Amazon DynamoDBについてのMEMO

Amazon CognitoについてのMEMO

随時更新中

自分に向いている仕事はきっとある。

現職に違和感を感じているならその仕事は向いていないかもしれない。

その違和感はきっと正しい。行動を起こせば、きっとしっくりくる仕事に巡り会えるはず。

私が金融業から外資ITに転職して感じた違いは以下である。

　・きまりファーストから目的ファーストへ

　　現職だと解決すべき課題に対して最短距離のアプローチとり、全力で解決に突き進むという仕事の仕方。一方前職では、課題に対して、社内の手続きや前例を逸脱しないアプローチが一番に求められた。つまり、前者では成果をだしたかどうかで評価されるシンプルなものであるものの、後者では成果を出すことよりも粗を見せずにそつなくこなす仕事の仕方が好まれるのだ。恥の多い人生を生きてきた私にとっては、人の目線などあまり気にしたこともなかったので、シンプルな評価をいただける仕事の仕方がしっくりくる。

　・承認マネジメントからパフォーマンスマネジメントへ

　　現職でのマネージャーは、私のパフォーマンスが上がるにはどうすれば良いかということに注力し、色々な協力をしてくれる。一方前職では、何をするにも上司の承認がまず必要で、タスクを実行に移す前にお伺いを立てないといけない為、初動が重いしやる気がなくなる。ギャーギャー言うんだったら自分でしろよと思ってしまう。逆に、パフォーマンスを上げるために色々協力してくれるのであれば、この人のためにも成果を出そうと思いバリバリやる気が湧いてくる。

要するに日本の金融業は学校の成績が良い真面目くんに向いているのである。

私の様な学校の先生にめちゃくちゃ嫌われるタイプの人間には全く向いてない業種であった。

上記に記載したものはまだ業務の中には触れていない、基本的な仕事に対する考え方だ。それだけでもこんなに違ってくるのである。よって、違和感を感じているのなら恐れず職を変えるいただきたい。きっと、しっくり来る職に出会えるはずだから。

私は職を変えて本当に良かったと思っている。 

（独り者の）男はつらいよ

コロナで外出自粛が叫ばれる昨今、流石に一人で居るのも疲れてきた。

幸い在宅勤務が可能な業種であるため、ずっと家から出ずに感染リスクを最小限に抑えることができている。しかし、それが故に孤独である。

日々焦燥感と孤独感が募るばかり。。。

この気持ちはなぜ生まれるのか。幸せに満ち足りた気持ちでいるためにはどうすればいいのか。それを考えていきたい。

先ず、どうすればいいかを考えるにあたって幸せがどういうものかを定義する必要がある。 人によって色々定義があるだろうが、ここでは、幸せと感じる定義を、自身が満足している状態と定義して考えてみる。

ちなみに、満足を辞書で調べると以下と記載されている。

「望みがみちたりて、不平不満がないこと。」

おかしいぞ。いつの間にか30歳だ。

気が付いたらブログの更新も、転職活動もしないまま30歳になっていた。

タイトルとも相違あるし、最悪だ。自分の意志の弱さに驚愕する。

人生に迷子な私に足りないのは嫌われる勇気だ

本日も引き続き迷子です。梶孝臣（偽名）です。

ついに私も読んでしまいました。今めちゃくちゃ流行っている「嫌われる勇気」

人生に迷っている時にこそ読むべきものですね。

幸せって何ですか？

その答えが、この本にはありました。

この本によると今の自身のライフサイクルは自身が選び取った結果であるとのこと。つまり、今私が人生に迷っているのは、私自身が選び取った結果である、という。

「...ちげーよ。選べなかったからこうなっちゃってんだよ。てめーらはそれも選ばなかったのを選んだんだとか言い出すんだろコノヤロー。死のうかな。」

なんて気持ちは読み進めるごとに変わっていく。

自身がまだ、人生のタスクを果たしていない。人生のタスクに全力で立ち向かっていないことに気づくことができるのだ。

人生のタスクに立ち向かい、自分の評価のためではなく、誰かのために行動することで得られるものがきっとあるそれは...

