【書評】 読書は「投資活動そのもの」〜『レバレッジ・リーディング』〜
『レバレッジ・リーディング』という本を読んだので、内容と感想を軽くまとめました。
- 作者:本田 直之
- 発売日: 2006/12/01
- メディア: 単行本(ソフトカバー)
なんで読んだの?
下の記事を見たときに、「『レバレッジ・リーディング』って本、何だ?」と思って読んでみました*1。
(今までも読書は自己投資だと考えていたので、記事自体には特に違和感は感じなかったです。)
内容
本の内容について、章ごとにザクッとまとめます。
1 章 ビジネス書の多読とは何か?
- 読書を投資活動として捉えましょう
- 「本を読む時間がない」はただの言い訳で、本当は「本を読まないから時間がない」だけ
- 「多読」をすることで「パーソナルキャピタル(自分資産)」の「含み資産」が増えていく
→ 読書は投資活動。自分の資産価値を向上させるために、どんどん本を読んでいこう。
2 章 本探しは投資物件選び
- 本を探す段階からこそ重要で、目的に沿って読む本を選ぶ(目的を持って投資していく)
- テーマが決まっている場合「カテゴリー集中法」でその本を片っ端から読め*2
→ 本は投資対象になるので、探すときから目的を持って探していこう。
3 章 一日一冊、ビジネス書を戦略的に読破する
- 本を読む前に「この本から何を学ぶか」をはっきりさせておく → 重要ポイントが目に付きやすい&余計なところを読まないで済む
- 意識的に生活のリズムに読書を取り込んでいく
- 読む前に「何時間以内に読む」と決める → 重要なポイントと余計なところで緩急をつけながら読んでいく
- 「まえがき」「目次」「あとがき」 などに目を通し、あらかじめ本の概略をつかむ
- ポイントに線を引き、本を折り、考えたことを書き込んでいく
→ 目的をはっきりさせることで、大事なところ(行動化・習慣化したいところ)に意識を向けよう。*3
4 章 読んだままで終わらせるな!
- 線を引いたところを抜粋した「レバレッジメモ」をつくる
- メモを常に持ち歩き、何度も読む
- メモを実践し、条件反射的に行動できるようにする
→ 良い本を読んでも行動に移さないと意味がない。メモを抜き出し、行動に移そう。
読んでみての感想
この本が少し古い本(2006 年に出版)のため、Amazon は出てきますが、Kindle・電子書籍は出てきません。(iPhone も登場前)
そのため、筆者は本(当然紙の本)に書き込んだメモをPCに書き出し、それをコピーし持ち歩くと述べています。
今は kindle で本を買うことができ、重要だと思う部分をハイライトにでき、メモを書くことができ、エクスポートもできるようになっています。時代の流れを感じるとともに、便利になっているんだなぁと改めて実感しました。
ただ、「良い本を読んでも、そこから行動しないと意味がない」という点は当時から何も変わっていません。 そのため、本を読んだら自分のしたハイライト・メモを確認し、最低一つでもアクションプランを立てていこうと思いました*4。(こう思えたのが『レバレッジ・リーディング』を読んだ一番の収穫)
*1:本書が Kindle Unlimited 対象かつ現在 Kindle Unlimited がキャンペーン中らしく、格安 or 無料で試せるみたいです。(2020/05/03現在)
*2:『好きなことしか本気になれない。』の「一人読書合宿」とかも参考になりそう 好きなことしか本気になれない。 人生100年時代のサバイバル仕事術
*3:筆者はだいたい 20%くらいが重要なところと述べています。
*4:マコなり社長がYoutubeで読書についての動画を上げていて、これを意識していきたいですね。 www.youtube.com
「インプット大全」が出る前に「アウトプット大全」を再読したので、アウトプットしてみた
「アウトプット大全」という本を読みました。
以前同じ作者が書いた「神・時間術」*1という本を読んでから、好きな作家さんなのでベストセラーの「アウトプット大全」も買いました。(Amazonの履歴によると昨年10月に買っていたようです。)
学びを結果に変えるアウトプット大全 (Sanctuary books)
- 作者: 樺沢紫苑
- 出版社/メーカー: サンクチュアリ出版
- 発売日: 2018/08/03
- メディア: 単行本(ソフトカバー)
- この商品を含むブログ (1件) を見る
8/3(土) に「インプット大全」という本が発売されるとのことなので、もう一度読み返してみました。
実際に、最近アウトプットできていないと感じていましたので、ちょうど良かったです。
(「それを解消するために読んだ」という方がメインの理由かもしれないです。)
- 作者: 樺沢紫苑
- 出版社/メーカー: サンクチュアリ出版
- 発売日: 2019/08/03
- メディア: 単行本(ソフトカバー)
- この商品を含むブログを見る
概要
「アウトプット大全」では、アウトプットを「話す」「書く」「行動する」の3つに分けてアウトプットの説明、方法、コツなどが書かれています。
80 個のアウトプットの方法を基本的に見開き 2 ページで説明してくれており、サクサク読めるし、つまみ食い的な読み方もできます。
1つ1つは、「わかる、わかる。それって大事だよなぁ」と感じさせることが多いですが、いざ自分ができているかというとできていないことが多いと感じました。
特に印象に残った部分
「行動する」部分の「続ける」
筆者はここで「究極の成功法則をひとつ挙げるとしたら、それは『続ける』ことです。とにかく、続けないと結果は出ません。」として続けるためのコツを書いています。
具体的には、以下の 5 つのコツを書いています。- 「今日やる」ことだけを考える
- 楽しみながら実行する
- 目標を細分化する
- 結果を記録する
- 結果が出たらご褒美をあげる
私は継続することに苦手意識がありましたが、この章を読んで原因は「目標が遠く・大きすぎたり、それを達成するための道のりに苦しさを感じていたこと」があった気がします。
今後は、達成がちょい難くらいの細分化された目標を楽しみながら実行し、達成したら自分にご褒美をあげるというサイクルを回していきたいです!
