観た映画2021 (随時更新)
Prime Videoで公開されているものが中心。個人的な評価、あらすじ、感想 (ネタバレは極力書かないように注意) も付記。
- シン・エヴァンゲリオン劇場版
- ★★★★☆
- ニアサードインパクト後の世界を描く。シンジくんたちの最終決戦。
- とにかく「やっと終わった…。」の一言に尽きる。
- イミテーション・ゲーム/エニグマと天才数学者の秘密(字幕版)
- ザ・ハント (字幕版)
- ★★★☆☆
- 目が覚めたら森林でデスゲーム (リベラルなインテリによる人狩りゲーム) のターゲットにされていた。
- 90分かつサクサクした展開で、隙間時間に見やすかった。某映画 (B) とか某映画 (K) を彷彿とさせる。
- デッド・ドント・ダイ(字幕版)
- 愛という名の執着(字幕版)
- ブックスマート 卒業前夜のパーティーデビュー(字幕版)
- ビッグフット vs ゾンビ
- ★☆☆☆☆
- マッドサイエンティストが開発した薬品によって静かな農場にゾンビが発生。そこにあのUMAが立ち向かう。
- これぞB級ゾンビ映画という作品。★×1はこの文脈では褒め言葉である。
- キャビン(字幕版)
- ★★★★★
- 過去観たホラー映画の中でもベスト5に入る作品。後半の某任天堂製ゲームを彷彿とさせる展開は、ホラー映画マニアとしてかなり胸熱。非常にテンポが良くて飽きさせない展開も高評価。欲を言えば、もう少し作り込める要素はあったと思う。
- トランス・ワールド(字幕版)
- ★★★☆☆
- 3人の男女が薄暗い森に迷い込んで出会う。森には小屋があり、森をいくら徘徊しても元の小屋に戻ってきてしまう。途中、彼らはある一つの事実に気付く。
- ホラーを見たいけど、お化けや血が出るようなものが嫌いという人にはオススメ。低予算らしいが良くできた脚本である。全体的に良い分、オチの描写が若干気になってしまった。
- コンテイジョン (字幕版)
- ★★★★☆
- 謎の新型ウイルスが蔓延し、世界はパンデミックに。そして人々はパニックに陥る。
- 2011年の映画だが、コロナ禍のいま観てもリアリティの高い描写にビビった。そして、風刺っぽい。
- グッド・ネイバー (字幕版)
- ★★★★☆
- 青年二人組が一人暮らしの老人宅に隠しカメラを設置して心霊ドッキリを仕掛けると、老人はサイコな反応をする。
- 場面はごく限られているが、飽きさせない構成をしている。単なるサスペンスやサイコホラーではない、結構深い作品。
- エリジウム (字幕版)
- 10クローバーフィールド・レーン (字幕版)
- 007 スペクター (吹替版)
- カジノ・ロワイヤル (字幕版)
- 007 / 慰めの報酬 (字幕版)
- 007 / スカイフォール (字幕版)
【書籍レビュー】機械学習を解釈する技術〜予測力と説明力を両立する実践テクニック
今回紹介する書籍
- タイトル: 機械学習を解釈する技術〜予測力と説明力を両立する実践テクニック
- 著者: 森下 光之助
- 出版社: 技術評論社
- 発行年月日: 2021/8/4
- 価格: 2680円 + 税
この分野に対する投稿者 (私) の知識レベル
- 紹介されている方法論の名前と意義のイメージを大体掴めている
- 実際に外部ライブラリを利用して、当該の方法論をちょっとは使ったことがある
誰にオススメか?
- 実務でRandom Forestなどの機械学習モデルを構築できる人 (読むための要件)
- 情報学・コンピュータサイエンスの非専門家 (でも読める)
- 4種の解釈手法 (PFI・PD・ICE・SHAP) について、何も知らない人〜なんとなくライブラリを利用している人
良かった点
- 機械学習の実務者 (非専門家) にとって、記述のレベルがちょうど良い。過度に丁寧であったり、厳密性を求めすぎていない。適度な量の数式と、それを直截的に反映したコードが記載されており、理系出身者であれば比較的スッと入ってくると思う。
- 独自に実装したコードで仕組みが解説された後、実問題に対して外部ライブラリを利用した解析方法も紹介されているため、手法の理解と実用性の両方を取れる。
- 各章では、それぞれの手法の意義および使い方を説明した後、手法の短所や使用上の注意点が解説されている。伏線を回収するごとく、前章のウィークポイントを後続の手法でカバーする構成になっており、全体の流れを理解しやすい。
- 脚注がちょいちょいタメになる。アドバンス過ぎる話や、トリビア的なこぼれ話というより、知っていると実務で役立ちそうな豆知識が豊富。
気になった点
- 個人的に、線形回帰モデルに当てはめて理解を深めるパートは、自明で冗長感があったり、自明なことを丁寧に説明しようとして逆に説明が煩雑に感じる箇所もあった。内容としては確かに理解を深める効果はあると思うので、もう少しあっさりでも読みやすかったかもしれない。
この本でカバーされていない点
あくまで4種の解釈手法 (PFI・PD・ICE・SHAP) の解説に絞っているため、それ以外のExplainable AIの手法、当該領域の全体感、当該領域における4手法の立ち位置などはわからない。相補的な資料としては、たとえば、少し前に話題になった "Interpretable Machine Learning" の邦訳版が参考になる。
総合評価
★★★★☆
読んだ本2021 (随時更新)
※ 完全に読了した書籍に限り掲載
- 斎藤 康毅, 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, オライリージャパン (2016).
