ボラティリティ分析

ボラティリティ分析で階層ベイズを使ったやり口だけど、色々と展開ができる、そんな位置づけで考えるのって悪くない、という気がしているの。機械学習との絡みって無視できない、ということでもあるので。頑張りましょう。ボラティリティ分析

潜在状態のモデリングと推定

知識構成だけど、予測と学習の扱いが重要、ということかと。階層ベイズだけど、潜在状態のモデリングと推定、そんな枠組みで捉えるのが良いでしょうけど、マネジメントでは予測と学習を考える必要があって、知識構成というとらえ方も重要。特に、リスクの知識構成、そんなアタリでは有用に思えるの。そう言えば、金融リスクの解析では、確率解析って大切なんだけど、リスクそのものの扱いでは、予測と学習って必須なので、だから階層ベイズって・・・。考察は続くけど・・・。頑張りましょう。潜在状態のモデリングと推定

代数多様体

学習理論の数学がどうなっていくのか、やはり不思議でもあるけど、でも、そこには深い理論が色々と隠れている、というのが率直に感じられるしで、オモシロさを感じるの。そう言えば、大学院でお勉強していたときに、代数学の授業で「応用数学と純粋数学を区別する必要はない」というようなことを言われたのだけど、なんとなくわかってもきたけど、でも自分にはまだ違うようにも思えて・・・。頑張りましょう。代数多様体

知識構造および学習推論の組込みシステムとデザイン技法

かなり厄介だけど、理論構成とそのデザイン技法をつくる、というのが必要かと。アレコレと考えている自分に課したテーマでのことなんだけど、要は知識構造および学習推論の組込みシステムのこと。もちろん、情報理論や種々のアルゴリズムとも絡んでくるのだけど、様々な組込みシステムズのデザインをどう行うのか、ということってマネジメントとも繋がるの。頑張りましょう。知識構造および学習推論の組込みシステムとデザイン技法

Pythonによる機械学習の基礎と応用

Rで構成している諸々の解析ツールだけど、Pythonで可能にする、というのが個人的な課題なの。まったく同じにする必要はないのだけど、基礎と応用の体系で教材づくりにもしてしまうのが良いかと。頑張りましょう。Pythonによる機械学習の基礎と応用

組織と学習

経営の情報統計力学、そんな奇妙な概念が気になっている、という具合。組織の学習に基づいた品質マネジメントの考察から、何気にココイラへの落とし込みがわかってきて、それでなんだけど。個人的に経営学に惹かれるのって、結局、科学が感じられるから、ということでしょうよ。それに、経営組織のクラスを考えれば、経済活動を基盤とした人間社会システムが見えてきて、仕掛けの構図が余りに絶妙でもあり、不安定でもある、という複雑系を感じて・・・。だけど、どうやって膨大な問題を解決していくのか？やはり、地道に経営技法をつくる、そんなことって大切でしょうよ。頑張りましょう。組織と学習

情報物理力学と学習推論、および自然の進化と寿命

計算アルゴリズムの組立てを超えた考究、そんなことが気になっているの。色々なことが繋がって、そこに生かされている、という科学を感じる探求のことなんだけど・・・。自然の不思議と驚きを発見的に感じるのと、人様に言われてその気になる、というのはかなり違っているかと。頑張りましょう。情報物理力学と学習推論、および自然の進化と寿命

金融経済の状況

金融経済の状況把握だけど、債券の金利で捉えて考察する、というやり口って重要でしょうよ。債券の評価と金融経済との絡みだど、理論をきっちり押さえる、ということが必要で、様々な実践にも繋がる、ということに。頑張りましょう。金融経済の状況

企業の進化と破綻

データと学習を基盤とした組織における知識創造、および組織の知識形成による社会適応など、考えることって多いでしょうよ。その一方で、破綻についても考える、そんな必要もあるの。頑張りましょう。企業の進化と破綻

学習の探求

統計力学だけど、機械学習との関わりをアレコレと考えていて、色々と考察。だけど、ココイラの奥深さが妙にも思えながら、何となく当たり前のようにも思えて・・・。マクロとミクロの視点で学習そのものを考究するのってオモシロい、という気がしているの。頑張りましょう。学習の探求

