はてなキーワード: 線形とは
後編
行列はVBAなんかじゃ無理っぽいし、なんかプログラミング言語を覚えようと決める。
とりあえず両方試そうということで、RのためにRとRstudioをインストール。
プログラミングはなんかを製作する目標がないと挫折すると聞いていたので。
深層学習というものが流行ってると聞いて、ちょっと触りを勉強したくなる。
この本は面白かったので、深層学習を目標にプログラミングを覚えよう!
後になって、これはとんでもない間違いだったことに気づく。深層学習と機械学習の違いも判らないまま、RよりPythonを先に触ることに。
教本にしたのはこちら。
「ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装」
途中まではまあなんとか。
微分って便利だな。行列計算できるの便利だなっていうところまでいったが、クラスという概念が理解できず、途中からハテナが浮かんで読み進められず。
うん、もうちょっと易しい本を探そうと思って手に取ったのが
「独学プログラマー Python言語の基本から仕事のやり方まで」
なんとか読了。自信をつける。
実は、いまだにコマンドプロンプトとパワーシェルとbashの違いが分かってない。
つづいてPyQに2か月くらい登録してみる。
なかなかPythonが楽しくなってきたが、クラス意味が今一つ掴めないままいったん中断。
この辺で、自分は統計に興味があってもプログラミングに興味がないんじゃないかということに気づく。
なんだかんだもがきながら、PythonもRもモノにならず、日常のちょっとした計算やグラフを作ったりはExcelを使い続ける日々が続く。
あるいは、Excelで成形して、検定かけやすい形式にしてRで検定するとか。
Rに触れてなかったな、Rは完全に独学。「こんなことやりたいなぁ、ググってみるか、ほうなるほど」って感じ。
そんなさなか、放送大学で「Rで学ぶ確率統計」という講義があるのを知り、さっそく入学して受講。
なかなか面白かったし、PythonばっかりでRあんまり触ってなかったからいい刺激になった。
恥ずかしながら、負の二項分布やガンマ分布ってよう知らんかった。
しかし、講義は楽しかったがなにか書けるようになったかというとそんなことはなく、依然として基本はExcel。
まあ、実際csvじゃなく、手書きのデータとかをExcelに打ち込んだりする程度なんでPythonやRを使うまでもなかったというのもあるんだけど。
「Excelパワーピボット 7つのステップでデータ集計・分析を「自動化」する」
パワークエリを覚えたらピボット形式のExcelファイルとか、セルの結合が多用されたExcelファイルを、成形加工するのが非常に楽になった。
しかも、同じフォーマットで記録されてるデータならフォルダにぶち込んで一気にまとめ上げることも可能!
控えめにいって神!
としばらくパワークエリを礼賛してたのだけど、各ステップはPythonのpandasやRのdplyrでも出来ることに気づく。というか最初から気づけ。
こりゃ、一気に覚えちまおう、統計というより、データの前処理だなと思ってUdemyでRの動画を買ってみた。
AIエンジニアが教えるRとtidyverseによるデータの前処理講座
https://www.udemy.com/course/r-tidyverse-preprocess/
すっかりR信者になる。
それまで教本を呼んでもdplyrの便利さが今一つわからなかったのに、パワークエリで具体的にモノを作ると、dplyrに翻訳したら、すいすい。スピード10倍。
便利さにようやく気付く。
そんで、pandasに翻訳したらどうなんだろ?と思ったらもっと速いw
すごいなPython。
Rへの入信はたった数週間。再びPythonに興味。
さて、ゼロから作るディープラーニングを再開しようと思ったけれども、そもそも、機械学習をすっ飛ばして深層学習って無茶だったと反省し、まずは機械学習に。
機械学習のエッセンス -実装しながら学ぶPython,数学,アルゴリズム- (Machine Learning)
で、この本がすごい。
5章あるんだけど、機械学習のアルゴリズムは5章だけなんだなw
