ビジネスにおけるスキルアップだけど、基本的な知的思考の技法って必須でしょうよ。とりあえず、問題解決と意思決定のためのシステムズ・データ技法と称して、アレコレと考察、そんな状態。
学部の授業の準備をしながら、実践での扱いが気になって・・・。要は、統計的意思決定論のことで、奥深いけど、応用で捉えると何しろ重要、そんなこと。MBAの授業だと経営統計になるけど、やはり同じで・・・。
エンジニアリングおよびマネジメントの融合、そんな分野でもあって、コツコツと積み上げているけど、やはり奥深い、という気がしていて・・・。品質・信頼性・安全性のための基礎と応用のこと。
ココイラって、何しろ重要性が増している、ということでもあるかと。
とりあえず、数学を基盤として方法論の構成と性質さらに開発をアレコレと深めて・・・。信頼性絡みのことで、基礎と応用の探究を続ける中で、数学の大切さは普遍でしょうよ。
とりあえず、続ける、ということを愚直に取組む、ということ。信頼性の技法開発のことで、やはり大切でしょうよ。特に、深層学習については、工夫が必要で、アレコレと考えながら、捨てずにきっちり・・・。
そう言えば、あらゆることが全て信頼性に繋がる、ということも不思議で、探究のオモシロさを感じる、という状態。もちろん、厳しさも。
案外、先端の技法、ということに。機械学習とベイズに基づく統計的品質管理の方法論構成のこと。AI品質経営の基盤、そんな位置づけとして開発するのって必須でしょうよ。
数理情報の方法論が拡がってデータとAIの展開がさらに活性されていく、という捉え方って間違いではないでしょうよ。もちろん、同時にグローバル化も。
クラウドとエッジでの学習のやり取りを理解すると、組織での学習と創造がココイラによって進化していく姿が想像できて、さらに理論と応用も深まって・・・。
既に変化した世の中になっている、ということでしょうよ。
品質経営だけど、公共および地域を対象にする、そんな捉え方だと、社会資本の品質・信頼性・安全性に辿り着く、ということでしょうよ。もちろん、価値評価およびコスティングも入れ込んでのこと。
考えることってアレコレあって・・・。
結局、AIビジネスに関わることだけど、ココイラが気になっている、という状態。データ・デザインとロバスト最適化のこと。もちろん、数理構造が基盤だけど、より高度な探究が必要で・・・。