Pythonを学びたいと思って情報を探していると、動画講座や有料スクール、個人ブログなどが数多く見つかります。しかしその一方で、「どれが信頼できるのか分からない」「基礎を体系的に学べる教材が意外と少ない」と感じたことがある方も多いのではないでしょうか。 今回紹介するのは、筑波大学大学院 システム情報系 情報工学域教授・三谷純氏が公開しているPython学習用の教材スライドです。無料公開されているにもかかわらず、内容の密度が高く、独学者にとっても非常に価値の高い教材となっています。 昨年5月に公開した Python の教材スライドを大幅に更新しました。全309ページ。 ダウンロード自由にできますので、どうぞ。https://t.co/GgPMdugie2 pic.twitter.com/NP8LJtgG78 — 三谷 純 Jun MITANI (@jmitani) February 8, 2

光陰矢の如しとは良く言ったもので、今日でGoogleに入社して10年が経ちました。それまでは研究者時代まで含めても5年以上同じところに勤めたことがなかった上に、Googleに入ってからも「5年もいられたら御の字」と思っていたことを考えると、随分と遠いところまでやって来たなぁというのが偽らざる感想です。ということで、主に公開済みの記事・資料類を引きながら、この10年間やってきたことを差し支えない範囲で振り返ってみようと思います。 入社に至るまでの顛末 統計学・機械学習・データサイエンスによる各種広告改善の自動化推進 (2016-20) 機械学習リテラシー・AutoML技術の啓発活動 (2017-21) マーケティング計量分析による広告マーケティング戦略立案支援 (2020-) 余談：各国オフィス訪問歴 感慨など 入社に至るまでの顛末 僕がGoogleに入った経緯については、6年前に超長文の回

ほぼ２年ぶりに記事を書きます。先月19日にリリースされたGemini 3の能力は本当にすごい。会う人ごとに、そのすさまじさを伝えていますが、知り合いの研究者で使い込んでいる人は、今のところほぼ皆無です（今のところ長年の友人のMIさんだけ）。具体的な例を紹介すれば、使い手が増えるだろうと思い、今日書き始めた論文の執筆経過を紹介します。 Gemini 3のCanvasという機能を立ち上げ、以下のように依頼しました。 ＜ニワトコ属の日本産種は、ニワトコとソクズの2種に分類されてきました。しかし私は、日本全国でこの属の標本を採集し、MIG-seqにもとづく高精度系統解析の結果から、ニワトコが1種ではなく、少なくとも14種に分化しているという証拠を得ました。この結果を報告する論文の執筆を手伝ってください。まず、タイトルは以下の案で良いでしょうか？ From one species to fourte

このコーナーでは、2014年から先端テクノロジーの研究を論文単位で記事にしているWebメディア「Seamless」（シームレス）を主宰する山下裕毅氏が執筆。通常は新規性の高い科学論文を解説しているが、ここでは番外編として“ちょっと昔”に発表された個性的な科学論文を取り上げる。 X： ＠shiropen2 大学生の多くがノートPCやタブレットで講義ノートを取るようになった現在、手書きとタイピングのどちらが学習効果に優れているのかという議論が続いてきた。24年に発表されたメタ分析研究は、この問いに対して一つの答えを示している。 この研究では21本の論文に含まれる24の実験研究を分析し、合計3005人の大学生のデータを検討した。結果、手書きでノートを取り復習した学生は、タイピングでノートを取った学生よりも高い学業成績を収めることが明らかになった。統計的に有意であり、一貫した効果が認められた。 注

Top > ラーニング > Google、誰でも学べるAI学習サイト「Google Skills」を正式公開──Cloud・DeepMind・教育部門を横断する3000講座を展開

「AIって結局は統計だろ？」 ネットでこういった言葉を見かける度、正直モヤモヤしている。 確かに統計的な処理がAIの根幹にあるのは間違いない。 データを集め、確率を計算し、そこから最適解を選び出す。そういう構造があるのは事実だ。だから「まったく違う」と言い切るのも嘘になる。 だが、それを「AIって結局は統計だろ？」なんて一言で片づけるのは、あまりに横暴だ。 統計そのものを動かす理論や数理、そこに積み上げられたアルゴリズムの厚みを無視してしまっているからだ。 たとえば俺が本気で勉強したときにぶん殴られたのは統計の延長で片付けられないようなもっと複雑でもっと美しい構造だった。 だから、この言葉にモヤモヤするのは「半分は当たっているけど、半分は外している」から。 AIは統計でありながら、統計に還元できないものでもある。 その両義性を理解せずに「統計だろ？」で済ませるのは、ピアノの音を聴いて「ただ