さぁ、この続きはぜひ自身の目で確かめていただきたい。

 （なんだこの昔のファミツーの攻略本みたいな終わり方は。）

嫌われる勇気 自己啓発の源流「アドラー」の教え [ 岸見一郎 ] 価格：1620円（税込、送料無料) (2019/1/19時点) 楽天で購入

競馬のための機械学習入門_その1

 

今日も人生に迷子です。梶 孝臣（偽名）です。

 

生きるための１つの道として、「競馬で生計を立てる。」を候補としてあげたい。

だってそうでしょ？「好きなことして生きていく。」そういう時代なんだから、

競馬で稼いだっていいじゃない。その為にITの力を使ってもいいじゃない。

 

というわけで、自分のPCにPythonベースの機械学習環境を構築してみる。

本当に基礎の基礎なので、他におすすめがあれば是非ご指摘いただきたい。（切実）

 

先ず第一にPythonをダウンロードする必要がある。

私の環境はWindows10環境なので以下のサイトからインストーラーをダウンロードする。「エンジニアのくせに今まで、Pythonすらインストールしてなかったんかーい」といわれそうだが、違うんだ、PCをこないだ買ったところなんだ。

 

というわけでPythonを普通にダウンロードする。

 

■ダウンロードサイト

https://www.python.org/downloads/windows/

（赤字のやつをダウンロードした。）

 

ダウンロードしたインストーラーを使用してそのままインストール。

今回は特にカスタムインストールは実施していないため、画像は割愛する。

 

これで、Pyshonのインストールが完了した。ただ、これだけでは機械学習は実施できない。機械学習を行うためには更に以下のモジュールを追加でインストールする必要がある。

 

■必要モジュール

　・Numpy　　　：    数値計算をしてくれるライブラリ

　・SciPy 　　　 ：    数学、科学、工学のためのソフトウェア

　・scikit-learn　 ：　機械学習のライブラリ

　・pillow　　　  ：　画像を読み込むためのライブラリ

 

数が多くてめんどくさっと思ったみなさん。安心していただきたい。Python3.4以上ではデフォルトでpipがインストールされるようになっている。そのため、pipコマンドさえ実行すれば、インストールが完了する、、はずであった。

 

NumpyとSciPyはそのまま、pipでダウンロードできなかった。

前段でwheelをインストールした後、モジュールを指定してインストールする必要があった。ちくしょー。

 

ということで、pipでインストールできるものを先に実行する。

 

■wheelのインストール方法

　pip install wheel 

 

■scikit-learnのインストール方法

　pip install scikit-learn

■pillowのインストール方法

　pip install pillow

コマンドを実行するだけで問題なく実行でけた。よかった。

めんどくさいが以下のモジュールについてはサイトより、モジュールをダウンロードした後、pipを実行する。

 

■Numpyのダウンロードサイト

https://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy

とりあえず、一番下の64bit版をダウンロードした。

続けて次のモジュールも同サイトよりダウンロード。

 

■SciPyのダウンロードサイト

https://www.lfd.uci.edu/~gohlke/pythonlibs/#scipy

こちらも、一番下の64bit版をダウンロードした。

ダウンロードできたので、pipコマンドを実行する。

 

■Numpyのインストール方法

pip install C:\Users\takao\Downloads\numpy-1.16.0+mkl-cp37-cp37m-win_amd64.whl

 

■SciPyのインストール方法

pip install C:\Users\takao\Downloads\scipy-1.2.0-cp37-cp37m-win_amd64.whl

問題なくインストールできた。よかった。

すべてインストールが終わったので、これで準備は完了だ。

 

実際にどうやって使っているかだが、それについては後半に続く～。