AIボードコンピュータでちょこっと苦戦．Linuxの腕が鈍ったのか？ だけど，冷静に考えると，難しい理由もなんとなく推察できて．でも，工夫するばデキそうで・・・．R/RStudioをインストールする，そんなこと．
だけど，ミドルウェアでの対応が必要で，CUDAにココイラって無いし，Hadoopでは規模が違い過ぎて・・・．クラウドでは，どんな手口を使っているんだろう？
もう少し，単純に考えて・・・．
ビジネス・アナリティクスでの人財育成だけど，クラウドによるデータサイエンスおよび機械学習を基盤とした実践ための技量を高める，というアタリをきっちり工夫する，というのって必須でしょうよ．
結局，実践のためには基礎が重要で，丁寧な積み上げって必須なんだけど，理論だけでなくプログラミング，それとクラウドを扱えるためのオープン・ソースに関する技量も身につけて・・・．
そう言えば，エッジを扱っていて気づいたのは，CPUとGPUのアーキテクチャをきっちり理解する，というアタリってとても大切で，コアの仕掛けを理解してアルゴリズムを組む，そんなことも時には必要，ということかと．
もちろん，クラウドとエッジでのやり取りを工夫したスマートIoTを進める，そんなことも．
GPU搭載のボードコンピュータだけど，Linuxの設定をアレコレと行って，結局，自分で使い易いようになった，そんなこと．
それと，GPUの並列処理のこともわかってきたので，CUDA Cで計算アルゴリズムを直に組める，ということのオモシロさもわかってきて・・・．と言っても，Pythonを使うのが主になるかと．
そう言えば，R/RStudioとの相性はどうなんだろう？ もちろん，TensorFlow+Kerasも可能だけど，その前の段階のことで，このボードコンピュータでR/Studioをどういう設定にして使うのか，ということを探って・・・．
容量の方はswapも含めmicroSDに依存，そんなことだけど，買ってくれば上げられるので．
今のところ計算が主だけど，インターフェースを使って制御との繋がりを模索，そんなことを考える必要があって，コチラもきっちり・・・．個人的には，画像でなく時系列の機械学習を実装，そんなことに．
個人的には，階層モデリングをアレコレと考えていると，どうしてもココイラになってしまう，ということみたい．体系的な学問史がどうなるはかわからないののだけど，とりあえずBayesian Deep Learningのことが気になっている，という状態．
コンピュータ・サイエンスとエレクトロニクスだけど，ココイラの展開の勢いがスマート社会への変革を促している，ということでしょうよ．だけど，計算数理による理論構成の巧みさが下地で，要は基盤を形成する統計学を大切にする，ということが必須かと．
個人的には，解析的計算をゴロゴリと進めながら，GPUの仕組みを理解して，TensotFlowを使ったプログラミングを積み上げて・・・．PythonでもRでもCでもできるのだけど，色々とバランスを考えながらで・・・．
発散しないためには，対象をきっちり明確にして，その開発に徹する，という姿勢って大切でしょうよ．個人的には，信頼性と金融の両方で・・・．
そう言えば，Jetson Nanoを金融で使うのって，実装を工夫すると多様な拡がりが考えられて・・・．
組込みソフトだけど，とりあえずアレコレと考察，そんな状態．CとPythonを併用，ということでもあるけど，まだGPUの並列処理の仕組みを深く理解していない，そんな具合．
複合的なセンサーやカメラによる観測状態での認識が凄く気になって・・・．
データサイエンスに基づいて簡単な機械学習をお勉強する，というアタリって確かに重要．だけど，さらにTensorFlowをベースにしたディープラーニングの実装を理解して使いこなす，というレベルのお勉強となると，かなり厄介で・・・．クラウドとエッジの両方で共通な技法を中心に理解を深める，というのが良いかと．
そう言えば，エッジコンピューティングでのAIだけど，クラウドとのやり取りを工夫しながら，より高度な処理を実現していく，ということを支えるビジネスのことが気になってもいるの．
要は，AIの組込みシステムとソフトの分野って，モバイルを使ったサービスも含めた社会全体のスマートIoTがより高度に展開するためのイノベーションを担っていて，ココイラの人財育成が必要で・・・．
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．
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．
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・・・．