yama

Vibe Coding を主体にした Programmer
スタートアップ経営9年
プライベートアカウントです
LIKE: LLM, 数学, Keyball39, 登山

[yama @mellowcoder3]

Fable 5って期間限定なのか。その後はAPI課金？
今これに慣れたらシャ◯付けみたいになって抜け出せなくなるやん
こわっ 今まで通り Gpt5.5 + Opusでハーネス作りにいそしむか

[yama @mellowcoder3]

ガンマ関数　まるで統計学のために作られた道具かのようだけど、歴史的には解析学の純粋数学で研究されてんだよな。

[yama @mellowcoder3]

ガンマ関数てほんと便利だな
ポアソン分布はまんまだし、カイ二乗分布も正規分布から導出するとガンマ分布が出てくるし、t分布もその導出過程でガンマ関数の積分使うし

[yama @mellowcoder3]

Codexのweekly limitが残り1日で1%切ったので今日はFable 5をメインで使う

[yama @mellowcoder3]

あ、これすげー　これがないから数学エージェント作ってたってのが半分ある。

[Shengzhe @shengzheyao]

The last three Antigravity CLI releases this week shipped a bunch of improvements and fixes. My favorite: the new LaTeX rendering engine. No more raw $$, just beautiful math equations right in your terminal.

Latest releases: https://t.co/jp5QhqtHMR

[yama @mellowcoder3]

標準ベイズ統計学の補完でStatistical Rethinking 読んでみようかなー 評判良さそうだし

[yama @mellowcoder3]

ベイズ統計の正規モデルに出てくる精度1/σ²ガンマ分布と分散σ²逆ガンマ分布の導出を自明とすんのは流石に分からんぜ

[yama @mellowcoder3]

そしたら廃線を発見
どうやら奥多摩湖を作った時に奥多摩駅から奥多摩湖に資材を運ぶ鉄道だったらしい

[yama @mellowcoder3]

今日は地面濡れてて急登で危ないな(自分では)と思って急遽奥多摩むかし道に変更

[yama @mellowcoder3]

ダムの水があんま無い 奥多摩湖

[yama @mellowcoder3]

今日は奥多摩湖からの御前山いくかー

[yama @mellowcoder3]

理解しなくてもいい時代は来ると思うが
おれはいやだね　そんなん

[yama @mellowcoder3]

自分にとって全く新しい概念を勉強する際って（ベイズ統計のような）
LLMにわかりやすく解説してってやっても基本理解出来ないんだよな
パラシュート勉強法的にまずは何度か通読して字面になれる
その後局所を自分で展開してみる
その後理解の取っ掛かりが得られたらAIに聞いて広げてくって流れが良い

[yama @mellowcoder3]

脳って一定の負荷というかストレスが与えられないと新しい事象は理解出来んと思うんだよな。医学的にはしらんけど
LLMはその階段をかなり細かく分割してサポートする事はできる。ただその細い階段に対してストレスを与える意思が無いと理解は得られない。

[yama @mellowcoder3]

結局は、事前分布をある程度適切に設定しておけば、少数の標本からでも意味のある事後分布が得られて
それによってたとえば平均とか、分散とかが確率で推定出来るってのがベイズ統計の本筋だと思うんだけど、
本読んでるとそれが頭からすっと抜けて迷子になる

[yama @mellowcoder3]

標準ベイズ統計学の5章むずい
途中からあたまに入らなくなった

[yama @mellowcoder3]

数式展開というより、分布の種類
事前分布 母平均や母分散などの推定したい未知パラメーターの分布
尤度 事象の確率モデル
事後分布 いくつかの標本の結果から導かれる母平均や母分散などの未知パラメーターの分布
この辺がまだ曖昧だな

[yama @mellowcoder3]

LLMの実装でO(1)のところをO(n^2)で実装しているケースに遭遇
明らかに計算量のオーダーおかしいよなと思ってプロファイルさせて、LLM自体が突き止めて直させたけど

[yama @mellowcoder3]

Persi Diaconis & Donald Ylvisaker (1979)
“Conjugate Priors for Exponential Families”

って論文で指数型分布族の尤度（二項分布とかポアソン分布とか）に対して特定の型の分布族の混合で事前分布を近似出来ると
フーリエ級数のような　なるほどね

[yama @mellowcoder3]

ベイズ統計、事前分布と事後分布が同じ分布（クラス）の共役性を持つ時に計算が簡単になるのは理解出来るが、共役性を得るために恣意的に事前分布を決めているような気がして納得いかんのだよね。