本書を読んで、今後やっていこう!と感じていること
- 本書ではアウトプットを高める 7 つのトレーニングを紹介してくれており、その中に「日記を書く」ことを勧めています。
一日 5 分で良いから、3 行で良いから、毎日続けることを重視するように書いています。
本書で私が一番印象に残った「続ける」ことにもつながるので、実践したいと思ってます。
(slack に毎日リマインドしてもらうようにしました。)
(習慣になってきたら、睡眠時間とかも記録するようにして、それとその日の体調の傾向とか見られるようにすることを画策中。)
上で紹介した以外にもたくさんアウトプットについて紹介されているので、気になった方は是非読んでみてください!!
*1:個人的に、「神〇〇」や「超〇〇」のような題名の本はそこまで好きではないですが、この本は非常に良い本だったと記憶しています
「はじめてのAI」は、機械学習に興味のあるエンジニアに加え、非エンジニアにもぜひ観てほしい内容だった
ちょっと前にGrow with Googleの中の一つの「はじめてのAI」を見た。
「はじめてのAI」は機械学習に興味のあるエンジニアはもちろん非エンジニアにも見てほしいと感じた。
内容とそう感じた理由を書きたい。
なぜちょっと前に見たものを紹介するか
今日下の記事がはてなブックマークのテクノロジーカテゴリの人気エントリにあった。
その記事へのコメントに
エンジニア以外も「AIの仕組み」を学ぶべき理由 機械学習とディープラーニングの違いは? (1/4) - ITmedia NEWSb.hatena.ne.jp
- [AI]
- [解説]
非エンジニアにはこういう分かりやすい説明は助かる
2019/05/09 16:55
というものがあった。
非エンジニアの方で上記記事に興味を持つような方がいれば、
Grow with Googleの「はじめてのAI」を観てほしいと感じたためだ。
そもそもGrow with Googleって何?
下記サイトにて、以下のように言っている。
「Grow with Google」は、Google がこれまで行ってきたトレーニングによって培われたノウハウを活かし、さらに多様な領域の人々への無料のデジタルスキルトレーニングを提供するプロジェクトです。
上のコンセプトの元、本記事で紹介する「はじめてのAI」や「はじめての働き方改革」、「はじめてのデジタルマーケティング」などが公開されている。
すべての動画が無料で公開されており、Udemyやネットラーニングで視聴可能だ。
内容
動画は全部で1時間となっている。
Udemyであれば2倍速などで見ることも可能だ。
「忙しくて1時間も取れない!」という方には是非2倍速で視聴してほしい。
(ネットラーニングでも確認したが、2倍速での再生も可能だった)
実際に内容の紹介を軽く行う。
上にも書いたが、1時間で視聴可能なため、是非実際に動画を観てほしい。
悲しいことに私の説明なんかよりも断然Googleの方の説明のほうが完結でわかりやすい。
1章
2章
3章
- 機械学習の仕組みを説明している
- 機械学習のステップ(データの準備・学習・モデルの使用)を説明し、その中のモデルの学習を説明している。
- そこから、ニューラルネットワーク・ディープラーニングの説明を行っている
4章
- 機械学習の応用例を説明している
- お菓子ロボット・食品の品質管理・漁業資源の乱獲防止で使用している例を紹介している
5章
- 本講座のまとめを行っている
最終テスト
- 動画の内容を理解できているか簡単なテストが行われる
で、なんで非エンジニアにも見てほしいか
- 日頃から使用しているサービスやアプリを例にしてくれている
- AIや機械学習とは何で、どんな動きをしているかざっくりとわかることができる
- 興味がある人の場合、これを足掛かりにどんどん学んでいくことが可能と感じる
(自分も人のことを言えないただの初心者だが...)
