんなことを感じている，という具合．SEMを使ってアンケート調査の結果を導いたのは良いけど，体系をしっかり形成しての論文となると，文献調査や他の方法論，解釈など，自分以外のこともまとめる，そんなことが必須でしょうけど，どうも横柄さが目立って・・・．要は生意気で，甘いとしか言いようがなくて・・・．

そのうち，自分の論文の穴に気づくでしょうし・・・．そこからがスタートでもあって・・・．結局，博士後期に行くには余りに能力が無い，という判断だけは確かでしょうよ．才能が無い，要はそんなこと．

階層ベイスモデリングと学習推論，および並列計算

とりあえず，ココイラの考究だけど，とても大切でしょうよ．

そう言えば，確率過程の方法論も大切にしているし，研究もしているのだけど，現実を見極めて新たな知見をオリジナルに考察して，取組み続ける，そんなことって重要かと．

常に依存しかできない，ということだと，オリジナルを開拓する，という姿勢そのものを理解することが難しい，そんなことになってしまって・・・．

特に，関わるべきか，関わらないべきか，という選択って必要で，常にオリジナルの開拓が見出せる可能性をベースに判断するのが良いでしょうよ．

並列計算

計算数理の力量だけど，並列処理のテクニックを身につける，ということも必要でしょうよ．

そう言えば，CPUの方はMPIを使う，というのが定番だけど，アレコレとちょこっと弄っているNVIDIAのGPUの方はCUDA，そんなことのようで，特にCUDA Cのお勉強を・・・．

ベイズ推論を用いた階層モデリングの計算数理だけど，この先のビジネス・アナリティクスが急激に発展することを鑑みると，やはり徹底的に考究を深めて・・・．

ディープラーニングの持つ様々な拡がりの可能性と計算実装のことが気になるし，GPUでビジネスが変わる，そんなことも感じられて・・・．