具現化をしながら丁寧に積み上げる、というやり方が良いでしょうよ。もちろん、理論の整理が前提、ということ。データ駆動科学に基づくベイズ信頼性解析のことで、只今、アレコレとセミナーの準備という状況。
そう言えば、オリジナルの研究を成果として出すには、自分の分野を切り拓く、という当たり前のことが必要で、ココイラを間違ってしまうと、結局、何も残らない、ということでしょうよ。
要は、他人のアイデアや成果に乗っかるだけで、常に、デキた気分になっている似非のやり方だと後で滅びる、ということで・・・。
ニューラル・ネットワークおよびディープ・ラーニングだけど、さらなる発展のための考究って大切でしょうよ。個人的には、経営統計と統計的意思決定の科学的方法論およびその応用のアタリをアレコレと扱う、という具合で・・・。
そう言えば、組織と学習の理論モデルとココイラがどう繋がるか、ちょこっと気になる、そんなことでもあって、特にエキスパート・システムとの関りが重要かと。