世界を体験しよう!

何事も挑戦して、新しい経験や発見して、世界で人生を謳歌したいと思っています。

Hatena Blog 始めました(初めてのブログ)

 自己紹介

ニックネームはのぐろーです。

初めてブログを始めました。きっかけは現在の世の中でYouTube、リモートワークなどの情報通信技術による情報提供に関心を持ったことです。スポーツを長年し続けてきたこともあり、自分の人生を記録にするということは無縁でした。その経緯もあり、今回私が関心を持てたブログを開設するにまで至りました。初心者ですが、皆さんに気付きや感想を頂ければ嬉しいです。

末長くよろしくお願いします!

 ブログの内容

主に、日常生活のニュース、本の紹介、趣味(筋トレなど)、適宜内容は変更していこうと思います。

 今後の目標

  • 自己成長するために、新しいことに挑戦して成功や失敗をする。
  • ブログを続けて、たくさんの人と情報共有する。
  • ブログ名にもあるように、世界を体験するために英語の勉強して海外で働く。

 最後に本日の記録

  • ブログ開設をしてこれからどんな人とどんな情報を共有できるのか楽しみになりました。
  • ブログの編集モードのMarkdownに挑戦しました。なかなか初めは慣れない気がするけど、クリックなしで操作できるのでとても便利だと思いました。ネットで調べると、たまたまHatena Blogの方が紹介されてるのを見て、より魅力に感じました。
  • 今後はデザインやリンク、写真を使った高度なことにも挑戦しようと思います。

最後まで読んでくれた方はありがとうございます。これから頑張っていきますので応援よろしくお願いします。

IoT学習のまとめ

IoTとは

様々なものがインターネットに繋がる技術(リアルタイムで監視・操作・制御できる)

‐ クローズIoT(企業内限定)

  • オープンIoT(誰でも利用可)

M2Mモノ同士が相互に情報やり取り)←機械制御のみ

IoTの仕組み

データ収集(センシング)→蓄積(クラウド)→分析(AI活用分析)→フィードバック

センシング・・・センサーで集めること

HEMS (Home Energy Management Systems)

住まいのエネルギーを消費者が管理し、制御するシステム

ダイナミックプライシング

消費者の需要と供給に応じて価格を変動させること →「見える化」することでダイナミックプライシングに活かせる

IoTが生み出す価値

  1. 価格最適化(ダイナミックプライシング)
  2. 労働最適化(完全無人化)
  3. タイミング最適化(事前にメンテタイミングの予測)

デジタルツイン・・・生産状況を仮想システムに再現

RFタグ(RFID)・・・一度に複数個のデータを読み込めて、読み取り範囲が広い

異常検知

IoTデバイスとして、ワンボードマイコンシングルボードコンピュータ(ラズパイなど)がある

データ通信

MAN(Metropolitan)>WAN>LAN>PAN(Personal)

  • 長距離通信

MANの通信規模と規格:1都市、LPWA

WANの通信規模と規格:100km以上、4G,5G

  • 近距離通信

PANの通信規模と規格:個人周辺の機器間、Bluetooth > Zigbee

LANの通信規模と規格:同じ部署内やビル内、Wi-Fi

LPWA(Low Power Wide Area)・・・「低消費電力で長距離の通信」ができる無線通信技術の総称のこと

Zigbee・・・低コスト、低消費電力でワイヤレスセンサーネットワーク構築に適した無線通信規格

データ送受信のルール

HTTPS:一対一のデータやり取り

MQTT:複数データやり取り

データ基盤

データ分析(リアルタイム性が必要とされるシステムの構成)

エッジコンピューティング

IoTデバイス内で先にAIで解析

フォグコンピューティング

IoTデバイスのデータを途中のゲートウェイでAI解析

クラウド学習のまとめ2

今回は、従来よく使用されていたオンプレミスとクラウドの違いについてまとめていきます。

オンプレミス(自社で運用していること)

