6. Data / Inform / Information Inform: “to convey knowledge via facts (事実によって知識を伝える)” Data (Factの集合) Information 選択・加工して知識を取り出す Value of Values (Rich Hickey) 業務システム構築におけるデータモデリング (和田省二) 7. Dataを場合分けする Event (コト) Resource (モノ) 日時属性をもつ 日時属性をもたない 非対称性 対称性 ある一時点 ライフサイクルがある 一時点の事実の記録なので、属性は変わる ことはない。 ライフサイクルにともない属性が変化して いくこともある。 属性が変化しても同じモノであることを示 すためIdentityが必要。 データは大まかに2種類に分別できる。

4. 公開にあたって ●まえがきに代えて 本書は 株式会社 セガ にて行われた有志による勉強会用に用意された資料を一般に公開するもので す。勉強会の趣旨は いわゆる「大人の学び直し」であり、本書の場合は高校数学の超駆け足での復習 から始めて主に大学初年度で学ぶ線形代数の基礎の学び直し、および応用としての３次元回転の表現の 基礎の理解が目的となっています。広く知られていますように線形代数は微積分と並び理工系諸分野の 基礎となっており、だからこそ大学初年度において学ぶわけですが、大変残念なことに高校数学では微 積分と異なりベクトルや行列はどんどん隅に追いやられているのが実情です。 線形代数とは何かをひとことで言えば「線形（比例関係）な性質をもつ対象を代数の力で読み解く」 という体系であり、その最大の特徴は原理的に「解ける」ということにあります。現実の世界で起きて いる現象を表す方程式が線形な振

DMやPrivate Channelを使うな、といっても意味がないから、 なんでDMを使ってしまうのかをまず考える、 そこからPublic channelの使い方を考えましょう みたいな話 https://eof-github.github.io/eof2019/ Read less

2. １９４６： ＥＮＩＡＣ，高い計算能力 フォン・ノイマン「俺の次に頭の良い奴ができた」 １９５２： Ａ．Ｓａｍｕｅｌによるチェッカーズプログラム 機械学習と人工知能の歴史 2 １９５７：Ｐｅｒｃｅｐｔｒｏｎ，ニューラルネットワークの先駆け 第一次ニューラルネットワークブーム １９６３：線形サポートベクトルマシン １９８０年代：多層パーセプトロン，誤差逆伝搬， 畳み込みネット 第二次ニューラルネットワークブーム １９９２： 非線形サポートベクトルマシン （カーネル法） 統計的学習 線形モデルの限界 非凸性の問題 １９９６： スパース学習 （Lasso） ２００３： トピックモデル （LDA） ２０１２： Supervision （Alex-net） 第三次ニューラルネットワークブーム データの増加 ＋計算機の強化 １９６０年代前半： ＥＬＩＺＡ（イライザ）， 擬似心理療法士 １９８０年代

16. SoR Bimodal IT Mode1 Mode2 正式名称 System of Record(SoR) System of Engagement(SoE) 適正 基幹系・勘定系、 ミッションクリティカルな機能・システム (決済システム、顧客管理等) 正解が無い中、柔軟に変化をしながら走り続ける必要がある機 能・サービス (スマホアプリ、ウェブサービスのフロント) 目的 信頼性、安定性 定めた仕様に従って安定性や品質を担保しながら開発して いく必要がある 俊敏性、速度 フィードバックに基づいて速やかに改善を加え、頻繁にリリー スする 価値・評価 費用対効果、コスト 売上、ブランド、UX アプローチ ウォーターフォール、V-model、重量IID アジャイル、リーン、カンバン、軽量IID 調達 エンタープライズサプライヤー、 長期的な取引 小さい、新しいベンダー、短期間の取引 メン

