Neo mrboo

明日の仕事で使える統計学を学ぶために、「記述統計入門」と同一シリーズの本書を拝読しました。９５％などの区間推定を行う理由として、「正規分布の両端においては、予測しようと思えば予測できるが当たる確率が低いため、その様な当たらなそうなレアケースは予め諦めます」ということと理解しました。世の中のあらゆる事象は正規分布に従うと言う前提が、当初乱暴な印象を受けていましたが、先述の合理的な解釈により、今はある程度納得をしています。区間を区切るおかげで、統計学をより広い分野で活用できるようになったのではないでしょうか。 ただし、「記述統計入門」と同様、誤記誤植が散見され、読みながら理解すると同時に、いわば腕試しのために間違い探しという試練も課されていると言った状況です。書店で2冊（記述統計、推測統計）同時に購入したので読まざるを得ませんでしたが、まだ購入していなかった「回帰分析入門」、「因子分析入門」、「ベイズ統計入門」はパスかなぁ。。統計検定の公式本の目次に従って、他の分野を網羅していそうな書籍を探したいと思います。 恋する統計学 [推測統計入門]

以下、参加セッション順に、個人的な所感を登稿します。 《C5-1）AI搭載システムの品質保証》 当初から聴講してみたいと思っていたセッションの1つ。会場もいっぱいに入った上に、立ち見の人も結構いたので、JaSST参加者の感心度の高さがうかがえました。 セッションの流れは、以下の順で説明されました。 ・AI搭載システムに対する品質保証の必要性 ・品質保証のゴール 　「品質保証のゴール」： 　　　社会が許容可能なリスク上限　≧　システム全体のリスク 　　　「従来から許容しているリスク」　「従来のシステムのリスク」 　　　「AI活用の追加利益により　　　　「AI活用により新たに発生するリスク」※１ 　　　　新たに許容可能なリスク」※２ 　 （上記は発表資料から引用） ・品質保証ゴールへのアプローチ 　・テスト技法：DNNカバレッジテスト手法（※１） 　・品質アセスメント技法（※２） ・社会が許容できるリスクの合意形成（※２） 自分たちで品質保証のゴールを定義している点に感心しました。技術的な検証実績を積んでないと、中々できないことだと思います。また、本セッションを通して研究成果を公開するところは、日立さんの懐の深さを感じました。もちろん、社会的な合意形成が必要である点を強く認識されてのことだと思いますが。また、機能性を１００％実現できない特性上、統計学的な確率を用いてアセスメントせざるを得ないのは、同じ意見です。 【AIを評価する軸】 　・精度（対人間） 　・スピード 　・誤差の許容度（追加コスト、セーフティ） 　→ 上記の総合値と対象とするドメイン特性を元に、妥当性を検証 《C5-2）TPI Nextを活用したチームメンバーの問題意識から始めるテストプロセス改善》 TPI Nextを始めとした改善プロセスモデルは、組織に適用する初期段階で挫折してしまいそうですが、「メンバーの感情を突破口にする」やり方は、なるほどと思いました。感情は個人個人の主観ですが、決裁者を納得させる客観的事実として、上手に使っていると感心しました。また発表内容と共に、困っている人の心に寄り添う様なその喋り口など、自己顕示欲を全く感じないその講演者の方が、私の目には徳の高いお坊様のように映りました。私が日頃従事しているフィールドへの支援...

以下、参加セッション順に、個人的な所感を登稿します。 《A1）基調講演：Advances in Continuous Integration Testing at Goole》 全てのテストを自動化したことによって生じた新たな課題："flaky"（テスト結果の不安定さ）に対し、現実的なQCDを踏まえたアルゴリズムについて解説してもらえました。が、テスト自動化について知識0な私にとって、馬の耳に念仏状態。。BtoC向けWebサービスの開発って、これまで想像したこと無かったのですが、同じシステム開発をしているとは思えない位、私の会社（主なドメインはBtoB)と文化的に異なっていると感じました。toCとtoBの違いがあるにせよ、2、3周の遅れではないのか。。普段からCIにかかわっていると思われる聴構者が多く、そっちにも結構ショックを受けました。低コスト、スピーディ（当然、品質担保）なアプリ開発は時代の要請であるにもかかわらず、どの様な経緯で断念したかは分かりませんが、テスト自動化に誰も取り組もうとしなくなっ我が会社って、大丈夫なのか？！ 《D2）UI自動テストツールとAI 〜AIを使った自動テストの今と未来》 当初から聴講してみたいと思っていたセッションの1つ。会場もいっぱいに入った上に、立ち見の人も結構いたので、JaSST参加者の感心度の高さがうかがえました。 セッションの流れは、以下の順で説明されました。 ・Magic Podについて   ・基本機能：2つの方式   ・学習アルゴリズムと評価   ・課題（遅い、精度低い）と対処法 ・ソフトウェアテストでのAI活用   ・各テストプロセスでの実現性   ・不確実さの許容とAIの進化 印象的だったのは、AIだけでなくソフトウェアテストにも良く考察されていて、両分野の技術に精通されているとお見受けしました。もし自分が両方を極めたら、市場価値は高いだろうなぁと想像していたのですが、既にそう言う方がいらっしゃったと言う事です。また、どう学習されたかが現状ではブラックボックスのため、可視化する研究も進められているとのこと。やはり、統計学による範囲と確率を使った、定量的評価が必要と感じました。 《E3）静的解析とチーム間レビュープロセス》 ...