新型コロナウイルスが全世界的パンデミックとなり、当方がフォローしているKirk Borne氏のツィートも「COVID2019問題へのデータサイエンスの取り組み」「家で読むのにおすすめのデータサイエンス書籍」などコロナ関連の話題が多くなっている。データサイエンスの力がパンデミックの早期収束に多大な貢献をすることを祈りつつ、ここでは一般的なデータサイエンスの記事の紹介を継続する。尚、当方はchromeの翻訳機能を使わずに自力で英文を読んで紹介してきたが、最近ようやく翻訳結果も参考にするようになった。リンク先の英文記事を参照する際には翻訳機能を活用していただきたい。
2020年のIoTのトレンドと予測：IoTの「津波」に備えよ
自他のIoTトレンドの予測記事を引用するとともに、セキュリティ、ベンダ乱立、エッジネットワーキング等の問題はあるものの、5Gの拡大、衛星接続IoTの競争力増大、IoTセンサアナリティクスの急進展、建設業界主導による進展等で2020年のIoTは大きく進展すると予測している。
コンピュータ・サイエンスの凋落：20年間のトレンドが業界を再編する
米国でコンピュータ・サイエンスの学位取得者は2000年のdot-com crashを契機に急落し、2008年のリーマン・ショックの少し後に持ち直してきた。伸びている分野はデータサイエンスとサイバーセキュリティである。
機械学習のために線形代数学を学ぶべき5つの理由
やや古い記事だが、自らの著書の宣伝も兼ねて、機械学習の実務家でも線形代数学を学ぶべき理由を細かく解説している。
ディープラーニングの適用に「ビッグデータ」は必ずしも必要でない
機械学習において膨大なデータを用いて最初から学習をさせる必要はない。転移学習(transfer learning)についての記事。
IoT時代の「伝統的な過去データ外挿型の予測」対「高度な予測アナリティクス」
単に過去のデータにみられる規則性を用いて将来予測をするのでは十分な予測精度が得られない。より厳密な予測アナリティクスを適用することが必要と説いている。
