ハーバード大学で150年以上教えられる作文術「オレオ公式」とは？...順番に当てはめるだけで論理的な文章に
＜書くことが苦手な人でも「オレオ公式」を知ることで、誰でも論理的な文章がすぐに書けるようになる＞ ハーバード大学で受け継がれているライティングメソッドから生まれた「オレオ公式」。 書くことが苦手な人でも「オレオ公式」を知れば、論理的かつ説得力のある「伝わる文章」の達人になれる。 『作文宿題が30分で書ける! 秘密のハーバード作文』（CCCメディアハウス）の「第1章 ハーバード大生みたいに考える」より一部抜粋。 作文上手になるためのセンターピンをねらえ！ 以前『ニューヨーク・タイムズ』の記者が書いた『習慣の力』（チャールズ・デュヒッグ著、講談社）という本が、世界中で話題になりました。人間の習慣の秘密について著者の考えをまとめた本です。 この本の中で著者は、「ボウリングのセンターピンを1本倒すだけでほかのピンも次々と倒れていくように、まず、その人が変えたいと思うもっとも大きな習慣をひとつ変える
「わかったのにできない」を「わかった！ できた！」へと変える、効果的な3つの方法。 - STUDY HACKER（スタディーハッカー）｜社会人の勉強法＆英語学習
テキストを読んだり動画を見たりして「わかった」はずなのに、いざやろうとするとなぜか「できない……」。一生懸命理解したはずのことがテストや仕事に活かせず、お困りではありませんか？ 「わかる」と「できる」のあいだには、なにか見えない壁があるように感じている方も多いのではないでしょうか。 そこで今回は、わかったのにできないという現象が起こる原因を深掘りし、覚えた知識を自在に扱えるようになるコツをご紹介します。 「わかったのにできない」のはなぜか 「わかった！ できた！」へと変える方法1. インプットとアウトプットの比率を「3：7」にする 「わかった！ できた！」へと変える方法2. 適切なタイミングで復習する 「わかった！ できた！」へと変える方法3. 人に教えるように説明する 「わかったのにできない」のはなぜか わかったのにできない――こういったことが生じるのは、「わかる」と「できる」は異なる
半年でTOEIC600点→900点に…45歳で英語をマスターした私が教える｢単語学習アプリ｣のズルい使い方 一番よく使ったアプリはiKnow!
「ボキャビル」はモチベーションがないと続かない 単語を集中して覚える学習をボキャブラリ・ビルディング（ボキャビル）と呼びます。 ボキャビルは、無理してやる必要はありません。読める本を読むだけでも語彙ごいは自然に増えていきます。数年間もやっていれば、結構な語彙が身につくでしょう。本を楽しく読むことが何よりも大切です。やりたくないことはすべきでありません。でも、その数年間を数分の一に短縮したいとしたら、ボキャビルの出番です。 覚えた英単語が1.5万語程度に達すると、一般的な本や新聞が負荷なく読めるようになります。ボキャビルなしでそのレベルを達成するには5年や10年くらいの時間が必要になると思います。それを劇的に短縮する方法がボキャビルなのです。 ボキャビルの弱点として、たとえいったん覚えても忘れてしまうことが挙げられますが、多読と併用すると日常的に覚えた単語と触れ合うことになるので忘れることが
GPTの仕組みをちゃんと勉強したい本 - きしだのHatena
やっぱGPTを仕組みから勉強したい、という本をいくつか見つけたのでまとめておきます。 まず理論的な概要。 機械学習からニューラルネットワーク、CNNでの画像処理、トランスフォーマーでの自然言語処理、音声認識・合成、そしてそれらを組み合わせたマルチモーダルと章が進むので、理論的な概観を得るのにいいと思います。 最初は数式が多いのだけど、Σをfor文だと思いつつ、定義が説明文中に埋まってるPerlよりたちが悪い記号主体言語だと思えば読めるけどめんどくさいので飛ばしても問題ないと思います。 深層学習からマルチモーダル情報処理へ (AI/データサイエンスライブラリ“基礎から応用へ” 3) 作者:中山 英樹,二反田 篤史,田村 晃裕,井上 中順,牛久 祥孝サイエンス社Amazon で、もういきなり作る。 トークナイザーから全部つくっていきます。TensorFlowでBERTをつくってGPT2をつくる
