TL;DR 組織開発の中でも特に組織構造を最適にするという点に注目する 変化が早いスタートアップ企業では、問題に対する解像度が高く課題感を感じている人が組織構造を変更できる仕組みがあると不確実性の変化への対応力が高まる Ubie Discovery での組織開発は、組織をコードベースに見立てて PR を送りそれを反映することで改善していくものと考えると理解しやすい Ubie Discovery ではみんな（これは正確には全員ではないので後で説明する）プロダクト開発もやるし組織開発もやると聞くけど、組織開発というのは何をどうやっているか具体的にイメージが湧かない、という話をカジュアル面談などでよくされる。 仮に自分が社外の人だったとしたらという観点で Web 上で情報を調べてみると、概念と大枠を理解できる記事として Holacracy の記事 https://note.com/ubie/n/

TL;DR BigQuery で分析する際の tips をまとめてみる。長くなりそうなのでいくつかに分割して書く part1 はエディタとして何を使うかとか実行結果の連携などについて書く BigQuery console/DataGrip を使いつつ、結果を GitHub issues/Google Sheets/Bdash Server で共有するという感じで使っている 仕事で BigQuery を使って分析することが多いので、いくつかの回に分けて BigQuery を使って分析する際の tips をまとめていくことにする。今回は part1 としてエディタとして何を使うかとか実行結果の連携などについて書く。 個人的な探索的・アドホック分析用途の話に限定して、組織的にどういうデータ分析基盤を使うかとかそういう話はしない（会社だと ETL の L として dbt https://www.g

TL;DR Ubie 株式会社に入社して一年くらい経ったので振り返りをする 改めてデータ分析/機械学習で何がしたいのかを考えているが、自分はデータから普遍的な知識を得たい人間で、その観点では（まだまだ先は長いけど）やりたいことができている 人によって目的は色々だと思ういますが、みなさんはどうですか？ Ubie 株式会社に入社して 1 年以上経過したので軽く振り返りをしつつ、そもそも自分はデータ分析/機械学習で何がしたいんだっけというのを改めて言語化してみるエントリ。 ここしばらくは採用の文脈以外で他の会社の人と話すことが少なくて物足りないところもあるので、自分はこうだな〜という意見があればぜひ教えてください。 一年間を振り返ってみる まず何よりも、勤続一年一ヶ月を達成している自分を褒めたい。凄いぞ自分。偉いぞ自分。 勤続一年一ヶ月という圧倒的事実が示唆しているように、（労働の辛さはもちろん

TL;DR 機械学習のアルゴリズムには詳しくなりたいけど実装はしない、という立場の人向けの学習資料まとめ 知人向けで、具体的には同僚医師がターゲット読者（めちゃ狭い！）だが、一定度他の人にも役に立つかも 改めて色々眺めてみてやっぱり大学の講義は質の高いものが多いと思った 知人が機械学習のアルゴリズムを学びたいと言っているので、オススメの資料などを見繕ってみるブログエントリ。 機械学習への関わり方を雑にアルゴリズムと実装で分けた場合に、アルゴリズムには詳しくなりたいけど実装をするわけではない、という立場の人向けである。 このようなタイプの人はそんなにいないと思うけど、具体的にはドメインエキスパートとして機械学習エンジニアと一緒にアルゴリズム・データ改善に取り組んでいて、アルゴリズムでどんなことをやっているかをちゃんと理解したい、みたいなのが一例となる。 なんとなくのイメージ的な理解だけだと、

TL;DR 求職活動の結果 Ubie 株式会社に入社することにしました 決め手は「ストーリーを語りたくなるような仕事ができそう」だから エンジニアも絶賛募集中なので、一緒に働きましょう！ https://note.com/ubie/n/n454a0d04a1eb 最近は求職活動に勤しんでいましたが、色々な人に話を聞いたり実際に選考を受けた結果 Ubie 株式会社 に入社することにしました。 このエントリは、私の求職活動を振り返りつつ、その過程でお世話になった人々への報告に代えさせていただこうというものです。 求職活動の経緯に関しては以下をご覧ください。 ついに求職活動をすることにしました。 機械学習エンジニア/リサーチャーのポジションで求職中です。 関係各位の方々、よろしくお願いします。 詳しくはブログで！https://t.co/2X2SuHyE5G — Yohei KIKUTA (@y

