研究室生活 基礎文法最速マスターでも、著名な id:next49 さんの 発声練習 と並んで取り上げられて恐縮しているが、そういうわけで少し研究に関するエントリを書いてみる (笑) 理系のための「即効!」卒業論文術―この通りに書けば卒論ができあがる (ブルーバックス) 作者: 中田亨出版社/メーカー: 講談社発売日: 2010/01/21メディア: 新書購入: 10人 クリック: 78回この商品を含むブログ (12件) を見る を読んでみた。これはやればできる卒業論文の書き方をまとめたものらしいが、ぶっちゃけ web で公開されているもののほうが、卒論の書き方の指南書としてはおもしろい。しかしながら、こちらの本のほうは、卒論を書くということ以外の話が充実しているので、それはそれで読む価値あると思う(とくに博士に進むか迷っている人とか)。あと、上記のページには「エンジニア・職業研究者をめざす
I LOVE NLPThis is reprint from Sharon Goldwater’s “Reading list on Bayesian modeling for language“. People often ask me what they can read to learn more about recent Bayesian modeling techniques and their applications to language learning. Here is a list of the papers I have found to be most useful and relevant to my own research. I try to emphasize the papers aimed at a slightly less technical/mo
一昔前は実世界の建築物を元にウォークスルー可能な3D空間を構築しようと思ったら、まず各部屋の形状を計測器を用いて計測し、その計測結果に基づいて人手でモデル化し、領域ごとにテクスチャを貼り、照明を設定して……と気の遠くなるような作業が必要だった。3D空間の構築は極めてコストの高い作業だったが、近年では2次元画像（実写写真）に基づいた3D空間の構築手法が長足の進歩を遂げており、以前に比べれば極めて低コストに3D空間を構築する事が可能となっている。 【告知】Twitterはじめました。@LunarModule7です。 興味のあるかたはフォローくださいとしばらく宣伝。 今ではバラバラに撮影した写真から、全自動で3D空間を構築し、内部を自由にウォークスルーできるようになっている。ワシントン大学とMicrosoft Reseachが2009年に発表した研究*1は現時点における集大成とも言えるものとなっ
Twitter でグラフ理論に関する話題が上がっていたので、最近調べている距離学習(distance metric learning)について少しまとめてみる。カーネルとか距離(類似度)とかを学習するという話(カーネルというのは2点間の近さを測る関数だと思ってもらえれば)。 この分野では Liu Yang によるA comprehensive survey on distance metric learning (2005) が包括的なサーベイ論文として有名なようだが、それのアップデート(かつ簡略)版として同じ著者によるAn overview of distance metric learning (2007) が出ているので、それをさらに簡略化してお届けする(元論文自体本文は3ページしかないし、引用文献のあとに表が2ページあって、それぞれ相違点と共通点がまとまっているので、これを見ると非
日本最大の動画投稿サービス「ニコニコ動画」は、動画上を流れるコメントや、自由に編集できるタグ機能といった特徴を持ち、単なる動画共有サービスにとどまらず、コミュニティサイトとしての側面も持つ。多くの人がアクセスする中で「アイドルマスター」「初音ミク（VOCALOID）」「東方プロジェクト」など、いろいろなムーブメントが生まれてきた。 今も毎日多くの動画が投稿されており、各動画は「再生数」「コメント数」「マイリスト数」などの情報がわかるようになっている。すでに投稿動画数は200万本を超えるが、これら膨大なデータを分析することで、どんな現象やコミュニケーションが起きているのかを明らかにしようとするのが今回の発表会の目的である。 分析する際の2つの障壁 独自にデータ収集が必要であること しかし、そもそもニコニコ動画自体はデータを分析しやすいように広く提供しているわけではない。1つ1つの動画の再生数
ボストンで１３年働いた研究者が、アカデミック・キャリアパスで切磋琢磨する方法を発信することをめざします。 2024/11 « 12345678910111213141516171819202122232425262728293031» 2025/01 BioInfoDesignの村磯さんの招請でキャリアプランニングプログラム2008＠ボストンで、「研究者が仕事をする上で知っておくべき１０の原則」という講演をさせていただきました。「１０の原則」は実験医学のプロフェッショナル根性論の最終回でとりあげた「研究者の成長のプロセスへの１０のステップ」がもとになっています。会場で約束しましたようにサマリーのせておきます。 －研究者が仕事をする上で知っておくべき１０の原則－ 1. 興味を持てる分野を発見する 「好き」よりも「強い」を優先しましょう。自分で自分の強みはわかりにくいものなので、推薦状の開示、