「技術書の読書術」を読んだら読書効率が上がったので感想&サマリ抜粋 - Qiita
「技術書の読書術」を読みました 「技術書の読書術」読んだら面白かったので、後から見返せるようにまとめました。 この本はどんな本？ 「探し方」「読み方」「情報発信＆共有」の3つの章でコツやテクニックが書いてある 二人の技術書の著者による共著であり、考え方や思想が異なる部分もそのまま載せている 2022年10月が初版で現時点（2022年末）では比較的新しい本 各章のページ配分は以下のような感じで、表題通り「読み方」が多く書かれている ５：読み方 ３：探し方 ２：情報発信＆共有 この感想を書いた人は？ 0歳2歳を絶賛子育て中のWEBエンジニア５年目くらいの人 育休中に生活や仕事の効率を上げたいと思ってこの本を手に取った 本は読むけど、何度も見返したりアウトプットすることはあまりなかった 個人的おすすめ度：★★★★☆（4/5） GOOD：技術書大好きな著者の具体的なノウハウに触れられて刺激を受けた
知能の仕組みを解き明かし、人間を超えた汎用人工知能やマインドアップロードの可能性まで考察する──『脳は世界をどう見ているのか 知能の謎を解く「1000の脳」理論』 - 基本読書
脳は世界をどう見ているのか 知能の謎を解く「1000の脳」理論 作者:ジェフ ホーキンス早川書房Amazon人間は日々新しいことを学び続けている。民主主義についてや数学の理論など複雑な概念に限った話ではなく、たとえばアプリをダウンロードしたらその使い方を学ぶだろう。道を歩けば、こんなところにハンバーガー屋や眼科ができたんだな、と気がつき、日々頭の中の情報、世界のモデルは書き換わっていく。 それらは、必死になって英単語を覚えるように努力して覚えるようなものではなく当たり前のように行われることなので、特に高度なこととは思えない。しかし、人間のそうした自律的な学習機能がプログラム上でそう簡単には実現できていないことからもわかるように、実際には相当に複雑なことをやってのけているのである。では、我々の脳の中では、そうした偉業がどのようにして成し遂げられているのか？ 本書『脳は世界をどう見ているのか』
書籍を使った勉強のしかた - 覚書
わたしがこれまでに書籍でなにか新しいことを学ぼうと思ったときにどういう手段で目的を達成してきたかについて書きます。生業にしているIT系のこともそうですが、それ以外も同じ方法を使っています。 はじめに書いておくと、これまでの自分自身の体験や優秀な人の観察などから、学習の原則コツコツと反復練習を続けることであり、近道は無いと思っています。原則を守るための典型的な方法の一つが「網羅的に書かれた決定版と呼ばれる本を何度も精読する」です。これができる人はこうしたほうがいいと思いますし、ここから先を読む必要はないです。しかしながら、わたしはこの方法がうまくいったためしがないので、自分なりに工夫して、金銭的コストがやや高いながらそこそこうまくいく方法にたどり着きました。本記事ではこの方法を紹介します。 わたしは何かを理解しようとするときには、まずは初心者向きのページ数が少なくて読みやすそうな本をたくさん
マイクロソフト、初心者向けのIoTカリキュラム無料公開 12週間で学習できる | Ledge.ai
米マイクロソフト（Microsoft）は、あらゆる年齢層の人がIoT（モノのインターネット）の基礎を学べるように、GitHub上に無料のカリキュラム「はじめてのIoT、カリキュラム（IoT for Beginners, curriculum）」を無料公開した。 本カリキュラムは「IoT入門」「デバイスをインターネットに接続する」「アプリケーションロジックのクラウドへの移行」「IoTデバイスから在庫を確認」などで構成している。12週間／24レッスンで学習できる。 ＞＞公式ブログ 該当ページ（英語） マイクロソフト、初心者向けの機械学習カリキュラム無料公開 12週間で学習できるまた、米マイクロソフトは、無料のカリキュラム「Machine Learning for Beginners（初心者のための機械学習）」も公開している。本カリキュラムは12週間／24レッスンで学習できる。 本カリキュラムは
