東京を脱出したい

気もするしそうでもない気もする

ローカルでの購入について消費者の検索行動が変化しているそうな。。

blog.google

CODIV-19により消費者の購買行動が変わった

  • Best 〇〇などのクエリが増えた → Googleは「Best Things for EverythingGuide」を立ち上げた(Google ショッピング サイトに飛ばすやつ)
  • ローカル検索 ; “who has 〇〇 in stock” という「在庫のある店舗」の検索が80倍以上になった “ local + 業種”といった検索は前年比80%増えた

“who has 〇〇 in stock” : が増えた理由 CODIV-19による急激な世界の変化により、需要が供給を遥かに上回る商品が増えた→それに対する応答がクエリに現れた。

local + 業種 がなぜ増えたか :

ユーザーの地元検索意欲の向上
→ CODIVによる地元ビジネスの影響を知りたい欲求?
→ ロックダウンが起こる中でどこが空いているのか知りたい?
→ 検索数が増えていても購買行動が増えているわけではない?

イノベーションのジレンマを読んでのメモ


7章 新しい成長市場を見出す

持続的イノベーションと破壊的イノベーションでは通用する力学が異なる。
前者は売り上げ予測などに基づいて計画されるべきだが、後者はこれまで存在しない価値観であり、誰も知りうることはできない。
予測などに基づいた計画ではなく、不透明な市場でどのように学習し発展させていくかの方針が大事
破壊的イノベーションの市場を正しく予測するのは不可能。

破壊的イノベーションの市場で重要なのは
当初の計画の正確さではなく、最初の計画が間違っていても、そこから学習し二度三度と軌道修正ができる十分な資源である

8章 組織にできること、できないことを評価する方法

「組織」に何ができるかを決める要素は下の3つである。

  • 資源 : 人材や設備など
  • プロセス : 意思決定やコミュニケーションの取り方など仕事の進め方
  • コアコンピタンス : 組織の優先順位

人材が揃っていてもプロセスが整っていない場合イノベーションは起こせない。
資源は買収や償却などで比較的可変である。重要なのはプロセスやコアコンピタンス


大企業が破壊的イノベーションに対応するには以下の3つの方法が考えられる。

  • 破壊的技術を持つ企業を買収する
  • 社内の能力を再開発する
  • スピンアウト戦略をとる

上記の3つを行う場合「資源」「プロセス」「コアコンピタンス」を理解しないといけない。
プロセスが優れた企業を買収したなら、親会社のプロセスを押し付けてはならない。など

Docker Build で failed to parse unexpected end of JSON input Errorの発生

エラー内容

failed to solve with frontend dockerfile.v0: failed to create LLB definition: rpc error: code = Unknown desc = failed to parse /Users/{UserName}/.docker/.token_seed: unexpected end of JSON input



解決

 rm /Users/{UserName}/.docker/.token_seed

ゴミが残っていたようだ

ローカルで構築したPython3環境をDocker Image 化する。

1. pip freezeによってrequirements.txtを作成

pip freeze > requirements.txt

参考
Python, pipでrequirements.txtを使ってパッケージ一括インストール | note.nkmk.me


2. Dockerfileを作成

# install python3
RUN set -x && \
    yum install -y python3 python3-devel && \
    rm -rf /var/cache/yum/* && \
    yum clean all

# prepare for pip
RUN pip3 install --no-cache-dir --upgrade setuptools wheel pip

# COPY requirements.txt /tmp/requirements.txt
# RUN pip install --no-cache-dir \
#     -r /tmp/requirements.txt


COPY : ローカルのファイルをコンテナ内にコピーするコマンド、requirements.txtをコンテナ内にコピーする。
RUN : コマンドを実行するコマンド、上記ではコンテナ内でpipなどを行う。
FROM: ベースとなるイメージ centosなど


