読者です 読者をやめる 読者になる 読者になる

社会人になるまでに必要なスキルを適当に考えてみた

社会人になるまでに必要なスキルは何か?

そんなもんはないから、とりあえず遊んどけ、っていうのが最上の答えだと自分でも思う。

でも、自分にとって遊ぶっていうのは、ただ乗り物に乗って現地でうまくもない飯を食い外国人と戯れるだけで何も感動を見いだせないし、こういうのは社会という監獄に収監されるまえの儀式くらいに思っている諸兄は、それよりも監獄でどのように鎖をうまく磨くか、というスキルアップに時間をかけたいと考えていると思う。

そんな諸兄と気持ち一にする自分としては、ともに社会に出る前に必要なスキルについて、駄文を散らしたいと思う。

1.英語

2.書く能力

3.考える能力

4.マインドセット

5.キャリアプラン

 

1.英語

これはガチ。ほかのものを犠牲にしても英語は必要だ。なぜなら転職を考えるときに、

日系の会社に限定されることなく、外資も考慮に入れることができるからだ。もちろん中途半端な勉強ではなく、実践で使えるレベルにしたい。そのために、社会人になってからも勉強を続けるという前提で、今一度、文法や単語といった高校生や中学生でやってきたようなことを固める時間に使いたい、と思うのだ。

昨今のグローバルなシチュエーションだと、ジャパンでユーのライフタイムがオールで使われる、というチョイスだけではクライシスに対するメジャーとしてはリトルビット足りないと思う。最悪の場合、ジャパンをリーブして、フォーリンカントリーのカンパニーにジョインすることも必要になる。その戦略の一環として、英語力はマストなスキルだと考えている。

 

2.書く能力

ジャパンの大学で、自分はライティングスキルについて指導された覚えがない。なので、この時間を利用して、文章の書き方や書くための構造を勉強するといいのかもしれないと考えている。例えば、「理科系の作文技術」。

 

理科系の作文技術 (中公新書 (624))

理科系の作文技術 (中公新書 (624))

 

 これは文系の大学を出た人も読んでおくべき名著。

コピペレポートを大量生産してきた諸兄の中のならず者は、文章作成スキルが高校生で止まっていると思っていい。くそみたいな上司に「ゆとり」と侮蔑をうけることを華麗に回避するために、文章を書く能力を鍛える、ということは重要だと思う。

しかし、一方で、これらのスキルを習得した暁には、文法ナチといわれるように、文章にたいして、かつての内務省検閲官並みの文章校閲能力でそのくそみたいな上司の文章に黒い墨を使って添削したくなるから、気を付けるようにしよう。

 

3.考える能力

これはちゃんと筋を立ててもの事を考える能力のことだ。今風にいうロジカルシンキングというもので、ガンダムのプラモデルの説明書のようなものだと思ってくれればいい。例えば、腕から作るはずなのに、頭から作って腕のパーツをなくしたり、足から作って下半身の制作に熱中して、頭の黄色い部分をなくした諸兄は少なくないだろう。

そういうミスをしないためにも、これは何の目的で行われていて、今自分は何をしていて、これから何をすべきか、を考える能力を持つ、ということだ。

そのために、考える能力、つまりちゃんと順序立てて、筋を立てて考えることができるか、というスキルをアップしていこうというものだ。

ちなみに筆者はロジカルシンキング系の本は斜め読みしかしていないので、このたとえが正しいかは知らない。

 

4.マインドセット

だんだん面倒くさくなってきたが、頑張って続ける。この頑張って続ける能力が大事かなと思っているからだ。

たぶん最初のうちに、頭を使う仕事はほとんど与えられないと思う。最初は面倒くさいか、うっとうしいか、将来何の役にたつかよくわからない仕事が回ってくると考えている。

そんなときに、面倒くさいと言葉に出したり、体で表現したら負けかな、と思っている。とりあえず、自分の上司は社会人経験が自分より長く、そしてたぶん、どういう人材に育てようかくらいのプランは持っているはずだ。なので、その敷かれたレールに乗っていくことが、まず必要なことだ。ここで、おれはレールから降りて、荒野をひた走るぜと西部開拓時代のアメリカ的な根性のある諸兄や、おれのやりたいことと違うんすよねーとピサの斜塔よりも斜に構える諸兄もいるだろう。