「Pythonで儲かるAIをつくる」はビジネス向けの超実践的な機械学習本でした - karaage. [からあげ]
「Pythonで儲かるAIをつくる」を読みました 日経BP様より「Pythonで儲かるAIをつくる」を献本いただきました。筆者の赤石さんは、日本IBMで働く、本職のデータサイエンティストです。赤石さんの執筆したAI書籍の本は3冊目4冊目になります。赤石さんに関して、詳細はIBMの以下ブログ記事が詳しいです。 Pythonで儲かるAIをつくる 作者:赤石 雅典発売日: 2020/08/06メディア: 単行本 Pythonで儲かるAIをつくる 作者:赤石 雅典発売日: 2020/08/06メディア: Kindle版 AI関連書籍三冊目を出版したIBM赤石雅典に聞く「AIと仕事と執筆」 | IBM ソリューション ブログ 赤石さんが書いた本は、いずれも基礎から丁寧に説明してあり分かりやすい内容です。特に「ディープラーニングの数学」は社会人になってから、必要に迫られてディープラーニングに必要な数学
![「Pythonで儲かるAIをつくる」はビジネス向けの超実践的な機械学習本でした - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/9449c9db4388eeb4c8c79bd8b9f8f8c89aee3743/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20200809%2F20200809110655.jpg)
効率的に新しいことを学ぶ方法 - Kentaro Kuribayashi's blog
社内SlackやTwitterなどで、自分が新しいことを学ぶ時に実践していることを書いたりしていたのだが、今日メンバーと1 on 1をしていて、あらためて新しいことの学び方について訊かれたので、ブログにも簡単にまとめておく。 まず前提として、学ぶ対象の「新しいこと」とは何かについて述べておく。ここでいう新しいこととは、研究やイノベーションに関することではない。そういうのは、ググっても出てこないレベルの新しさなので、このエントリで述べる対象ではない。ここでいっているのは、自分にとって新しい知識であり、かつ、既に一定の蓄積があるような内容のことである。 それをひとことでいうと、入門書があるような領域ということになる。たとえばプログラミング言語はメジャーなものはたいてい当てはまるし、DockerとかKubernetesのような技術要素も入門書があるし、もっと広く学問一般についても当てはまる定義で
タダで学べるデータサイエンス名著5冊 【日本書は高額でも英語ができれば怖くない】 - Qiita
この時期だからこそ自学しよう 海外って太っ腹な組織が多いのか、無料で読める専門書がすごく多い。 これ系のまとめ記事は他にもありますが、 翻訳済の日本の本と、原著を並べて表示していきたいと思います。 特にデータサイエンス分野に限って紹介。 お高いあの名著も実は原著なら無料かも？ (2020年5月時点) 続編、データサイエンスの名大学講座 を書きました (2020年8月) 1冊目 邦題 : 統計的学習の基礎(1万5千円) 俗に言う「カステラ本」です。 日本では2014年に翻訳されましたが、原著は2001年と今から約20年前に出版されました。 内容からしても、当時は体系的に理論学習ができる刷新的な一冊だったのでしょう。 まさに「アルゴリズム・理論の辞書」。 年代的に古い感じはしますが、基礎はいつだって大切です。 数字に強くないと絶対読み切れない。。。 原著 : The Elements of S
データサイエンス・機械学習をやるためのエンジニアな本まとめ - 2019年版 - Lean Baseball
