読者です 読者をやめる 読者になる 読者になる

barcode

|| | ||| | |||| || | ||| | ||||

マークアップからの脱却とこれから.

マークアップから脱却したい、と去年の8月頃から思っていた。

「CSSRooster」のような実験的なサービスが登場してきたし、そろそろマークアップしかできないヤツは駆逐され始めるだろう。

huu.la

 

今までのこと

思えば、大学1年の頃からマークアップを学び始め、大学3年の頃から事業会社でマークアップエンジニアとしてインターンをしていた。結果、3年間も悠長にマークアップをしておる。

自分の周囲にはロールモデルのようなエンジニアがいなかったし、当時はエンジニアとして就職する気もゼロだったのでロールモデルを探す気もなかった。サークルもインターンも、HTML/CSS/jQueryを書けるだけで重宝される環境だったから、「勉強すっぞ」という意識が生まれなかった。

だが、結果的にエンジニアとしての就職を決めてから、今までのスタイルのヤバさを感じた。これは冒頭に書いた通り。

そこで、フロントエンドに昇華して、ReactやらVueやらのJSフレームワークやNodeにも触れたり、WebGLやシェーダも学んだ。ただ、コードは書けても、構造・理論がイマイチ理解できなかった。おそらく、コンピューターサイエンスの基礎が無いからだ。

 

最近のこと

ネットで発見して、勝手にロールモデルとして見据えている@sotoshigotooさんがこんなことを仰っていた。まさにその通りなんだろうなあ...と。自分もこのイメージで学習を進めていこうと思っている。

 

(1) 機械学習(12月~1月) - トレンド

機械学習とDeepLearningの違いすら分かっていなかったので、Andrew Ng先生の講義を受けた。機械学習を学ぶ上で登竜門化しているCourseraだ。とりあえず、完走すれば、機械学習人工知能系のニュースやQiitaをある程度は読めるようになる。

ただ、実装となるとハードウェア的な問題等もあるので、頭打ちになってきた。学習環境も整備し始めなければならない。

ということで、コア的な学習に一旦移行した。

www.coursera.org

www.kadenze.com

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

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

 

 

(2) 統計(2月) - コア

学生時代、統計が必修だったけれど、まともに内容を覚えていない。懺悔的な意味でも、復習を始めた。主な復習の流れとしては、Udacityと書籍を並行して進めた。

ただ、仕事や日常生活において推論統計は使用機会が乏しくなりそうなので、統計検定を受けて知識を体系化しておきたい。来年度の5月~6月にあるそうだ。

www.udacity.com

www.udacity.com

www.udacity.com

数学ガールの秘密ノート/やさしい統計 (数学ガールの秘密ノートシリーズ)

数学ガールの秘密ノート/やさしい統計 (数学ガールの秘密ノートシリーズ)

 

 

完全独習 統計学入門

完全独習 統計学入門

 

 

(3) データサイエンス(2月以降) - コア

おそらく、UdacityのNanodegree「Data Analyst」を受講することになると思う。出費が厳しいので、ここは悩みどころだが。あとは、Udemyの「実践Pythonデータサイエンス」を受講する。実は1月時点で一度受講を終えているが、統計を復習した上でもう一度受講しておきたい。

www.udacity.com

www.udemy.com

 

(3) 数学・英語・コンピュータサイエンス(3月以降) - コア

時間に余裕ができれば、こっちの方も。線形代数と確率だったり、Future Learnをやったりが主になる。これらは無理せずに、日常的な勉強程度にしていく。コンピュータサイエンスはUdacityかな。

 

これからのこと

 新卒入社後の職種はまだ決まっていない。そもそも、会社でどんな職種が必要とされているのかも理解していない。制作会社のフロントエンドは領域が曖昧だし、アニメーションやビジュアライズの5割はセンスが占めている気がするので、できれば足を踏み入れたく無い。なので、やったことがない領域をやりたい。アドテクとか。データサイエンス系もやりたいけれど、職種として確立されていなさそうだった。