それまでは何に割かれてるんだって?数式の証明とか、便利な計算法、例えばニュートン法とかラグランジュ未定乗数法とかw
こんだけ引っ張っておいて、いよいよ本番の第5章もゴリゴリ数式をスクリプトに落とし込んでいってるのに、「これは学習のためでscikit-learnっての使えばたった1行」っていう無慈悲w
いや、ほんと数学の勉強になったし、こうやってゴリゴリやるとなんのためにクラスというものが存在するのかようやくわかった。
線形代数って便利なんだなと。行列をスカラー値のように何の気なしに扱えるようになると、あの頃苦しんでいた実験計画法、タグチメソッド、今読み直したら別の印象があるんじゃないかなと思うようになったり。
この本を読む途中、「マンガでわかる統計学因子分析編」で学んだことが理解の助けになった。
なんたる僥倖。
線形回帰、リッジ回帰、SVM、PCA、k-means、クラスター分析、一気に手札が増えた。
Pythonで学ぶ実験計画法入門 ベイズ最適化によるデータ解析
実験計画法って、fisherの古典的なやつ、ラテン方格に割り付けて、ってやつかと思ったら、線形代数使えればもうなんでもありなのな。
これ、すごいな。
機械学習と実験計画法がここでつながるとか、控えめにいって最高だな。
まだ読了してないので、また後日。
twitterで話題になっていた例の高専プロコンの審査員の発言と態度の件
「言い方が悪かったのは明らかだが、発言の主旨は正しくて、これはハラスメントと言うほどではない」というような旨の発言をしていて意外だった。
なんとなく読み解くと、「態度と内容は直交している」というような発言もあったので、表題を思いついた。
ハラスメントを定義するためにハラスメントの程度を表すハラスメント度を考えてみる。
ある発言に対してハラスメント度を算出する関数を考えるとする。
この前提のもとにハラスメントであるとはハラスメント度が一定の閾値を超えた発言の事である。と言えそうな気がする。
とすると上の発言を正当化するにはハラスメント度は態度と内容の線形和で表せて、
件の発言は態度としてはアウトだけど正しさを足してみるとトータルハラスメント度としてはセーフという理屈に(発言者にとっては)なるのではないか。
でもその主張(ハラスメントではなかった)に異議を申し立てる人としては、正しさによって下がるハラスメント度はそんなに大きくなくて、「これはハラスメントでしょ」と言ってるように見える。
なんならハラスメント度と内容(正しさ)は直交していると言いたげなぐらいの人も居そう。つまり人それぞれに独自の係数を持っている。
ここからは個人の意見だけど、線形和で書いていくとしたら緊急性とか公益性とかとかも入りそうだなあと思った。
例えば何か工事現場のようなところで大きなものが倒れてくる時に、人間うっかり手で支えようとしたりしちゃう習性がありそばで見てる人が「馬鹿野郎!逃げろ!」みたいな事は割と現実にある気がするけど、これをハラスメントと言うことはそんなにない。
緊急性がめちゃめちゃに高く、内容としても正しいので態度を凌駕してハラスメント度が上がらないのである。
リアルタイム性のある仕事って割と傍から見ると怒号が飛びがちなイメージもあり、そういうもんかなと思う。
あと公益性を思いついたのは名誉棄損罪みたいなものの例でも良いし、あるいは感覚的な「ここで放っておくと冗長する」から「怒る/叱ることが必要」という主張をしてる人たちを正当化しそうなパラメーターだなと思ったからだ。
それでいて個々人の差が大きそうなパラメーターでもあると思う。
最初の例の人も言外にそんなニュアンスを感じたので、コミュニティに貢献するタイプはむしろこういう使命感が高めだったりするんだろうか。
ハラスメント度を表す線形和に組み入れたい要素、ほかに何か思いついたら教えてください。
「双方の合意」みたいなのは客観性が薄いのと、一方だけが合意してると勘違いしてるパターンが多そうなので(それが割とハラスメントの本質っぽくもある)別次元かなあと思っています。
私の中の女性はそんなチャラチャラした男受けするような格好をする「実際に存在しないキャラクター」じゃ無いんだけどね。
