ALIENWARE X51を買った

年末に少しツイートしたけど6年ぶりにWindowsパソコンを新調した。今回はDellのALIENWARE X51 スプレマシーという機種を選んだ。デスクトップマシンだけど少し小型なので机の上に乗せられる。

Dell ALIENWARE X51 デスクトップPC(i7-4790/8GB/1TB/GTX760Ti/Win8.1) ALIENWARE X51 15Q21

ビデオカードがnVIDIAのGeForce GTX 760 TiというOEM専用のものが入っている。TheanoをGPUで動かしてみたかったのだけれどCUDAに対応しているのかな？下のサイトを見るとGTX760だったらCUDAに対応しているみたい。Tiがつくとダメなのかな？あとで試してみたい。

• https://developer.nvidia.com/cuda-gpus
• http://www.geforce.com/hardware/desktop-gpus/geforce-gtx-760ti-oem/specifications

いつもはCygwinやMinGWを入れるのだけれど、今回はディスクが有り余っているのでVMwareにUbuntuを入れてWindows上で起動できるようにしてみた。GUIありで起動して普通にサクサク動くのはなかなかすごい。昔は、WindowsとLinuxをデュアルブートしようとして試行錯誤、ブートローダを誤って上書きしてWindows起動しない、涙目とかがよくあるパターンだったのに・・・今はもうそんなことする必要もないんだね。感慨深い。

さあ、さっそくSteamをインストールして・・・じゃなくてソフトウェア環境を整えていろいろ実験・研究するぞ！

Pythonに似ているようで微妙に違うJuliaを勉強した

前に一時期だけ音声信号処理を勉強していた（2011/5/14）ことあったけれど、その一環として@r9y9さんの統計的声質変換のチュートリアルをやってみようと思っている。統計的声質変換というのはAさんの声をBさんの声に変換するための統計モデルを学習するタスクのこと。具体的な問題に応用したことがなかった混合ガウスモデル（2010/5/21）を使うようなので興味を持った。

上記の記事ではJuliaというプログラミング言語を使っているので、ざっとでも読めるように少し勉強していた。まだ日本ではマイナーな言語なのかGoogleでJuliaを検索するとちょっと危ないサイトがけっこうひっかかる（笑）

Introduction to Julia

Juliaのlearningページでも紹介されているScipy2014のチュートリアル動画がわかりやすい。

Part1とPart2で4時間近くある動画なので全部見るのは大変だけれど実際に手を動かしながらできるのがよい。動画で使われているIPython Notebook（実際はIJuliaという拡張が必要）形式のノートがGithubで公開されている。

https://github.com/dpsanders/scipy_2014_julia

このノートブックはコードと説明が両方入っているのでこれをざっと実行するだけでもどんな言語かつかめた。IJuliaの導入方法は以下の記事が詳しい。

IJulia以外にLightTableというエディタも紹介されていた。従来のエディタの概念を覆すようなエディタですごかった（Emacsよりすごそう）。JuliaのプラグインはいくつかあったけれどJunoというのがよいみたい。LightTableの導入の仕方は下のページが参考になった。

Pythonの会議（Scipy2014）でJuliaの紹介があるくらいなのでPythonとJuliaはけっこう似ているところが多い。ただPythonよりもっと数値計算に特化していて高速な言語のようだ。構文は似ているようで微妙に違うので二股かけるとかなり混乱しそう。将来はどうかわからないけれど自分は今すぐPythonからJuliaに乗り換えようとはあまり思えなかった。というわけで先の声質変換のチュートリアル。私はJuliaではなく、Pythonでやってみる予定！

2015年目標

2015年にやりたいこと。

(1) Deep Learning

Deep Learningの勉強。論文をサーベイして理論を深めるとともに、ライブラリ（Theano, Pylearn2, Caffe）を使っていろいろな実験をやりたい。最近は、先人によるチュートリアル記事も多くなってきたので非常に参考になりそう。まずは追試から始めたい。

(2) Pythonによるモンテカルロ法入門

去年やり始めたプロジェクトを完成させたい。サンプリングやMCMCの理解も深めたい。

(3) pandasとscikit-learnの習得と活用

Pythonのデータ分析ライブラリ（pandas）、機械学習ライブラリ（scikit-learn）を習得・活用していきたい。

Pythonによるデータ分析入門 ―NumPy、pandasを使ったデータ処理

Learning Scikit-Learn: Machine Learning in Python: Experience the Benefits of Machine Learning Techniques by Applying Them to Read-World Problems Using Python and the Open S

scikit-learn Cookbook

Mastering Machine Learning With Scikit-learn: Apply Effective Learning Algorithms to Real-world Problems Using Scikit-learn

(4) 複雑系

複雑系の勉強を続けたい。まずは、Chaos and Fractalsや力学系入門を読破する。あとComplexity Explorerの2015年の講義を受講してちゃんと修了したい。そろそろネタがたまってきたのでプロジェクトページを作りたいかも。

Chaos and Fractals: An Elementary Introduction

Hirsch・Smale・Devaney 力学系入門―微分方程式からカオスまで

Unityは時間が取れそうにないので続けられないかも・・・今年はTwitterでつぶやいていたようなわりと短めの記事でもブログに記録していくようにしたい。いきなりまとめ記事とか書こうとすると筆が進まないから（笑）ということで今年もよろしくお願いします。