ここ1〜2年くらいで、業務やプライベートのデータ分析・データサイエンスで参考にした本（と一部本じゃないもの）をまとめてみました（注：もちろん全部読んでいます）.*1. なお, あくまでワタシ個人（@shinyorke）の見解に基づいた独自解釈であり、所属組織・チームの意向とは関係ありません（とだけ最初に断っておきます）. サクッとまとめると 「レベル感（はじめて・経験者）」だけででなく,「エンジニア面を鍛える or 理論を固める」の軸で考えると良い書籍・学び方に出会える確率上がる エンジニアでも理論でもどっちから初めても良い, がどちらかが得意な方が絶対幸せ（≒片方だけじゃお話にならない可能性） 個人的なオススメは「機械学習図鑑」「前処理大全」「機械学習のための特徴量エンジニアリング」そして「試して学ぶ機械学習」です. おしながき サクッとまとめると おしながき 対象読者&執筆者について
【AWS】AWS認定『ソリューションアーキテクト- アソシエイト』(SAA)に未経験から合格した話：ふりかえり - Rのつく財団入り口
AWS認定の代表的な入門位置に属する資格『ソリューションアーキテクト- アソシエイト』(以下SAA)に実務未経験から一発合格できまして、多くの方にお祝いをいただきました。ありがとうございます。 いかに突破してきたかを試験後に振り返ってみるエントリです。まずは直接の学習に関わらない全体の振り返りから。 挑戦への経緯 きっかけ 書いている人のスキルセット(笑) AWSの実務経験とよく使うサービス やったこと 気持ちを切り替える 資格に挑戦することを宣言し、気持ちを高めていく イベントに行ってみる 学習記録をつけてみる ネット上の合格エントリを参考にする 最大の難関：学習時間の確保に立ち向かう 得られたことをアウトプットしてみる 理解が進んでいることを自分でも実感する 資格対策を苦行にしない 技術の変遷を楽しみながら学ぶ 挑戦への経緯 きっかけ 僕のところもグループ全体としてはAWSパートナーの
ディープラーニング入門：Chainer チュートリアル
Chainer チュートリアル 数学の基礎、プログラミング言語 Python の基礎から、機械学習・ディープラーニングの理論の基礎とコーディングまでを幅広く解説 ※Chainerの開発はメンテナンスモードに入りました。詳しくはこちらをご覧ください。 何から学ぶべきか迷わない ディープラーニングを学ぶには、大学で学ぶレベルの数学や Python によるプログラミングの知識に加えて、 Chainer のようなディープラーニングフレームワークの使い方まで、幅広い知識が必要となります。 本チュートリアルは、初学者によくある「まず何を学べば良いか」が分からない、 という問題を解決するために設計されました。 初学者は「まず何を」そして「次に何を」と迷うことなく、必要な知識を順番に学習できます。 前提知識から解説 このチュートリアルは、Chainer などのディープラーニングフレームワークを使ったプログ
機械学習システム開発や統計分析を仕事にしたい人にオススメの書籍初級5冊＆中級10冊＋テーマ別9冊（2019年1月版） - 渋谷駅前で働くデータサイエンティストのブログ
(Image by Pixabay) この記事は以前の書籍リスト記事のアップデートです。 機械学習エンジニアやデータサイエンティストとして（もしくはそうではない職名であったとしても）機械学習システム開発や統計分析を仕事にしたい人なら、最低限これだけは読んでおいて損はないだろうという書籍を初級向け5冊、中級向け10冊選定しています。ただし、以前とは若干異なり「仕事にする」イコール「プロフェッショナルを目指す」ということで、特に初級向けリストを若干レベルアップさせています。中には初学者でも結構読みこなすのが難しい本だけになっているかもしれませんが、中級向けリストに進む上でどうしてもこれだけは読破して欲しいという願望も込めました、ということで。 完全にお馴染みのネタなので特に説明することはないかと思いますが、言うまでもなく以下のリストは完全なる僕個人の独断と偏見で、最近出版されたり自分で読んだ本
「技術者のための確率統計学」が出版されます - めもめも
