ねむい@冬休み

=LOVEみてExcelを思い浮かべてしまう

PRが検証されず、どのコミットでコードベースが汚染されたか分からなくなり、仕様書が腐り、単体/統合/回帰テストが壊れ、依存関係が壊れ、CVE検出され、性能が確認されず、CI/CDがもはや機能しなくなった日には、エンジニアの価値が見直される。データが絡めば単なるテストで品質はカバーできない

Jira みたいなものでマイクロマネジメントが始まると個々の開発者が自分で優先順位を決める、進め方決める、分割の粒度決めるみたいな最適化の自由がなくなる。結果チーム全体のスループットが落ちる、っていう こういう例よく見る

Edwin Perkins: Dawson-Watanabe Superprocess and Measure-Valued Diffusions personal.math.ubc.ca/~perkins/dawso… これが無料公開されてるのすごすぎる。 確率解析、とくにbranching (interacting) particle systemやりたい人向け

Terence Tao An Epsilon of Room, I: Real Analysis

任意のεに対し|相手-自分|<εしなければ出られない部屋

東大にもう一度入って今度は数学科に行ってみたい。 統計物理の数理を研究したい。 学部入試も進振りも院試も学費も大変だからやらないけど笑

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