読者です 読者をやめる 読者になる 読者になる

プレゼンは「目線」で決まる―――No.1プレゼン講師の 人を動かす全77メソッド

【Prologue】心のまえに、「目線」をつかめ

  • 見てもらうことが大前提
  • 視線誘導
  • 相手の目線を動かす ー> 相手の心を動かす

【Chapter 1】プレゼンは「目線」で決まる

  • プレゼンの目的は相手を動かすこと
  • 相手にどんなアクションを取らせたいのかをはっきりさせる
  • 上手くない人のプレゼンをたくさん見て、「よそ見」の余地を見つける
  • マイナスの評価を減らす
  • 誤字脱字等は直前まで修正し、集中力をそぐ要員をなくす

【Chapter 2】スライドで目線をリードする ― [西脇式プレゼン①]

  • 行番号、色等で聞き手全員の目線が同じ所に行くデザイン
  • 1スライド1ワード
  • タイトルに相手の行動を入れる
  • チャプタータイトルのスライドを入れ、どれくらいで終わるのかがわかるように
  • 見てもらいたい部分の周辺に空白を入れる
  • 単位のフォントサイズを2割小さく
  • 3色 + 白抜き
    • 相手のコーポレートカラーにも気を配る
  • 大事なメッセージは上半分に

【Chapter 3】シナリオで目線をリードする ― [西脇式プレゼン②]

  • 本題70%、その他30%
  • その他
    • なぜこの話が重要か?
    • なぜいま伝えたいのか?
    • なぜ私から聞くべきか?
    • なぜあなたに伝えたいのか?
  • 序盤で聞き手の期待に応える
  • ほしいと思わせるストーリー
    • サクセス・ストーリー
    • レアストーリー
    • ホラーストーリー
  • レアストーリー
    • 期間、数量、立場、優位、回数の希少性をアピール
  • PowerPointの前にA41枚に内容をまとめる
  • スライドの順序の理由考える
  • バックアップのシナリオを用意しておく
  • 決定権のある人にプレゼンする
    • 現場担当者に再現できないと感じさせる

【Chapter 4】トークで目線をリードする ― [西脇式プレゼン③]

  • 名前を2度言う
  • つかみのためにTwitterでローカルな情報を取得する
  • 聞き手目線の言葉遣い
  • 相対時間を使う
  • イメージの1.5倍くらい大きく動く
  • 1体1の場合は90度の一に座る
  • 進行形で話す

【Epilogue】「伝えるものへの愛」はありますか?

  • 伝えるものに愛情をもつ

人工知能は人間を超えるか ディープラーニングの先にあるもの

序 章 広がる人工知能――人工知能は人類を滅ぼすか

第1章 人工知能とは何か――専門家と世間の認識のズレ

第2章 「推論」と「探索」の時代――第1次AIブーム

  • 1950年代後半〜1960年台
  • 複雑な現実の問題は解けないことが分かり、急速に冷めた
  • 推論・探索の時代
  • 人工知能という言葉が誕生
  • 探索木

第3章 「知識」を入れると賢くなる――第2次AIブーム

  • 1980年台
  • 知識の時代
  • 知識を取り込み、推論する
  • オントロジー
  • ライトウェイト・オントロジー
    • 完全に正しくなくても使えればいい
    • ワトソン
      • 質問を理解しているわけではなく、関連しそうな答えを高速に出している
  • フレーム問題
    • 関係ある知識だけを取り出す作業は難しい
  • シンボルグラウンディング問題
    • シンボル(記号)と、それを意味するものがが結びついていない
  • 知識を入れることにより、コンピュータは賢くなり、産業的にも使えることが分かったが、知識を書くことの大変さからブームは終了

第4章 「機械学習」の静かな広がり――第3次AIブーム(1)

  • 機械学習と特徴表現学習の時代
  • 機械学習は分類を自動的に習得する
  • 教師あり学習
    • 入力と正しい出力の訓練データを用意し、コンピュータを学習させる
  • 教師なし学習
    • 入力データのみを与え、構造をつかむ
  • 分類の方法
  • 学習には時間がかかるが、予測は一瞬
  • 特徴量に何を選ぶかで、予測精度が大きく変わる
  • 特徴量は人間が決めないといけなかった

第5章 静寂を破る「ディープラーニング」――第3次AIブーム(2)

  • 2012年トロント大学が開発したSuperVision登場
    • それまで26%台だったエラー率が15%台
  • ディープラーニング
  • グーグルのネコ認識
    • 1000万枚の画像を入力に利用

