金融データの実証分析とMATLAB

フィルタリングや制御理論を使う、そんな金融分析のやり口だけど、MATLABをベースにする、というアタリが気になっている、という具合。もちろん、同じ系統？のScilab、Octaveも含んでのことだけど・・・。

そう言えば、システムと制御および情報を融合して捉えたエンジニアリングだけど、数理に基づいた方法論ってコアなの。対象はモノだけでなくサービス、その他もで、要は金融も絡む、ということに。

ココイラだけど、物理学、数学、工学、経済学、経営学、医学・・・と関わるApplied Scienceで、この分野でお仕事にする方々を育てる、そんなことって大切でしょうよ。

まあ、教養の専門職、そんなことかなーとも感じているのだけど。ただし、格調高いアカデミックの神髄が提供できて、という状況で才能のある方々の育みに伝統を基盤にして取組む、そんなことって必須でしょうけど。オーソドックスな伝統校のやり口だけど、欧米の学問の仕掛け、ということかと。

頑張りましょう。

イノベーションと信頼性工学

ビジネス原理でしっかり考える、そんなことが必要でしょうよ。イノベーションと信頼性工学の絡みのこと。

そう言えば、エンジニアリング・システムズとマネジメントの専門職養成だけど、狭い意味でのMOTだけで捉えていたら、明らかに遅れが大きくなる、ということを個人的には感じている、そんなこと。

頑張りましょう。

Business Mathematics

社会人向けの数学教育だけど、やはり大切でしょうよ。

ビジネス・アナリティクスの専門職が増えていくでしょうから、数学の基礎と応用も必須で、ココイラへの要望って強まっていく、という気がしている、そんなこと。

こういった済・経営系での数学の教育体系だけど、学部で学んでおられる若い学生さん向けにしっかり教える、という積み重ねの取組みが基盤になる、ということのように感じているの。社会人の方々向けといっても、体系は同じでないと、やはり・・・。

頑張りましょう。

統計学をより深く探求することのオモシロさ、さらに応用を創造するタノシさ

もちろん、厄介なことがアレコレとはあるけど、Statisticsの学問を体系として理解し、さらに探求して、かつAppliedを創造する研究に携わる、ということって、個人的には嫌いじゃない、ということのよう。

だけど、やはりベイズと機械学習は応用を含めてこの先も興味が尽きない、ということかと。もちろん、5年から10年先のこの分野での変化も何となく感じてはいるし、自分がそっちの方にも進む、ということを予想できる、そんな具合ではあるの。

統計学に出会ったことも運でしょうけど、その後にビジネスという基盤との融合、というのは何とも言えないことで、運が幾つも重なった感じかと。

そう言えば、他のアイデアに追随して、オリジナルも出せないのに、何故か他を潰すことばかり考える、ということに執着していたら、こういう運って、どうなんだろう？　

まあ、こういうこと自体って、要は探求と創造のオモシロさ、タノシさを前提にしていないことでもあるし、社会での位置づけや役割もアイデンティティが曖昧、そんなことのようで、自分にとってはどうでも良いこと、かと。

学問への取組みの感じ方が違うことって、やはり関わらない、というのが賢明でしょうよ。

模索は続くけど・・・。　

C++とJAVA、さらにPythonとR、そして・・・

Pythonだけど、データ・サイエンスをベースにこの扱いをどう授業で行うのか、ということをきっちり考えたい、そんな気分なの。データ・サイエンスに関する横断的なプログラムを構築する、そんなことと絡む、ということかと。

で、こういった扱いの他に、C++、JAVA、Rなどのことも考える必要があるかと。データ・サイエンスの力量を上げるには、こういった言語学習の機会って重要でしょうよ。

もちろん、その他のことも色々と・・・。そもそも、統計学の基礎をきっちり理解して、かつ理論を地道に身につける、そんな機会も必要で・・・。ベイズ統計学を使った機械学習を理解するだけでもすごく厄介で・・・。

そう言えば、Pythonを少し弄って基本的な機械学習のアルゴリズムを何か１つでも実行させる、というのって、実はとても大切で、教育のツールとしても優れている、そんなことでもあって・・・。

頑張りましょう。

データに関するビジネスのデザインとストラテジー

データ・ビジネスの今後だけど、クラウドとAIそしてアナリティクスを基盤に展開の勢いがさらに増す、ということかと。

ビジネスでのデザインとストラテジーでは、ココイラのプラットフォームに乗っかれないと、やはり遅れてしまう、そんなことでもあって、職のことを考えると、ココイラに関わる力量を高める、そんな努力って大切でしょうよ。

あくまでも個人的に感じていることで、かつ自分の居場所でもある、という勝手な気分のことでもあるだけど、大きく世間から外れているわけでもないように思えて・・・。捨ててしまうと、後で困る、要はそんなことを気にしていて、オゾマシイ結末から避けたい、ということ。

頑張りましょう。

パーティクル・フィルタ

ダイナミックのリスク・モデルと推論法をしっかり構成する、ということってとても大切なの。

頑張りましょう。

ボラティリティの動的変化

残差の二乗だけど、ここでの動的変化をどう扱うのか、というボラティリティのモデリングだけど、基本からきっちり教える、そんなことって大切でしょうよ。

状態空間とフィルタリングを使った階層ベイズの一般化も含め、アレコレと整理しておきたい、という気分になっているの。ここに隠れているキレイな構図が気になっていて・・・。

頑張りましょう。

データ分析における状態推定とフィルタリングの応用、および機械学習の構成

丁寧に教材を拵えながらココイラの授業を続ける、そんなことって大切でしょうよ。経済・経営系での統計学だけど、地道にコツコツと教え続ける、ということがお役目、という次第。

だけど、世間でのデータ・サイエンスへの関心が高まっている、という状態になっていて、データ分析における状態推定とフィルタリングの応用、および機械学習の構成、というようなことを扱っても居心地って悪くない、ということになってきているかと。

クラウドとアプリケーションの展開に勢いがあって、ビジネス・アナリティクスを専門に扱う、という人財が求められるようになっていく中で、自分の役割の位置づけを明確にしながらコツコツと教え続ける、という極めて単調なお仕事、要はそんなことなの。

もちろん、ビジネス・アナリティクスだけど、急激に高度な数理が入り込んで、かつデータ・エンジニアリングの分野も同時に発展するので、誰でもできる、ということではない、そんなことを意識するのって大切でしょうよ。

頑張りましょう。

ボラティリティのモデルおよび推定の構成

とりあえず、ボラティリティに着目して、モデリングと推定方法をアレコレと考察する、という授業を行う、というのが良いかと。

頑張りましょう。