ナレッジ・マネジメントとビジネス・アナリティクス、およびモデル・ベース学習推論

データを使うことの大切さだけど、流行としては確かに勢いを感じる、という気がしているの。特に、ビジネスでは、ＩｏＴとデータ・マイニング、ＡＩ・・・といった具合で。

だけど、ビジネスの基盤となる経営学の理論との繋がりをきっちり考える、ということって凄く重要なの。要は、ナレッジ・マネジメントとビジネス・アナリティクスの関りを理論と実践でしっかり組織に導入して学習とイノベーションを持続させる、とういう仕掛けを理解する、そんなこと。

ココイラの全体をモデルとして捉えて、かつシステム思考とデザイン思考とを絡めたデータによる学習推論、というアタリをしっかり組むのって大切でしょうよ。

デミング先生って頭の中では不規則・非線形・非可換でのマネジメントを描いた、ということなのか？　個人的には考察は続くけど・・・。

頑張りましょう。

社会科学を対象にすることの大切さ

エンジニアリングとマネジメントの融合だけど、社会科学が対象でもある、という認識って大切でしょうよ。

ココイラの理論もつくる、という姿勢が必要でもあるの。

頑張りましょう。

機械学習の数学

理論の根底を大切にする、という姿勢って重要でしょうよ。

そう言えば、Mumford先生だけど、ココイラをどう捉えておられのか、凄く気になって・・・。代数幾何から確率とパターン認識へとご興味が広がった？背景が知りたくなってきている、というのが個人的な状態。

機械学習だけど、基盤の数学がより高度に・・・・。要は、代数幾何や非可換幾何との関係が気になって・・・。

頑張りましょう。

非可換の確率計算および推論法

確かに気になる、ということでしょうよ。非線形現象とどう絡むのか、ということも考察したい、という気分。

非可換の確率計算および推論法のこと。

自分のテーマに落とし込んで考える、というのが個人的には嫌いじゃないやり方だし、時間はかかるけど、到達がし易いかなーと。

頑張りましょう。

経済物理学

金融での機能喪失、そんなリスクのことも考えている、という具合。だけど、メカニズムのモデリングが難しくて・・・。

 

要は、経済モデルを物理学の捉え方で構成してみようかとも思っていて、アプローチを変えて・・・。

 

そう言えば、理論経済学のモデル構成だけど、ミクロ分析って解析力学の発想と重なる感じであるの。この先、ココイラってどう展開するのかも気になっていて・・・。

 

モデルの数学構造をより高度にしないと・・・。もちろん、計量経済学の方法論も・・・。

 

頑張りましょう。

メカニズムのモデリング

とりあえす、ある物理現象に着目して、ココイラでのモデリングの数学をアレコレと考えている、そんな状態。

もちろん、シミュレーションのプログラミングも行って・・・。それと、固体物理学にも拡張して・・・。

基本から丁寧に積み上げて、データサイエンスとも絡める、ということに。

頑張りましょう。

積み重ねのお勉強

教養部での物理学だけど、考え方の養成も兼ねて凄く重要だった、というのが個人的な思い出なの。もちろん、物理学の授業で数学も学べた、ということだったかと。

３５年近くも前なのでやや記憶が曖昧だけど、１年生の前期が力学で、後期が電磁気学、２年生の前期が相対性理論で後期が量子力学、という内容だったかと。

２年生では専門の基礎科目も学んでいたので、弾性体、流体、熱の基本もそれぞれの科目でお勉強、ということだったかと。３年生ではさらに応用で・・・。

修士では制御を専攻したのだけど、対象の原理の理解を学部でしっかり学んでいた、ということがとても役立った、ということだったかと。代数と偏微分方程式論、それに関数解析、確率論も修士の頃に学んで、知識が広がった、ということに。

博士の頃は統計科学が専攻だったので、何しろアレコレ・・・。物理モデリングと統計モデリングの違い、それと推論理論の考え方と細かい計算を自分なりに考え抜いて・・・。

そう言えば、ウチの娘だけど、大学院でお勉強に集中、とは言えないように思えて・・・。学部の積み重ねも弱い感じで、やはり研究者としての才能って疑問、というのが率直な感想。本人も博士に行く気はないみたいで・・・。だけど、修論にはしっかり取り組んで欲しい、ただそれだけ。

自分のテーマを掲げて、絶えず積み重ねのお勉強を続けて、徹底的に研究する、というシンプルな生活だけど、辛さを忘れるくらい集中する、ということって大切でしょうよ。才能がある若者は簡単に解いてしまうので、そういう方々の存在も知りながら・・・。

頑張りましょう。

壊すだけで構築を感じない哀しさ

おバカは時が過ぎてもおバカでしかない、という場合もあるんでしょうよ。

他人への依存が余りに強くて、結局、厭きると壊して、また他に移って、という繰り返しで、オリジナルの構築がない、ということに。

ココイラだけど、避ける、ということをやはり意識するのって大切でしょうよ。色々なカタチがあるけど・・・。

自分の学問をつくることの大切さ

積み上げながらテーマを掘り下げて組立て続ける、というシンプル生き方だけど、自分が無い、ということになるのを避けることって大切でしょうよ。

頑張りましょう。

機能喪失のシステムズ・アプローチ

かなり厄介、というとでしょうよ。非線形、量子、非可換といったことを扱う必要が・・・。それと幾何での抽象化も。

データ学習との関わりを考えると、コッチの方の理論もさらに奥深くなって、より高度なやり方にする、ということに。

物理情報理工で捉えると、対象のモデリングとデータ学習の２つを連携させて考察する、ということになるの。

要は、機能喪失の扱いのこと。もちろん、設計に入れ込まないと意味がないし、品質のつくり込み、そんなこと。

さらに、組織と人を対象としたマネジメントも絡むので、ヤヤコシイことだらけで・・・。

品質・信頼性・安全性だけど、確かに新しい学問、という気もしているの。社会科学として捉えると、さらに広がって・・・。

頑張りましょう。