「説明能力の高さ」はどこに現れるか
職業柄、昔から人の「説明」を聞くことがとても多かった。 会社の現状、技術的な見解、商品のスペック、あるいは人の経歴についての話もあった。 そして、説明がとても上手な人もいれば、下手な人もいることを知った。 例えば、こんな具合だ。 「では、御社の事業説明をお願いします」 「わかりました、こちらが会社案内です」 「では、始めてください。」 「はい、では1ページ目をご覧ください。弊社の主要な株主は……全国に展開しており……事業所は……」 ……５分経過 「では次は、弊社の主要な事業です。おもに３つあり……」 「（退屈だな……後ろのページでも見ているか）」 ……５分経過 「次に今回お問い合わせの商品についてです……こちらの……」 「（その話はもうサイトで見たからいいよ……話ながいな……内職でもするか）」 ……５分経過 「以上となりますが、なにかご質問はありますか？」 「………いえ。」 例えば上のよう
わかりやすい説明のための 10 の鉄則
第0部 まずは「分かりづらい説明」を知ろう（p.14～） 第1部 口頭説明編（p.25～） 第2部 資料作成編（p.63～） 第3部 スライド作成編（p.81～） スライドのまとめ（p.115～）
発表でうまく話すためには （富山Ruby会議01のPRをかねて） #toyamark - give IT a try
はじめに 僕は今年の8月末に銀座Railsという勉強会で登壇してきました。 講演が終わったあと、Twitterでみなさんの感想を読んでいたところ、こんなツイートを見つけました。 今回も銀座Rails勉強になったな。 内容もさることながら、伊藤さん、喋りが上手いなぁと思って聞いていた。 構成とかどうやって考えてるとか、練習とかはどのぐらいしたんだろうかとか、後々思い返して結構気になってる。 #ginzarails— 𝕐.𝕊𝕦𝕫𝕦𝕜𝕚 (@y_s______731) August 29, 2019 どうもありがとうございます！ 発表のしゃべり方は、自分でもうまい方なんじゃないかと思っています（笑）。 コメントをくださった方が「構成の考え方や練習量が気になる」とおっしゃっているので、今回は僕が考える「発表でうまく話すコツ」を書いてみようと思います。 【もくじ】 はじめに いきなり種
障害報告書を書こう！ - Qiita
担当しているITサービスなどに何かしらのインシデントや障害が発生した時に、対処後のアクションとして報告書を提出して事象の内容を報告（レポート）する場合がある。 提出先は会社の偉い人だったりクライアントだったり。場合によってはユーザー向けに発表したり。事の顛末を報告して「今後同様のことを起こさないように努力します、ごめんなさい」をするのだ。どのように再発防止の努力するのかを書くものでもある。 主にクライアント向けのビジネス内容ではあるが、自分が使っているテンプレパターンを共有するので参考にしてもらえればと思う。1 全般的なポイント 心得のようなもの。次の点は留意してて欲しい。 淡々と冷静な説明をこころがける 当然のことながら事実は脚色しない。無駄な修飾も要らない。客観的な事実を簡潔に述べる。 例： ❌「一生懸命頑張って対応したが…」 ❌「寝ないで対応したが…」 ❌「本当の原因は…」 できるだ
新型コロナウイルス感染をのりこえるための説明書 – 諏訪中央病院
当院総合診療科の玉井道裕医師が作成した「新型コロナウイルス感染をのりこえるための説明書」を公開します。新型コロナウイルスの基本知識、感染を防ぐためにやるべきことなどイラストとともにわかりやすく解説しています。 NEW（2022/8/18追加） 新型コロナウイルス感染をのりこえるための説明書（オミクロン株BA.5編） →圧縮版［3MB］ ＊お願い＊（2022/8） 『新型コロナウイルス感染をのりこえるための説明書』につきまして、これまでも大変多くのお問い合わせをいただいておりますが、現在、発熱外来をはじめとした診療にかかわる電話が急増し、回線が大変込み合っております。診療にかかわるご連絡を最優先するため、説明書に関するお問い合わせはご遠慮いただきますようお願いいたします。 よくあるお問い合わせ・質問 Q1.（保育園や学校、自治体、企業様などより）園児・学生、社員やそのご家族に対して紹介、配布
3分でざっくりわかるスクラム（スクラム用語を使わないスクラムの説明）
みなさんこんにちは。@ryuzeeです。今日は小ネタです。 3分くらいでスクラムをざっくり分かってもらうための説明を以前作ったのですが、意外と役に立っているのでブログで公開しておきます。 この記述については、CC BY-SA 4.0ライセンスとします。 クレジット表記（@ryuzee / Ryutaro Yoshiba）のもとで共有や派生物を作って構いません（その場合は元のライセンスを継承します）。 製品の目標や方向性、成果に責任を持つ人を1人決めます（＝プロダクトオーナー）製品の目標や実現したいことを一覧にして、常に最新の状態にしておきます（＝プロダクトバックログ）製品を作るのに必要な作業は色々な能力を持った開発者たちに任せます（デベロッパー）頻繁に動くものを見たほうが安心なので、固定の短い期間に区切って繰り返します（＝スプリント）短い期間をうまく過ごして成果を出すには計画が必要です（＝