TL;DR PDF ファイルは こちら GitHub repository は こちら 無料で公開してますが、役に立ったという人はぜひ BOOTH の商品 を買っていただけると！（内容は同じです） 技術書典 8 で販売しようと思っていた adversarial examples の本を公開します。 技術書典、初参加の予定だったので楽しみだったんですが、中止となってしまったのは残念です（致し方ないですが）。 運営の方々は大変な決定だったと思います、改めてこの場で労いと感謝の意を表明しておきます。 オンラインで開催されるという話ですが、元々は 2 月末に出そうと思って準備していて一通りは完成したので、ここで公開しておきます。 （オンラインで開催されるようならそちらにも出したいとは思っています） 本とコードをセットで書きました。 自分は有料じゃないと見れない情報とか好きじゃないので、無料で公開し

TL;DR 一年間無職生活をした結果 2,973,667 円掛かった 独身プログラマなら少し働けば貯めることができる額なので、気軽に無職になって人生をやっていこう！ 201901末に退職をして丸一年経った。 無職になったときの裏の目標の一つとして、無職期間に必要になった費用を記録してそれを公開するというものがあった。 別に大した理由はないのだが、無職になりたいという前途ある人々の参考となればこれ幸い、とか考えていた。 ということで結果発表をしようと思う。 ちなみに自分は最近ちょっと働いているので丸一年無職をやり切ったというわけではないのだが、働いてるのは結婚式が無限集金システムで現金が足りなくなるのでその補填というためなので、生活費には充てていない。 ということで、一年間無職をするのに必要なお金、という意味では自分の実績値をそのまま使うということで問題はないだろう。 基本的には税金から生活

TL;DR ほぼ電子書籍の生活になってから久しかったが、学術書はやはり紙の書籍が良いなと思うようになってきた 電子書籍と違って読もうと思ってない本を手に取りやすかったり、空間的な位置で関係性を持たせたりできる 漫画とか論文に関しては電子書籍で管理するのが良いと思う 最近学術書とかを紙の書籍を読む機会が増えている。 そうやって紙の書籍を読んでいると、本の種類によっては電子書籍よりも紙の書籍が優れている面が多いなと感じている自分に気付く。 なんか定期的にそういうことを考えている気もするので、ちょっとブログにでも認めておこうというのが今回のエントリである。 電子書籍主体にした理由とその利点 自分の場合は物理的に移動しなければならない機会で電子書籍への移行を進めてきた。 一番大きかったのは大学院を修了するタイミングで、それまで所有していた漫画とかをせっせと自炊して紙の書籍を処分していた。 一部のお

TL;DR c-lesson でC言語の勉強をしている 第一回の PostScript インタプリタを作るを完走して、それがめちゃくちゃ良い勉強になった parser や evaluator を実装し、さらにはC言語のスタックフレームを使わず継続まで実装してちゃんと理解できる良コンテンツ ずいぶん前に始めたけど途中で止まっていた c-lesson を沖縄で再開していて、ついに第一回が終わった。 元々低レイヤーの勉強をしたいなと思っていたところに @karino2 氏にC言語の勉強とかどうですかと救いの手を差し伸べてもらった形で始めたが、とてもよくできていてめちゃくちゃ勉強になった。 C言語とかほぼ書いたことないような状態から始めたが、基本的なところを押さえつつだいぶ自由が利くようになってきたのを実感できて嬉しい。 自分が実装した PostScript のインプタプリタ実装は ここ にある。