- 斎藤 康毅, ゼロから作るDeep Learning ❷ ―自然言語処理編, オライリージャパン (2018).
- 藤井 保文, 尾原 和啓, アフターデジタル オフラインのない時代に生き残る, 日経BP (2019).
- 石井 遼介, 心理的安全性のつくりかた, 日本能率協会マネジメントセンター (2020).
- 丸山 宏, 新 企業の研究者をめざす皆さんへ, 近代科学社 (2019).
- 石角 友愛, いまこそ知りたいDX戦略 自社のコアを再定義し、デジタル化する, ディスカヴァー・トゥエンティワン (2021).
- 坪田 信貴, 「人に迷惑をかけるな」と言ってはいけない, SB新書 (2021).
- 森下 光之助, 機械学習を解釈する技術〜予測力と説明力を両立する実践テクニック, 技術評論社 (2021).
- Abhishek Thakur, Kaggle Grandmasterに学ぶ 機械学習 実践アプローチ, マイナビ出版 (2021).
データサイエンティスト向け「はてブロ」投稿方法メモ
はじめに
初投稿です!
はてなブログ初めてで使い方がよくわからなかったので、自分のための備忘録として編集方法のメモを残します。私はデータサイエンティストであるため、使用機会の多い数式やコードの入力方法について主に記載しています。
投稿の練習も兼ねており、内容は不完全かもしれませんが、複数のサイトに散らばっている情報を集約しました。
編集モードの選択
入力の手間、数式/コードの入力方法が異なる
- はてな記法モード (本ブログの設定)
- 入力が楽
- 数式は [tex: 数式] で入力可能
- ソースコードの貼り付けが手軽
- (参考) エスケープシーケンスの入力方法
- 見たままモード
- Markdownモード
- 最も玄人向け (?)
- エスケープシーケンスが面倒くさそう (特にTexを書くとき)
- はてブロでの数式描画のために Markdown + MathJax の解説記事が散見された (記事1, 記事2)
以降の記述は、今回採用した「はてな記法モード」に則る。
(採用理由: 最も手軽に管理できそうであるため。)
数式の入力
基本
[tex: y = ax^2 + bx + c]
- 数式は [tex: 数式] で入力可能
- 数式入力のtipsが記載されている記事
- インライン数式もOK: [tex: ax^2 + bx + c] →
複数行数式の等号揃え
[tex: \begin{eqnarray} y &=& ax^2 + bx + c \\ &=& a\left(x + \frac{b}{2a}\right) ^ 2 - \frac{b^2 - 4ac}{4a} \end{eqnarray}]
- &=& を使用
- 参考記事
中央揃え (+ 式番号)
中央揃えの書き方 (OK例)
<div style="text-align: center;">[tex: y = ax^2 + bx + c]</div>
<center>[tex: y = ax^2 + bx + c]</center>
- HTMLやCSSの要領でレイアウト編集可能
- <center> より <div> を使った方が良い (?)
式番号 + 中央揃え
[tex: y = ax^2 + bx + c \tag{1.2.3}]
中央揃えの書き方 (NG例)
[tex: \centerline{y = ax^2 + bx +c}]
[tex: \begin{center} y &=& ax^2 + bx + c \end{center}]
[tex: \center{y = ax^2 + bx + c}]
[tex: \begin{align} y &=& ax^2 + bx + c \end{align}]
ソースコードの入力
import numpy as np arr = np.array([1, 2, 3])
(入力方法)
>|python|
import numpy as np
arr = np.array([1, 2, 3])
||<
大見出しの見本
中見出しの見本
小見出しの見本
* 大見出しの見本 ** 中見出しの見本 *** 小見出しの見本
箇条書き
- レベル1
- レベル2
- レベル3
- レベル4
- レベル5
- レベル4
- レベル3
- レベル2
- レベル1 -- レベル2 --- レベル3 ---- レベル4 ----- レベル5