成果主義とか裁量労働なんかはどこも採用していて、会社に属していたとしても、個人事業主みたいな性格を帯びているし、そういう意識で仕事していないと色々とモチベーションが保てないことが多くなってる。
という状況なので、自分をindependent software vendor(ISV)として見た場合に読んだら参考になることが多かった。
Eric Sink on the Business of Software 革新的ソフトウェア企業の作り方キウィの品種でレインボーレッドというものがある。(ここらへんが主産地なので)いまぐらいが時期なので出回っているらしいんだけど、なかなかお目にかかることがない。
が、この前たまたま売っていたので即買い。
酸味が少なく甘みが強い感じ。かろうじて一切れもらえたけど、残りは娘が全て食べた。
15112008 chemoinformatics bioinformatics PRML
chemoinformaticsにも使えそうなので色々読んでみている。
ぼんやりとした入門のそのまた入門の入り口ぐらいには立ったかなって感じ。CRPで遺伝子発現のクラスタリングをやっている論文があったので読む。
ディリクレ分布に関してはこの本見た。
副題に「読む」技術と習慣と書いてあるけど、心構え的な内容。最近の読書術系のビジネス本を分かりやすくまとめた感じ。レバレッジリーディングを読んだことがなければ面白いかも。
二個ないと困るが、二個だとamazonで送料無料になる。
僕の場合はコードの写経するのに必須。
13112008 music
娘と一緒に「みんなの歌」みてたら、
あーーーーーーーーuaじゃねーかと
声ですぐ分かりますね。amazonで視聴できます。
昨日気になったので、とりあえずどんな感じか確かめようと。
> library("fastICA") > library("mclust") > data("iris") > b <- fastICA(iris[1:4],2) > mc <- Mclust(b$S,G=3,modelNames="VVV") > plot(mc,b$S)
混合分布はクラスタリングの本にも載っているが、PRMLの下巻のほうがK-meansからEM,混合モデルの導入の流れがスムーズで分かりやすかったかな。
12112008 R
出典がちょっとどこだかわすれたが。
独立って、直交しないといけないんじゃないかなんて思っていたがこの資料みて納得。
その上で主成分分析、独立成分分析を読んだらさくっと理解できた。
パターン認識と機械学習 上 - ベイズ理論による統計的予測
READING HACKS!読書ハック!―超アウトプット生産のための「読む」技術と習慣
ブックストッパー
PoPo Loouise
Rで学ぶクラスタ解析
パターン認識と機械学習 下 - ベイズ理論による統計的予測> data("iris")
> a <- prcomp(iris[1:4])
>biplot()
> library("fastICA")
> data("iris")
> b <- fastICA(iris[1:4],2)
> plot(b$S)
ある種のデータを二次元のプロットとして見たい場合、PCAだと変に鎖上になってしまうものもICAだともうちょっと広がって見えてくれるかな。単にマップして見たいってだけだったらこういうやり方でもいいか。
あとPCAとかICAで次元を圧縮してから混合ガウス分布みたいなのでクラスタリングするってのはダメなのだろうか?
フェルミ推定の本。知識の幅と深さから軸そのものの転換が必要だと。
一通り読んでおくと良い感じ。僕にとってはそれ以上でもそれ以下でもなかった。
10112008 English
09112008 R
地頭力を鍛える 問題解決に活かす「フェルミ推定」