名前を覚える

小学生の息子は、人やキャラクターの名前を覚えるのが得意です。

おそらく軽く1000以上の名前を把握しているようです。
残念ながら学校の評価制度では全く認識されませんが、いつかこの優れた能力を発揮できる日が来ることを願います。

Jim Farleyは、子どものころ父親が事故で亡くなり、
教育を受ける機会に恵まれなかったものの、政界にも進出しました。

「a phenomenal memory for names」と表現されるように
名前を覚えていることがルーズベルトのキャンペーン マネージャとして
発揮し、ルーズベルトホワイトハウス入り出来たのではないかと言われるほどです。

 名前を覚える能力は、いつの時代も、どこでも重要かと思います。

二拠点生活の場所を探る

今年の4月から西は四国から東は甲信越辺りまで、週末に家族で候補地巡りをしています。仕事や家の都合で完全に引っ越すことは難しいですが、二拠点生活なら
なんとかできそうです。

 

友人から「西の魔女が死んだ」という本/映画を薦められ、やはり息子にあった
環境で暮らしたほうがいいかと模索中です。

「シロクマがハワイより北極で生きる方を選んだからといって、
だれがシロクマを責めますか。」 確かに。

 

自分にあった環境がどこかを見つけ、実際に行動に移すには思った以上に大変です。

 

飛行機、宿泊、ペットホテルの手配、それと村の移住担当者、教育委員、校長先生とのやりとりもあります。本当に親切な方々のおかげで、いろいろな場所や人たちと触れ合うことができました。その過程で、だんだん価値観も再認識できてきました。

今の時点では何が正解かは、全くわかりませんが、一歩づつ前進し、楽しみたいと思います。

 

f:id:shinji629:20180614222449j:plain

宣伝効果の検証(回帰分析編)

ある会社がローカル紙に1週間広告を掲載し、その週の売上を記録したとします。
まずは試しに5回実施しました。どうやって効果を検証したらいいでしょうか。

データ:

Sales ($1,000s)

Ad Budget ($100s)
11 5
6 3
10 7
6 2
12 8

 

つぎのようにliner-regressionで求めていきます。

ŷ = a + bx
where
ŷ = value of the dependent variable
a = y-axis intercept
b = slope of the regression line
x = independent variable

  

計算メモ:

Sales, y Advertising, x xy
11 5 25 55
6 3 9 18
10 7 49 70
6 2 4 12
12 8 64 96
Σy=45 Σx=25 Σx²=151 Σxy=251
y̅=45/5=9 x̅=25/5=5    

 

aとbは、以下の式を使って求めることができます。

b = (Σxy - nx̅y̅)/(Σx² - nx̅²) = (251 -5*9*5)/(151 - 5*5^2)= 1
a = y̅ - bx̅ = 9 - 1*5 = 4

ŷ = a + bx = 4 + 1x  となります。

 

つまりxの値が1ユニット($100)増えると、売上も1ユニット($1,000)増えることを意味します。グラフにするとこんな感じになります。

 f:id:shinji629:20180614115644p:plain

 

最後に相関係数(そうかんけいすう、correlation coefficient)を求めます。
2つの確率変数の間にある線形な関係の強弱を測る指標であり、-1や1に近ければ、
相関性が高いと言えます。

では、実際に計算してみましょう。

rは、次の式で求めることができます。

r = (nΣxy - ΣxΣy)/(√([nΣx² - (Σx)²][nΣy² - (Σy)²])

(nΣxy - ΣxΣy) = 130
([nΣx² - (Σx)²][nΣy² - (Σy)²]) = 20800
sqrt(20800) = 144.2221
r = 130/144.2221 = 0.901388

エクセルで=CORREL()関数を使うと上記の計算が簡単にできます。

r = 0.901なのでかなり相関関係があると言えるでしょう。

R² = (0.901388)^2 = 0.8125 となります。

ちなみにR²は決定係数(けっていけいすう、coefficient of determination)です。
独立変数(説明変数)が従属変数(被説明変数)のどれくらいを説明できるかを表す値です。

 

捕捉:相関係数が0のとき確率変数は無相関であるといえます。

今週のお題 「雨の日の過ごし方」 キャンプ編

今週のお題「雨の日の過ごし方」

 

今から3年程前の写真ですが、初めてソロキャンプをした時の写真です。

そう、その日は雨でした。

 

f:id:shinji629:20180614000716j:plain

 

でも大丈夫。タープとテントがあるので、まったく濡れません。
おまけに、タープの下で焚き火も可能。

マイナスイオンを感じながらぐっすり眠ることでき、今ではいい思い出です。

 