子どもに「molって何？」って聞かれて説明を繰り返した結果「明太子の卵はいちいち卵何個と数えずに明太子一本って数えるのと同じ」と言ったら理解してくれた
ْ @mizonozomizo お魚さんには明太子というか卵巣が２本入ってて、それで１腹とカウントします。 で、その１腹あたりだと2，30万粒くらいなので、まあざっと一本で10万粒ってとこでしょうか。 あなたが明太子を食べ... 続き→marshmallow-qa.com/messages/5af2b… #マシュマロを投げ合おう 2021-06-14 19:37:35 もちもちクジラプラネット @mizonozomizo お魚さんには明太子というか卵巣が２本入ってて、それで１腹とカウントします。 で、その１腹あたりだと2，30万粒くらいなので、まあざっと一本で10万粒ってとこでしょうか。 あなたが明太子を食べ... 続き→marshmallow-qa.com/messages/5af2b… #マシュマロを投げ合おう 2021-06-14 19:37:35
“説明可能なAI”の教科書、日本語訳を公開 「AIに何ができ、何ができないか」理解の手引きに
機械学習モデルによる判断を、人間が解釈・説明するための手法について俯瞰的に解説する名著「解釈可能な機械学習/Interpretable Machine Learning」日本語訳が、このほど公開された。 翻訳プロジェクトを主催したAI企業のHACARUSは、「AIに何ができて何ができないかを正しく理解するために、非常に役に立つ」と紹介。「最初の数章に目を通すだけでも価値がある」という。 Interpretable Machine Learningの原著（英語版）は、データサイエンティストクリストフ・モルナル氏による著書で、書籍で発行されている他、Webで無料公開されている。また、PDF版を有料ダウンロードすることもできる。 同書では、「コンピュータは通常、判断の説明をしない。それが機械学習を採用する障壁になっている」との前提に立ち、機械学習モデルや、その判断を解釈可能なものにするノウハウを
5分で分かる機械学習（ML）
1分 ―― 機械学習 （ML：Machine Learning）とは 人間が経験から学ぶように、機械がデータから学習することを機械学習（ML）と呼びます。例えば犬や猫の画像データから「あれが犬」「これが猫」と判断できるように学習することなどです。これは人間の子供に犬や猫を見せて「あれが犬」「これが猫」と覚えさせるのに似ていますね。 「5分で分かる人工知能（AI）」でも説明しましたが、機械学習には例えば、回帰分析や主成分分析、決定木、サポートベクタマシン、ディープラーニング（＝ニューラルネットワークという仕組みを発展させたもの）など多くの手法（後述）があります（図1）。 統計学と機械学習の違い 回帰分析や主成分分析と聞いて、統計学の多変量解析を思い浮かべたかもしれません。実際に、一部の統計学の手法は機械学習でも使用します。しかし、統計学はデータを分析してインサイト（＝内在する本質）を得ること
説明可能性とはなにか？NLPにおける説明可能AIの現状を徹底解説！
3つの要点 ✔️ 自然言語処理における説明可能AIについて ✔️ 説明可能な自然言語処理モデルの現状について ✔️ 説明可能性の実現に向けた課題について A Survey of the State of Explainable AI for Natural Language Processing written by Marina Danilevsky, Kun Qian, Ranit Aharonov, Yannis Katsis, Ban Kawas, Prithviraj Sen (Submitted on 1 Oct 2020) Comments: Accepted at AACL-IJCNLP2020 Subjects: Computation and Language (cs.CL); Artificial Intelligence (cs.AI); Machine Learn
ちょっとしたシステム変更なのに時間と手間がかかるのはなぜ？｜森崎 修司
ソフトウェア開発の効率化や品質向上を研究しています。そこで感じたことを書いていきます。ITシステムに関するリテラシーが高まるともっとIT化が進むのではないかと思い、書いています。 ITシステムを利用していると改善したいことが出てきます。「こことここは同時に指定したい」「この順番が入れ替わると作業しやすい」といったこと要望を感じることは誰にでもあるのではないでしょうか。ご自身が開発に携わっていれば、変更することもできますが、社内のIT部門が管理していたり、開発会社にお願いしていたりすると、このブログエントリのタイトルのように思うことがあるかもしれません。 「ちょっとした変更なのに、なぜ時間がかかると言うのだろう。本当はそれほど時間がかからないのに、ひょっとして仕事が増えるのがいやなだけで、体よく断っているのではないか」と思ってしまうかもしれません。その可能性はゼロではありませんが、一般には次
