マネジメントの教科書に「1on1の作法」を書くとしたら｜CULTIBASE Radio｜Management #59
CULTIBASE Radioは、人やチームの創造性を高める知見を音声でお届けします。 CULTIBASE Radio マネジメントの59回目では、CULTIBASE編集長であり株式会社MIMIGURI 代表取締役Co-CEOの安斎勇樹と、同じく株式会社MIMIGURI 代表取締役Co-CEOのミナベトモミが、「マネジメントの教科書に「1on1の作法」を書くとしたら」をテーマにディスカッションしました。 以前ご好評いただいていた「マネジメントの教科書」シリーズ。 今回は、マネジメントの“キホンのキ”とも言える「1on1をどうすればいいのか問題」について考えたい。1on1には、決して欠かせない大前提がある。それは「1on1は機会提供の場である」という認識だ。うまくいっていないケースの大半は、この認識がないことに起因している。以前のCULTIBASE Radioでも話題にあげたように人の発達は
ヤフー人事に聞いた、進捗管理で終わらせないための「1 on 1」
少人数で始まったスタートアップも、いつかは組織になるタイミングがやってくる。そんなとき、組織化のための一手として注目されているのが「1on1」（ワン・オン・ワン）だ。 「『1on1』は、単に上司・部下が仲良くなるための時間ではありません。“明日からの自分をもっと良くするためにはどうすれば良いか”を考えるための時間です。いわば、部下の“気付き”や業務を振り返って“内省”“経験に基づく学び（経験学習）”を支援するためのものですね」（ヤフー 人財育成リーダー 小向洋誌さん）。 小向さんは、ヤフーが2012年4月に新経営体制を発表した後、それに伴う組織開発・人財開発を進めてきた人物の一人だ。さっそく、1on1の定義や具体的なやり方について話を伺った。 小向洋誌（Hiroshi Komukai）。ヤフー株式会社 ピープル・デベロップメント統括本部 人財開発本部 組織・人財開発部 人財育成リーダー。起
Yahoo!Japanの「1on1 ミーティング」に学ぶ！本間浩輔様 特別インタビュー｜お客様導入事例｜社員研修・社員教育のリクルート ラーニングクラブ
ヤフー株式会社は2012年4月に新体制になり、情報技術で人々や社会の課題解決を行う未来志向の「課題解決エンジン」というビジョンのもとユーザーファーストの経営を展開。さまざまな改革を爆速で推し進めてきました。人事施策においても、「社員一人一人の才能と情熱を解き放つ」というテーマのもと、多種多様の取り組みが行われています。その中核の一つが「1on1ミーティング」です。今回は、ヤフー株式会社の執行役員であり、ピープルディベロップメント統括本部長を務める本間浩輔様に、リクルート ラーニングクラブと共同開発した「1on1サポートプログラム」が生まれた背景や、プログラムに込めた想いなどを伺いました。 ヤフーで働き始めたばかりのころ、知人から「本間、ヤフーってどんな会社なんだ？」と聞かれたことがあります。そんなとき私は、冗談交じりにこう答えていました。「隣にいる人同士が、メールやチャットで会話するような
上司との良質な対話がストレスをなくす？ ヤフーが本気で取り組む1on1プロジェクトとは
上司との良質な対話がストレスをなくす？ ヤフーが本気で取り組む1on1プロジェクトとは（1/4 ページ） 上司とうまくいかない、自分の仕事ぶりをなかなか認めてもらえない――。こんなふうに感じたことはないだろうか。実は、こうした悩みがメンタルヘルスに大きく影響していることが分かっている。 厚生労働省のメンタルヘルスに関する調査（2012年実施）によれば、ストレスの大きな要因は職場の「人間関係」。その多くは上司と部下の人間関係だ。また、“やりがいをもって働けているか”といった「仕事の質」もストレスに関係しているという。 職場のストレスを軽減するためには、上司と部下が良好な関係を築き、いきいきと働ける環境を作ればいいということになるが、一朝一夕でできることではない。できないからこそ、メンタル疾患に至る従業員が現に増えているのだ。 しかし、この2点のテーマに全社をあげてチャレンジしているのがポータ
1 on 1 で 何を話すのか？ マネージャ/ソフトウェアエンジニアの立場から - サンフランシスコではたらくソフトウェアエンジニア - higepon blog
1 on 1 (ワンオンワン) とは1対1のミーティングの事。ここでは毎週もしくは隔週で行われるマネージャとその部下(direct reports)であるソフトウェアエンジニアの 1 on 1 に焦点をあてる。よく 1 on 1 で何を話したらよいか分からない。話題がない。と相談されるので僕の思うところをまとめてみる。 僕はマネージャもソフトウェアエンジニアのどちらも経験があるので両側からの視点を提供できると思う。 マネージャ編 マネージャは 1 on 1 を部下のために開催しなければならない。自分のための時間ではないことを肝に銘じよう。部下には話したいことを何でも話してもらう。事前に「1 on 1 は君のための時間だよ」と説明しておこう。 1 on 1 が始まったら「何か話したいこと、気になることある？」と問いかけよう。焦ってはいけない。じっくりと待ってみよう。 たとえマネージャとしてプ
