11ヶ月間でTOEICスコアを300点から835点に上げた英語学習法 - Qiita
ということで11月で835点を取ることができました。 2017/09でいったんスコアが下がったのは結構へこみました。(まあTOEICの点数は運もあるのでプラスマイナス50点くらいの揺れはでると思います。) 学習戦略 英語上達完全マップ 実は英語上達完全マップどおりには勉強しませんでした。英語上達完全マップではボキャビルの勉強は後のほうでいいと書かれていましたが、TOEICのスコアを順調にあげるためにはボキャビルは最初の方にやったほうがいい気がして、4ヶ月後くらいにはTOEICの教材を中心に勉強しました(英語上達完全マップ的にはTOEIC用の勉強するのは邪道なのですが、まあ私はTOEICさんに身を委ねることに決めたので…)。 ただ、英語上達完全マップで掲げられている、瞬間英作文、音読、精読、文法、多読、ボキャビル、リスニングといった体系別トレーニング方法はとても理にかなっていると思いますし、
機械学習のコースを修了したのでオススメしてみます - Qiita
Stanford大学のオンライン授業で機械学習のコースを受講していましたが、この度めでたく修了しました。 機械学習をお勉強したい人には強くお勧めできる内容だったのでアウトラインだけ共有しようと思います。 ちなみに受講自体は無料です。 終了証明を取得したい場合はお金かかりますが、完全に自己満なのでどっちでもいいかと思います。 概要 機械学習の世界では知らない人はいない(？)というくらい著名な先生がわかりやすく機械学習の面白いところを教えてくれる動画授業です。 各動画には小テストがあり、自身の理解度を確認しながら進めることができます。 週に1トピックスの内容を学ぶスケジュールでコースは設計されており、1週間分の動画を全て見た後にはoctaveという言語を用いて実際に学んだ内容を実装してみるプログラミング課題を解きます。 動画授業を受けるだけではなく実際に手を動かしてみるので、理解度が上がります
これから研究をする君へ - Imaginary Code
●考えるということについて ・普段から意識的に頭を使って考える、という練習をしてください。 ・考えるという行為は運動に似ています。普段からトレーニングをしていない人にはいきなりできません。 ・机に座っている時だけ考える、というのはだいぶ効率が悪いやり方です。考えるという行為は、目隠しをされ、さるぐつわをされ、耳をふさがれ、手足を縛られていてもできる行為です。寝ている時以外はだいたいできます。 ・多くの場合、ヒントはその辺に転がっていますが、問題に取り組んでいる状態でなければ、それをヒントとして認識することはできません。 ・研究の意義や目的を考える時、5W2H（What、Who、When、Where、Why、How、How much）をよく考えてください。これが埋められると基本的なツッコミには耐えられるようになります。この中でも特にWhy?は重要です。 ・研究における新規性とは、簡単に言えば
推薦システムのアルゴリズム
Algorithms of Recommender Systems ⟨ http://www.kamishima.net/ ⟩ Release: 2016-09-26 21:53:16 +0900; 9645c3b i 2007 11 [ 07] 2008 1 [ 08a] 2008 3 [ 08b] 3 (1) (3) GitHub https://github.com/tkamishima/recsysdoc TYPO GitHub pull request issues I II III IV V ii J. Riedl J. Herlocker GroupLens WWW iii 𝑥 𝑋 𝐱 𝐗 𝑥 𝑦 𝑋 𝑌 𝐱 𝐲 𝑛 𝑚 {1, … , 𝑛} {1, … , 𝑚} 𝑦 𝑦 𝑥 x 𝑎 𝑟𝑥𝑦 𝑥 𝑦 ̄ 𝑟𝑥
プログラムの生産性を高めるためになにを勉強するか - きしだのHatena
用語は形式的なものではなく感覚的なものであることをお断りしておきます。 言語・フレームワーク・プラットフォーム まず最初に触れるものでとっつきやすい。何か使えないことには話になりません。多くの人が、勉強というとまずここ。 何かすでにつかえる人が新しく勉強することは、生産性をあげない。そのプラットフォームを初めて採用するときの準備が減らせる。どちらかというと仕事の選択肢を増やす感じですね。 深く知ることは、最適なコードを書きトラブルを減らしトラブルが起こったときの対策も早くなるので、生産性があがります。ただ、ある程度の深さ以降は生産性への寄与度がさがるので、その点では深くまで勉強する必要はありません。 プロダクトの使い方なので、プロダクトの寿命が勉強成果の寿命です。実際に使わないものの勉強は無駄になるし、使われなくなったら無駄になる。寿命もそう長くないです。 「プログラマは勉強してもすぐ使わ