www.shoeisha.co.jp 表題の書籍が翔泳社より出版されることになりました。査読に参加いただいた読者の方を含め、編集・校正・組版・イラストデザインなどなど、本書の作成に関わっていただいたすべての方々に改めてお礼を申し上げます。 これでついに（！）「技術者のための基礎解析学」「技術者のための線形代数学」とあわせた三部作が完成となりました。 「昔勉強した気がするけど、もうすっかり忘れちゃった」「あのカタイ数学の世界をもう一度、真面目に振り返りたい」―― そんな読者を想定したこれらの書籍を執筆するきっかけは、やはり昨今の「機械学習ブーム」でした。2015年に出版させていただいた「ITエンジニアのための機械学習理論入門」では、細かな数式を含む計算は、すべて「数学徒の小部屋」と題したコラム枠に押し込めていたのですが、その後、読者の方から「ここに書かれている数式を理解したくて、もう一度、数
数学分からず機械学習しても良いじゃん。だってエンジニアだもの。｜石川 聡彦 @ai_aidemy
こんにちは、石川（@Aidemy）です。はてなブログからnoteにちょっと浮気したつもりでしたが、noteのほうが書き心地が良いので今日もnoteです。 機械学習には数学の予習が必要なのか？ さて、以下のツイートがそこそこファボられまして。『人工知能プログラミングのための数学がわかる本』の著者としては黙っておれん！ということで、noteにまとめます。結論としては（数学の参考書を執筆しておきながらw）「数学の予習は不要だと思う派」ではあります。 勿論、数学が完全に不要と言っているのではなく、入り口として数学は不要だよね、という趣旨です。概ね同意のツイートも多く、こんな感想が寄せられました。 もちろん、機械学習エンジニアとして腕を磨いていくなら、線形代数や微分・確率統計などのテーマは押さえておくべきと感じます。特にTwitter機械学習界隈はプロ意識の高いが多いので、数学をしっかりやるべき、と
アルゴリズムとは何か！？ ～ 文系理系問わず楽しめる精選 6 問 ～ - Qiita
今の場合は A さんが 31 歳の場合のストーリーでしたが、A さんが 20 歳～ 35 歳のうちのどの年齢であったとしても、似たようなストーリーで必ず 4 回の質問で当てることができます！(他の例も是非考えてみてください。) ちなみに、このような「真ん中で切ってどちらかに絞って行く」タイプのアルゴリズムには二分探索法という名前がついています。応用情報技術者試験でも頻出のテーマですので馴染みのある方も多いと思います。 1-2. つまり、アルゴリズムとは 上の年齢当てゲームという問題では、相手の年齢を当てる「方法・手順」を二分探索法に基づいて導きました。このようにアルゴリズムとは、 問題を解くための方法・手順 のことです。さて、アルゴリズムと聞くと「コンピュータ上で実装されたプログラム」のことを思い浮かべる方も多いと思いますが、必ずしもコンピュータと関係がある必要はなく、日常生活でも多々登場
文系エンジニアが機械学習に入門するために小学校の算数から高校数学までを一気に復習してみました。 - Qiita
※この記事の1年後に文系エンジニアがCourseraの機械学習コースを1ヶ月で修了したので振り返ってみました。という記事もアップしました。 文系エンジニアが機械学習に入門しようと思うと、どうしても「数学の壁」にぶつかります。 一般的に、機械学習を理解するためには、大学レベルの「微分積分」「線形代数」「確率統計」の知識が必須とされていますが、私のような典型的文系エンジニアの場合、それを学習するための基本的知識自体が圧倒的に不足しているため、まずは高校までの数学を一からやり直してみました。 学習前の私の数学スペック 学生時代の数学の学習歴は高校2年生の2学期位まで。 大学で経済数学の授業があった気がするがほとんど出席していない。 仕事で使った数学知識は三角関数程度。(画像処理ソフトを開発した際に使用) 学習に要した時間 小学校の算数 5時間 中学数学 6時間 数I/数A 12時間 数II/数B
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
やわらかVue.jsについて - やわらかVue.js