「報告」について本気出して向き合ったら思考と行動が変わった話 - エムスリーテックブログ
この記事はエムスリー Advent Calendar 2022 9日目の記事です。前日は @sonodar によるGoogle BigQuery Connector for AWS Glue で AWS から BigQuery にデータを書き込んでみたでした。 こんにちは！ エムスリーエンジニアリングGプロダクトマネージャーの髙田です。 クラウド型電子カルテエムスリーデジカルを担当しています。 さて、2022年11月2日に行われたプロダクトマネージャーカンファレンス2022、見られた方も多いのではないでしょうか？ その中のセッションの1つ「ホウレンソウで分かる、デキるPMの働き方」では、クライス＆カンパニーの山本さんとエムスリー山崎が、デキるPM・イマイチPMの違いについて報連相の切り口からディスカッション形式で話されていました。 youtu.be この記事では、私自身がエムスリー入社後に
素晴らしいふりかえりの手法3選 - Qiita
こんにちは、ログラスで業務委託としてエンジニアをしております、やの（yamyanu）です。 本記事は株式会社ログラス Productチーム Advent Calendar 2022の9日目の記事になります。 はじめに みなさん、チームでふりかえりは実施していますか？ふりかえりはチームの開発プロセスを改善し、心理的安全性を確保することにも役立つとても良い活動だなと感じます。 しかし、同じ手法だけを行うと類似した観点での議論になってしまい効果が低下することもあります。そういった場合は、様々な手法を試し、自分のチームに合ったふりかえりにカスタマイズすることが重要です。 そこで今回は、3つの素晴らしいふりかえりに関する手法をご紹介します。それぞれの手法にお手軽度とうまくいった時の効果の度合いを載せていますので、ぜひ参考にしてみてください。 「Good Bad Fact Feel」: 気持ちもメンバ
深層学習×集合マッチングによるコーディネート選択 - ZOZO TECH BLOG
※AMP表示の場合、数式が正しく表示されません。数式を確認する場合は通常表示版をご覧ください ZOZO Researchの斎藤です。私たちはファッションコーディネートの推薦や生成の基礎として、深層集合マッチングという技術を研究しています。本記事では、深層集合マッチングを理解する上で必要な諸概念の説明と、ファッションデータを使った実験結果について紹介します。対象読者としては、機械学習系のエンジニアや学生を想定しています。 集合マッチングとは ある集合が与えられたとき、その集合にもっともマッチする集合を解の候補から選ぶという問題を考えます。 例えばコーディネートを画像集合として捉えると、あるコーディネートの一部分（部分コーデと呼びます）に対して合う部分コーデを選択するという問題設定を考えることができます。 図： ある部分コーデ（左）にマッチする部分コーデを候補（右）の中から1つ選ぶ このような
VAEとGANを活用したファッションアイテム検索システム - ZOZO TECH BLOG
データサイエンティストの中村です。今回はイメージファーストなファッションアイテム検索システムを作ってみたのでそちらの紹介をしたいと思います。 本記事で紹介する技術はIBIS2016でも報告しています。 概要 ファッションアイテムを探すとき、見た目の印象はとても大事な要素です。ファッションは感覚的なものなので、自分が欲しい服について言葉で説明することは難しいですが、そのアイテムの良し悪しは画像を見ただけで判断できるからです。 今回開発した検索システムは見た目の印象を大事にしたいので、画像をクエリとします。ただし、ただの画像検索では面白くないので、色や形状などの属性情報を付加した状態で検索を実行できるようにしました。 例えば、「シルエットは良いんだけど、これの赤いやつが欲しい」のような感覚的な注文を、以下のGIFのように画像に属性を付加する形で拾っています。 よくある検索システムではカテゴリに
ファッション×機械学習の論文紹介 - ZOZO TECH BLOG
こんにちは。データチームの後藤です。 弊社のデータサイエンティストは職務の1つとしてファッション×機械学習の研究・開発に取り組んでいます。このファッション×機械学習の分野は世界中の大学や研究機関で精力的に研究されているため、我々も最新の動向を日々追いかけて、技術検証やサービスへの実用化を進めています。 本記事では、ファッション×機械学習の最新の研究動向を理解するための比較的新しい研究論文を紹介します。この記事を読むとファッション×機械学習の応用例を把握することができると思います。特に注目している研究の紹介には論文中の図とコメントを残しましたので、追いかける際の参考にしてください。なお、本記事内に掲載されている論文の中にはarXivのみに投稿されているものもあります。「査読を通しておらず内容が保証されない」「今後バージョンアップされ内容が変更される」といった可能性があります。ご了承ください。