/運営会社の内情やその周辺を洗い始めれば「埃が出てくる」と思う。
https://b.hatena.ne.jp/entry/s/b.hatena.ne.jp/entry/4708474419643576034/comment/kohgethu
タリバンと言ってることが全く同じ。
以前にタリバンが全く同じこと言ってた。
「コーランの中の女性は髪や肌を出したり社会にでしゃばるようなふしだらな存在ではない。
したがってそのような行為を取り締まることは女性の権利侵害には当たらない。」
「権利運動をしている女もどきの周辺を洗えば真実は出てくると思う。
ああいうのは欧米の冒涜的な思想と資本に洗脳されてやっている。
掲げる経典がちょっと違うだけで脳波の線形とか完全に同じなんだろうなこういう人種
akutsu-koumi 「暴力の有無」という極めて重要な点を無視すれば、フェミニストに限らずあらゆる対象を悪魔化する事はさして難しい事ではない。この手の論法は一定の支持を得られやすいが、それ故に怖いものでもある。
自分達の論法とタリバン論法の違いを説明することにトライせずに
初手から「銃を持ってないところが違う!」なのすごいな。
でも「あらゆる対象が同じだ」は無理があるよね。
「他人の意志が自分の意に沿わない場合、その人間の重大な道徳的過失若しくは陰謀だと考える」
くらいにまとまる。
フェミニストとタリバン”だけ”の特徴とはいわないし、いろんな国のやべー集団に共通する脳波である可能性は否定しない。
けど「あらゆる対象」ではないなー。
本稿では、和田秀樹氏らが提唱している暗記数学というものについて述べます。
受験数学の方法論には「暗記数学」と「暗記数学以外」の二派があるようですが、これは暗記数学が正しいです。後者の話に耳を傾けるのは時間の無駄です。
まず、読者との認識を合わせるために、暗記数学に関するよくある誤解と、それに対する事実を述べます。
暗記数学は、数学の知識を有機的な繋がりを伴って理解するための勉強法です。公式や解法を覚える勉強法ではありません。「暗記」という語は、「ひらめき」とか「才能」などの対比として用いられているのであり、歴史の年号のような丸暗記を意味するわけではありません。このことは、和田秀樹氏の著書でも繰り返し述べられています。
類似の誤解として、
などがあります。これらは事実に反します。むしろ、大学の理学部や工学部で行わていれる数学教育は暗記数学です。実際、たとえば数学科のセミナーや大学院入試の口頭試問などでは、本稿で述べるような内容が非常に重視されます。また、ほとんどの数学者は暗記数学に賛同しています。たまに自他共に認める「変人」がいて、そういう人が反対しているくらいです。大学教育の関係者でない人が思い込みで異を唱えても、これが事実だとしか言いようがありません。
嘘だと思うならば、岩波書店から出ている「新・数学の学び方」を読んで下さい。著者のほとんどが、本稿に書いてあるように「具体例を考えること」「証明の細部をきちんと補うこと」を推奨しています。この本の著者は全員、国際的に著名な業績のある数学者です。
そもそも、暗記数学は別に和田秀樹氏が最初に生み出したわけではなく、多くの教育機関で昔から行われてきたオーソドックスな勉強法です。和田秀樹氏らは、その実践例のひとつを提案しているに過ぎません。
暗記数学の要点を述べます。これらは別に数学の勉強に限ったことではなく、他の科目の勉強でも、社会に出て自分の考えや調べたことを報告する上でも重要なことです。
一番目は、従来数学で重要なものが「ひらめき」や「才能」だと思われてきたことへのアンチテーゼです。実際には、少なくとも高校数学程度であれば、特別な才能など無くとも多くの人は習得できます。そのための方法論も存在し、昔から多くの教育機関で行われています。逆に、「"才能"を伸ばす勉強法」などと謳われるもので効果があると実証されたものは存在しません。
大学入試に限って言えば、入試問題は大学で研究活動をする上で重要な知識や考え方が身についているのかを問うているのであって、決していたずらな難問を出して「頭の柔らかさ」を試したり、「天才」を見出そうとしているわけではありません。
