ねむい@冬休み

=LOVEみてExcelを思い浮かべてしまう

Gelfand-Vilenkin: Generalized Functions (Applications of Harmonic Analysis) これ、確率論でも引用されるやつだけどVolumeいくつまであんのw

「位相で殴る」ってより強い位相を入れてなんか議論を強引に進める？みたいなイメージがある　〜で殴るって表現はネットミーム臭さが酷くて絶対に学問では使いたくない

不遇、、、？？

離散化は伊藤積分の方が直感的だけど、ストロノビッチ積分だと変な二次の項でてこないから変数変換とか簡単で扱いやすいと思うんだよなぁ

ストラトノビッチ積分がここまで不遇なの、やっぱり離散化が直感的じゃないからなのかなぁ

MLの論文、ただでさえ大量に出ていて、フレームワークの過渡期、実験環境の確保(でかいのやるならクラウド)と必要なことが多岐に渡るのに、そんな中で急に出てくる数理的な議論はキャッチアップしてる暇なんてないので、学生のうちに数学やっておくのは得だと思ってる

定期購読しているので毎月たのしみ

今インフラ学んでるから最高だ...

RAGの条件付き確率分布の式みたら、こんなのめんどくせーや、になると思うのだけど

評価の面倒なものは複雑なので避けたい思いしかない

RAGというかベクトル検索は検索エンジンの拡張方法だと思ってるので、ローカルの小規模ドキュメントに当てはめてもあんまり...

学部生の頃から、よく他大の数学科の学生が口にしていた、「xxxで殴る」って表現が未だによくわからないんだけど、あれはなに？？位相で殴るとか、あれなんなの？

モデルのバージョン←こいつについても、モデルをトレーニングする際のコンテナやデータセットのバージョンまで全てをひっくるめたバージョニングであり、その手法はそんなに簡単ではない

MLOps → 基本的にMLモデル向けのDevOpsで、追加のパイプラインの複雑さとモデルバージョン管理付き 適当すぎる。。 DevOpsにはない実験管理や特徴量ストア、モデルコレクションやオフライン/オンライン推論に分けての遅延評価、モデルドリフトやコンセプトドリフト、モデルカード整備など色々ある

MLOps → Basically DevOps for ML models with extra pipeline complexity and model versioning DevSecOps → Basically DevOps with security-first mindset, and some extra, boring tools and vulnerability report FinOps → Basically DevOps focused more on cost saving than application reliability. AIOps → Basically DevOps trying to justify expensive AI in the workflow DataOps → Basically DevOps ( Not sure why this term exist) GitOps → Basically DevOps with one tool looking at git. Platform Engineering → Basically DevOps with self-service portals and golden paths( ugly forms) for developers Don’t let all these fancy keywords confuse you. Be very good at core Devops( Which is way more than CICD, terraform, k8d these days), and everything will feel somewhat same.

Gilbargやった

自分の頃はEvans, Gilberg-Trudingerが提唱されていた

偏微分方程式の本って何を読めばいいのだろうか

AIで無駄なソフトウェアを作るのに自分の時間を潰すより、AIで有用なソフトウェアが作られるのを他人の時間で実現し、お金払う方がよっぽど効率的だと感じてる。

そもそも本当にプログラミング言語が好きな人の界隈、HaskellとかMLとかLeanとか、たまにごく僅かにRustの話をする人がいるくらいなので、ツイッタランドのプログラミングが好きそうな人々とはかなり属性が違うんですよね