集合データを学習するモデルの紹介 - ZOZO TECH BLOG
（Icon Credit *1） こんにちは。スタートトゥデイ研究所の後藤です。 今回は、集合を入力として扱うネットワークモデルの紹介をしたいと思います。機械学習の多くのモデルは、固定長の入出力や順序のある可変長の入出力を扱うように設計されます。画像データやテーブルデータは各サンプルの入出力の次元を合わせて学習しますし、自然言語処理のコーパスや時系列データは入出力の順序を保持して利用します。 その一方で、可変長で順序のない集合データを扱うモデルの研究は最近になって取り組み始められたばかりです。我々が研究しているファッションの領域において、入力データを集合として扱いたくなる状況がたびたびあるため、理解を深めておきたい問題設定です。 コーディネートをアイテムの集合とみなす コーディネートに使われたアイテムの例 コーディネートをアイテムの組み合わせとして捉えた場合、1つのコーディネートはアイテム
スタイルを基準としたコーディネートのクラスタリング - ZOZO TECH BLOG
スタートトゥデイ研究所リサーチャーの中村です。 今回は、コーディネートからスタイルを自動抽出する技術に関するアイデアの紹介です。こちらは、企業研究所による研究発表カンファレンス (CCSE2018)でも同様の内容で発表させていただきました。 そのときに使用した資料はこちらです。 ファッションのスタイルについて 服は組み合わせによって見た目の印象が変化します。例えば同じスラックスを履いたとしても、トップスがYシャツのときとTシャツのときでは印象が異なるはずです。ファッションではこの現象をスタイルやテイストといった言葉で表現します。 スタイルはコーディネートを考える際の指針となります。頻出するスタイルにはエイリアスが設定されており、印象を伝える際に利用されます。例えば以下のようなものです。 ところが多くの人にとって、このスタイルという概念はとても厄介です。服の組み合わせは無限に存在し、組み合わ
将来発生するトランザクション数を予測する方法 - ZOZO TECH BLOG
データサイエンティストの中村です。 webで発生するトランザクション（購買など）の中には、確率分布を仮定することで抽象化できる物があります。 今回は、トランザクションが発生する現象をモデリングする手法のひとつであるBG/NBDモデルと、この手法にもとづいて将来発生するトランザクションの回数を予測するためのライブラリであるlifetimesを紹介します。 トランザクションのモデリングについて 1987年にSchmittlein等によってPareto/NBDというモデルが提案されました。これは顧客の継続的に発生する購買行動に確率分布を当てはめ抽象化する手法で、結果として将来発生する購買を予測することに成功しました。顧客が離脱したか否かの判断や顧客生涯価値の見積もりが可能になるという点で、Pareto/NBDモデルは顧客分析における非常に強力なツールのひとつです。 Pareto/NBDをベースと
【資料公開】プロダクトマネジメントの”罠”を回避しよう
みなさんこんにちは。@ryuzeeです。 3月23日に新刊『スクラム実践者が知るべき97のこと』が発売になりました。 スクラムを作ったケン・シュエイバー氏、日本で認定スクラムマスター研修を何度も開催しているジェームズ・コプリエン氏を始めとした海外のスクラム界隈の著名人68人による97本のコラム集です。 日本語版の発売に際して、及部敬雄さん、小林恭平（kyon_mm）さん、高橋一貴さん、長沢智治さん、平鍋健児さん、安井力（やっとむ）さん、和田卓人さん、訳者3人のコラムもあわせて収録しています。 チームのみんなで議論したり、ふりかえりのネタにしたり、自分たちの環境でヒントになることを探したりと、さまざまな使い方ができると思いますので、ぜひお手にとってご覧ください。 なお、僕が所属する株式会社アトラクタでは、発売を記念して抽選で20名の方にプレゼントする企画を行っていますので、興味のある方はお申
あなたの現場の若手が率直な意見をいってくれないたった一つのシンプルな理由｜dora_e_m
もっとみんなの意見が欲しいのに若手のホウレンソウに課題がある。意見を募っても出てこない。フィードバックを求めても「いいと思います」しか返ってこない。中年のみなさん、こんな悩みをもってないでしょうか。 おそらくあなたは、心の底から若い人の意見を欲しがっていることでしょう。ともに働く仲間としてフラットな関係を築き、高めあいたいと思っていることでしょう。 でもね、それは簡単なことじゃないんです。だって・・・ 率直な意見をいってくれないのは歳が離れすぎているから大卒・大学院卒の新入社員は20代前半。あなたはアラフォー。10歳以上離れてますね。 「確かにそうだけど社会人でそれくらい歳離れてるの当たり前田のクラッカーじゃない？」 そうですね。会社という組織では、それくらい歳が離れた人たちが同じチームにいるということは珍しくありません。 ここで、新入社員の目線に立ってみましょう。 大卒者の人間関係の幅は