上記の理由から、AI・機械学習に興味のあるエンジニアに加えて、非エンジニアにも是非観てほしいと感じた。
上にも書いたが、私の文章では「はじめてのAI」の魅力の一割も伝えられていない。
是非本記事のブックマークやいいねをした上で、「はじめてのAI」 を視聴してほしい。
最後までお読みいただき、ありがとうございます。
誤っている部分、こういうこと書いてほしいという方がいれば、コメント頂ければと思います。
KaggleのKernelでjapanize-matplotlibを使用する
カレーちゃんのkaggleのチュートリアルを読んでいて、Kernelでjapanize-matplotlibを使用する際に少し詰まったので使用するまでの手順を書いておく。
(カレーちゃんの「Kaggleのチュートリアル」については素晴らしい内容のため、読み終わった後、本ブログで書きたいと思う。)
そもそもjapanize-matplotlibとは
下記のサイトにまとまっている。
Pythonでmatplotlibを使用し、グラフのタイトル等に日本語を使う際には是非使用したい。
GitHubについても非常に短く、簡素に書かれているので見るのも良いかもしれない。
kernelsで使っていく
今回はTitanicコンペのKernelで行っていく(別になんでも良いのだが...)
Kernelの初期状態ではnumpyやpandasは使用可能だが、
japanize-matplotlibは使用できない。
そこで、Kernelのsettingからjapanize-matplotlibをインストールする
①installボタンを押下する
②「pip package name」部分に「japanize-matplotlib」と書いて、「Install Package」ボタンを押下する
(これでうまくいかなかった場合、下の「GitHub user/repo」に上記のGitHubのURLを記載する)
③installが終了したら、NoteBook画面に戻る
ここで実行すると見事importできるようになった!
(補足)
前回実行した際には①〜③だけを実行しただけでは、importがうまく行かなかった
その際にはkernelsの再起動を行うとimportできるようになった
まとめ
今回はjapanize-matplotlibを例に話を進めてきたが、他のpackageでも同様の手順でimportできるようになる(はず...今後試して確認していく)
最初にも書いたが「kaggleのチュートリアル」を読み進め、本の感想・内容などをまとめたいと思う。
記事内でおかしな部分、こういう方法もあるよなどありましたら、コメントでご連絡頂きたいです。
統計検定2級(CBT方式)に合格したので、その記録
CBT方式で統計検定2級に合格した。(CBT方式については後述)
なぜ合格したのかこれといった理由が思いつかないが、学習記録・内容等を記しておく。
手応えはそこまでないが、合格したことで6月実施の統計検定で準一級を受験するためのモチベーション・やる気を入れるために大変役に立っている。 改めて私は結果が出始めてからやる気が出るタイプの人間なんだと感じている。
今回使用した教材
- 日本統計学会公式認定 統計検定 2級 公式問題集[2016~2018年]
俗に言う過去問
日本統計学会公式認定 統計検定 2級 公式問題集[2016〜2018年]
- 作者: 日本統計学会
- 出版社/メーカー: 実務教育出版
- 発売日: 2019/03/20
- メディア: 単行本(ソフトカバー)
- この商品を含むブログを見る
- 作者: 田中豊,中西寛子,姫野哲人,酒折文武,山本義郎,日本統計学会
- 出版社/メーカー: 東京図書
- 発売日: 2015/12/10
- メディア: 単行本
- この商品を含むブログを見る
(補足) 今回私は使用しなかったが、統計検定準1級や1級を視野に入れているのであれば以下を使用すべきだったのかもしれない。
- 作者: 東京大学教養学部統計学教室
- 出版社/メーカー: 東京大学出版会
- 発売日: 1991/07/09
- メディア: 単行本
- 購入: 158人 クリック: 3,604回
- この商品を含むブログ (79件) を見る
参考
結果
- 66点で合格した(ギリギリ...)