メリット

  • セキュリティ面では社内ネットワークなので攻撃を受けにくい

デメリット

  • 高価(固定費)
  • 障害時に自社で復旧
  • ユーザー自身でセキュリティ導入・運用バージョンアップまで

クラウド

メリット

  • 安価
  • メンテが少ない
  • サービス提供者がセキュリティ対策を実行
  • バックアップできる
  • 24時間監視で復旧

デメリット

  • セキュリティリスクが高い
  • 長期使用では、コストがかかる

機械学習アプリケーション

  • Machine Learning Studio・・・マウス操作のみで機械学習が可能
  • Auto ML・・・入力すれば学習済みモデル作成できる
  • Custom Vision・・・画像ラベル→学習することができる
  • LUIS(自然言語)・・・意図を汲み取るAI

用語集

  • デプロイ・・・作成したプログラム→アップロード→Webサーバー(Web公開)←誰でも利用可
  • DevOps(Developer Operations)・・・開発と運用の両方を担う開発のこと

DevOpsメリット

*1:アジャイル開発・・・全体像を考えながら決まったところから開発(小テストを何回も行う)

*2:ウォーターフォール開発・・・全体像を考えながら決まったところから開発

クラウド学習のまとめ1

クラウドとは

ユーザーが大規模なインフラやソフトウェアを持たずとも、インターネット上で必要に応じてサービスを利用できる仕組みを「クラウド」と呼び、この仕組みを用いて提供されるサービスを「クラウドサービス」と称します。また、クラウド上にデータを保存して運用することを「クラウド化」といいます。

背景

1960年 メインフレーム、集中管理型

1980年 クライアントサーバシステム、分散処理

1990年 ネットワークコンピューティング、Chrome

現在  クラウドコンピューティング、IT投資コスト削減

従来:オンプレミス(自社で情報システムを保有し、自社内の設備によって運用すること)

現在:クラウド

クラウドの種類は大きく分けて3つ(追加で一つ)

  • SaaS(Software as a Service)

  • PaaS(Platform as a Service)

  • IaaS(Infrastructure as a Service)

  • iPaaS(Integration Platform as a Service)

f:id:ChallengeLifeBlog:20210530194200j:plain
クラウド3つの構成図

SaaS

ソフトウェアの機能をネットを介して利用(すぐに利用できるアプリケーション

例)Gmail音楽配信サービス、Office365

  • メリット

 複数人同時編集可

 端末を選ばずアクセス可

 セキュリティ対策の手間なし

 自動でアップデート

 ネット上で編集・保存

 初期費用不要

  • デメリット

 インターネット環境が必要

PaaS

OSI参照モデルのハードウェア・OS・ミドルウェアをネットを介して利用

例)AWS、Azure、GCP

  • メリット

 環境設定などの手間を削減

 自由度の高いカスタマイズができる

 更新や脆弱性の対策

  • デメリット

 使用プログラミング言語が限定される

IaaS

コンピュータリソースをネットを介して利用

例)GCPのGCE、OSとスペックを選定できる

  • メリット

 ハードウェアのスペックやOSの種類を自由に選べる

  • デメリット

 専門的な知識=専門エンジニアが必要

iPaaS(Integration Platform as a Service)

複数のシステムを連携して業務自動化を実現するサービス

  • メリット

 リアルタイムでデータを同期・連携

 PCの表示画面に依存せず連携可

  • デメリット

 APIが公開されていないと、そもそもシステムを連携できない

AIと機械学習の簡単な概要

はじめに私の気づきをまとめます。

  • 機械学習は手段であって、目的を忘れてはならないこと
  • 機械学習は用途の合わせて3つの種類やさらに様々なアルゴリズムがあって、どのモデルを使えば正解なのか分からないこと
  • データサイエンティストになるためには、機械学習人材に必須のスキルとほとんど同じこと

機械学習とは

コンピューターが大量のデータを学習し、分類や予測などのタスクを遂行するアルゴリズムやモデルを自動的に構築する技術

データの規則性をある関数にフィットさせて、評価関数でその関数とデータの誤差を小さくしていく仕組みである。

そこで、できた学習モデルは、データの特性を数式で表したもの

必要な2つのステップ

  1. 学習(テストの答え合わせをしながら、勉強するイメージ)
  2. 推論(学習後の新しい未知のデータで出力されるものに対して、精度の確認)

機械学習の3大トピック

  1. 教師あり学習(回帰・分類)
  2. 教師なし学習(分類で使われるクラスタリング・主成分分析(次元削減))
  3. 強化学習(ある「環境」の中で、目的として設定された「報酬」を最大化するための行動を学習)

