『イシューからはじめよ』をまとめてみた - Coming soon...
安宅和人『イシューからはじめよ―知的生産の「シンプルな本質」』を読了したので、要点をまとめてみました。 著者のマッキンゼー&大学での研究の経験を基にした内容でしたが、 問題設定→仮説立て→調査→分析→他人への伝達 というフローで仕事や研究をしている人には参考になる点が多い本かと思います。 元になった著者のブログ記事 http://d.hatena.ne.jp/kaz_ataka/20081018/1224287687 ↑本書が書かれるきっかけとなった記事です。 本書の核の部分を掴みたいという方はこちらも是非ご覧になってください。 イシューからはじめよ――知的生産の「シンプルな本質」 作者: 安宅和人出版社/メーカー: 英治出版発売日: 2010/11/24メディア: 単行本（ソフトカバー）購入: 48人 クリック: 660回この商品を含むブログ (145件) を見る 目次 はじめに 優れた
10年間、大企業で人事の仕事していました
[基本的にはまず学歴で落とす] たまに何かの拍子でFランの子が入ったらしいんですが、やっぱり使えないね、となりました。Fランのみなさん、ごめんなさい。あなたたちが思っているよりずっと普通に仕事をこなすだけで学力は必要なんです。 [出来る人よりも失点のない人を] アメリカみたいに簡単に首にできる国ならばまた事情が違うんでしょうが、日本では失敗は許されません。ごめんなさい。人事のあたしたちもしょせんサラリーマンなんです。冒険はしたくないんです。 [コネは案外きかない] そんじょそこらのコネはあんまり意味はありません。書類選考を突破させるくらいのことはあるでしょうけど、要求レベルに達していない人を無理に入れても、その先ずっと定年まで居座られることを考えたら、損失は何億レベルになります。社長のコネでさえ断ったことがありました（大企業ですがしょせん雇われ経営者の無理難題を聞く必要はありません）。 [
SVM実践ガイド (A Practical Guide to Support Vector Classification) - シリコンの谷のゾンビ
SVMツールで有名なLIBSVMの作者らがまとめた "A Practical Guide to Support Vector Classification" という良資料[1]の日本語解説資料をまとめてみたので公開． SVM実践ガイド (A Practical Guide to Support Vector Classification) View more presentations from sleepy_yoshi 元資料はこちら 本資料作成のきっかけは，まわりの人に「SVMとかいう手法使ったんだけど，機械学習よくわからなくてさ」という感じで相談を受けて「カーネルは何使ってるの?」「素性のスケーリングはした?」「Cパラメータは調整した?」というようなことを聞くのだけれど，「???」というやりとりにうんざりしたから． その都度，Cパラメータというものがありまして〜，カーネルというものが
RubyでSVMのライブラリ"liblinear-ruby-swig"
RubyでSVMのライブラリ"liblinear-ruby-swig" liblinearについての詳細は割愛（詳細は本家サイトにて） liblinearをrubyで使うために、以下のライブラリを用いて行いました。 ・liblinear-ruby-swig 簡単な使い方を紹介します。 require "linear" # types = [ 'L2R_LR', 'L2R_L2LOSS_SVC_DUAL', 'L2R_L2LOSS_SVC', 'L2R_L1LOSS_SVC_DUAL', 'MCSVM_CS', 'L1R_L2LOSS_SVC', 'L1R_LR' ] SVMの種類 # 0:L2_LR , 1:L2LOSS_SVM_DUAL , 2:L2LOSS_SVM , 3: L1L1LOSS_SVM_DUAL, 4: MCSVM_CS, ... 定義されている変数名 pa = LPar
統計的機械学習入門 | 中川研究室
導入pdf 情報の変換過程のモデル化 ベイズ統計の意義 識別モデルと生成モデル 最尤推定、MAP推定 データの性質 情報理論の諸概念 (KL-divergenceなど) 距離あるいは類似度 数学のおさらいpdf 行列の微分 線形代数学の役立つ公式 多次元正規分布 条件付き正規分布 Bayes推論pdf Bayseによる確率分布推定の考え方 多項分布、ディリクレ分布 事前分布としてのディリクレ分布の意味<\li> 正規分布と事後分布 指数型分布族 自然共役事前分布の最尤推定 線形回帰および識別pdf 線形回帰のモデル 正則化項の導入 L2正則化 L1正則化 正則化項のBayes的解釈 線形識別 2乗誤差最小化の線形識別の問題点 生成モデルを利用した識別 学習データと予測性能pdf 過学習 損失関数と Bias,Variance, Noise K-Nearest Neighbor法への応用 b
Androidに対する愚痴
programming notes. mainly about JavaScript / jQuery. [@Takazudo] [takazudo@gmail.com] Hint: alt + / Androidはまじでクソだ。具体的には標準ブラウザがクソだ。iPhoneにも最初は苦労させられたものだけれども、その比じゃない。仕事では自分はそういうAndroidのクソさに付き合うのが嫌で嫌で蕁麻疹がでそうなので、Androidはクソすぎるんでそういうリッチぽいのはやめたほうがいいですよ、無駄にコストがかかるだけですよと言い続け、その上でそこまで攻めてない感じのデザインにしたところで、しかしなおそのクソさを発揮しやがる。どういうことなんだ？ クライアントに相談を受け、オレは真摯に考えを述べる。「Androidがクソなんでそんなのはやめましょう」と。もちろんこれが正しい決断だという自分の考え
採用面接での「何か質問はありますか？」をチャンスに変える5つの質問例【LHベストヒッツ】 | ライフハッカー・ジャパン
ヘッドライトの黄ばみがサッとキレイに! メッキ・ホイール・シートにも使えるマルチ過ぎなお手軽クリーナー「ウルトライト」
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
