池袋でシャンポリオン・シュリーマン・チャレンジとお笑いラジオ

Cousera Mashine learning / week2 https://www.coursera.org/learn/machine-learning/ Octaveというソフトを入れる。これで機械学習をさせる。 ver 3.8 をいれる。4はダメ。 Octave http://www.tatsuromatsuoka.com/octave/Eng/Win/ Mac https://www.coursera.org/learn/machine-learning/supplement/ykU6M/installing-octave-on-mac-os-x-10-10-yosemite-and-10-9-mavericks-and-later cousera内のoctaveのコマンド学習のコーナー https://www.coursera.org/learn/machine-learning/lecture/9fHfl/basic-operations 1==2 0 がfalse 1 がtrue not equal 1 ~= 2 1がかえる 1 && 0 and 1 || 0 or 排他的論理和 xor(1,0) 片一方がtrue,片一方がfalseのときのみtrueが返る プロンプトの表示をシンプルにする  PS1(">> "); 代入 a = 3 表示される a = 3; この場合は、画面に値を表示しない(何億桁もあるような場合に使う) 明示的に表示する disp(a) 数字の表示を行う際に、長めに小数点を表示するか否か format long format short 行列 >>  A = [1 2; 3 4; 5 6] A =    1   2    3   4    5   6 >> 1から2まで0.1刻み V = 1;0.1;2 ones(2,3) 1だけの行列 zeroes(2,3) 0行列 ランダム rand(2,3) 正規分布=ガウス分布(ちょっと...

ブログを書く頻度が下がってしまいましたが、なんだかんだでシャンポリオンチャレンジは83日続いてます。 今こうして様々な習慣が続いているのは、梅原大吾さんの「1日ひとつだけ、強くなる。」という本の影響が大きいと思うので、この本おすすめです。 内容を一言でまとめると、次のようになります。「昨日より今日、何か一つでも強くなっているのであれば、今日の自分が最強である。そしてそれが死ぬまで続けば、死んだときが最強である。」 まあ言ってることはありまえのことなのですが、やはり梅原さんのことをよく知っているので、説得力を感じます。少なくとも、ゴールドマン・サックスのコンサルタントよりも、テレビのタレントよりも、親近感があるので、その言葉に力を感じます。 この考え方のポイントは、やはり「昨日と今日という最小の単位だけに着目する」ということにあるように思います。 10年、1年、1ヶ月といった中長期的目標を立てることはもちろん大切なのですが、現実的には、当面一週間続ける、というハードルを超えることが一番難しく、私を含め多くの人が、中長期的な目標が有効になるレベルまで継続することができずに挫折してきたことでしょう。 まず立ち向かうべきは、単に「今日の自分だけ」なのだということを、梅原さんは明確にしています。他人ではなく、過去の自分でも、未来の自分でもなく、今日の自分にだけ勝てば、結果、最強だと。   今日ジュンク堂でみつけた「小さな習慣」という本は、これについてもっと明確に、科学的に、かつ体系的に説明した本で、非常に良い本だなと思いました。 端的に内容を言えば、「習慣化することが一番重要。そのためには、タスクの内容が非常に簡単で、気負うようなものではないものである必要がある。何故なら、達成が困難で精神的なハードルが高い習慣目標を立てた場合、習慣化できないからだ。」ということになります。 この本が説明していることで面白いと思ったのは「そもそも、目標が高いと、習慣化の妨げになるので、好ましくない」という点を強調しているところです。つまり、あまりに困難な習慣目標を立てるのは、そもそも戦略的に誤りだと。習慣化したいのであれば、当然クリアーできる簡単なものにするべきだと。 これは私も体感的に納得ができま...

あんまり進まず、まだ4センテンス目をやっております。 新しいポイントを発見しました。耳で聞いた音を頭に残して、それを追従するようなやり方で覚えると、なんか良い。 明日もがんばろ〜

普通に勉強しておわり。

エデンにて machine learning 初心者勉強会をしてきました。 ここのサイト無料で受けることができます。 https://www.coursera.org/ 確かオクスフォードの教授かなんかが教えてくれるコースで、一から丁寧に  machine learning を説明してくれます。 machine learning は日本語では機械学習と呼ばれていて、いわゆるコンピューターに将棋をやらせるシステムのコアになっているものです。のはず。 マシンラーニング以前は、コンピューターに対して、判断基準を人間が提示して、その基準に沿って行動をさせてきました。例えば将棋であれば、一番弱い歩兵を失って、それでも、かなり強い飛車を取れるなら、得をするのだから、そういう状況がくれば、迷わずとりなさい、というような、細々した命令の積み重ねで、将棋を打たせていたわけです。 つまり、条件分岐の命令をたくさん仕込んで将棋を打たせていた。 しかし、マシンラーニングは全く違うシステムです。 そういった判断の基準自体を、自ら、莫大な棋譜をもとに生成します。 つまり、自分がどう判断するのか、というシステム自体を自分で生成します。 これは大きな知性における、転換点です。 話は大きく時代を遡りますが、デカルトという哲学者は、神はすべての仕組みを把握しているのだから、この世の全てを見通し、予測できるはずだ、という主張をおこないます。これを機械論といいます。マシニズムです。 現代自然科学は基本的に、デカルトの機械論に基づき、世界を把握できる論理構造が存在し、それを明らかにできるはずだ、という信念に基づいて進みます。 そしてそれが行き詰まるのが、ポストモダンの時代です。どうやら、人間の知性では、ものごとを解決できないようだ…雑に言えばそういった絶望が、例えば世界大戦や、ベトナム戦争を通じて露わになります。 そしてみんな、ヒッピーになります。 一気にデカルトの時代から400年くらい進みましたが、そうして次に来た知性の転換点が、マシーンラーニングです。 体系的に論理構造を明らかにできずとも、高速かつ莫大な計算量によって、対象を表現できる関数を定義できるようになったのです。 速度、量。これが現代の知性のキーワードです。それを成し遂げたのはもちろん、コンピューターです。 ある意味で、全てが見通せると...

この本、英語の本なのですが、見た目がかっこいいので書いました。ぜひ、スタバで開いてドヤ顔してみてください。一段上のドヤ顔ができると思います。 100冊くらい出ています。哲学、政治、油絵、等々いったありとあらゆる各事象について、専門家が大体100ページくらいで簡潔に説明してくれます。 ただ英語的にちょっと難しいので、正直自分もサラサラとは読めません。でもちょっとつづ読んでます。 スペイン語の方は、すすまない！笑 段々壁が厚くなってきておる気がしますね… 明日もがんばろう…🦀

本日の池袋飯ブログは、台湾料理屋です。 https://www.google.co.jp/amp/s/s.tabelog.com/tokyo/A1305/A130501/13061507/top_amp/ 天下寿司という回転すし屋の上です。 オーヤンフィーフィーっぽいお母さんが面白い。ちなみにオーヤンフィーフィーは台北の出身で、お母さんはおそらく店名からいって台南の出身。 もし勇気があれば、鶏の足先を甘辛く煮たやつを頼んでみてください。豚足の鶏バージョンって感じです。台湾ではオヤツ的によく食べるそうで。ゼラチン質で、見た目になれれば美味しいです。 定番メニューは八角を豚の使った角煮。台湾料理は中華料理ほど唐辛子を使わず、その代わりに八角をよく使っているイメージ。また、暑いからなのか、甘めです。 これ別の店の魚。 スペイン語の方はですね、現状維持。でも毎日やるってことが大事ですからね。 明日もがんばろ〜🦀