NO RULES 書評
きっかけ
会社員として組織に所属してから一年、金儲けの欲望関心が高まった年だなと感じています。こと就職に関して、一年前は技術にしか興味がなく、あとはお金持ってる企業に行けば環境もどうにかなるだろう、と今思えばすごく甘い考えで臨んでいました。
さて、NO RULESですが、本書ではコロナ禍で需要爆発のNetflix、その企業文化について解剖しています。社会人Lv1の私にとって組織の本は全く食指が動きませんが、(今のところ)縁の無い成長企業の文化について単純に興味が湧いたのと、「うちの組織のイノベーションを抑圧しているものは何だろうな」と、ふと偉い人になったような錯覚を起こし、読んでみることに。
自由と責任のカルチャーとは何ぞや
ズバリ、意思決定のプロセスを排除し、より多くのイノベーションを生み出すことに重きを置いた文化。
- 社内の決まり事、いわゆる「規定」は組織の柔軟性を損ね、イノベーションを抑圧する。これを排除することで得られる「自由」
- その代わり、入念に共有されるのが方針・コンテキスト
- 自由を行使した結果には「責任」が伴う(チップとして自らの職を賭ける)
「自由と責任」の部分だけ抜き出すとかなり過激な組織に思えますが、社員が最高の環境の下で成長し続けるための方策について、多くのことが述べられていました。
仮に製造業で同じことをしたら、責任の大きさが個人のレベルを超えてくことは容易に想像できますね(笑)首吊ってまう。そもそも日本の企業では成果が並みだからという理由でクビにはデキマセン。
感想
別に組織が新しいとか古いとか、優劣があるとか、そういった批判をしている本ではありませんでした。その代わり、どうすれば自分が成長できるか、という問いに対してヒントを得ることができました。Netflixではフィードバックを頻繁に行う文化を醸成することで社員の能力の向上を図っていると描かれていました。今思えば、フィードバックを受け取れていたおかげで研究生活が成長に満ち、楽しかったのだということに気づきました。現在は仕事での開発テーマもなく、悶々とした日々を送っています。オープンな環境で、色々なの課題に突っ込んでいけるようなラフさを自分自身、求めているんだなと思います。
実は、久々に書こうとしたきっかけが本書になります。「フィードバックを大切にする」を実行するための手段としてブログが思い浮かびました。最終章では、ネットフリックスのカルチャーを世界中の拠点に浸透させる過程で、地域拠点ごとにカルチャーマップを作成したことについて描かれていました。カルチャーマップには国ごとにコミュケーションの取り方が示されていましたが、日本のコミュケーションの取り方がNetflixと比べて見事に逆になっていたのが面白かったです。特異な国、日本。日本語の文章は、問題をあやふやにする傾向があり、率直な物言いは敬遠されがち。
率直な意見が交わされやすい環境として、twitterやブログは適していると思います。自ら発信力あげていかないとなぁと思った次第です。自らの発信力を上げ、フィードバックを得やすくし、成長のループが作れたらきっと楽しい はず。
コンペで挫折。Courseraで機械学習の基礎を学ぶ
はじめに
こんにちは。最近はリモート〇〇が流行っていますね~。世の中の変化をひしひしと感じております。
私も読書、勉強を始めました。
お題の通り、オンラインMOOCの中でも有名なCourseraで提供されている、機械学習(Machine Learning)コースを学んできました。今回はその報告になります。
「今持ってるスキルはもう役には立たない。いやそもそもスキルなんて持っていない。」そういった不安が先行した結果、何かしようともがいているのかもしれませんね。
不安が動機なら、今後の努力には繋がらないはず。"記事を書く"という試み自体が私にとっては実験なのです(語り口調)。
この学習を始めたきっかけ
テクノロジーへの興味から、機械学習を使えるようになりたいと考えるようになりました。
これまでのざっくりとした経緯は
- データ整理を自動化しようとする。pythonと出会う。