たとえ最大規模の先進的な生成AIモデルであっても、事実とは異なる不正確な情報を生成することがある。これは、いわゆる「ハルシネーション（幻覚）」と呼ばれる現象である。OpenAIはその原因を特定し、解決策を提示したと主張している。 OpenAIの研究チームは、先週発表した論文の中で、ハルシネーションはモデルの学習データの質ではなく、むしろ不完全な評価インセンティブに起因すると論じている。評価インセンティブは業界全体で広く用いられており、不確実性を受け入れることよりも、推測を高く評価する仕組みになっている。 モデルは、膨大な量の学習データからわずかな数学的パターンを識別するよう訓練されており、そのパターンを枠組みとしてユーザーの質問に対する回答を生成する。現在の評価パラダイムは、本質的に「正確な回答には報酬を与え、不正確な回答にはペナルティーを科す」という単純な二者択一の採点基準を採用している

多くの人は「『Linux』の習得はマニア向け」と考えがちだ。しかし、ありがたいことに、現在のデスクトップLinuxは非常に使いやすくなっている。導入をためらうような問題はほとんどなくなっており、心配する必要はない。今のLinuxディストリビューションでは、コマンドラインや高度なツール（例えば、「YaST」など）を使いこなす必要はない。 とはいえ、Linuxをより深く活用したい人や、Linux管理者としてのキャリアを目指す人にとっては、コマンドラインを含め、さらに多くの知識が求められるだろう。これを聞いて不安になる人もいるかもしれない。特に、ターミナルウィンドウを開いたことがない人や、コマンドを入力した経験がない人にとっては、ハードルが高く感じられるかもしれない。 「ゲーム化された学習」をまだ体験したことがない人は、ぜひ試してみてほしい。ゲームを使えば、学習が簡単になるだけでなく、楽しく続け

最近、ふとした気づきがありました。 それは、「同じものを見ていても、過去と現在の自分では見えている世界がまったく違っている」ということです。 みなさんには、このコードからどんな世界が見えますか？ async function getUserName(userId) { const response = await fetch(`https://api.example.com/users/${userId}`); const user = await response.json(); return user.name; } はじめに こんにちは、株式会社ココナラ在籍のKです。 本記事では、冒頭の5行のコードを通して、私たちが学ぶ理由について考えてみたいと思います。 TL;DR 同じコードを見ても、人によって見えるものが違っている 学習を重ねることで、それまで見えなかった世界が見えてくる 学習

タイトル通り、半年で420点向上したふりかえりです。 英語苦手マンがこのブログを読んで「行けそう」と思ってもらえるように書いておこうと思います。 要約 285点はどれくらいのことができるのか 700点を超えるとどのくらいの能力に達するのか 700点を超えたあたりでの肌感 勉強方法 用意するもの 進め方 得点が上がらなかったときの工夫 200点台だった自分にとって、効果絶大だったこと 効果がありそうなのに全く意味がなかったこと よく使っていたサブツール まとめ 要約 自己紹介 学歴:文系四大卒（有名大ではないです） たぶん金をもらっていると勉強も頑張れるタイプ 文系出身のIT未経験者がLPICレベル1を爆速14日で合格したときのコツ #インフラエンジニア - Qiita 社内のコミュニケーションが英語になりつつあるという世界観 マネーフォワードCTOが考えていること（2021年9月） - M

今回のテーマは以前からずっと言われ続けている話題なので特に目新しくも何ともないのですが、たまたま近い時期に2本の似通った内容の論文がarXivに出たので、まとめてダイジェスト的に紹介しようと思います。以下がそれらの論文です。1本目はApple、2本目はGoogle DeepMindによる研究です。 どちらもSNSや技術メディアでは既報の内容であり、ご存知の方も多いのではないでしょうか。これらの論文は本質的には「『推論する生成AI』は実際には思考しているわけではなく、丸暗記した結果を返しているに過ぎない」と各種の実験結果から指摘するものであり、今後の推論生成AIの研究開発を行う上で新たに考慮されるべき指針を提案しています。 そもそも「推論する生成AI」とは何なのか 「推論する生成AI」は既知の複雑な課題は解けるが、その難易度をどんどん上げていくと解けなくなる 逆に、「推論する生成AI」は既知