角度の平均や分散を複素数を用いて求める - Qiita
はじめに 角度の平均を単純に計算してはいけない 突然ですが、以下の角度値の平均を求める方法をご存知でしょうか？ $$ \lbrace10^\circ, 30^\circ, 350^\circ\rbrace $$ これが普通の数値データであれば、$(10 + 30 + 350) / 3 = 130$のように平均が求まります。 しかし、角度の場合は平均10°となります。図示してみると、確かに10°を中心に分布しています。 なぜ単純計算では求まらないのでしょうか？ これには角度の周期性が関係しています。350°は数値上大きく見えますが、実際には0°に近い角度です。本来連続して続いているものを1周期で切断しているため、角度に対して素朴な統計処理をすることはできないのです。 角度データを扱う統計の分野を「角度統計（Circular Statistics, Directional Statistics
MIMIGURI Advent Calendar 2022 - Adventar
株式会社MIMIGURIのメンバーが、以下をテーマにさまざまな記事を発信します。 対話 衝動 葛藤 学習 遊び 理論と実践
仕事ができない感から完全脱却してみる｜牛尾 剛
わたしは未だに自分が「仕事ができない」感がある。いや、たぶん思い込みじゃなくて、本当にそうだと思う。周りと比べても意味はないのだが、明らかにプログラミングのスピードが遅いし、ソリューションや思考の精緻さに欠ける。アメリカのテックカンパニーの人員削減が盛んだしいつ首になってもおかしくないと思う。 「向いていない」エンジニアへのあこがれアメリカで自分がしたかったことは、今度こそ胸を張って「エンジニアです」といえるようになること。何かを作れる人間になること。これは今までの人生で一度もかなっていないことだ。だから、正直なところ「向いていない」と自覚している。 だから、自分と一緒に働いているVincentに聞いてみた。彼は私よりずっと若いけど仕事をしっかりできる。私よりずっとプログラミングも素早いしロジックをよく覚えているし、複雑なリファクタリングもこなせる。 同僚の要領を得ない回答 彼にどうしたら
AI/ML on AWSのカレンダー | Advent Calendar 2022 - Qiita
AWS の AI/ML サービス (*) やその他周辺サービスを活用した人工知能・機械学習・数理最適化など、データサイエンスにまつわること何でも、どなたでも歓迎！他のアドベントカレンダーとのクロスポストも歓迎です！ Amazon SageMaker, Augmented AI, CodeGuru, Comprehend, Comprehend Medical, DevOps Guru, Forecast, Fraud Detector, HealthLake, Kendra, Lex, Lookout for Equipment, Lookout for Metrics, Lookout for Vision, Monitron, Personalize, Polly, Rekognition, Textract, Transcribe, Translate, Panorama など AI
AWS EC2上で進めるMLOps Basics - Qiita
はじめに 先日，MLOps Basics を読み進める会やろうぜという旨のツイートをしたところ色んな方に反応してもらえました． 先月くらいからMLOps Basics を友達と進めています！今日はこの後20時からDVCやるんですが興味ある人一緒にやりませんか？ゆるぼ pic.twitter.com/9ezulSNzjv — johannyjm1 (@johannyjm1) October 25, 2022 やはり ONNX や Docker といった ML/DL 周辺で活躍するフレームワークや，モデルのデプロイ周りについて体系的にまとまった資料は需要が高いんだな？という気持ちからこの MLOps Basics を取り扱うに至りました． 機械学習周りの環境構築は意外に気をつけるべき項目が多く困っている人もよく見かけるので，この記事が何かしらの助けになれば幸いです． なお，本稿は AI/ML
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
株式会社ログラス Productチーム のカレンダー | Advent Calendar 2022 - Qiita
エムスリー Advent Calendar 2022のカレンダー | Advent Calendar 2022 - Qiita
AI Shift Advent Calendar 2022 - Adventar
Machine learning system development
dbtにおけるsqlfluff templater設定
The Airbnb Tech Blog – Medium