転職はスキルである - 思考と現場の間で
最近色々な人と話していて、組織というのはいいところもあり課題も当然あり、完璧であることはありえないと感じる。そりゃそうだろうという話しなんだが、自分が所属している組織しか見ていないと、目の前の課題に目が行き過ぎて、客観性が失われ、隣の芝は〜みたいなことが起こる。それはそれで不幸な部分がある。 私も含めて、人は痛い目に合わないと思い知らないので、隣の芝が青く見えた時に転職して愕然とする。これは思いの外辛い。でも打開することができるのは自分だけなので、がんばるしかない。精神論。 何が辛いかというとギャップである。自分と周り、考え方の違い、価値観の違い、やり方の違い、性格の違い。そうすると、そのギャップを理解するために、自分を見つめ直さざるを得なくなる。自分が何がしたいのか、なにが嫌だと感じるのか、それはなぜなのか。つまり、自分を知る必要性を突きつけられる。これがまた思いの外難しい。自分のことを
中小ベンチャーに転職するときに気をつけること
体験から学んだことについてメモってみるよ 1. 経営者（マネジャー）のキャラを見極める。30人程度までの組織だと、経営者のキャラや器が組織を左右する。目立ちたがりで要領はいいけど中身がない人の下で働くと、結局さまざまな尻拭いを押し付けられる。マネジャーのキャラを調べるには、口コミがいちばんで、自分の場合も、転職をしたあとで、「あんな人の下で働くの？」と言われたときには、「えっ」って思ったけど、働いてみたら本当にそのとおりだった。口コミが無理な場合には、最低限できることとして、検索して、facebookやinstagramなどのSNSを見てみること。違和感を感じたら要注意。 2. マネジャーの前職がわかるなら、前に立ち上げた企業から付いてきた人がいるかどうかを確認する。まったくいない場合は、人を利用して去っていく人脈焼け野原タイプの人間である可能性あり。 3. 自分が応募しているポジションの
【ディープラーニング】10時間でChainerの基本を身につける - あれもPython,これもPython
ディープラーニングは色々な知識が必要です。 「チュートリアル動かしました」で止まったままの人も多いでしょう。 そこで、自分がchainerを理解しながら動かした時の方法を書きます。 大前提 とは言ったものの、誰でも入門は無理なので。 以下が最低限の前提です。 数学:微分積分、行列、確率とか聞いても「ああ、あれね・・・」くらいには思う IT:Pythonがそれなりに分かる。numpyはそこそこ分かる。 機械学習:説明変数とか、目的変数とか分類とかが何となく分かる やる気:引っかかった時に、調べる気力がある ゴール chainerを自分で色々試せるレベルになる。 あくまで試せるレベルになるだけです。 それでも千里の道も一歩からです。 一緒に頑張りましょう。 ちなみになぜchainerか、というと、 入門者が触るには、バランスは良さそうに見えたからです。 最初の最初 ディープラーニングは歴史から
WebDNNのサンプルとコードの解説に挑戦 - のんびりしているエンジニアの日記
皆さんこんにちは。 お元気ですか。師走の12月らしく締め切りに追われています。 この記事は「Deep Learning フレームワークざっくり紹介 Advent Calendar 2017」第7日目です。 qiita.com DeepLearningフレームワークの１つ、WebDNNのご紹介をします。 このフレームワークを調べたきっかけとして、「MakeGirls.moe」があります。 MakeGirls.moeは萌画像生成のWebサービスで、WebDNNを使用して提供しているようです。 make.girls.moe WebDNN WebDNNは東京大学 原田・牛久研究室が作成した深層学習モデル(DNN)を ウェブブラウザ上で高速実行するためのオープンソースフレームワークです。 次のサイトのアワードに掲載されるほど、良いソフトウェアでもあります。 Open source software
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
処理を実行中です
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
Amazon.co.jp: :
TechCrunch | Startup and Technology News