二番目はいわゆる「解法暗記」です。なぜ実例が重要なのかと言えば、数学に限らず、具体的な経験と結びついていない知識は理解することが極めて困難だからです。たとえば、
などを、初学者が読んで理解することは到底不可能です。数学においても、たとえば二次関数の定義だけからその最大・最小値問題の解法を思いついたり、ベクトルの内積の定義や線形性等の性質だけを習ってそれを幾何学の問題に応用することは、非常に難しいです。したがって、それらの基本的な概念や性質が、具体的な問題の中でどのように活用されるのかを理解する必要があります。
これは、将棋における定跡や手筋に似ています。駒の動かし方を覚えただけで将棋が強くなる人はまず居らず、実戦で勝つには、ルールからは直ちには明らかでない駒の活用法を身につける必要があります。数学において教科書を読んだばかりの段階と言うのは、将棋で言えば駒の動かし方を覚えた段階のようなものです。将棋で勝つために定跡や手筋を身につける必要があるのと同様、数学を理解するためにも豊富な実例を通じて概念や定理の使い方を理解する必要があります。そして、将棋において初心者が独自に定跡を思いつくことがほぼ不可能なのと同様、数学の初学者が有益な実例を見出すことも難しいです。したがって、教科書や入試問題に採用された教育効果の高い題材を通じて、数学概念の意味や論証の仕方などを深く学ぶべきです。
そして、これは受験数学だけでなく、大学以降の数学を学ぶ際にも極めて重要なことです。特に、大学以降の数学は抽象的な概念が中心になるため、ほとんどの大学教員は、学生が具体的な実例を通じて理解できているかを重視します。たとえば、数学科のセミナーや大学院入試の口頭試問などでは、以下のような質問が頻繁になされます。
教科書や解答例の記述で分からない部分は、調べたり他人に聞いたりして、完全に理解すべきです。自分の理解が絶対的に正しいと確信し、それに関して何を聞かれても答えられる状態にならなければいけません。
たとえば、以下のようなことは常に意識し、理解できているかどうか自問すべきです。
ほとんどの人はまず「自分は数学が分かっていない」ということを正確に認識すべきです。これは別に、「数学の非常に深い部分に精通せよ」という意味ではありません。上に書いたような「定義が何で、定理の仮定と結論が何で、文中の主張を導くために何の定理を使ったのか」といったごく当たり前のことを、多くの人が素通りしていると言うことです。
まず、用語や記号の定義が分からないのは論外です。たとえば、極大値と最大値の違いが分かっていないとか、総和記号Σ でn = 2とか3とかの場合に具体的に式を書き下せないのは、理解できていないということなのですから、調べたり他人に聞いたりする必要があります。
また、本文中に直接書いていないことや、「明らか」などと書いてあることについても、どのような性質を用いて導いたのか正確に理解する必要があります。たとえば、
などと書いてあったら、これは
という一般的な定理を暗に使っていることを見抜けなければいけません。上の命題はpが素数でなければ成り立ちません。たとえば、l = 1, m = n = 2として、4l = mnを考えれば、mもnも4で割り切れません。他にも、
は正しいですが、逆は一般的には成り立ちません。nとmが互いに素ならば成り立ちます。それをきちんと証明できるか。できなければ当然、調べたり他人に聞いたりする必要があります。
l'Hôpitalの定理なども、もし使うのであれば、その仮定を満たしていることをきちんと確かめる必要があります。
さらに、単に解法を覚えたり当て嵌めたりするのではなく、「なぜその方法で解けるのか」「どうしてそのような式変形をするのか」という原理や意図を理解しなければいけません。たとえば、「微分で極値が求まる理屈は分からない(或いは、分からないという自覚さえない)が、極値問題だからとりあえず微分してみる」というような勉強は良くありません。
そして、教科書の一節や問題の解答を理解できたと思ったら、本を見ずにそれらを再現してみます。これは「解き方を覚える」と言うことではなく、上に書いたようなことがすべて有機的な繋がりを持って理解できているか確かめると言うことです。