- 合格基準:60点以上
そもそもの私の統計知識
やったこと
- GW中に統計検定2級の過去問を解いた。
- 1回目は40%程度の得点率
- 2回目は60%程度の得点率
- 3回目は70%程度の得点率
- 3回分ともに、試験本番と同じ時間で解答し、答え合わせ・間違い直しを行った。
- 間違い直しの際には参考書を都度確認し、その周辺の単語で気になるものも確認した。
本番を受けてみて
- 紙方式の過去問を数年分解いておけば、CBT方式での受験でもそこまで変わりないかなぁと感じた。
(CBT方式は試験内容等を漏らすことを許されていないため、これくらいしか書けない...申し訳ない)
まとめ
今回はなぜ合格できたのか、確固たるものがないが合格できてよかった。
6月実施の統計検定準1級は自信を持って、受験・合格するために引き続き学習を進めていきたい。
次の受験にむけては、学習過程で詰まったところなどを本ブログに書いていきたいと思う。
統計検定について
詳しく知りたい方は、下記サイトを見てほしい。
- 次回受験日は6/16(日)
- 1級は11月のみの実施のため、準1級・2級・3級・4級が受験可能。
- web申込みが 2019 年 5 月 10 日(金)15時 までなので、受験を考えている方は急いで!
CBT方式について
詳しくは下記サイトを見てほしい。
簡単に説明すると...
- 統計検定をコンピュータを使って受験ができるシステム
- 全国230箇所から受験会場・受験時間を選んで受験できる
→ 受験計画を立てやすい
- 全国230箇所から受験会場・受験時間を選んで受験できる
受験経験がある方ならわかると思うが、就職活動でSPIを受験する「テストセンター」のようなイメージ
その他連絡
(ここだけ、敬体)
下記ブログにおいて、Kien Y. Knotさん(@0_u0)が「数理統計学に関わるあらゆる知識の集約」を目的としたDiscordを作成してくれています。
統計検定2級用や素人質問用などの様々なチャンネルが作成されておりますので、未参加の方は是非是非ご参加ください。
最後までお読みいただきありがとうございます。 こういう情報がほしいんだ!とか、こう書いたら良いんじゃないか?とかあったら、コメントお願い致します。
「詳細!Python3入門ノート」を読んだ
令和初日に、初ブログ!!!
題にあるように「詳細!Python3入門ノート」を読んだ。
Pythonを体系的に学ぶために良い本と思うが、並行で機械学習なりスクレイピングなり、この本のあとにやりたい基礎的な本を読むと良いかもと感じた。
- 作者: 大重美幸
- 出版社/メーカー: ソーテック社
- 発売日: 2017/05/23
- メディア: Kindle版
- この商品を含むブログを見る
読んだ経緯
- ちょうどPythonを体系的に学びたいと考えていた
- 今まではProgate・Udemyの講義内ででPythonの基礎を少し触れたぐらいで体系的に学んではいなかった
- Qiitaで【保存版・初心者向け】独学でAIエンジニアになりたい人向けのオススメのAI勉強方法 (2019年改定版)を見て、本書を使用して学習しようと考えた
やったこと
- 書いてあるコードを実際に動かした
- こういう操作したらどうなるんだろうっていうのを試したりした(これが原因かもしれないが、読了まで予想よりも時間がかかった印象)
読んだ感想
- Pythonの基礎を学べた(目次一覧を参照)
- リスト・タプルらへんは結構しっかり書かれていた
同じような内容が続いて少し飽きるかもしれないが、Part3になるとグラフの描写とか機械学習の触りが学べるので我慢しつつ進めた - Part3で、機械学習の触りの触りを学べた
以下のデータをサポートベクターマシンを使って分類した- MNIST
- Iris
- Bostonの住宅価格
Udemyで少し触ったりしてたから、基礎の勉強終わりでやっぱり機械学習は楽しいなっていうのを再確認した
- 上にも書いたが、この本だけだと同じような内容が続いて少し単調に感じる部分があるかもしれない。なので、機械学習やスクレイピングなどこの本の次にやりたい本の基本的な本を並行で進めると良いかもと感じた。
今後進めること
以下のことを進め、都度ブログで書ければと思う
- 機械学習系の本を進める
- Kaggle始めます
- Rでも前処理とか簡単な解析をできるくらいまでの知識をつけ、実践していく
参照 (目次一覧)
- Part1 準備:Python3を始めよう
- Chapter1 Python3の準備
- Chapter2 プログラムを試してみよう
- Part2 基礎:Pythonの基礎構文を学ぶ
- Chapter3 値と変数
- Chapter4 標準ライブラリ
- Chapter5 条件分岐、繰り返し、例外処理
- Chapter6 リスト
- Chapter7 タプル
- Chapter8 セット(集合)
- Chapter9 辞書
- Chapter10 ユーザー定義関数
- Chapter11 関数の高度な利用
- Chapter12 クラス定義
- Part3 応用:科学から機械学習まで
- Chapter13 テキストファイルの読み込みと書き出し
- Chapter14 グラフを描く
- Chapter15 NumPyの配列
- Chapter16 機械学習を試そう