理系のための研究生活ガイド 第2版 テーマの選び方から留学の手続きまで」を読んだ
「理系のための研究生活ガイド 第2版 テーマの選び方から留学の手続きまで」を購入し読んだ。
この本の著者は医学系の先生であるが、理系全般に言えるような研究室運営や研究者自身の生き方に関することが書かれている。
研究者として印象に残った点はご機嫌であること・楽観的であること。
これらの要素は仮定に対する実験結果が芳しくないことが研究生活では多く、また、キャリア形成時において、思うような人生が送れないことが多々あると思われる。その際に、重要な考え方となると考える。
その他参考文献
TeamGeek Googleのギークたちはいかにしてチームを作るのか
「TeamGeek Googleのギークたちはいかにしてチームを作るのか」は、Googleに勤めているGeek（コンピュータオタク）たちが如何にして効率的な開発を行うかについて述べられている。 印象に残っている点として、人生のコンフォートゾーンに浸かり過ぎず、挑戦的なことを行うべきであると述べられている。さらに自分のパフォーマンスを高めるためにチームを生かすことが重要であると述べられている。 また、２章の内容と被る点は自身がご機嫌であることはチームや組織に影響を与えるので、不機嫌を撒き散らすべきでないという旨が書かれている。 また、ギークは技術の専門性を高めることが重要であるという主張がなされている。
世界最高のチーム グーグル流「最少の人数」で「最大の成果」を生み出す方法を読んだ
「世界最高のチーム グーグル流「最少の人数」で「最大の成果」を生み出す方法」は、Googleがエンジニアたちを働きやすくするための組織運営を行う際に考えていることを説明している。 印象に残っている点としては、「チームメンバの心理的安全性を高める必要がある」ということ。つまり、研究室運営やソフトウェアエンジニアリングを行う際に、自分の機嫌を自分で管理することは重要である。自分および周囲の生産性を高めるように不機嫌で他人をコントロールすることなく、チーム全員の心理的安全性を高めるように研究生活でも心がけたい。 また、各ポジションはそれぞれの専門性を発揮できるように考慮してあげることが重要だという主張に関しても印象に残っている。マネージャはマネージメントに関する仕事のみを行うことが重要であり、エンジニア職はその専門領域の仕事を集中して行うことが可能となる。
latent3d point[P Achlioptasら，ICML2018]を実験した
概要
Learning Representations and Generative Models For 3D Point Cloudsという３次元点群に対する表現学習手法がICML2018で提案された． 提案手法は，AutoEncoderによる復元に関すること，GANを利用した表現学習である． 本ブログでは，CADデータによる提案手法の再現実験を行なった．
実験データ
CADの３次元データである， ShapeNetCoreを用いた． ブログ内では，椅子のクラスの振られたデータのみを用いる．
GANによる表現学習
結果を見ると，学習が初期の段階では，ノイズのままである．
学習が進むと，徐々に椅子の形が現れる．
latgent GANによる表現学習
手順
GANの学習をする際に，直接３次元データの確率密度関数を近似するのではなく，データの持ちうる潜在空間の確率密度関数を近似するようにする． そのために，一旦，AutoEncderを用いて，潜在空間へのEncodeと，潜在空間からのDecodeを行う学習を行う．そして，潜在空間に対して，GANの学習を行う．
Auto Enccoderによる潜在空間の獲得とDecoderの学習
Decoderによって復元された椅子のデータを見ると，復元されていることが確認できる．
この学習されてEncoderによる潜在空間への写像，およびDecoderによるデータの復元を行う．
latent GANの学習
結果を見ると，初期の段階で，椅子の形状が現れていることが確認できる．
感想
Pointnet等の教師あり学習は広く研究されているが，点群に対する表現学習はあまり見たことがないので，今後の動向を見守りたい． 意外と単純なデータでも実験してみたら面白い．
アベンジャーズエンドゲームを観た
概要
学部生時代から観ているMCU作品。 ここ10年分の思い出が全部よみがえってきて泣いた