TL;DR 寒い時期や花粉症の時期に沖縄でリモートワークするのが増えるといいなぁ (無花粉による生産性変化分)+(リモートワークによる生産性変化分) >= 0 が成し得るかみんな検証してくれ ちなみに自分はいまギークハウス沖縄に滞在していてなかなか良い感じ 沖縄に来てから一ヶ月くらい経っている。 この一ヶ月は天気がイマイチな日の割合が多かった（例年に比べて天気が悪い日が多いという地元民の定性評価アリ）というのは残念なところだが、花粉は本当にないし比較的暖かいしでなかなかに気に入っている。 せっかくなので、沖縄での生活と短期的に沖縄でリモートワークしてみることに関していくつか書いてみる。 なお、自分は沖縄で働いているわけではないのでリモートワークに関して正しい評価はできない。 結構アリなんじゃないかという気はしているので、ぜひやる気がある人に検証して欲しいという次第である。 沖縄での生活 沖

TL;DR 二月は色々な人（主として機械学習業務を生業にしている人）に話を聴きに行ったので感想を書いてみる バラエティに富んでいて面白かったが、ある程度見通しがついているタスクに取り組むという感じが多かった 技術的に今だからこそ出来そうという新しいプロダクトに取り組むという話はそんなになくて、機械学習系の人はこういう思考・志向の人が少ない感じがする 偉そうに言ってるけど自分こそがまさにそうだったので、無職期間に何を作りたいのか意識的に考えていかねば 201902 から無職になって今は沖縄で悠々と花粉フリー生活を送っているが、沖縄に来る前は色んな人に話を聴いて回っていた。 その時の話をまとめるという話を以前 Twitter で以下のようにしていたので、有言実行伏線（？）回収ということでまとめを書くことにする。 今月は結構頑張ったので、のべ27人（含む無職）に話を聴きに行ったという結果になった

TL;DR 何となく Haskell 勉強してみようと思って「すごいHASKELLたのしく学ぼう！」を読んだ 文章とか挿絵とかかなり独特だったが、内容はとても良く書けていてかなり面白かった せっかくなので Functor から Monad に関する現在の理解をブログに残してみる 今後も圏論とか勉強しつつ趣味で触っていこうかな、と思えるくらいには好きになった 気まぐれで Haskell を勉強してみようと思って、二週間ほど前に触り始めてみた。 せっかくなので本の一冊でも読みながら勉強しようと思って選んだのが「すごいHASKELLたのしく学ぼう！」である。 これは原著で「Learn You a Haskell For Great Good!」というものがあり自分は大体原著の方を読んでいくタイプだが、翻訳本訳者の一人である村主氏に追悼の意を示すという意味で翻訳本の方を読んでみることにした。 この

TL;DR 知人と話して自分の力で車輪の再発明をするのは良いことだという話をした 出した結論が既知であっても、その過程は自身の胸裡に財産として積み重なっていく そのような積み重ねが理解を深めたり新しいことを発想する土台になると思う どんどん車輪の再発明をしていこう 大学時代からの知人に二年ぶりくらいに会った。 その知人はいま数学の研究者をしているが、大学時代から学問の話から教育の話まで実に様々な議論をしてきた過去があって、尊敬している人間の一人だ。 今回も色々な話をしたのだが、そこで表題にあるような議論をして興味深いなと思ったので記事に残しておくことにした。 車輪の再発明 Wikipedia のページ によると「広く受け入れられ確立されている技術や解決法を知らずに（または意図的に無視して）、同様のものを再び一から作ること」とある。 細かい言葉の定義はどうでもいいのだが、既にあるものを自分で

TL;DR 機械学習エンジニアは理論と実装の両方が求められる場合が少なくない この二つは割と異なる学びの過程がある気がしているが、自分を例にとってそれを考えてみる かなり強引に言うなら、理論は要素を積み重ねて全体を理解するやり方で、実装は全体から必要な要素を削り出していくやり方、な気がする 自分は実装に関してはどうトレーニングを積んでいくのが良いかいまいち分かっていない 知人と話していてタイトルにあるような話題になった。 機械学習が流行るようになって、これまではサービスを開発するような仕事ではそこまで要求されなかったであろう、数学的な理論とプログラミングによる実装の両方を兼ね備えることの重要性が増している。 これは自分が興味あるような機械学習エンジニアの仕事において、という前提条件の下での話だ。 そんなのなくても仕事ができるとかもっと大事なことがあるとか、意見は色々あるかもしれないけど、こ

