引越し時にOneNoteが最強だった件

先日、家族４人で１０年住んだ名古屋から引っ越したわけですが、
その際にOneNoteが超便利だったという話です。

１　タスク管理に最強

引越しの際は、ライフラインの手配、保育園のあれこれ、引越し手続きのあれこれ、賃貸契約のあれこれなど、
やることがもりだくさんなわけです。

が、知っての通りOneNoteにはタスクシール機能があります。

これでTodoはばっちりです。

2　大事な情報管理に最強

退去の際に痛感したのですが、10年たつと、もろもろ契約書類や大事な書類がどっか行ってるわけです。

これはまずい

と思い、すべての重要な情報をOneNoteで管理することにしました。

やり方は簡単。 手続き等で発生した情報や紙をOneNoteで写真撮っておくだけ。 （必要であればメモも併記）

昨今はWEBが発達した関係で、色々なID、PASSが発生しますが、 いちいち覚えておかなくてもこれでばっちり！

※間違っても、ID、PASSを記載したノートを公開共有しないようにね♪

これで、ズボラな私のような人でも、ばっちり情報管理できそうですね！

引越しを備えている方、大事な書類や情報をすぐ失くしてしまう方、
ぜひOneNoteを使いましょう！

Matplotlib アスペクト比の調整

Matplotlibでグラフ描写する際、アスペクト比でちょっとはまってしまったので覚書メモです。

グラフ描写準備

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
plt.style.use("ggplot")

x = np.linspace(-3,3,100)
x2 = np.linspace(0,3,100)
f_y1 = np.exp(x)
f_y2 = np.log(x2)

グラフ描写

まずは普通に描写してみる。

#plt.figure(figsize=(6,6))
g = plt.subplot()
g.plot(x,f_y1, color="red")
g.plot(x2,f_y2, color="blue")
g.set_ylim([-3,3])
g.set_xlim([-3,3])

と、こんな感じでx,y軸の範囲は同じであるにも関わらず横長になる。
指数関数と対数関数の逆関数関係なので、できれば正方形で表示したいのです。

アスペクト比を調整するにはset_aspect('equal')を入れればいいらしい。

g = plt.subplot()
g.plot(x,f_y1, color="red")
g.plot(x2,f_y2, color="blue")
g.set_ylim([-3,3])
g.set_xlim([-3,3])
g.set_aspect('equal')

公式リファレンスはこちら

figsizeでも上手くいく。個人的にはいつもコレでサイズ調整することが多いので、 こっちを使っておいて良さそう。

plt.figure(figsize=(5,5))
g = plt.subplot()
g.plot(x,f_y1, color="red")
g.plot(x2,f_y2, color="blue")
g.set_ylim([-3,3])
g.set_xlim([-3,3])

ママパパの味方！ OneNoteでレシピ管理

以前の記事でOneNoteのWeb Clipを紹介したところですが、レシピの保存もできることをご存知でしたか？？

適当なレシピサイトを開いて・・・

レンジで簡単！チーズデミグラオムライス♪

web clipを起動すると・・・

レシピ用のClipが表示されるんですね。

OneNote上でもキチンと材料と調理工程が確認できます。

ばっちりですなぁ。

献立で悩めるパパ・ママ、手当たり次第に気になったレシピをOneNoteにぶち込んでみてはいかがでしょう？

はじめてのてんしょく

私事ではございますが、この度転職させていただくこととなりました。

本日が最終出勤日、１０月１６日から渋谷で働きます。

引越しなども伴う家族総出の大決断になってしまいました。

今後は、企画&ポイント事業会社さんでデータアナリストとして働きます。

データ解析については今以上に専門性が求められるので、身が引き締まる思いです。

そして次職でもOneNoteが使えるといいな・・・(笑)

OneNoteはいろんな人にやさしいユニバーサルデザイン【イマーシブリーダーの紹介】

先日OneNoteでメモメモしてたらこんなのを発見したんです。

イマーシブリーダー？なんじゃらほい？

ってことで調べてみました。

onenote の学習ツールに含まれているイマーシブリーダーは、onenote ドキュメントのコンテンツを読みやすくするための全画面閲覧のエクスペリエンスです。学習ツールは、教室で失読症と dysgraphia の学生をサポートするように設計されていますが、デバイスで読みやすくする必要があるユーザーをサポートすることができます。

Use Immersive Reader for OneNote (OneNote のイマーシブ リーダー機能を使用する)

ほええ、いろんな人に配慮してるんでござるねぇ。

こんなふうになります。音声が出せないのであとは皆さま自身でお試しあれ。

Pythonコーディング・データ分析のお勉強方針メモ

QiitaにてPython×PowerBI記事を連載することにしました。

PowerBIはともかく、初心者の方はPythonの敷居がめちゃくちゃ高い方も多いのではないかと思います。

私自身、胸を張って書けると言えるレベルではないですが、 どのようにしたらPythonで楽しくコーディング・データ分析できるレベルになるか、 勉強の方針だけ書いていきたいと思います。