Leica M7, 90mm Tele-Elmarit F2.8, PN400N @Santa Monica, CA アメリカで研究するようになって最も驚いたことの一つは、日本では考えられないほど生産性の高い研究者が存在することだ。 たとえば僕がローテーションして、最後までそこでdissertation work（博士論文のための研究、活動）をすることにするか迷っていたあるラボ。そこはポスドク、テクニシャンを含めて（註：undergraduate=学部生は殆どアメリカの研究室には居ない）たった5人でやっているにもかかわらず、毎年5-6本ぐらいはペーパーを出し、ほぼ全て一流紙。多いときは年に2本ネイチャーに出し，一本は表紙になったりしていた(#)。 しかも良く日本では見かける深夜も土日も働いて、朝はどちらかというと崩れ気味、みたいな重労働系の生活ではなく、普通に朝来て、「うーん今日は狂ったよ
※図が表示されない場合には→http://seibutsu.biology.kyushu-u.ac.jp/~yahara/logictree.JPG 論文では通常、複数の結果を記述する。しかし、主要な結論はひとつでなければならない。なぜなら、論文を書く目的は、何らかの主題（テーマ）に答えることであり、そして論文のテーマはひとつだからである。 「ひとつの論文にはひとつのテーマとひとつの結論」・・・これは論文を書くうえでの重要な原則である。この原則を守っていない論文が多いのも事実だが、それらは論理的に練られた論文とはいえない。 では、複数の結果からひとつの結論を導くにはどうすれば良いだろうか。4月以来、預かった原稿を改訂しながら、この問題を徹底して考えてみた。これまでは、自分の経験にもとづいて、いわば一種の職人芸によって、結論を導いていた。しかし、結果から結論を導くという作業は、論理的なプロセ
Leo's Chronicle: 良い論文を書くために知っておくべき５つのこと
英語で科学技術論文を書くための書籍はいくつか出版されていますが、大抵、日本語と英語の表現やロジックの違いの説明が主で、「論文」というよりは「英語」の学習と質的に変わりません。ここでは、「論文」をいかに書くか、さらには「論文」を書くために「研究」をいかに進めるかという点に踏み込んだ内容を紹介していきます。 まず、コンピューター系の論文の書き方のHow toを示した書き物として、DB分野で有名なJennifer Widomの以下の記事が、良い指針となります: Tips for Writing Technical Papers (Jennifer Widom)この中から、introduction (導入部）で説明すべきことについて引用しました。 What is the problem? (解いている問題は何?） Why is it interesting and important? (なぜその
現在のところ、あるまとまった知識を得ようと思ったらネットで検索するよりも本を読んだ方がコストパフォーマンスが高い。よくまとまっており、参考になる東大で学んだ卒業論文の書き方でも、本に比べれば断片的。 指導教員が信頼できない、研究のやり方がわからないなんてときはネットを検索するのを止めて、1万円を本に使いましょう。10時間検索したり、悩んだりすると考えれば1時間1,000円で悩みが解決されると思えば安い安い。 卒論の書き方が分からず途方にくれている。途方にくれていないけど漠然と不安だ。と言う方はこちらの2冊をおすすめ はじめての科学英語論文 2,500円＋税 この本が良いところは、丁寧に説明してあるのも当然だけれども、英語での論文の書き方であること。理学系、工学系の論文は、そのフォーマットが英語論文に基づいているので、日本語的な発想からいろいろと外れていることが多い。よって、いきなり英語的発
![発声練習 - [研究][読書] 研究スタイルについてネットでいろいろ探すよりも本を読もう](https://cdn-ak-scissors.b.st-hatena.com/image/square/301ca4822d7c7bb1299fc89d39ac633217a31963/height=288;version=1;width=512/https%3A%2F%2Ffanyv88.com%3A443%2Fhttps%2Fogimage.blog.st-hatena.com%2F10328537792363189536%2F10328537792363204479%2F1455369389)
再生中の動画上にコメントを付け、視聴者同士で盛り上がれる「ニコニコ動画」。動画の上に文字を流すというインターフェースが斬新で注目を集めているが、ニコニコ動画にはそれ以外にも独自の仕組みを持つ機能が多数存在している。動画の分類をするために付けられるタグも、その1つだ。そしてこのタグに注目した研究論文が2008年、人工知能学会 知識ベースシステム研究会にて発表された。 「ニコニコ動画におけるタグ共起ネットワークの特徴抽出」と題したこの論文は、北海道大学大学院情報科学研究科に所属していた伊藤聖修氏によって提出された。動画に付けられたタグ同士の関連性から、現在注目すべきタグを発見できるのではないか――大学院でネットワーク理論を学んでいた伊藤氏は、ニコニコ動画を見てこのように考えた。 ニコニコ動画に注目したのは、1ユーザーとして使っていたというだけでなく、独特なタグのシステムが面白いと感じたからだ。