「学ぶこと」と「教えること」がこれからの社会に大切
結城浩 / Hiroshi Yuki @hyuki 「学ぶ」という行為に対して、人はいろんなことを思います。結城は毎日のように「『数学ガール』読みました！数学ってこんなにおもしろかったんですね！」とか「『数学ガール』を通して学ぶことの楽しさを知りました。数学は不得意ですが」とかいうメールをもらいます。 結城浩 / Hiroshi Yuki @hyuki それはもう誇張ではなく、ほとんど毎日のように「『数学ガール』を通して数学を学ぶことの楽しさを知りました」という読者さんのメッセージを受け取ります。 結城浩 / Hiroshi Yuki @hyuki そして結城は「これは、いったい何だろう」といつも思うことになります。特に「数学ガール」シリーズがおもしろいというわけではないのです（いや、ごめん、うそです。とてもおもしろいです）。それよりも「数学」という学問そのものがおもしろいのだと思います（
「数学ガール」から学ぶ「ほんとうの学ぶ楽しみ」
結城浩 / Hiroshi Yuki @hyuki 確かに「数学ガールの秘密ノート」シリーズでは「数学ガール」シリーズよりもさらにテトラちゃんの立ち位置が重要ですねえ。まあみんな素敵なんですけれど。結城はいつも彼女たちの学ぶ態度に頭が下がります。ミルカさんの深く考える力、テトラちゃんの素直さと熱心さ、ユーリのツッコミ力。 結城浩 / Hiroshi Yuki @hyuki 「数学ガールの秘密ノート」でテトラちゃんが活躍しているのは、彼女は自分の「学び方」に関心があるからですね。数学に限らず大事。素直であること。わかったふりをしないこと。それらはもともとテトラちゃんの特質でありますが、さらに彼女は「自分はどう学んでいるか」に注目しているみたい。
プログラマが勉強すること - きしだのHatena
今日もプログラマになる勉強する人のところで話をしてきました。 で、また適当にいろいろ書いてました。 http://www.slideshare.net/nowokay/20140228-31742219 今日は特に、この図の内容についてまとめておきます。 ※ このエントリは、主に今日の話を聞いた人を対象としています。前提や補足については省略しています。 まずはプログラミング言語を プログラマというのは、利用者に直接サービスを提供することはできません。コンピュータの上でプログラムを動かして、そのプログラムを使ってもらうことでサービスを提供します。 ※組み込みは前提から外しています。 そのプログラムも、コンピュータで動くものを直接記述することは現実的にできません。 なんらかのプログラミング言語で、プログラムを書くことになります。つまり、プログラマの仕事は直接的にはプログラミング言語をいじくる作
勉強会に参加しないと不幸になる話
福岡JavaOne2013報告会第2弾でのプレゼン ラムダ構文の文法よりも、その使い方とプログラミングスタイルについてを主にまとめました。
研究と勉強の本質的な違い - 発声練習
卒業研究を始めた年から今年で7年目。やっと研究と勉強の本質的な違いが見えてきたように思う。分野によって異なるとは思うが、研究とは科学的手法に基づいて世界に存在しなかったものを存在するようにするものである。勉強は、世界に存在するものを学ぶ（存在を認識する）ことである。もう一度いうと、研究は「無い」ものを「有る」ようにするのが目的、勉強は「有る」ものを「知る」のが目的。 研究は基本的にどこにも答えがない。場合によっては、問いすらない。問いや答えを自分で作りだし、その問いや答えの妥当性を出来る限り多くの人間に納得させなければならない。仮定や前提によって問いや答えは変わるので、多くの人間が納得する仮定や前提を選ばなければならない。つまりは、問題を解決する枠を用意し、自分の用意した答えがその枠をぴったり満たしていることを示さなければならない。一方、勉強は、基本的に問いも答えも用意されている。すなわち
プログラマの為の数学勉強会
2013年 プログラマの為の数学勉強会 資料 第1回:イントロダクション 第2回:浮動小数点数・極限・微分 第3回:微分法の応用・多変数関数の微分法 第4回:微分法の応用(続き)・方程式の数値解法 第5回:微分方程式の数値解法・積分法 第6回:数値積分法・積分法の応用 第7回:行列・ベクトル・ガウス消去法 第8回:行列式・逆行列・連立一次方程式の直接解法 第9回:線型空間・線型写像・固有値固有ベクトル(その1) 第10回:線型変換・固有値固有ベクトル(その2)・内積空間 第11回:連立一次方程式の反復解法・二次形式・多変数関数の極値・重積分 第12回:確率論入門 第13回:情報量・エントロピー・重要な確率分布・大数の法則・中心極限定理 第14回:擬似乱数の生成法・推定 第15回:検定 第16回:検定の続き, 回帰分析 第17回:回帰分析の続き 第18回:ベイズ統計
PC
