機械学習と品質・信頼性の技法

思考を変えて新しいとらえ方を導入する，そんなことって大切でしょうよ．誤ると経営危機に繋がる，そんなことにも．

品質マネジメントだけど，コレ自体のイノベーションが必要なの．本気でこの意味を理解しないと，厄介なことになるので・・・．個人的には，愚直に続けるだけなんだけど．ビジネスから離れない，そんなことでもあるの．

頑張りましょう．

統計的意思決定論の大切さ

ビジネス・アナリティクスでのアルゴリズム開発だけど，ココイラって重要って考えているの．で，体系をつくるのなら，統計的意思決定論，そんなことが学問的に追及していることになるかと．

そう言えば，地域活性だけど，案外，データサイエンスって色々と使える，そんなことも考えているの．まずは，中小企業の活性化を中心に，積極的に機械学習を導入して・・・．特に，ものづくりで・・・．

この先だけど，10年も経てば経営の技法って大きく変わる，そんなことを感じているの．だけど，経営学の基本から推察しないと，キーとなる技法の考え方を誤ってもしまう，というリスクもあって・・・．

頑張りましょう．

機械学習の基礎を理解するための教材づくり

Rを使ったデータ解析の授業だけど，機械学習も絡めて理解をしてもらう，そんなことが良いでしょうよ．

只今，アレコレとプログラミングなの．要は，教材の作成，そんなこと．

だけど，やはり基本の統計学が重要で，もちろん，授業の目的はコレの理解なんだけど，やはりその展開も必要で・・・．それに，応用を扱うけど，そのベースはビジネス，ということ．経営の専門科目としての統計データ解析では，AI関連を無視できない，そんなこと．

ビジネス・アナリティクスの基礎と応用だけど，徹底的に探求する，という自分の考究を続ける，そんなことが基盤でもあるの．理論のノート，それに数学の鍛錬，さらにプログラミングの腕も上げて・・・．

頑張りましょう．

生産システムの変革

次世代のものづくり体制だけど，IoTとAIを抜きには考えられない，そんな状況でしょうよ．それに，グローバルやダイバーシティも絡んで，急変も考えられて・・・．

特に，経営技法をしっかり組み立てて対処する，ということが大切でしょうよ．価値の創造と変換を人と組織，知の学習を通じてどう行って行くのか，要はそんなことの方法論をデザインして・・・．

そう言えば，技術経営だけど，個人的には社会科学をベースに技法へと展開させる，というのに興味があるの．エンジニアだけだと発想がどうも狭くなるみたい，という気がしていて・・・．

経営の専門職の育成って凄く大切なの．変化を先取りした生産システムの構築を誤ってしまうと，厄介なことになってしまうでしょうよ．

頑張りましょう．

堅牢なPC

PC選びだけど，堅牢って重要，そんなことを感じているの．まあ，スマホも同じように．

要は，衝撃や浸水って考えられて，信頼性って重要，ということ．

ここのところ，2台のPCが不調になって，古いのも持ち出して，何しろアレコレと対処したけど，結局，新しいのを発注，そんな状況．で，機種選びだけど，頑丈さをベースに・・・．とりあえず，MIL STD　810Gを準拠，そんなこと．

不具合と故障だけど，起こるとホント厄介でしょ．世間の状況でも，信頼性重視，なんとなくそんなことも感じているの．

頑張りましょう．

5月23日(水)のつぶやき

生産システムの経営学を理解することの大切さ goo.gl/ihPF4a

— 貝瀬 徹 （兵庫県立大学） (@tetsu81) 2018年5月23日 - 00:35

抽象化の思考とこの力量を高めることの大切さ goo.gl/aE3MzU

— 貝瀬 徹 （兵庫県立大学） (@tetsu81) 2018年5月23日 - 01:01

授業の準備 goo.gl/Wp9FUB

— 貝瀬 徹 （兵庫県立大学） (@tetsu81) 2018年5月23日 - 02:02

10年から20年経ってわかることも

そう言えば，商大の頃から続いてる統計学の授業だけど，何を扱っているのか，というのって，１０年から２０年くら経ってわかる，そんなことも考えられるかと．

まったく無意味なこと，というわけでもなかった，ということに気づいてもられる，ということでも良いかと．

頑張りましょう．

学部の授業でのベイズ統計学

機械学習をメインにして，その中で扱う，というのが良いかなーと．Rによるデータ解析，要はそんなことが基盤．

色々と迷いながらなんだけど，でも，ココイラの実践での利用が広がっていて，学部の授業で扱わないわけには行かない，ということなの．

ベイズのことなの．ベイズ経営統計学，こっちの方が表現としては好きだけど．

頑張りましょう．

情報代数幾何

ベイズによる学習だけど，数学による理論の体系，そんなことに興味があるの．既に，色々と知られていることも少なくないけど，まだまだ隠れていることがある，そんな気がしているの．

でも，やはり，個人的には経営がベースで・・・．経営科学での意思決定論とデータサイエンス，要はそんなことを対象に基盤を奥深く考究する，ということで・・・．

頑張りましょう．

事前分布

Rに組み込めるMCMCの関数だけど，計算での事前分布の位置づけが曖昧，ということが気になるの．

だけど，確かにGLMの尤度結果と比較しながらベイズ推定を理解する，という仕方だけど，わかり易いかと．もちろん，理論をしかり整理しながら奥深く探求する，そんなことを意識するのって必要でしょうよ．

そうなると，事前分布が・・・．

経営での意思決定論に落とし込んで，それで考察する，というのが個人的なやり口のなるの．特に，品質・信頼性・安全性で考えると，デザインとの関りが・・・．開発での組織と知識，ココイラに繋がるの．

頑張りましょう．