3. Dockerコンテナを作成

作成したDockerfileコマンドがコンテナ内で動くか確認
動かない場合は都度修正してDockerfileも修正

#centosをベースにした際
docker run -it centos

[root@2846bc175937 /]#  ここで作業

4. Buildする

# Dockerfileのカレントディレクトリで作業する場合、pathの指定が不要となる。
docker build -t tmp1:1.0 .

# うまくいかない場合はとりあえずこちらを試す
docker builder prune

5. 動かしてみる

sudo docker run --name tmp1 -it tmp1:1.0 /bin/bash

#runの後にまた入りたくなったら
docker exec -i -t tmp1 bash

幸福学 (ハーバード・ビジネス・レビュー [EIシリーズ]) を読んでのメモ

幸福学とは

本書では幸福とは3つに分けられるとされている

  • ヘドニア : ポジティブな感情、感情として受け止めることができる幸福
  • エンゲージメント : 我を忘れて仕事や創作活動・スポーツに打ち込んでいる状態。ハピネスな感情が発生しているわけではないが、広い意味で見ると幸せな状態である(とされる)
  • ユーダイモニア : 長期的に持続する深い幸せ、日本語で「幸せな人生」を表すときの幸せに近い。

本書では主に「ヘドニア」について取り上げる。

職場での幸福の重要性

幸福な人間ほど有能な働き手らしい(特にデータに基づいた説明なし)
管理職アンケートによると、幸福な職場とは以下の条件を満たしたもの

  • 将来に対する有意義な展望
  • 意義のある目的
  • 人間関係

幸福の心理学

  • MRIなどによって幸福をある程度定量化することができるようになってきた。
  • 結婚や試験の合格など、一般的に幸福に寄与しそうだと考えられている行動が定量化して確かめられた。
  • だが、思っていたほど重要な要素ではなかった。基本的に1つの行動に対して幸福は長続きしない。3ヶ月間持続するような幸福は存在しない。
  • 人間は自分で幸福感を見つけることができる。行動の報酬だけが幸福を作るわけではない。
  • 手が届かないわけではなく、適度に困難な目標を追っている時が人々は最も幸福である → 挑戦は人を幸福にする。
  • 些細なことの積み重ねが人を幸福にする。以下些細なことの一例
  • 睡眠をしっかりとる、瞑想をする、運動する
  • 利他主義を実施すること、人を助けると自分に返ってくる。
  • 人脈を広げる。
  • 一日に感謝したことをいくつか書き出して、その感謝を人に伝える。

インナーワークライフの質を高める「進捗の法則」

  • 仕事のモチベーションは「進捗」によって大きく左右される。進捗が出ている時はやる気に満ち溢れているし、そうではない時は困憊している。

ディスニーのスイートチリチキンを作る

概要

ディズニーに行った時に↓が美味しすぎて家でも再現したいなと
dlove.jp



材料

  • 鳥もも肉 700g
  • チーズ(サミットで買ったやつ)
  • 片栗粉
  • ごま油
  • 料理酒
  • ケチャップ
f:id:dataanalystudy:20201025203535j:plain
サミットのチーズ
  • スイートチリソース(下リンクにすり下ろしニンニクをプラス)

mariegohan.com


手順

1. 鳥もも肉を一口大にカット。10分間料理酒に漬け込む
2. 玉ねぎをスライスし、600w4分でレンジでチン
3. 1に片栗粉をまぶす
4. フライパンに油を引き、3を入れて焼く
5. 片面に焼き目がついたら、2を入れて裏返す。
6. 火が通ったらスイートチリソースを流し込む。
7. ケチャップを流し込む
8 . チーズをかけて出来上がり!

ゼロから作るDeep Learning自然言語処理編読んでのメモ

www.amazon.co.jp

自然言語と単語の分散表現

自然言語処理とは、普段使っている言葉(=自然言語)をコンピューターに理解させるための技術分野の意味。

シソーラス

辞書のような形で単語同士の階層構造や意味を定義しておき、処理に用いる。

しかし、

  • 時代の変化に対応するのが困難
  • 人の作業コストが高い
  • 単語の細かなニュアンスを表現できない

などの問題がある。

カウントベース

コーパス(自然言語処理の研究などの目的のために集められた大量のテキストデータ)を利用する手法
シソーラスのような階層構造や意味を的確に捉えたベクトル表現(単語の分散表現)を得ることを目指す。

分布仮説

「単語の意味は周囲の単語によって形成される」というアイデア
カウントベースの手法では、この仮説に基づいて単語の分散表現を得る。

word2vec

  • カウントベースでは計算が重い
  • そのため推論ベースの手法が発展した。
  • 推論ベースとはモデル(=ニューラルネットワーク)に問題を与えて学習を繰り返すことにより単語と単語の関係(=分散表現)を得る手法。
  • 少し前までの第一線のアルゴリズムword2vec