第6章 人工知能は人間を超えるか――ディープラーニングの先にあるもの

  • 考えられる人工知能の発展
    1. 画像特徴の抽象化
    2. マルチモーダル(複数の間隔データの組み合わせ)な抽象化
    3. 行動と結果の抽象化
      • 行動の計画がたてられる
    4. 行動を通じた特徴量を獲得
    5. 言語理解・自動翻訳ができる
    6. 知識獲得ができる -議論
    7. 本能
    8. 創造性
    9. 人間の征服

終 章 変わりゆく世界――産業・社会への影響と戦略

  • 産業への波及、職業について筆者の予想
    • 短期的(5年以内)には急激な変化はない
    • 中期的(5〜15年)には生産管理やデザインの部分で変わってくる
    • 長期的(15年以上)には例外対応まで含めて、人工知能がカバーできる領域が増える
  • 人工知能が生み出す新規事業
  • 日本の課題
    • データの利用に関して非常に警戒感が強い
    • 法整備の遅れ
    • モノづくり優先の思想
      • 見えないものに理解が得られにくい
    • 学会内、業界内の悲観論
    • 投資できる企業の少なさ
  • 日本のメリット
    • 人材の豊富さ

AWSエキスパート養成読本[Amazon Web Servicesに最適化されたアーキテクチャを手に入れる!]

目次

感想

第2章のそれぞれ興味のあるものが多くて、楽しみにしていたんんですが、 なかなか敷居が高いというか、動かせなかったです。 APNSの証明書取得が分からなかったり、そもそもIOS持ってないとできないし。 MLのデータセットの取得方法が分からなかったり・・・ 興味ある項目が多かったので、もう少し動かせるとこまでいけると良かったのですが・・・という感じでした。

第3章については、頭の中では大体理解している内容でしたが、 文章にちゃんとまとめられているのは、今後話するときに役立ちそうに思いました。

サーバ/インフラエンジニア養成読本 DevOps編 [Infrastructure as Code を実践するノウハウが満載! ]

www.amazon.co.jp

特集1 最速攻略! Ansible 2によるサーバ構築

自分はこれまでChefを使っていて、そろそろAnsibleに変えようかなーとか思ってたところでした。

ネットとかの情報だと新旧いろいろあって、どこから手をつけるべきなのか、 どの方法がいいのか分からないことが多く、なかなか手をつけずにいました。

本書は一からまとめてあって、ベストプラクティスまで記載されていて、 これから始めるには非常にわかりやすい内容でした。

ただ、最近Docker使うことが増えてきて、こういうプロビジョニングツールとかって、 結構面倒くさく感じるようになってきてます。

冪等性考えたり、適用している時間とか。

冪等性とか考えるより、Immutableに構成することを考えて、 変更とかあったら再適用ではなく、新しいのを立ち上げるという発想のほうがいいような気がしています。

DockerHubであれば、勝手にビルドしてくれるし。

ということでこれからどれだけAnsible使うかはちょっとわからないです。

特集2 CircleCIによる継続的インテグレーション入門

インフラのCIって以前から非常に興味がありました。

ただ、インフラエンジニアからすると、CIツールってなかなか使い慣れていなくて、 ネットとかの情報だと、ある程度分かっていることが前提のようで、 自分にとってはは説明が少なく、やってみたけど途中で挫折みたいなことが多かったんです。

TerraformとかServerspecとかそれぞれは使ってても、 どうやってつなげるか分からなかったですが、 この本の内容でやってみて、たいぶ理解が進みました。

まだ分からないことが多いですが、これから始めるには十分な内容でした。

ただ、特集1がAnsibleだったので、こっちもAnsibleの方がよかったような気が・・・

特集3 Dockerによる仮想環境構築とKubernetesによるDockerクラスタ管理

以前、Openshiftを触っていたので、Kubernetesについては、多少知識があったんですが、 やっぱり難しいです・・・ Kubernetes。

この通りやればちゃんと動いたけど、理解できたかというと微妙・・・

なので、このあと何やればいいか、みたいのがあればよかったなと思いました。

情報も少ないので。

パブリッククラウド前提で考えると、Docker Cloudとか使えば、 内部の動作とかあまり難しいこと考えなくてもいいような気がするので、 Kubernetesって今後勉強してもどうなのかな?という気はしています。

まとめ

自分も含め、インフラエンジニアってこういう内容って、興味はあるけど、 どこから始めれば?という人は多いと思います。

そういう人にとって、とっかかりとしては非常にわかりやすいと思います。 説明もはしょりすぎず、挫折することなく読み終えれました。