- 教科書を参考に簡単なプログラムを実装
- 出来たプログラムを何度もブラッシュアップ。機械学習にも触れたい
- Kaggleなる機械学習コンペを見つける
- データの前処理でつまづきまくる&学習モデル全然わからない…
- データの前処理を勉強する
- 機械学習を勉強する(現在)
といった具合です。
Qiitaなどで教材を探していると、まず挙がってくるのがオライリーの教科書。次にオンライン学習サイトです。最近はProgateのように、カジュアルにプログラミングを学べるサイトがあり、私も楽しく学ばせていただきました。
私が初めて機械学習を学んだサイトは、AI Academyでした。ここではいくつかのコースが無料公開されていました。ページのデザインがProgateと似ていて、とっつきやすかったです。
Kaggleという機械学習のコンペでは、機械学習エンジニアの先輩方が公開したコードを見て学習することができます。データの前処理と、機械学習系のライブラリに関する知識、読解力が必要になると思われます。そして本記事に至る…
Coursera で 機械学習(Machine Learning) を学ぶ
学べること
・行列の計算
・Matlab互換のOctaveというプログラミング言語を少々
・実装のコツ
本講座はスタンフォード大のアンドリュー・エン教授が講師を務めています。
約2か月半のカリキュラムとなっており、週あたり6時間ほど取り組めば終わる量です。
本講座は無料で公開されています。終了証が欲しい場合、有料で発行してもらえます。
全11章構成で、章ごとにプログラミングの課題が出ます。グラフを描画するコードがすでに書かれている状態で配布され、穴埋
め形式のように習ったアルゴリズムを書いていくだけなので、matlabを触ったことが無くても問題はありませんでした。
matlabは有料ですが、octaveというmatlab互換の言語が無料で使えます。動画内でも導入から丁寧に説明されるので心配はありません。
ひとつ欠点を挙げると、授業が英語であり、ある程度のリスニング力が求められることがあります。でも、大丈夫です!意識低い系大学生の英語レベルでも問題なく受講できます。
講義のスライドがとても分かりやすく、日本語字幕にも対応していますので^^
こんな人にオススメ
・機械学習の理論を学びたい
・アルゴリズムに興味がある
・プログラミング経験はあるが、スキルに乏しい
・まとまった時間を取るのが難しい
・お金はないけど学びたい
・自分の学校の授業がつまらなかった・ショボかった
感想
1つのビデオが8~14分と観やすかったです。しかし、眠い時は眠いです。
課題の難易度は丁度よく、動画をしっかり観ていれば難しいことはなかったです。ただし、プログラミングでよくハマる方はその分根気が必要かな、と思います。一度ハマったらムキにならずに、昼寝や気分転換することを強くお勧めします。
講義のレベルとしては、数Ⅲ・Cを学んだことのある方向けかな、と感じました。カリキュラム全体の難易度を見ると、4~6週目がピークに感じました。行列やアルゴリズムが複雑になってくるにつれ、octaveプログラミングのテクニックもある程度必要になってきます。私はこのあたりでスローダウンしました。学習目標は一旦無視して、自分のペースを貫いた方が精神衛生上よかったなあと反省しています。
私はハマった時にはよくディスカッションフォーラム(掲示板)を覗きに行きました。同じような所でハマっている同志を簡単に探すことができました。とても助かりました。
とりあえずは、pythonでの実装を学んでコンペ再チャレンジしようと思います!ありがとうございました!
pythonで簡単なアプリ作りたいと
ラズベリーパイ
ラズベリーパイのセットアップ、終わりました。
最初は日本語入力できないんですね…焦りました。
ターミナルで
・パッケージリストをアップデート
~$ sudo apt-get update
・Google日本語入力の「Mozc」のパッケージをインストール
~$ sudo apt-get install fcitx-mozc
↑実行したら解決できました!ありがとうございます。