でも、自分が後輩を持った時のことを考えてみてほしい。

基本的に、いうことを聞くやつがかわいいのだ。いうことを聞かないやつは、スーパーエースかくそだ。ほとんどの場合、スーパーエースではない。くそにならないために、いうことを聞いて、成長して、上司にありがとうと言おう。

上司は褒められることに慣れていないから、褒めを通じて諸兄の思うように扱える?ことになるかもしれない(上司も上司がいるし、その上司にも上司がいると思ったらいたわりたい気持ちになるよね)。

 

5.キャリアプラン

就職活動でも聞かれたこのワード。

「お金さえたくさんくれたら、どこでもいいよ(3年後には活躍できる社会人になりたいです!)」と答えてきた諸兄も多いだろう。

これはもしかしたら本音と建前が逆なのではと思っている人もいるかもしれない。

だが、世の中金である。

もし結婚するとしたら、旦那や嫁ができる。共同生活の金がかかる。将来のことも考えて、貯金もするだろう。そして、子供が生まれたら子供に金がかかる。子供が高校生になるころには、親の介護の問題も深刻になってくるだろう。加えて、自分の老後のことも考えなければならない。

そのときに必要になるのは金である。

金をたくさんくれるところに行ける自分になることは重要だ。

そのため、今の会社で生きていくにしろ、転職するにしろ、自分がどのくらいのことができて、いくら稼げるようになったのか、を言えるように新入社員から築いていくことが大切だと思っている。

そのためには、具体的ではなくてもいいから、ここら辺の年代ではどのような収入になっている、どのようなことができるようになっている、そして、社会の変化からどのようなスキルを身に着け、経験するべきか、とキャリアプランとライフプランを作っておくといいかもしれない。

そのときに、これまで褒めて扱いやすくなってきた上司を使おう。彼らは人生の先輩でこれらの問題に直面しているし、やはり様々な経験をしている。これらの問題を他人に話すことがきらいな人もいるかもしれないので、気を付けてもらいたいが、直接的な質問ではないにしろ、ふんわりとここら辺のことを聞いておくと、自分の将来もイメージできるようになるかもしれない。

 

と、駄文を書き連ねて来たが、自分もこれから新卒としてスタートする。

これらのことがどこまで当てはまっているかわからないが、朝からワイドショーを見るより、英語の勉強をしようという自分自身へのモチベーションを上げるくらいにはなったかなと思う。

 

論理学者から討論者へ

無料性格診断テスト、性格タイプ詳細説明、人間関係およびキャリアのアドバイス | 16Personalities

これをやった結果が最近変わった、ということ。

 

1年位前にこれをやった時には、「論理学者」という結果がでて、非常に満足したことを覚えている。人間としてリア充にはなれないけど、社会の役に立つことができそう、と思っていた。

 

少し社会にでて、より心情に近い選択肢を選んでいったところ、「討論者」に変わっていた。社会性が少し伸びているが、そこに書いてあるのが、非常になんか人間として嫌なやつっぽくなっていて困っている。さらに困ることが納得できるところもあるというところだ。

端的にいうと、組織の厄介者。なんにでも反論して、面倒な仕事に悲鳴を上げる。自分が権力者にならない限り、その特性を生かすことができない。

こんなやつが近くにいたら積極的に「you're fired」と某国の大統領のセリフを吐いていきたいけど、これができるのも権力者が得られる特権という悲しみを感じる。

「論理学者」のときには少しは良いことが書いてあったような気がするのだけど、「討論者」には、もはやこれからの人生の過ごし方の指南が書かれていてどうしようもないような気分になってしまう。

これからは、少し発言に気を付けていきたいなぁ、と思う。ここ以外は。

 

人工知能について調べてみる天然無能(これは正しかった)

いまさらながら人工知能について調べてみる。
そんなネット界隈でふわふわしたところしかとらえていない天然物の自分が少しだけ人工知能について調べてみたという無能間あふれるお話。
 
何の脈略もなく、youtubeでmachine learningと検索するとこんなのが出てくる。
 

www.youtube.com

 