・集合はそのある真部分集合と一対一対応があるとき，無限集合と呼ばれる ・集合間の大小関係は，その集合間の写像の存在に基づいた濃度で表す ・集合はその全ての要素を並べることができるとき，可付番集合と呼ばれる ・自然数，整数，偶数，奇数，有理数，自然数の直積集合などは可付番集合 ・実数は可付番集合ではない（カントールの対角線論法） ・実数の濃度は自然数の濃度よりも高く，自然数の冪集合の濃度に等しい ・冪集合の濃度はもとの集合の濃度よりも高くなる ・可付番無限集合の濃度をアレフ・ゼロと呼ぶ ・可付番無限集合は濃度が最小の無限集合であるRead less

This document contains code snippets and technical details from various programming languages and frameworks. It includes examples of database queries, model associations, HTTP requests, pagination, and tracking model changes in Ruby on Rails. Thread-local storage is demonstrated using RequestStore to make request information available across different parts of a Rails application.Read less

2. 自己紹介 • ところてん • @tokoroten • 株式会社NextInt 代表 • 怪文章職人 • 最近の活動 • データサイエンティスト養成読本 ビジネス活用編 • Veinという自社サービスをリリー ス • 最近のお仕事 • 機械学習顧問（3社） • モバイル戻るウェア開発 • ECプラットフォーム • データ分析企業 • 新規事業コンサルティング（1社） • ゲームディレクター(1社) ↓共著 ↓寄稿↓共著

4. 4 自己紹介 ■家田 佳明 株式会社シナモン COO シリアル・アントレプレナー。電通、リクルート、P&G Singapore、起業を経て、 Cinnamonへ参画。豊富な新規事業立ち上げ経験から、新規事業コンサルティン グ・プロダクト/サービスデザインを担当。事業要件と技術的解決策の橋渡しを行う。 大学時代はTOEIC520点。28歳から英語の勉強を真剣に始め、710点から970点ま で、１年半で向上させる。2011年から６年間、シンガポールで仕事をし、25ヵ国籍以 上のメンバーと働く。現在は、COOとして、130名以上の多国籍チームをリードする。 ■TOEIC 970点 （リスニング 495点、リーディング 475点） （直近のTOEICスコア推移） 320 410 455 405 435 475 390 435 475 460 435 495 0 100 200 300 400

1. Copyright 2008 Blue Marlin Partners, Inc. 本資料の全部または一部に係わらず複製ならびに複写および引用を禁じます。ご活用・編纂をご希望の方は、 info@bluemarl.in までご連絡ください。無断使用の場合には法的手段を行使する可能性があります。 1 世界を変える会社の作り方 スタートアップ期（2 年間）に生じる壁と対策 ブルー・マーリン・パートナーズ代表 シェアーズ代表 山口揚平 早稲田大学政治経済学部卒 トーマツコンサルティング、アーサー・アンダーセン、 デロイト トーマツ コンサルティング、 アビーム M&A コンサルティング シニア・ヴァイス・プレジデントを経て現職 2. Copyright 2008 Blue Marlin Partners, Inc. 本資料の全部または一部に係わらず複製ならびに複写および引用を禁じます。ご活用

2018年7月23日 西日本応援プロジェクト 真夏の大LT大会！ #midsummer_lt https://techplay.jp/event/684228Read less

↓↓↓↓訂正あります。↓↓↓↓ 2018/07/02に株式会社エフコード社内で行われた勉強会のスライドです。 訂正版(随時更新中): https://docs.google.com/presentation/d/15HOMfAbtdWwO48njcB8IdkN3kVAMu3wsmZo0O3S-f_4/edit?usp=sharing 専門家による資料・専門家向けの資料ではありません。自分自身で学習し、論文・文献等を読解してまとめた内容となります。間違い等あるかもしれませんが、あれば是非コメント頂ければと思います。 【訂正事項】 スライド16: 誤：たった一つのプロセスが故障しただけでも有限時間で合意できない 正：たった一つのプロセスが故障しうるだけでも有限時間で合意できない スライド20: 誤: 重要: あるschedule σ1, σ2 がdisjoint (nodeが被ってない) なら