経営デザインの技法開発

デザイン・メソッドだけど、一般化技法を構成する、というやり口を追求するとどうなるのか、というアタリが気になっているの。とりあえず、エンジニアリングの技法をベースに経営への拡張を考えて・・・。この場合、品質の技法ってかなり重要でしょうよ。頑張りましょう。経営デザインの技法開発

組織学習とデータ経営

ビジネスのおける機械学習の導入だけど、特にIoT絡みだと、組織学習をしっかり考える必要があるでしょうよ。要は、データ経営の仕掛け構成を検討する、ということでもあるの。そう言えば、ビジネス・アナリティクスのコアをベイズで捉えると、組織での知識とデータとの関りが推論に基づいて更新していく、という仕掛けが絡んでくる、という気がして・・・。データ経営の本質でもあるのだけど・・・。ビジネス・スクールにおけるデータの扱って奥深い、ということでしょうよ。頑張りましょう。組織学習とデータ経営

ベイズに基づく階層構造のモデルおよび推論の構成

階層ベイズだけど、この構図の重要性って否定されてはいない、ということでしょうよ。だけど、構図の数理をどう精緻につくるか、ということが気になって・・・。アルゴリズムの基盤となる基礎理論、要はそんなことをきっちり組み立てる必要があるでしょうよ。情報幾何学の大切さ、そんなことを感じていて・・・。だけど、さらに深めて・・・。対象と言っても深みがあって、そんなところに数学が絡む、という思考を感じられるのって、とても大切って思ってはいるのだけど。頑張りましょう。ベイズに基づく階層構造のモデルおよび推論の構成

創造の力量

創造することのできる力量だけど、やはり大切でしょうよ。誰でも容易にできる、ということが難しい、そんな力量でもあって、だから厄介ということかと。頑張りましょう。創造の力量

経営技法の進化

技術の進化って人間社会が成り立つなかでは持続される、ということでしょうよ。それと同時に経営技法の進化もで、要は経営の手法も進化する、ということかと。頑張りましょう。経営技法の進化

連続体力学

そう言えば、学部の3年生の今頃だったけど、かなり懸命にお勉強をしていた、という記憶があって・・・。連続体力学のことで、図書館で見つけた洋書を使っていたのだけど、その本のタイトルと著者を知りたくて。母校の図書館で現物を見つけるのが良いのか？情報幾何のことを考えていたら、ちょっと気になることがあって・・・。藤村から借りっぱなしの教科書の方は、今でも大切にしているのだけど・・・。情報の分野を研究するのって奥深いの。頑張りましょう。連続体力学

量子統計力学と情報幾何学

ココイラのことだけど、概念だけでも理解するのに膨大な時間がかかる、というのが個人的なレベル。だけど、興味がある、ということ。頑張りましょう。量子統計力学と情報幾何学

時系列解析

時系列データだけど、機械学習と絡めて解析する、ということを整理している、只今、そんな状態。状態推定とベイズ、および学習と診断のことをしっかりまとめる、要はそんなこと。頑張りましょう。時系列解析

データ経営における意思決定のベイズ推論

ビジネス・アナリティクスだけど、まずはデータ経営の基本概念をきっちり構成する、という基盤デザインが大切でしょうよ。さらに、意思決定のベイズ推論もで、アルゴリズムの構成を精緻に・・・。経営統計学って先端の学問分野で、かつ実践との絡みって無視できないし、情報数理を奥深く探求する、ということも同時に行う、そんなこと。ビジネス・スクールでも情報幾何を教える時代が・・・。頑張りましょう。データ経営における意思決定のベイズ推論

技法開発と経営革新

データ経営の技法だけど、やはりアルゴリズム開発って重要でしょうよ。経営革新に繋げる、というお役目をきっちりこなして・・・。データ・エンジニアリングが経営基盤のコアのようにも考えられるけど、集めたデータから価値連鎖を起こす技法って必要で、ココイラで行き詰まりを感じておられる企業さまって少なくないようで・・・。頑張りましょう。技法開発と経営革新