※だいたい予算１万円ほどご用意を！

いきなりPython初心者本を開くの禁止

これは私が最初にハマった問題。 いきなりPython初心者本を開くのは、相当モチベーションが高くないかぎりやめたほうがいいです。

※例えばこんなやつとか（説得力無いですが、間違いなく良書です）

みんなのPython 第4版

どんなことができるのか体験する

Pythonを使ったデータ分析でどんなことができるのか視覚的に体験してみるのがとてもいい感じ。 たとえばUdemyの以下コースは最初に取り組むにはとてもおススメ（一部、内容が古くてうまく実行できないフローがあります。）

www.udemy.com

コーディング？知らなくても大丈夫です。見様見真似にまずはやってみましょう。 コースの中に簡単なPython構文の解説動画が載っているので、それを最初に見るのが効率的かと。

環境構築でくじけない

上記コースでも案内がありますが、Pythonでは環境構築が最初のカベとして立ちはだかります。 ここで心折れてはいけません。

Anacondaを利用した環境構築

まずは王道かつ簡単なAnacondaを利用した環境構築です。 詳細はこちら。

qiita.com

クラウドを利用した環境構築

環境構築というか、クラウド上の環境を利用するため、”環境構築不要”で実行できる方法です。

・Azure Notebook

・Google Colabratory

いずれも、簡単なアカウント登録のみで無料で利用できます。 GoogleColabのほうはデータ取り込み等のクセが強いため、初心者の方はAzureのほうをおススメします。 ただ、いずれもクラウド上の環境であることを前提にする必要があり、最初はAnaconda等のローカルの環境に慣れたほうが無難です。

Pythonの基本を覚える

Udemyでどんなことができるか体験し、ちょっとしたコードの記載方法を覚えたら、自分でガシガシ書けるようになりたくなっているはず。 この下地ができてから、Pythonの基本をみっちり叩き込むようにしましょう。

初心者本を利用する

最初に紹介した以下みんなのPythonはまぎれもなく良書だと思います。 ある程度下地があれば、あいまいなところをかいつまんで読むぐらいでOKだと思います。

みんなのPython 第4版

オンライン学習サービスを利用する

今はオンライン学習サービスがとても充実しています。 私が利用したのはProgateのサービス。月額約1,000円くらいで、コーディングの基本をブラウザ環境のみで覚えることができます。

prog-8.com

ちょっと技術力を高めたければ、ゲーム感覚で以下のようなものも面白そうです。

checkio.org

データ分析特有のライブラリ等の使い方を覚える

絶対にはずせないライブラリは以下のとおり

• pandas
• numpy
• matplotlib
• scikitlearn
• seaborn
• statsmodels
• scipy
• その他ディープラーニング、ベイズ系など（tensorflow, pystan）

この辺は、以下のようなデータサイエンス基礎本でみっちり修行しつつ、 実践&ググるで育てていくしかないのではないかと思います。

Pythonによるデータ分析入門 第2版 ―NumPy、pandasを使ったデータ処理

Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習

[第2版]Python 機械学習プログラミング 達人データサイエンティストによる理論と実践 (impress top gear)

もしくは、データ分析・機械学習系のオンライン学習を利用するのもとてもよいのではないかと思います。（私は未実施）

aidemy.net

統計・機械学習のキソを覚える

データ分析したければ、最低限の統計スキル（必要に応じて機械学習も）が必要になります。

統計のキソ固めはここで十分

bellcurve.jp

書籍系だとPython×データ分析系の書籍がいろいろ優秀。

Pythonで学ぶあたらしい統計学の教科書 (AI & TECHNOLOGY)

Pythonで動かして学ぶ！ あたらしい機械学習の教科書

実践してみる

ある程度基礎固めをしたら、あとは実践の中でいろいろ覚えていくしかないような気がします。 というか、ここまでこなせれば自然と自分で学習できていきますので、あまり解説は不要なのですが・・・(笑)。

kaggle

Kaggle: Your Home for Data Science

言わずと知れた、機械学習コンペサイトです。 kaggleのいいところは、他の人が書いたコードをkernelで確認できること。 写経がはかどりますw

SIGNATE

signate.jp

こちらも日本版のコンペサイト。 ほかの人のコードは見れませんが、英語が不自由な方はこちらから挑戦してもいいかも。

おわりに

プログラミング初心者でも、Udemyみてprogateやっていくつかデータ分析本回れば、あとは自然と自分でいろいろやりたくなると思います。 最初のカベは高そうですが、一回やってみると意外と食わず嫌いであったことが分かります。 理系・文系とか、英語の羅列みると意味ぷーとか言う前に、まずは一歩目を踏み出してみましょう！

Microsoft MVP - Data Platformを受賞しました！

2018年7月1日付けで、Microsoft MVPを受賞しました！

カテゴリは Data Platform での受賞です！

・・・このブログでの報告はなんと紛らわしいｗ

本業のPowerBI関連の活動実績が認められました。

PowerBIに魅了されて約３年、色々な勉強と啓発の機会をいただいた結果であり、コミュニティの方々には感謝の言葉もありません。

そしてこのプレッシャー感・・・受賞より維持が何より大変なのではないかと。

まぁ技術も知識も元々無い私なので、
受賞継続できなくても、今まで通りPowerBI好きな方々と一緒に学べる機会を続けていければいいかな～と思っている次第です。

引き続き、楽しんでData Analyticsしていきましょう！

---

そして今日、アワードキットが届きました！！

お約束の楯と・・・・

賞状的なやつ

ステッカーもさっそく

英語が不自由なので、色々読み込むのにまた大変です。