TL;DR MobileNet で使われていることで有名な ReLU6 を復習してみた 初出の論文（と思われるもの）では sparse feature を得るために使うという導入だった MobileNet の文脈では固定小数点数の演算に適している（上限を与えない場合と比べて resolution が高い） とはいえ 6 は実験によって決めるべきパラメタでしかなく、それ以上に深い意味はない（と思う） 最近勉強会で MobileNetV2について発表 する機会があり、改めて ReLU6 について考え直してみた。 ちなみに ReLU6 とは何かというと、単純に上限を 6 に設定した ReLU である。 \(x \rightarrow \min ( \max (0,x), 6 )\). この ReLU6 は MobileNet で使われていることで有名だが、これについて復習してみようというエントリ

TL;DR iPad Pro で論文を読む際に Notability を使いたいが Mendeley などと異なり論文管理は手間 Chrome extension を使って arXiv の論文を google drive に保存できるようにした：Repository Notability との連携が改善されれば文句なしなのだが… 以前 iPad Pro で論文を読むにはどうしたらいいだろうと思って こんな記事 を書いた。 その時の結論は「Mendeley + PaperShip」というものだった。 しかしながら、やっぱりというかなんというか、気に入らない部分があって何とかできないかなぁと考えていた。 結果、自分好みの Chrome extension を作ればいけるのでは？と思って実際に作ってみたので、事の顛末を記しておく。 現状の不満点 複数アプリを跨って使っているので面倒 書き込んだ結

TL;DR 機械学習を仕事で使う人はどんな理論的内容を扱っているのか コードは GitHub にあるし研究は論文になるが、実業務で必要な理論的トピックに関してはなかなか目にする機会がない 自分がこれまでどんなことをしてきたのかを簡単にまとめてみた 以前 機械学習をやる上で線形代数のどのような知識が必要になるのか という記事を書いた。 これに関して知人と話している時に「ある程度知っている人がこれだけやれば十分みたいな話をするのは不適切じゃないか」という感じの話をした。 何が不適切かというのは色々な解釈がある。 ここでは、ある対象に関してそれなりに知っている人が考える「これで十分」というのは、暗黙の前提や関連事項の理解があったりして、表面に出てくるのはほんの一部を聞いてもそこまで役に立たない、という点を挙げておく。 これは結構広く成り立つことだろう。 まあそれ自体はそれでいいし、表面に出てくる

TL;DR Deep Learning with Python を読んだ よく書かれている本で、特に初学者〜中級者が Keras を使ってモデル構築ができるようになるには最適 扱っているトピック自体は他の本と比べてそこまで変わっていないが、一つ一つの質は高い 個人的には Keras の実装の話などをもっとして欲しかった Keras 作者の Chollet 氏が書いた deep learning 本ということで、どんな内容なんだろうと思って読んでみた。 結論から言うととてもよく書けている本で、対象読者は Keras を使って deep learning を始めたい（始めてみた）という人かと思う。 どんな経緯で出した本かとかそういうのは全然知らないが、deep learning が使えるようになるための getting started となる決定版を書いたぞ、という印象を受けた。 自分としては

TL;DR プレゼンで資料を作るときに自分に合うものをちょっと探してみた 結論としては Deckset（もしくは gitpitch）が良さそう 発表資料を作るとき、結構大変である。 具体的には、自分の場合は数式を入れたいという欲求があるが画像で切り貼りするとかもう無理なのでやめようという話。 ちなみにこれまでは Keynote + LaTeXiT とか、数式あまり使わない場合は google slides とかを使っていた。 自分は図表の位置とか細かく調整したいタイプなのでこれらのツール以外は合わないかなと思っていたが、 ある意味で悪い癖でもあるのでこれを機にそういう細かい操作が許されないツールで矯正するのもよいかなと思い始めた。 ということで以下の条件を満たすものを探してみた。 数式を LaTeX を使って書けて、かつ inline 挿入可 自分にとって馴染みのある記法で書ける（具体的に