学生時代からインタラクションやユーザーインターフェースの研究を推し進め、二次元の絵から簡単に三次元の絵を生成できる「三次元お絵かきソフトTeddy」の開発で世界の度肝を抜いた五十嵐健夫氏。その画期的技術は、既に製品に組み込まれ、世に送り出されている。 パソコン上で描いた絵が、あっという間に立体化され、3Dになってしまう。しかも、四方八方に自由自在に回転でき、絵はいつでも修正・加筆することができる……。「三次元お絵かきソフト（＝手書きスケッチによる三次元モデリングシステム）Teddy」を五十嵐氏が初めて発表したのは、東京大学大学院博士課程に在籍しながら、カーネギーメロン大学に短期留学していたときだった。学会関係者を中心とした数百人の聴講者は、デモが始まってすぐに総立ちとなったという。革命的な技術が、世に出た瞬間だった。 この1999年に、アメリカのコンピュータ学会主催による世界最高峰のコンピ
「どうしたら研究ができるようになるのか？」 身近な話で恐縮ですが、大学には研究者の卵である学生もおおぜいいて、数多くの悩みや、疑問や、文句を日々いろんなところから聞きますが、突き詰めればそれはこの質問に集約されます。 「研究」「リサーチ」を始めるときは、どこか小説を書く作業に似ていて、いつ終わるともしれない千里の旅の一歩を踏み出すような当ての無さがあります。わくわくもしますが、間違いやすく、不安な一瞬でもあります。 なので、「何を研究すればいいのかわからない」「どこから始めればいいのかわからない」「すべてが手を付けられている気がする」 という怨嗟の声がよく聞こえてくる訳です。自分も普通の人の倍近い時間をかけて博士号をとったので、これはよく自問自答していました。 いまでは自分なりの研究テーマの探し方が確立できましたが、こうした戦略は身に付く前は地道ですが次のような方法で興味の対象を絞るという
「Why research labs fail at innovation」という記事がありました。 多くの研究所が犯している間違いをまとめていました。 面白かったので要約してみました。 原文には著者のバイアスが多分に含まれると書いてありました。 確かに多少偏っているかもしれませんが、言いたい事は何と無くわかるような気がしました。 ただ、元記事の英語の言い回しなどで理解できない部分が多かったので誤訳や勘違いが入っている可能性が高いです。 詳細は原文をご覧下さい。 なお、これは恐らく悪い例であって、イノベーションを産み出している良い研究所は以下の内容の範疇外なのだと思います。 念のため。 アイディアを考えるのは簡単 面白い案を考えるのは誰にでもできます。 面白いことを考えているR&Dグループや大学はたくさんあります。 予算さえあれば、その案からプロトタイプを作れる人は世の中に大量にいます。
Clustering 系の Bayesian Methods HLT の Tutorial が非常に面白かったので紹介します。 http://bayes.hal3.name http://www.isi.edu/~hdaume/bayes/hlt-slides.pdf HLT 2004 の tutorial はここ。 https://ssli.ee.washington.edu/~bilmes/bilmes_hlt04_tutorial/bilmes_tutorial.pdf これらのモデルで、何が難しいかというと、Hidden Variableがふたつ以上隣にあり、関連があるために、推定しにくいのが問題だそうです。 だから分布が指定してあっても簡単に計算できない。 前に出てきたTutorial (non-parametric bayes)は、 このtutorialの延長線上にあります。
米国は20～30年前から、製造をアジアに任せて、IT（情報技術）やサービス業で国際競争力を高める戦略を進めてきた。結果として、例えば、大学の機械工学分野に力を入れなかったので、機械関係の人材が育たなくて、ゼネラル・モーターズ（GM）やフォード・モーターの技術者のレベルが下がり、自動車産業の競争力が低下していったと見ることができる。 競争力が低下すると、社員に対するインセンティブの水準が低下して、ますます人材が向かわなくなり、産業が衰退していく。いくら優秀な経営者をヘッドハンティングしたり、資本を導入して経営を立て直そうとしても限界がある。産業や企業の成長と人材力は表裏の関係にあるのだ。 造船技術についてもそうだ。米国では、軍事分野があるので造船産業も、造船技術も、重要な位置を占める。しかし、冷戦の終結の頃から、これらの重要性が低下した。そして、マサチューセッツ工科大学（MIT）や、カリフォ
大羽さんのベイズ掲示板で, Dirichlet Process のいい資料がないですか, と 聞かれている ので, コメント。 僕もそんなに偉そうなことを言えるわけではないのですが, Dirichlet Process については色々スライドの類がありますが, それを見ても 結局数学的な部分はよくわからないと思うので, 地道に論文を読むのが正道だと 思います。DPについては, まず最初の論文である Ferguson (1973) A Bayesian Analysis of Some Nonparametric Problems, The Annals of Statistics,Vol.1, No.2, 1973. と Antoniak (1974) Mixtures of Dirichlet Processes with Applications to Bayesian Nonpara
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