変分とノンパラメトリック

ベイズ推論だけど、細々した計算を積み重ねる、というやり口も大切でしょうよ。確かに、パッケージって有用なんだけど、アルゴリズムを開発するには原理からしっかり組み立てて・・・。変分とノンパラのことが気になって、それで再考、そんなこと。自分の問題に持ち込んで発見的に解く、というのって大切かと。アルゴリズムの開発、ココイラの能力を持たれた方々が企業の変革では必要でしょうよ。あくまでも、データ経営を前提に考えてのことだけど。ビジネス・アナリティクスって経営の要に・・・。品質経営および経済性経営とは表裏なんだけど。頑張りましょう。変分とノンパラメトリック

データ経営の理論と実践

機械学習の理論と応用だけど、確かに勢いを感じるし、さらに高度にもなっていくでしょうよ。ココイラを踏まえて経営技法をしっかり構築する、ということも必要で、要はデータ経営の理論と実践を技法をコアに扱う、ということでもあるの。頑張りましょう。データ経営の理論と実践

変化と変更、そして変化

システムズ・エンジニアリングでのモデリングと推論だけど、ココイラを考えるのって重要でしょうよ。変化と変更、そして変化の診断するアルゴリズム開発のこと。頑張りましょう。変化と変更、そして変化

時系列データに基づく機械学習の理論および故障診断への応用

状態空間方程式とベイジに基づくフィルタリングのアタリだけど、機械学習として見直して、その応用を組立てる、ということって大切でしょうよ。頑張りましょう。時系列データに基づく機械学習の理論および故障診断への応用

データからの学習に関する理論と実践

とりあえず、ある企業さま向けのセミナーが終わった、ということに。ベイズ推論をベースにした機械学習に関する内容で、やはりご関心が高い、ということかと。こちらとしては、きっちり教材をまとめる、ということが大切で・・・。ビジネス・アナリティクスの枠組みを大切にしながら、丁寧に積み重ねて・・・。結局、自分自身のお勉強が基盤、ということになるけど。頑張りましょう。データからの学習に関する理論と実践

深層学習の数理モデルと推定アルゴリズムの理解

しっかり理解して使いこなして、さらに自分のアイデアで新しいアルゴリズムを開発する、ということって誰でもできることじゃないでしょうよ。深層学習の分野だけど、画像関連の表面的な応用事例だけ知っていても・・・。頑張りましょう。深層学習の数理モデルと推定アルゴリズムの理解

機械学習の理論構成、およびその応用

カーネルとガウス過程、それと最適化の理論構成だけど、ベイズとの絡みをベースに理論をしっかり押さえる、そんなことの再整理を行っているところ。もちろん、応用の開発をどうするか、ということが気になってのことで、ココイラの人財育成ってとても大切でしょうよ。データ経営の組立てを具現化するのって、企業経営にとって極めて重要なことなの。まずは、自分のことを鍛えないと・・・。頑張りましょう。機械学習の理論構成、およびその応用

システムズ・エンジニアリングとビジネス・アナリティクス

理論と実践だけど、とても大切でしょうよ。とりあえず、データ経営の体系を構成する、そんなお仕事をしっかり持続して・・・。あくまでも個人的なお役目のことだけど。システムズ・エンジニアリングとビジネス・アナリティクスの融合、具体的にはこんなアタリでアレコレと。サービスも含むので何しろ厄介でもあるの。頑張りましょう。システムズ・エンジニアリングとビジネス・アナリティクス

計算統計学のまとめ

あるところで計算統計学のことを解説する、という予定で、ここのところ準備をしている、という具合。とりあえず、パワポの資料とRのプログラムもすべて提供して、解説の内容が再現できるようにする、という仕掛けに。だけど、基本的な考え方をわかって戴く、ということがメイン。機械学習の細かいところまでしっかり扱いたいのだけど、何しろ膨大で・・・。頑張りましょう。計算統計学のまとめ

サービス・デザインとQFD

サービス・デザインをアレコレと考えている、という状態。特に、QFDの利用に着目して・・・。頑張りましょう。サービス・デザインとQFD