2014年から先端テクノロジーの研究を論文単位で記事にして紹介しているWebメディアのSeamless（シームレス）を運営し、執筆しています。 1週間の気になる生成AI技術・研究をいくつかピックアップして解説する連載「生成AIウィークリー」から、特に興味深いAI技術や研究にスポットライトを当てる生成AIクローズアップ。 今回は、現在のAIモデルが次に来るものを予測することによって、その背後にある深い仕組みを理解できているかを調査した論文「What Has a Foundation Model Found? Using Inductive Bias to Probe for World Models」を取り上げます。ハーバード大学とMITの研究チームによる発表です。 AIが本当に世界を理解しているのか、それとも単にパターンを暗記しているだけなのかという疑問は、AI研究の根本的な問題です。 基

デジタル書籍やタブレットを用いた学習は世界的に普及しており、北欧のスウェーデンは保育園でのタブレット導入をはじめとした、教育分野でのデジタル化が進む国のひとつです。しかし、このデジタル化が子どもたちの読解力低下を招いている可能性が指摘されており、印刷された紙の本と手書きでの学習に立ち戻る計画が進みつつあります。 Sweden brings more books and handwriting practice back to its tech-heavy schools | AP News https://apnews.com/article/sweden-digital-education-backlash-reading-writing-1dd964c628f76361c43dbf3964f7dbf4 スウェーデンの学生の読解力はヨーロッパの平均を上回っていますが、小学4年生の読解力に

なんていうか、「絵描きさんが見ている世界」って気になりませんか？ あんなに色鮮やかでダイナミックな絵を描ける人種は我々とは違う世界が見えているに違いない。凡人とは『つくり』が違う。 そう、思っていました。 絵を描き始めてから起きた変化絵を描き始めてから、私の生活にたくさんの変化が起きました。 ①世界の解像度が上がった気がする ②好奇心がより強くなった ③生活がイラストになった 他にもいろいろ①世界の解像度が上がった気がする早朝の山々を見て「あれ空気遠近法じゃん！？！？！？！？」と気づいたり日常の反射光に目を奪われたりと、以前より『世界の解像度』が上がった気がします。 ライトに照らされた緑のパックの光が反射している写真これはイラストを始める前に目標にしてたことの一つです。 昔から「絵描きさんの見てる世界」に興味がありました。 「あんなに色鮮やかな絵が描ける人種には、世界がどう見えてるんだろう

マネージャーの高い技術力牛尾剛氏：そういうふうな環境でマネージャーの技術力はどうやねんって話ですね。これもものすごく違っていて、僕の上のマネージャーはプラグナーっていうんですけど、この人はAzure FunctionsのJavaのランタイムを1から書いた人なんですよ。 その上のパートナーもAzure Automationの開発でどんな技術の話題でもめっちゃ深く理解して、すごいアイデアを出したりする人で、その上のフェローはアレですね。Azure AppServiceという、Azureのクラウドのフラッグシップのサービスを1から書いた人ですね。 つまり何が言いたいかっていうと、僕の上のマネージャーはすべて僕よりプログラムが明らかにできるんです。じゃあお前らがやったほうが絶対早いやろってぶっちゃけ思いますよ。そもそも、説得とか要らないですよ。 僕は日本にいる時に、例えば何か新しい技術をやろうとし

Autumn Pioneerは日本語学習ゲーム『Shashingo: Learn Japanese with Photography』のNintendo Switch版を2024年9月5日（木）に発売した。 定価は2300円［税込］。発売記念セールで9月11日まで10%オフの2070円［税込］で購入可能だ。なお、PC版はSteamにて2月に発売済みとなっている。 A lot of people told me to make Shashingo for Nintendo Switch. So I did exactly that! 😤 ... But I think people didn't notice it released yesterday! 😱😭 Please spread the word! pic.twitter.com/gyPLl79f1p — Shashingo

社会への怒りを表明したワケ無駄のない人だと思った。R.Shimada氏は余分な前置きを排して質問にまっすぐ返してくる。「noteによる発信でもっとも実現したかったことは？」と問いかけたときのことだった。 「貧困という境遇のためにチャレンジする機会さえ奪われている次世代を励ますこと、今なお放置されている格差という問題を指摘すること、が主な目的でした。 ただ、執筆していくうちに、こうした問題の当事者である私が”怒る役割”を担う意味もあることに気がつきました。現代社会において、怒りを表明することはさまざまなリスクが伴います。たとえば会社員であればなにかの拍子に失職するかもしれません。 しかし大学の研究職は、その職務をまっとうする限りにおいては、自らの思想信条を表明することが比較的守られていると考えます。また、数学者である私が政治について考えていることを発言するのも、政治学を専門とする人が言うより