はじめの内はスラスラとは出来ないと思います。そういう時は、覚えていない部分を思い出したり、本を見て覚え直すのではなく、以下のようなことを自分で考えてみます。
こういうことを十分に考えた上で本を読み直せば、ひとつひとつの定義や定理、式変形などの意味が見えてきます。また、問題を解くときは答えを見る前に自分で解答を試みることが好ましいです。その方が、自分が何が分かっていて何が分かっていないのかが明確になるからです。
以上のことは、別に数学の勉強に限った話ではありません。社会に出て自分の考えや調べたことを報告する時などでも同様です。たとえば、近年の労働法や道路交通法の改正について説明することになったとしましょう。その時、そこに出てくる用語の意味が分からないとか、具体的にどういう行為か違法(or合法)になったのか・罰則は何か、と言ったことが説明できなければ、責任ある仕事をしているとは見なされないでしょう。
もちろん物には順序があると言う通り、発生した順番に必然性があるものもある。
たとえば人類が松明より先に蒸気機関を発明することは考えにくいだろう。
たとえばそこにはある技術がある技術の土台となっている(その土台が欠けては発生し得ない)という必然性がある。
じゃあたとえば共産主義の後に資本主義が起こったという順序には必然性があるのか。
それは微妙だと思う。共産主義を経ずに資本主義に失敗を感じた人類社会では共産主義が後から発案されるということもありえると思うから。
もっと漫画に関連しそうな絵画でいうなら、フォービズムの後にキュビズムが起こったということには、この逆の順序で起こることは何らかの原理上不可能というような必然性はあるか。絵画における主義思想の順序になんというか指向性というか線形性みたいなものはあるのか。
別にそういった順序はどうあってもいいと思える。いろいろ並べ替えた場合であってもそれぞれにおいて起こり得る理由を後付け説明することはいくらでも可能そうだから。
実際の絵画世界においてはルネサンスから抽象画に走るという、背景知識のない人には一見退化、全体的に下手になったようにさえ見える変化が起こっているわけだが、商業主義の濃い漫画においてはあえて下手になろうとすることは全体的な傾向としてはまず起こり得ないと思う。
かといって上手くなっていく、ということもあまり考えにくい気がする。
個人レベルで絵柄が変化していくのには、技量が上がった場合も流行の絵柄に合わせた場合もあるだろう。
ではこれらの場合をひっくるめて絵がうまくなったとか洗練されていったということはできるか。
つまり流行の絵柄に合わせれば自動的に以前よりも上手い絵を描いたことになるというのなら、漫画は全体的な傾向としても絵がうまくなっていく、そういう「方向性をもった発展」をしていることになるのだが、そうだろうか?
本宮ひろ志の絵より鬼滅の絵の方がどうしてうまいと言えようか?
蒸気機関は松明に遅れて出たみたいなことはそれを歴史的事実として知らなくても、それぞれの実物を見せてもらったり使用方法や動作原理を説明されればどちらが先に現れたのか見当がつくものだろう。
でも漫画において、各年代において特定の作品の一コマを抽出して、これらの作品を新旧順に並べかえよと言われた場合、それを正しくでおこなえたとすればそれは、ある年代においてこの絵柄が流行ったという対応関係を知っているからであって、つまり外的なコンテクストに基づいているだけだと思う。漫画の絵柄に内的に「古さ」というものが実在しているわけではないと思う。感じたとしてもそれは歴史的事実から投射された虚像に過ぎない。
(年収270の人です)
機械学習や深層学習とかの、AI は無理だって。根拠は半導体のパフォーマンスが線形にしか伸びないのに、医療側の要求はムーアの法則を超えていく勢いだから、シリコンベースの人工知能開発だと微細化の限界が先に来てしまう。考えてみてくれ、CPU,GPU,TPU はチューリング機械なんだぞ。俺が AI のレン中に欺瞞を感じるのはだな、あまりに計算量を無視してプログラミングをして人工知能をやる馬鹿者たちしかいない現状よ。たとえば、富岳で人工知能開発ができたとして、ペイできる可能性あるか?人間のほうが安い可能性が高いと思うよ。それに教師あり学習でAIすると、元になった画像の著作権が問題になって、EU が揉めてるじゃん。やめようよ、理想の人工知能の開発なんて。