みんなが学びたいプログラミング言語トップ10 多くの言語に影響を与えたC言語、ポインタの概念を知ってレベルアップ 2024.07.26
迷いながらも勉強会に参加していくひとつのやり方。 - Hack like a rolling stone
最近、勉強会やコミュニティの入口で迷子になっている方とお話しました。 その方曰く、勉強会やコミュニティに対してこんなイメージを持っているそうです。 技術力/知識がないので、自分が参加してもよいのか悩むことがある 基礎がわかってないと「そんなのもわかってないの?」と言われてしまいそう エキスパート(モヒカン)たちはなんでも知ってる どこまで勉強したらコミュニティに参加しても恥をかかないんだろうか 今の発表、よく分からなかったけど、周りの人達は理解してるんだろうな… 忙しくて勉強する時間がとれないと、どんどん置いていかれてしまう気がする あるタイミングで勉強会で何度かお会いした別の方も、表現は違えど似たようなことをおっしゃっていました。 おそらく、僕は勉強会によく出没して発表などもしているので、 彼らの言うエキスパート(モヒカン)に該当しているかと思う*1ので 1エントリー書いてみることにしま
「何がわからないか」がわからないをそのままにしておかない技術モドキ - 発声練習
残念ながら技術までにはまとめきれなかった。 まとめ 完璧主義者だから質問しないのではなく、わからないという事実を悩んでいるだけで、何がわからないのかを考えていない（考えることができない）学生、別の言い方をすると「何がわからないか」がわからないをそのままにしておく学生もいる このような学生は、失敗を恐れない、意図的に質問をするように心がけても、質問はできない。理由は質問の内容がないから。 「何がわからないのか」を取り扱うステップは以下のとおり 自分が『考えている』のは、『何がわからないかわからないので困った』ということなのか、『何がわからないのか』なのかを区別する 何らかの方法を用いて自分の頭の中を可視化する 頭で考えるのでなく手で考えるということ 追記1：Togetter：私的メモ：「頭がよくなる『図解思考』の技術」の感想 追記2 はてなブックマークのコメントにとても良い指摘があったので転
プライベートの時間があまりとれないサラリーマンのための情報収集術まとめ : 二十歳街道まっしぐら
学生時代はたっぷり時間があって、色んなブログを読み漁ってたのに、 社会人になってから余裕がなくなって情報収集ができなくなっちゃった‥という方いらっしゃいませんか。 私もそんなかんじになりつつあったり。 仕事をさっさと切り上げて時間を作ればいいやんって話なんですが、そうもいかないので、 どうやったら効率良く自分の好きな情報を手に入れられるんだろうかと考えました。 また、ある程度人気のあるネタとか友人間で話題になっていることは知っておきたいので、 そのあたりも網羅できるよう色々と試してみました。 1. 自分が興味のあるネタを自動的に収集 2. ある程度人気のあるネタだけをピックアップ 3. 友人間で話題になっている情報を集める こういったことができそうな便利なサービスや情報収集の方法を以下に紹介しますね。 新しいサービスや方法をとりいれるというよりかは、 普段よく使ってるサービス（メールとかT
サービス終了のお知らせ - NAVER まとめ
サービス終了のお知らせ NAVERまとめは2020年9月30日をもちましてサービス終了いたしました。 約11年間、NAVERまとめをご利用・ご愛顧いただき誠にありがとうございました。
[まとめ] 機械学習/データマイニングに興味がある人が読むといいかも？な本をまとめた - パラボラアンテナに立て掛けられた本
機械学習(Machine Learning)が近年盛り上がっていますね。 gihyoでも連載されているし、PRML1 読書会も各地で開催され盛り上がっています。 またその入門書として読むべき本のリストのようなものもいろいろ提示されるようになってきました。 何なら無料でも楽しめるかもしれませんね。 連載：機械学習 はじめよう｜gihyo.jp … 技術評論社 これからはじめる人のための機械学習の教科書まとめ – EchizenBlog-Zwei BLOG::broomie.net: 無料でよめる機械学習・自然言語処理の教科書 自分も機械学習・データマイニング関係の研究室にいていろいろと悩むことや調べることがあったので そういう背景から機械学習とか少し興味あるけど？な人に自分の視点から薦める本をまとめてみます。 この記事では機械学習、データマイニング、パターン認識を明確に区別
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
31歳からの大学院進学（数学・修士課程） - 34歳からの数学博士
https://www.ms.u-tokyo.ac.jp/~furuta/advice.pdf
いつやるの？Git入門