 

 

愛犬との散歩(生後6ヶ月)

すこし暑くなってきましたが、まだまだ新緑がきれいな季節です。

 

犬と散歩していると全く知らない同じく散歩している方と小話したり、通り過がりの
方に「さわってもいいですか?」なんて尋ねられたりすることがよくあります。

 

おじさんが一人で歩いていた時とは、見える景色が違ってきます。

 

もともと友好的な犬種というのもありますが、子犬は本能で誰にでも歓迎される
方法を知っているようです。

 

人に関心をもってもらおうと2年がんばるより、2分でも人に純粋に
関心を持つほうがずっといいことを。

 

f:id:shinji629:20180613101210p:plain

 

GDPR(General Data Protection Regulation)とは?

2018年5月25日に施行された一般データ保護規制(GDPR)は、EAA(*1)内居住者の個人情報を扱うあらゆる組織を対象に、その管理義務や保護義務定めた規則です。またビジネスに与える影響が大きい経営事項の1つであるとも言えます。

 

おそらく多くの方は、「NOTICE: Updates to Our Privacy Policy and Terms of Service」などと記載されたメールを受信されたと思います。詳細をクリックするとこのGDPRに関する内容だと思います。

 

グルーバル企業はもちろん、みなさんもいつ影響をうけるかわからないので、
具体的に何に気をつけなければいけないか知っておく必要があります。

 

目的:
EEAそれぞれにデータ保護規則が存在し、その内容は国によって大きく異なっていました。そこで、個人データの保護に対する権利のためルールを統一しました。

 

やってはいけないこと:
EUを含む欧州経済領域(EEA)域内で取得した個人データをEEA域外に移転することを原則禁止しています。


対象データ:
名前
Eメールアドレス
所在地
電話番号
健康情報
人口統計情報
検索パターン、履歴、購入などの行動データ
写真、電子メール、音声とビデオの録音、ブログの投稿、コメント、その他のデジタルメディアなど、ユーザーが作成したコンテンツ
IPアドレス

 

適用範囲:
欧州経済領域と個人データをやり取りする日本のほとんどの企業や機関・団体が適用対象となります。
公的機関・地方自治体・非営利法人なども含まれます。

注意すべき点は、EU内に事業拠点がなくても適用されることです。
クラウドなどのオンラインサービスを利用する場合、管理者がプロバイダーとの
間で書面での契約処理を締結する必要があります。

 

やるべきこと:
顧客から個人情報利用の許諾をきちんと得る
情報の収集目的の明確化
個人情報取得の許可を事前に得る(オプトイン)
情報漏えいが発生した場合、その旨を監督機関に対し、72時間以内に通知する

 

制裁金:
情報漏えいが発生した際にGDPRの定める対応を怠った企業は、「2000万ユーロ(2018年6月現在のレートで約26億円)または前会計期間における全世界の売上高の4%のうち、いずれか高い方」を罰金として課されます。

 


*1:
European Economic Area: EEA、EU加盟国28ヵ国、ノルウェーアイスランドリヒテンシュタイン

 

参考文献:
https://www.jetro.go.jp/ext_images/_Reports/01/dcfcebc8265a8943/20160084.pdf
https://www.jetro.go.jp/ext_images/_Reports/01/76b450c94650862a/20170058.pdf

Intel Core iXの世代について

Spectre V2対策コードがいくつかリリースされているので、CPUの世代を意識することがあるかと思います。ここでは簡単に過去のリリースと使用しているCPUの世代を確認する方法を紹介します。

 

世代

アーキテクチャ 見分け方 リリース
第1世代 Nehalem core ixの後が3桁  2008~2011年
第2世代 Sandy Bridge 2千番台 2011年
第3世代 Ivy Bridge 3千番台  2012年
第4世代 Haswell 4千番台 2013年
新第4世代 Haswell Refresh 4千番台 2014年
第5世代 Broadwell 5千番台 2014年
第6世代 Skylake 6千番台 2015年
第7世代 Kaby Lake 7千番台 2017年
第8世代 Coffee Lake 8千番台 2017年

 

例えば、第5世代のBroadwellの場合は、以下のような結果が表示されます。

# dmidecode |grep -i intel
Name: Intel(R) Silicon View Technology
Manufacturer: Intel(R) Corporation
Version: Intel(R) Core(TM) i7-5600U CPU @ 2.60GHz

 

新第4世代のHaswell Refreshは、次のような結果となります。

# dmidecode |grep -i intel
Manufacturer: Intel
Version: Intel(R) Core(TM) i7-4790 CPU @ 3.60GHz