色々レスつけた増田だけど、改めて読み直してみると言いたいことがなんとなく分かる気がしてきた。
でも残念ながら「総称する呼び方」というものは存在しないと思うぞ。数学はトップダウンに見えるかもしれないけど実際は色々な分野の集合体で、それぞれは関連しつつも個別に発展していて、それらを統一する統一的な見方みたいなものは存在しない。どちらかというと(現代数学は)集合論を基礎として(いやそこにも色々あるが)、そこに分野ごとに様々な構造を追加していって枝分かれしていく感じだ。「統一する呼び方は何か」ではなく、自分が着目している対象(例えば「連続時間の信号」とかそういうのだ)が数学的にどういう対象として抽象化されているのかを考えて、その対象を扱っている分野はどれか、というのを探すべきだと思う。
連続時間の信号ならそれは単純には「連続関数」として抽象化されるものだから、それを扱う数学は解析学や関数解析などになるだろう。ノイズの影響を考慮して確率的な扱いをしたいとなると確率過程論などになっていく。
強いて言うなら「構造」かなあ。少なくとも俺はそういう言い方をよくする。「線形構造」はあらゆる分野の様々なところに現れるし、対称性のあるところには「群構造」があるし、線形作用素があるなら「スペクトル構造」を見ることで色々なことがわかる。
それは存在しないぞ。少なくとも物理で言う意味での「量子化」は、サンプリングやスペクトル分解とは全く違う構造。
サンプリングとスペクトル分解が同じではないかと思うあたりかなり鋭いかもしれないと思うので、何かを感じ取ってるのかもしれないけど、そこはもうちょっと詳細を聞かないと分からない。
物理で言う「量子化」の結果はハミルトニアンとか物理量ごとの(無限次元空間に作用する)線形作用素が得られて、それは要は行列みたいなもんなので、そいつのスペクトル分解というのはある。
だからいわゆる「エネルギー準位の離散化」とかそういうものが出てくる。(いやもちろん連続スペクトルの場合もあって、それは無限次元ヒルベルト空間の可分性とかに関わってるんだけど…)
https://anond.hatelabo.jp/20210617075257
上がってるような基本(元増田に上がってるやつの倍ぐらい)が全部立ち上げからできて
2〜3個プロジェクト経験したらテックリードの素養が既に身についてそう。
プロジェクト的にもどっちかが弱いと
Rails/DjangoにjQuery+Bootstrapみたいな構成や
Amplify/FirebaseにVue/Reactみたいな構成も全然あるので
面接はなんとか抜けてもらうとして、
チーム開発での最低限の目標としては、
成果物から、指導、学習コスト、レビューコスト、技術的負債、マネジメントコストを引いた分が正になっていれば
ひとまず「チームに居ていい人」と見なされそう。
チーム的に良くても、経営層にそれで許されるかはわからんのでその辺の立ち回りも上手いことやるとして、
一旦は、正の生産性を目指してほしい。
以後、ブコメで誰一人一ヶ月でできるって言ってなくて笑うので、
一ヶ月というのは無視して、三〜六ヶ月程度をイメージしつつ書いていく。
似たような言語なのでどっちからやってもいいし、両方同時にやってもいい。
どっちかしかやらないならJavascriptがおすすめ。後ででてくる、Flaskは適当にExpressとかに置き換える
現場だとほぼTypescriptなので、Javascriptはある程度慣れたらTypescriptに移行したほうがいい。
どちらも、Python2とES2015以前の記法というレガシーがネット上に転がってるので参考にしないように注意。
・一貫性があって
・正しい書き方がされた
お手本プロジェクトをなにか(githubや書籍など)で手に入れて読むべき。
おそらくフレームワークに乗っかっているので並行して進めることになる。
話の流れで先にこっち
現在のコーディングのグッドプラクティス、デザインパターンはフレームワークの形をしている。