こんなのをまじめにやっていてもしょうがないので、BGM代わりに聞き流しながら、もっと低いレベルの話を探す。

 

うぃきってみると

人工知能(じんこうちのう、: artificial intelligenceAI)とは、人工的にコンピュータ上などで人間と同様の知能を実現させようという試み、或いはそのための一連の基礎技術を指す。

人工知能 - Wikipedia

らしい。

 

なんのこっちゃ。

 

もう少し読み進めていく。

 

。。。

 

よくわからない。

 

(全然関係ないけど、最近のwikipediaって調べたところでわからない単語だらけで、わからないことへの無限ループになっている気がする)

 

Googleで「人工知能」を検索しても、仕事を奪うとか、怖いとかばっかりなので、自分の知っている人工知能の知識、機械学習という単語で検索をする。

 

いろいろ検索しているとこんなのが出てきた

 

機械学習の論理と実践」

http://sacsis.hpcc.jp/2013/files/sacsis2013_ml_okanohara.pdf

 

なんかまずはこれを読もう、ということで、予定していたよりサクッとまとめることができなかった。

 

また気が向いたら自分なりにもっとわかりやすくまとめてみようと思う。

自分の記事を見返すことは、過去の自分との対話になる、とか思っているけど、過去の自分に申し訳ないくらい進捗はよくない。

 

好奇心のほうは、あまり変わらず、プログラミングやデータ分析なのだが、その他のことをゆるーくやっていたので、特別に進んでいる、という気が全くない。

 

さて、単純作業的な仕事をしているときに、しばしばメインで考えていることは、totoで一発あててぇなということである。何かこう、うまくモデルつくって、いい感じで勝率とかでねぇかなーということを考えている。

考え始めると、サッカーにもミクロ、マクロみたいな感じがあるっぽくて、たとえば選手の運動量やゴールの確率、ボールカットの確率などがありそうだが、これはどっちかというとミクロのことかなーと思っていて、選手個人やその試合のチーム戦略、チームの方針などには適するけど、どうも全体の勝ちを予測しようと思うと、変数が多すぎて対応できないんじゃね?と頭を悩ませている。マクロっぽいことだと、チーム全体のゴール確率とか、ゴール被弾率、年間の勝ち点や、10年単位のデータを持ってきてドカッと分析することかなとも思うけど、これまたその年で戦力そのものが違うし、ましてやJリーグだと、次の年の上位5チームですら予想するのが困難というなんとも「えきさいてぃんぐ」なリーグになっているので、時系列分析をかけても意味がなさそう。。。とか思っている。

 

そうすると、それっぽい分析って難しいとか思いつつ、単純作業をミスるっていうことを続けている。

 

なんかその年のウイイレを買って、リーグモードを10000回くらい回したほうがそれっぽい答えが得られそうだけど、なんかそれでも上位5チームがものすごいばらばらになりそうな気がする。

 

なんか気になって、過去の順位表見てみたけど2005年以降だと、鹿島と浦和の強さが少し目立つ気がする。けど、柏のJ2上がりからの優勝とか、はぁ?みたいなことがあるので、なんとも言えないし、優勝争いをしていたガンバやセレッソが次の年からJ2みたいな謎がある。なにこれ。

まぁそりゃそうで、日本人で中心で目立った選手は海外に行っちゃうし、すげぇ外国人選手は中東にいっちゃうし、そんな中で安定した強さを維持するのはかなり難易度が高い。

そんで、今年の場合は海外から戻ってきた選手がたくさんいるセレッソが強そう。各チームの年間予算を見てもうーんな感じで傾向を見るのが難しそうで、なんかこの過去のデータを無視してくる姿勢がたまらない。

ということで、Jリーグも開幕したことだし、データ分析の練習がてら趣味でやっていきたいと思っている。

 

 

この記事を書きながら面白い記事を見つけたので、貼っておく。

2016年のJ1リーグ全試合データを機械学習し、2017年の展望を予測する(1) | Football LAB ~ サッカーをデータで楽しむ

 

記事を読んでいて、やっぱり機械学習のほうがいいよなー、そのほうがかっこいいよなー、RよりPythonのほうがその後の広がりがよさそうだよなーという思いをさらに強くしつつ、今日も今日とて、プログラミングの勉強時間が消えていくのであった。

