The First Cry of Atom Today is the first day of the rest of my life.

マスターセンセイは嘘をつかない

仕事で、あるアジャイルプロジェクトに関わってきた。 スクラムマスターとなり、初めてのアジャイルプロジェクトを進めてもう3ヶ月ほどになる。 今日、アジャイルのススメ方についてこれまでも指導をくれていた人から幾つか言葉をもらったので これまでの3ヶ月、これからのこと、アジャイルですすめることの本質とか考えてみたのでまとめる。 ちなみにこの人は僕の中ではマスターセンセイと呼んでいるので、以下同一人物。 無理はしない アジャイルの根底にある本質を一言で表せと言われたらこの言葉になると思う。無理はしないというと消極的に思われるかもしれないので 足るを知ると言ってもいいかもしれない。自分たちに何ができて何ができないかをきちんと知ろうという姿勢はあるような気がする。 毎日のデイリースクラム... Read more

Scalaでパーセプトロンを作った

PRMLの線形識別モデルの章の内容。PRMLの中に書いてある線形識別モデルをざっと実装しようと思っていたけれど、 最小二乗法に依る識別とフィッシャーの線形識別は割りとけちょんけちょんにけなされているイメージだったので、とりあえずおいておくことにします。 というわけでパーセプトロンを作ってみたよ。 今回もソースはここ パーセプトロンは誤分類を行ったデータに対してのみパーセプトロン基準にもとづいて重みベクトルを変化させていくアルゴリズム。このアルゴリズムは基本的には 2クラスの分類にだけしか使えないが、線形分類可能なデータ集合に対しては有限ステップで必ず分類できるモデルを構築できるという特徴と持つ。すごい! パーセプトロン規準 val phi = DenseVector(1.0, ... Read more

モデルエビデンスの評価

作ったプログラムは以下においたよ。 https://github.com/PhysicsEngine/cpi-stats ここで作成した線形回帰モデルのエビデンス評価をしてみた。 モデルエビデンスはざっくり言うと、訓練データを与える尤度を周辺化した値。つまり、そのデータを与える可能性が最も高いものを選ぶことができればパラメタの複雑さなどを自分で判断しなくてもよいというメリットがある。 今回、実装したのは基底関数を多項式とした場合で各目標値には加法性のガウスノイズがのる前提で計算を行った。 超パラメタalpha(モデルパラメタのばらつき)とbeta(ガウスノイズの精度)はそれぞれ0.0001、15.0にした。推定の方法としてはベイズ推定の予測分布を計算して行った。 // Mはモ... Read more

DevOpsDay Tokyo 2013に行ってきたよ

印象に残った話しをざっとまとめてみる。なぜならBlogをかくまでがDev Ops Dayだから!! “Making Operations Visible” Nick Galbreath 使いやすいツールとか紹介 DevOpsとはコミュニケーション(マシン間、人間の間、組織の間) ビジネス側から見えないから価値がない DevとOpsとBizで相互不信的な感じになると Destructiveですよね。だから、データを使おう(運用としてだけではなく、会社の仕組みとして) ビジネス視点でのDevOpsと大事なことはコミュニケーションだと言い切ったところが新鮮だった。 Graphiteという統計可視化ツールの話。 https://github.com/graphite-pro... Read more

Neo4jの使い方(1)

Neo4jを使ってみたよ。とりあえず触ってみたかったのでインストールはせずにGraphGistを使ってCypherの書き方を勉強してみた。 Cypherって? グラフデータベースを操作するためのSQLのこと。他のグラフデータベースに利用されているのかは知らないけれどNeo4jに関してはこのCypherを使ってデータを操作する。SQLを知らないとMySQLに対して何もできないのと同じようにCypherを知らないとNeo4jを何もできない。今回はこのCypherの基本的な構文や書き方を書いてみる。 本家のドキュメントはここだよ ノードの作成 CREATE (n:Actor {name:"Doraemon"}) Actorは型。nameは属性。nはマッチさせるときの記述子 エッ... Read more