//tips
インフルエンサーではなく、ブランドを価値に変える
リアル店舗接客映像をライブ配信：数時間で一週間分の売り上げ
視聴者があたかも店に行って、マンツーマンで接客を受けているように感じさせる映像。
中国での東西格差が要因で受けているという見方もあるが擬似体験に対する工夫は大事だし蓄積できる技術。
デパート(ブランド)・農家(安全・信用)をパッケージに組み込んでいると考える。
ゆくゆくはAiと仮想世界に応用できる流れ。
//基本技術理解
GPUは画像描画プロセッサだが膨大かつ単純な演算処理が得意で近年ではAIのディープラーニングに用いられている。
ディープラーニングでは大量のデータをもとに行列計算処理を行うことになる。
Aiの機械学習は教師あり学習では回帰分析、教師なし学習では、類似性をもとにしたクラスタリングや次元削減、強化学習では、期待値最大を目指し確率モデルのマルコフ決定過程を用いて、最適な遷移を見つける。
ディープラーニングは脳の神経細胞を数理モデル化したネットワークを用い、大量の学習用データを与え、出力と目標値の誤差が最小になるように、信号線の重みを調整する。
最適な重みに設定するためにバックプロパゲーションというアルゴリズムが使われる。出力層から入力層に逆に向かって各重みの誤差が小さくなるように調整していくというもの。
各データをポイントで繋いだ連結リスト構造について理解していく。
連結リストの各データは、データ部とポインタ部から構成され、ポインタ部には、次につながるデータのアドレスを指す情報が格納される。
連結リストの最後のデータ(ノード)が持つポインタ部には連結先がないことを示すnullが入る。
連結リストには、単方向リスト、双方向リスト、循環リストがあり、それぞれポインタ部に格納されるアドレスに違いが出る。
リストではデータの削除や追加をポインタの付け替えによって行える。
動的に領域を確保するデータ構造に適している仕組みとなり、ヒープ領域で使われることとなる。
例えば追加を行いたい場合は追加データのポインタに次のデータのアドレスを格納し、追加データの前のデータのポインタは追加データのアドレスに付け替えることになる。
削除を行いたい場合は、削除したいデータからその次に来るデータのアドレスを引き継ぎ、削除データの一つ前のデータのポインタに設定する。
基本的にはリストは連結されて線形のため順番にリストの項目を辿っていくことになる。そのため削除対象が最後尾に近くなる程処理に時間がかかる。
スタックは最後に格納したデータから順に取り出せる後入れ先出しのデータ構造で、データスタックへの挿入はpush,取り出しはpopとなる。
スタックは配列かリストを用いて表現される。
スタックは再起的処理に欠かせないデータ構造で、プログラムへの戻り番地、引数、ローカル変数をスタックに積み上げ、呼び出し側に戻った時にスタックから取り出すという、実行途中の状態を制御できる。
キューは最初に格納したデータから取り出される先入れ先だしの構造で、キューへのデータの挿入はエンキュー、取り出しはデキュー操作で行う。
スタックを使った演算では逆ポーランド表記の流れと同様になり、例えば23+8*は2と3が読み込まれるとスタックに格納。演算子が読み込まれるとスタックから取り出した数を次の取り出した数に演算し、再度スタックへ格納。最終的な演算結果が最後にスタックに残るという風になる。
２分探索木の深さ優先探索の方でスタックが、幅優先探索の方でキューが用いられるよう。
深さ優先探索は逆ポーランド表記と同様の探索手法を用い、先行順、中間順、後行順のデータカウントの中から適当なものを選ぶことになる。データの探索経路は同じだが、同一ノードを複数回通るので、どの段階でカウントを取るのかは選ぶことになる。
根の値より探索データが小さければ左へ進み、大きければ右に進む。
この時のデータ探索の最大比較回数はlog2nとなるが、一方に偏っている場合は要素数と同じnとなる。毎回半分ずつになり、要素数n=2^比較回数sとなるので。
偏りのない木が探索効率が良いのでバランス木が作られることになる。AVL木がその一つで左右の部分木の高さの差が１以下としている。これは比較するのに非効率な直線形にならないようにするもの。
B木は外部記憶装置にデータを格納するために考案された構造で大量のデータ探索に適している。
インデックスなどに主に用いられる。末端部分のみにデータを格納し、そのほかはアドレスの格納場所としている形。
線形探索方は探索対象を先頭から順に探索していく方法で、使用頻度順に格納されているデータに有効となる。
２分探索法は、探索の対象が昇順または降順に整列されている時に用いる。
探索時間のスピードを上げる方法にハッシュ法があり、探索データのキー値により、そのデータのアドレスを直接計算するもの。特定の一つのデータを見つけたい時に便利。
ただ、異なるキー値から同一のアドレスが求められてしまうこと(シノニム)もあり、その問題を解決するために、オープンアドレス法やチェイン法が用いられる。
オープンアドレス法は、シノニムが発生したときに別のハッシュ関数を用いて再ハッシュを行う。
チェイン法は同じハッシュ値を持つデータをポインタで繋いだリストとして格納する方法。
整列アルゴリズムには、バブルソート、単純選択法、単純挿入法がある。
バブル：隣接する値の比較と交換
単純選択：小さいまたは大きい順に先頭から入れ替えていく
単純挿入：未整列要素の先頭を整列済み要素の正しい位置に挿入
整列法の考え方、一個ずつ値を加えていく逐次添加法、大きな問題を小さな問題に分解し、解を結合する事で全体解を求める分割統治法、データ構造の利用。
高速に整列できるクイックソートでは分割統治法が用いられるが、最悪の場合計算量は要素数の２乗となる。
自分自身を何度も呼び出す再帰関数も用いられる。下記のようなもの。
再帰式F(x,y)
y=0のときx
y>0のときF(y,x mod y)
F(231,15)は？
Modは割り算の余りを求めるものなので、
x,yは
231,15
15,6
6,3
3,0
となりy=0になったので3が答えとなる。
再入可能プログラムとは、複数のタスクから呼び出されても正しい結果を返すプログラムで、データ部分と手続き部分とにプログラムを分離し、手続き部分は複数のタスクで共有し、データ部分は各タスク単位に用意する事で実現できる。
関数などの再帰プログラムはスタックで管理され、ローカル変数を各関数の呼び出し時にスタックに退避させるなどの対応をとる。