AIブームの理由

  1. IoTで収集できるデータ量増加
  2. ディープラーニングの登場
  3. ハードウェアの進展
  4. OSS*1フレームワークの登場

機械学習活用の全体プロセス

  1. 企画(目的を決める)
  2. 環境構築
  3. データ収集
  4. 目標値作成
  5. 前処理
  6. モデル作成(機械学習アルゴリズム
  7. デプロイ(学習済みモデルを組み込む)
  8. 再学習(用途に合わせて)

機械学習人材に必要な4つのスキル

  • ビジネス(本質的な課題を見抜く力)
  • サイエンス力(問題設定に応じた評価)
  • エンジニアリング(組み込んでオンプレミス)
  • 橋渡し力(3つのスキルの重なる部分)

AIにできること・できないこと

できること

  • 大量データ処理
  • ルールベース処理

できないこと

  • 人間でも判断できない予測
  • ノイズデータの処理
注意点
  1. 課題設定が不適切にならないようにする(手段が目的ではない)
  2. 運用段階まで加味しない
  3. 外部開発会社に丸投げしない

用語集

  • 特徴量エンジニアリング:既存の特徴量を組み合わせて新しい特徴を生み出すこと。

  • セマンティックセグメンテーション:対象の画像の領域を影にする技術

*1:Open Source Software):ネットに公開されているソースコード

データサイエンティスト入門

データサイエンティストで重要なこと

  1. データ

  2. アルゴリズム

  3. 洞察力

前提知識

データサイエンスとは何なのか?

はじめは、統計学だった!

+パターンを抽出=データマイニング

+新しいモデル=予測分析

機械学習データサイエンティスト

分析と分析論の違い

  • 分析とは、過去のデータから特徴を捉える

  • 分析論とは、潜在的に未来を分析し、合理的な理由付けを行うこと

オンラインTOEICの反省とこれから スコア490点(L:270 R:220)

スコアを見ての感想

  • 理想得点より悪くてショック

  • 少し手ごたえを感じた

  • もっと地道な努力をしないといけないなと反省

今までにTOEICは最高510点ですが、それを下回りました。。。

正直、ショックでした。。。

しかし

今までTOEICを受験してきて、リスニングの要領を掴めた気がしてます。

例えば、Part1に関しては、リスニング中に情景を創造できるようになってました。

目標は8月までに600点!(L:350 R:250)

それまでに地道にシャドーイング、速読、単語力強化をしようと思います。

Amazon Prime会員の特権

こんにちは、のぐろーです。

私は最近、大発見をしました!

それはAmazon Prime会員の良さに気付きました。その名前を聞きますと、おそらくほとんどの方が動画視聴をイメージすると思いいます。

Amazon Prime

f:id:ChallengeLifeBlog:20200512114444p:plain

学生であれば年2450円、または月250円で会員になれます。通常入会でも月500円、または年4900円ととてもお得です。

しかし、、、、まだまだ特典があります。

Amazon Kindle電子書籍無料ダウンロード

他にも特定の電子書籍をダウンロードできることをGWの間に知りました。今回はそこで見つけた本を紹介します。

f:id:ChallengeLifeBlog:20200512113036p:plain

私がダウンロードした電子書籍

  • 夢をかなえるゾウ2,3

  • 最高の体調

最高の体調 ACTIVE HEALTH

最高の体調 ACTIVE HEALTH

  • 超一流の雑談力

超一流の雑談力

超一流の雑談力

実は前回のブログ記事で紹介した「夢をかなえるゾウ」はAmazonで実際に電子書籍を購入しました。なぜなら、シリーズ2、3は全てAmazon Prime会員であれば読むことが可能だったので、即購入に至りました。

現在は、メンタリストDaigoさんが尊敬している方の「最高の体調」を読んでおります。

最高の体調現代人と原始人での精神面の違いや、腸内細菌の数の違いを信頼性の高いメタ分析の結果を踏まえて、解説している本です。

この外出自粛中にぜひ使っていただきたいサービスになります。気になった方はぜひ登録してみてください。

最後までブログを読んでいただいた方、いつもありがとうございます。