なので、ReactとVueをその思想から理解しきれれば、プログラミング言語の潮流の最先端に追いつけるはずだ。
TypescriptもVue.jsも書き方をどこまで取り入れるかが使用者の裁量に任されてるし、
開発でVueとReactのどっちを使うかはチーム次第なので、
一旦React+Typescriptでガチガチに書かれたコードプロジェクトを拾ってきて、必死で解読するのがいいと思うなー。
2割ぐらいわかった気になればチーム入ってから(React, Vueどちらだったとしても)動けそう。
パッケージとかテスト、タスク&デプロイ辺りもこのタイミングで拾ってきたプロジェクトを使って学ぶ。
バージョン管理とコンテナの思想が優れているのは自明なので、これらはツールと見ていい。
そして、後からプロジェクトに入った人がプロジェクトの流儀に沿って使う分には難しいことはなさそう。
採用に来た人がgitとかわかってるとチーム開発経験者だなーって思うし、知らないと未経験者なんだなーって思うし、
そういう意味ではチーム開発の経験があるかどうかの試金石にはされてそう。
構築できる、ではなく、触れる程度で良さそう。
gitはプロジェクトの流儀によると書いたが、git-flowのイメージ図を理解して運用できるのがよい。
https://qiita.com/KosukeSone/items/514dd24828b485c69a05
こういうのができるんだなーって言うのを知っておいて、調べつつ書ければ十分。
あとはシェルスクリプトとかって思ったけど同様のことはPythonでもできそう。
地味にSSHでログインした先の環境だと、vimが主要なテキストエディタになるので
vimを最低限触ることだけ要りそう。もういらないかもって思ってたんだけどなー。
→ ファイル開いて入力モードに切り替えて書き込んで保存して終了
細かく書いたが、LPIC-1の範囲がほどよくまとまっているのでそっちを参照するとよい。
これが意図なら
この辺の機能を持った小規模Webアプリを作ってHerokuでデプロイすれば一旦完成とみなしてよさそう。
コード書き写しただけにならないようには注意しつつだけど、長く見て5人日ぐらい?
慣れると1日あればいけると思う。
フレームワークもなんでもいい。
Djangoとかでも各コンポーネントがどんな働き方してるか程度はわかるだろうしそれで十分。
余力があれば複数個触ってみたり、人から勧められたらそっちでも。
最近はサーバーレス&NoSQLが流行ってるのでFirebaseとかもやればいいと思う。
に尽きる。
計算量を気にしなかったせいで線形検索メソッドとfor文を組み合わせて
それらに対して分散や非同期処理で解消しようとするとか、
ちょっとでもアルゴリズムを触った人ならアホらしいなって思うような行為を
計算量を意識するだけなら、AtCoderのABCのC〜D問題辺りが解ければ十分。
有名な脆弱性や攻撃手法は、ほとんどフレームワーク等で解決手段が用意されている
のでアドリブをせずに正しい書き方でやれば良い。
開発現場でもセキュリティリスクがある箇所を1から自前で実装することを経験が浅い者にはやらせないので、
ただただ、フレームワークが正しいとしているやり方をなぞるのが良い。
開発の勉強のやり方としては、
・正しいコード見本を手に入れること
この辺りの習慣があればやってけんのかな、
その他、チーム開発って面では
TeamGeek(人間性)とかインプットしておくと共通言語が増えて嬉しい。
この方向で進めてけば、その途中で正の生産性≒足引っ張らないぐらいになれるので、
そしたらやってけるんちゃうーって感じ。
この人はワクチン接種後の副反応があまり無いみたいだけど、副反応ってどういうタイミングで出て、どのくらい続くものなんだろうと思って調べてみた。
https://aomori-kenbyo.jp/archives/109989
ざっくりまとめると、
総合すると、接種1回目の副反応は注射部位の痛みや筋肉痛がメインで、接種日~翌日に掛けて現れ、
接種2回目の副反応はこれらに加えて疲労・頭痛・発熱が出やすくなり、接種の翌日に経験している人が多い。
ま、接種日と翌日は注意して経過観察しましょう、ってことね。