フォーカスするためには、たぶんどうやってフォーカスするか（前回）に加えて、何にフォーカスするかを決める必要があって、今回は後者、つまり「フォーカスポイントを決める」方の話です。 スタートアップの初期は Y Combinator 的に言うところの Do things that don’t scale （スケールしないことをしよう）をはじめとした明確なフォーカスポイントがあると思います。ただ次第に自分たちでフォーカスポイントを決めなければいけなくなってきて、そのときにどのようにフォーカス先を意思決定すれば良いのか、どうすれば良い意思決定ができるのか、という問いが出てきて、その際に方法論の必要性が生じます。 そこで意思決定の方法論を検討するのですが、スタートアップのような情報不足や資源の制約下では、ゲーム理論をはじめとしたいわゆる規範的な normative 意思決定理論よりは、行動経済学や認知

4. ビジネス面の制約条件を考える • 「人工知能で何とかしてください」 • この案件はどのタイプの利益モデルか？ • 人間のリプレイスが目的なので、人間より精度が高ければよい？ • 今の人間の精度は95%位なので、それよりも精度が高くなければ使えない • 今の人間の精度は60%位なので、それよりも精度が高くなければ使えない • 60%であれば、簡単なルールベースや画像処理で到達できる可能性が高い • 機械学習を使わなくても改善が出来る • 要求される精度次第で、使う技術が異なる • 自らの立ち位置によって、精度売上曲線の意味が変わってくる • 内製と下請け 5. YahooとGoogle • Yahooは自社の検索ビジネスをロジスティック型だと思い込んでいた • これ以上投資しても売上が増えないと思っていた • http://blog.livedoor.jp/lionfan/archiv

2018-02-27に開催された 機械学習・ディープラーニングでPythonを使う嬉しさとツラミを分かちあう会 https://mlxse.connpass.com/event/77315/ での発表資料。Read less

11. 起業家が成功して Exit (後述) すると、だいたいの場合、数億円〜数⼗億円相当の資産を ⼿に⼊れます。 http://www.forbes.com/japan-billionaires/ 11 起業家はお⾦持ちになれる ⽇本の⾼所得者ランキング の中で起業家（創業者）の 数はかなりの割合を占め、 その中でエンジェル投資を している⽅は何名かいらっ しゃいます。 ⼤体 40 位ぐらいに⼊れば 1,000 億円を超える資産を 持っており、そのような⼈ 達にとって数百万円の投資 はさほど⼤きな⾦額ではあ りません。

書籍化し、12万部突破しました。 【SlideShare広告回避用】 https://www.docswell.com/s/morishige/K3MXPZ-howtodesignslides ・PDFは無料でダウンロードできます ・自己学習や勉強会などの目的でしたらご自由にお使いいただけます ・授業・研修への利用はフォーム( https://forms.gle/WwgXTT974xFW78mFA )にご報告ください ・記事への参考資料にする際は適切な出典明記をお願いいたします 【使っているフォントについて】 M+フォント「MigMix1P」です。こちらもメイリオ同様おすすめです。 フリーで使えます。 【個人HP】 > https://mocks.jp > 仕事のご依頼はこちらから 【書籍情報】 デザイン入門：https://amzn.asia/d/4WDsTI6 デザイン図鑑：https

「リンスタ関ヶ原 〜敗軍の将、兵を語る編〜」で話したこと。 https://devlove.doorkeeper.jp/events/66102Read less

シリコンバレーのスタートアップを数多く取材する中で気付いた「シリコンバレーにおけるディシプリン（規律）の存在」や「General Electric（GE）やIBM、SAPといった老舗企業が必死になってシリコンバレーのスタートアップを真似している理由」、そして「日本企業がイノベーションを実現するための処方箋」について解説します 詳しく知りたい場合は「GE 巨人の復活」をご覧下さい。 http://www.nikkeibp.co.jp/atclpubmkt/book/17/P55110/ 今後の記事は「シリコンバレーNext」をご覧下さい。 http://itpro.nikkeibp.co.jp/siliconvalley/ Read less

BPStudy#120の発表資料です。 board（https://the-board.jp/ ）を立ち上げて事業として成立するようになるまでの取り組みを発表しました。Read less