データ・サイエンスだけど、数学の構成をきっちり理解し続ける、というのって、この分野を究めるには必須、そんなことでしょうよ。
だけど、実践として様々なデータを扱う場合、モデル構成の鍛錬って必要で、ココイラの基礎を固めるのに、物理学と経済学ってとても大切、ということを個人的には感じている、そんなこと。
もちろん、先端のデータ・サイエンティストになるには、基礎だけじゃダメで・・・。才能も必要だし・・・。
土曜日の1時限目から4時限目までの4コマを遠隔で行って、4週で授業のカリキュラムを全て終える、というのがMBAの経営統計の授業だった、という具合。
社会人の方々向け、という内容で、もちろん、宿題および総合的なレポート課題、それと最終試験もあって・・・。
次の授業は証券投資で、こちらは土曜の2コマを8週で終える、そんなこと。まずは、しっかり準備を行う、ということが必要。ポートフォリオ、それとハザード、およびボラティリティを経営統計の延長で行う、という位置づけも可能で・・・。
もちろん、金融経済の理論をしっかり・・・。
Rだけでなく、Pythonでの解析もしっかりと組み立てる、ということを続けて、何しろ次の時代に繋がるお役目を果たす、ということって大切でしょうよ。
金融のデータ・サイエンス絡みだけど、GPUを使って階層モデリングと機械学習で創造を積み重ねる、という地道な取り組みって大切でしょうよ。
要は、Jetson Nanoを弄って・・・。
数学を感じる、というのって、やはり自由な捉え方で良いでしょうよ。
個人的には、プログラミングしているときが、やはり好きで、自分の頭が何を考えてくれるのか、ということを感じることが妙でもあって・・・。
もちろん、使っている数式を取巻く構造の数学もプログラミングをしながら感じる、ということって、ココイラも妙で・・・。
だけど、何でもできるわけではないので、階層モデリングと学習推論の愉しさにトドマル、ということかと。
ビジネス・アナリティクスだけど、信頼性を徹底的に追及する、という姿勢の中で数理の探求をより高度に・・・。あくまでも、個人的に築いている、気ままで自由ではあるけど、何故かこのテーマから離れられない、そんなことでもあるかと。
潜在するリスクの推測とその事象発生の予測、という捉え方って、結局、ベイズ推論に基づく機械学習と相性が良い、というだけなんだけど、ココイラの探求の拡がりが絶妙に経済および経営と繋がる、そんなことでもあって・・・。もちろん、自分の場合には、社会工学や経営工学がベースとも言えて・・・。
急に聴きたくなって、今日は何度も・・・。
とりあえず、気ままに自分のやりたい研究に集中して過ごそうかと・・・。たぶん、こんなことが望ましいカタチなんでしょうよ。
正確には、信頼性に着目してのことで、物理情報の統計科学、というのが個人的に取り組んでいることになるかと。もちろん、組織の知識科学も物理情報のデザインに含めてのことで・・・。
原点に戻って、とりあえず、現場で問題となっている宿題の計算をアレコレと構築しながら、気づいたら論文が幾つも飛び出してくるような、そんなやり方で・・・。ココイラは育ちによって様々な考え方があるでしょうけど、まあ、この歳なので、原点からのやり直しは辛い感じで・・・。
信頼性の科学って最先端なの、実は。
そう言えば、フィルタリングを使った階層モデリングの推論アルゴリズムだけど、プログラミングした中身を再度確認、そんなことをしている、という具合。
10年以上も前のファイルで、何しろアレコレと考えて拵えた、そんなことだったかと。
20年以上も前のファイルもあって、そこでも推論の工夫がアレコレと・・・。
3０年以上の前のファイルだけど、開くことは可能なんだけど、印刷もしてあるので、とりあえずペーパーを眺めていて・・・。やはり、工夫が・・・。
実は、30年以上前に考えたやり方が気になっている、そんなこと。もう一度、最初から整理し直してみようかと。