非プログラマの人に「なぜ変更は難しいのか」と聞かれたら使う「六法全書の例え」「時刻表の例え」が秀逸
yourbugs @buggylion 非プログラマの方に「どうしてそんなに変更するの難しいんですか？」って聞かれたら、「六法全書を思い出して欲しい、条項の中から一文探し出して、それが他と矛盾しないかもチェックして欲しい、もちろんその変えるべき条項文は依頼側は分からないので、そっちで全て調べてください」って伝えてる 2020-12-05 10:32:24
機械学習モデルの判断根拠の説明（Ver.2）
【第40回AIセミナー】 「説明できるAI 〜AIはブラックボックスなのか？〜」 https://www.airc.aist.go.jp/seminar_detail/seminar_040.html 【講演タイトル】 機械学習モデルの判断根拠の説明 【講演概要】 本講演では、機械学習モデルの判断根拠を提示するための説明法について紹介する。高精度な認識・識別が可能な機械学習モデルは一般に非常に複雑な構造をしており、どのような基準で判断が下されているかを人間が窺い知ることは困難である。このようなモデルのブラックボックス性を解消するために、近年様々なモデルの説明法が研究・提案されてきている。本講演ではこれら近年の代表的な説明法について紹介する。Read less
【資料公開】マネジメント向けアジャイル開発概要
みなさんこんにちは。@ryuzeeです。 2020年1月20日にとある企業の経営レベルの方向けにアジャイル開発の概要について説明した際の資料を公開します。 自社で経営者の方やマネージャーの方にアジャイル開発がなぜ必要なのかを説明する際の参考になれば幸いです。 （スライドはこちらからもご覧いただけます：https://slide.meguro.ryuzee.com/slides/101） 本資料は、なぜ今アジャイルが必要なのかという点をまず理解していただけるようにコンテキストのすり合わせに主眼を置いています。 経営者やマネージャーの方にとってはスクラムの具体的なやり方といった手法部分はあまり関係なく、それによって組織がどういう影響を受けるのか、組織としてどんな取り組みをすべきなのかが分かることが重要なためです。 単一チームや小さなプロダクトでアジャイル開発をするのと、組織的にそれをスケールし
特徴量と目的変数の関係性を可視化する（sklearnを使ってpartial dependenceを可視化する） | DevelopersIO
概要 当エントリは『機械学習 on AWS Advent Calendar 2019』の20日目のエントリです。 クラスメソッド 機械学習 on AWS Advent Calendar 2019 - Qiita クラスメソッド 機械学習 on AWS Advent Calendar 2019 ｜ シリーズ ｜ Developers.IO 先日、sklearnのversion「0.22」のリリースハイライトを見ていて「plot_partial_dependence」というAPIが気になり調べてみたので、結果をレポートします。 本エントリーの内容をざっくり言うと、「目的変数と特徴量の関係性」を可視化する際に便利なAPIである「plot_partial_dependence」が「sklearnの version0.22」でリリースされたのでその内容のレポートと、というものになります。 目的変数と
コレ1枚で分かる「機械学習の仕組み」
この連載は カップめんを待つ間に、電車の待ち時間に、歯磨きしている間に“いまさら聞けない”ITトレンドが分かっちゃう！ 今さら聞けないITの最新トレンドやビジネス戦略を、体系的に整理して分かりやすく解説する連載です。「この用語、案外、分かっているようで分かっていないかも」「IT用語を現場の社員にもっと分かりやすく説明できるようになりたい」――。情シスの皆さんのこんな課題を解決します。 人工知能を支える中核的な技術に「機械学習」があります。機械学習とは、大量の学習データを機械に読み込ませ、分類や判断と言った推論のためのルールを機械に作らせようという仕組みです。そのプロセスは、大きく「学習」と「推論」の2つに分けることができます。 学習 大量の学習データから特徴を抽出し、推論を行うための「ひな型」となる「推論モデル」を生成するプロセスです。 学習を行うには、入力された学習データにどのような特徴
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
セキュリティ事故が起こるといくらお金がかかるのか、JNSAが画期的資料公表 | ScanNetSecurity
Ryutaro YOSHIBA on Twitter: "スクラムってカタカナ語が多くて人に説明しにくいって言われたので、スクラム用語使わないで説明する資料作ってみた https://t.co/KiFxXjMNgs"
Pizza as a Service 2.0
機械学習モデルの説明性・解釈性について -SHAPによる実践あり-｜はやぶさの技術ノート