日記

雑記

最近Excelの勉強を始めたので、データエッセイ(笑)的なものを始めたいような気がしている。目的は、データをキチンと整理すること、グラフを目的に応じてきれいに見せること。現時点の目的はそれ。今後は、マクロやVBAに手を出していきたい。けど、これは未定。あとは、ちょっとしたデータ分析もやれたら楽しいと思う(相関係数0.6でドヤ顔しない(戒め))。

 

あとは、JAVAでアプリとか作れるようになりたい。Python人工知能、Rでマクロ経済や市場の時系列分析など、やりたいことはたくさんあるのだけど、どのスキルツリーも別方向に向いていて、個々がそれなりに修得が厄介なくせに、収束して一つのスキルになる見通しがないのが悩ましい。

 

興味関心は、経済、プログラミング、スタートアップとかいろいろあるんだけど、最近は歴史を楽しんでいる。今6億当てたら、たぶん歴史学で修士、博士課程に進む。それで文学部の大学生とかに、ぬるい授業をお届けできる講師になりたい。女子大生と触れ合いたい。自作の教科書を買わせて、印税生活を送りたい。遅刻しても怒られない生活。夏休みを楽しむ生活。これらの煩悩を叶えるためには、6億円という壁があるけど、泣かない。

 

 副収入の波に乗りたい、ということで、小説を書こうと思っているけど、もとから長編小説を読む癖がないから、長丁場の文章を書くことができない。なので、短文をなろうに書き散らしている。一応、投稿時間などに気を使ってアップしているけど、コメントをもらうとそこそこうれしい。うれしいけど、最近は筆が全く止まっていて、アイデアばかりがたまっていく。そろそろまた書いて、いずれは賞金が手に入る文学賞あたりに投稿していきたいと考えている。

 

 副収入の波に関連して、Twitterやマンガアプリの素人投稿などで、4コマまんがなどを書いて、書籍化を目指したいという野望もある。どうやら、この界隈は短く、分かりやすく、かわいく、楽しく、とげがないというのが、受け入れられるらしい。どこぞの巨人が出てくるマンガが人気な理由がさっぱり分からないほど、スマホ経由でマンガを見る日本人は癒しを求めているらしい。

 

 考えても見れば、スマホでマンガを見るときは、隙間時間を潰すことが目的なので、なるほどとも思う。電車の間や、会社や学校のちょっとした空き時間に読むのだろう。なぜ自分にストレスがかかっているときに、なんとか星人がぎょーんされるマンガを見るのか。そんなことは誰もやりたくない。かわいいキャラクターがニコニコして失敗して、えへへとか言っていればいいのだ。どっかの魔法少女みたいに、キャラクターがマミるような重苦しい展開は求めていない。少なくとも、隙間時間では。

 

そんなこんなで脈略のない文章を書いてしまった。やらなければならない事があるときほど、こうした暇つぶしに花が咲くのだ。ただ、そろそろ飽きたので、また作業に戻ろうと思う。

Rprogrammingのメモ

R メモ

ちょっとコーセラのRの一番簡単な授業を見てみました。

 

私自身はR初心者なので、わからない部分も多いのですが、とりあえずWeek1のdata typesのサマリーまできたので、自分の勉強用に適当にメモしたコードを置いておきます。

やった範囲は特にデータを扱うわけではなく、Rのデータにはこんなタイプのものがあるんやで、くらいのものだと思います。

なので、動画で見るよりも、どっかのサイトや本を見た方が早いかも、と思って途中から流しながら見ていました。

基本的にコーセラは英語での授業なのですが、今回のRprogrammingでは字幕の選択肢に日本語があるので意味をキャッチするのにとても助かりました。

ちなみにコーセラは最近知って、おもしろそうな授業をポチポチしていったら、大学生の4月病みたいに大量の授業抱える羽目になっています。。。

 

サマリー

データのタイプ

・atomic classes: numeric, logical, character, integer, complex

vector, lists

・factors

・missing value

・data flames

・names

 

> x <-1

> print(x)

[1] 1

> x

[1] 1

> x <-5

> x

[1] 5

> x<-1:20

> x

 [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20

 

・関数c()はオブジェクトのベクトルを作る

・関数vector()を用いる

 

> x<-vector("numeric", length=10)

> x

> y

 

・Mixing object

[1] "1.7" "a" 

> y<-c(true,2)

 エラー:  オブジェクト 'true' がありません ##trueは大文字

> y<-c(TRUE,2)

> y

[1] 1 2

> y<-c("a",TRUE)

> y

[1] "a"    "TRUE"

> x<-0.6

> class(x)

[1] "numeric"

> as.numeric(x)

[1] 0.6

> as.logical(x)

[1] TRUE

 

・explicit coercion 明白な強制型

> x<-0:6

> class(x)

[1] "integer"

> as.numeric(x)

[1] 0 1 2 3 4 5 6

> as.logical(x)

[1] FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE

> as.character(x)

[1] "0" "1" "2" "3" "4" "5" "6"

 

・Non sensual coercion results in NA

> x<-c("a","b","c")

> as.numeric

function (x, ...)  .Primitive("as.double")

> as.numeric(x)

[1] NA NA NA

 警告メッセージ:

 強制変換により NA が生成されました 

> as.logical(x)

[1] NA NA NA

> as.complex(x)

[1] NA NA NA

 警告メッセージ:

 強制変換により NA が生成されました 

 

・List

> x<-list(1,"a",TRUE,1+4i)

> x

1

[1] 1

 

2

[1] "a"

 

3

[1] TRUE

 

4

[1] 1+4i

 

マトリックス

> m<-matrix(nrow=2,ncol=3)

> m

     [,1] [,2] [,3]

[1,]   NA   NA   NA

[2,]   NA   NA   NA

> dim(x)

NULL

> dim(m)

[1] 2 3

> attributes(m)

$dim

[1] 2 3

 

マトリックス(cont’d)

> m<-matrix(1:6,nrow=2,ncol=3)

> m

     [,1] [,2] [,3]

[1,]    1    3    5

[2,]    2    4    6

> m<-1:10

> m

 [1]  1  2  3  4  5  6  7  8  9 10

> dim(m)<-c(2,5)

> m

     [,1] [,2] [,3] [,4] [,5]

[1,]    1    3    5    7    9

[2,]    2    4    6    8   10

 

.cbind-ing and rbind-ing コラムとロー

> x<-1:3

> y<-10:12

> cbind(x,y)

     x  y

[1,] 1 10

[2,] 2 11

[3,] 3 12

> rbind(x,y)

  [,1] [,2] [,3]

x    1    2    3

y   10   11   12

 

・ファクター

> x<-factor(c("yes","yes","no","yes","no"))

> x

[1] yes yes no  yes no

Levels: no yes

> table(x)

x

 no yes

  2   3

> unclass(x)

[1] 2 2 1 2 1

attr(,"levels")

[1] "no"  "yes"

 

・ラベルを付ける

> x<-factor(c("yes","yes","no","yes","no"),levels=c("yes","no"))

> x

[1] yes yes no  yes no

Levels: yes no

 

・Missing value 欠損値

> x<-c(1,2,NA,10,3)

> is.na(x)

[1] FALSE FALSE  TRUE FALSE FALSE

> is.nan(x)

[1] FALSE FALSE FALSE FALSE FALSE

> x<-c(1,2,NaN,NA,4)

> is.na(x)

[1] FALSE FALSE  TRUE  TRUE FALSE

> is.nan(x)

[1] FALSE FALSE  TRUE FALSE FALSE

 

・データフレーム

> x<-data.frame(foo=1:4,bar=c(T,T,F,F))

> x

  foo   bar

1   1  TRUE

2   2  TRUE

3   3 FALSE

4   4 FALSE

> nrow(x)

[1] 4

> ncol(x)

[1] 2

 

・名前を付ける

> x<-list(a=1,b=2,c=3)

> x

$a

[1] 1

 

$b

[1] 2

 

$c

[1] 3

 

> m<-matrix(1:4,nrow=2,ncol=2)

> dimnames(m)<-list(c("a","b"),c("c","d"))

> m

  c d

a 1 3

b 2 4

 

 

Rはタイピングがおもしろいっす。個人的にSTATAよりも好きかもしれない。