よこ🏔

Product Architect

よこ🏔

Product Architect

  • 好きなものを好きなだけ

    好きなものを好きなだけ食べたり飲んだり お気に入りのお店、美味しかったレシピ、食にまつわる言葉や記憶へのダイアローグ

ナラティブがプロダクトを輝かせる

以前から、プロダクトにはナラティブが必要と言ってきたのですが、一度簡単にでも言語化します。 プロダクトをプロジェクトとの対比にするとこんな感じになって、また、ストーリーとナラティブの対比と合わせるとわかりやすくなるかなと思います。 ストーリーが、英雄譚やハリウッド映画だったり、ハッピーエンドにしろバッドエンドにしろ何かしらエンディングがあるとしたら、ナラティブは終わりなき日常の語りであり、それは今この世界に生きている人たちの共体験と考えます。 先日のみずほ銀行のプロジェ

よこ🏔

    • スタートアップの電気

      スタートアップで特に必要なもの。 それは熱量、ということにはあまり異論はないと思う。 ただ、やはり熱があるだけでは限界がある。 どんなに熱量がある創業者がいても、そのまわりを熱くすることは可能でも、遠く離れたところへ届けることはなかなか難しい。 そこで、熱を電気に変えるタービンが必要になる。 それは、人だったりカルチャーだったりプロダクトだったりするけれど、それをつくってしまえば遠くの灯りをともすことが可能になる。 ただし現実世界と同じくつくった電気をそのまま貯めることは

      よこ🏔

      • Sales & Delivery Enablement

        新チームを立ち上げました。メンバー１名ですがw Sales & Delivery Enablementは、セールス・イネーブルメントとデリバリー・イネーブルメントをガッチャンコした概念です。 セールス・イネーブルメントは去年あたりからちらほら見かけるようになった、営業組織の強化みたいなイメージですが、個人的には「できる化」と思っています。 図にすると、 ですね。知識と経験の画像は昔からネットで回っているものです。 図の通り、知識から経験への誘導がメインですが、前段として知

        よこ🏔

        • 16年ぶりに正社員になって半年たった

          タイトル通りです。と、書きなぐりです。 良くなったところ 1. チームへのコミットが深くなる これはまあそうですよね、と。 良くも悪くも正社員は組織とのつながりが強いため、チームもその影響をうける。 で、コミットが深くなるとやはりモーメントが大きくなる。 2. 雑務が減る バックオフィスの人たちのおかげです。 フリーだと様々な名もなきタスクをやってくれるおかげでとても助かります。 3. 相手先へのリーチが太くなる 個人では相手にもされないような企業と直で話せます。 こ

          よこ🏔

        ナラティブがプロダクトを輝かせる

        よこ🏔

        マガジン

        • 好きなものを好きなだけ
          3本

        記事

          プロジェクトエンジニアというロール

          を考えてみる。 プロジェクトマネージャーやは良く聞くけど、プロジェクトエンジニアというロールはほとんど聞かない。 それは何故か？ そもそもエンジニアのロールはつくる対象と結びつきが強い。ざっと挙げると - フロントエンドエンジニア - バックエンドエンジニア - iOSエンジニア - Androidエンジニア - SRE 等々。 では、プロジェクトエンジニアはプロジェクトをつくるのか？　というとやはりちょっと違う。そこで、そもそもプロジェクトとは何なのかから考える。 新し

          よこ🏔

          プロジェクトエンジニアというロール

          よこ🏔

          疲れない会議

          リモート体制になって毎日毎日、何時間もオンライン会議している方々お疲れ様です。 今までは、移動時間とかあって、会議と会議の間でちょっと気分転換できてたのに、今や終了と同時に次の会議というのも珍しくない日常です。 そんな会議ですが、あまりに疲れることないですか？ ここでは、そんな疲れの原因の一つを解消します。 それは何か？ 答えは単純で、オチがあるか分からないことです。 関西人ネタで、「で、この話オチあるん？」と言うのがありますが、会議もそうです。 オチ＝結論があるかないか分

          よこ🏔

          疲れない会議

          よこ🏔

          なぜ言語化が必要か

          いろんなプロジェクトやチームで、言語化言語化とわめいているのですが、なぜそうしているのかを言語化しておこうかな、と。 人の行動には理由があります。 お腹がすいたからご飯を食べる。 悲しいことがあったから泣く。 バカにされたから怒る。 こういった単純なものから、複数の理由が影響しあっておこる行為もあります。そういったものはすぐには説明できないのでなんとなくで片付けます。 なんだか良く分からないけどイヤな予感がするから別の道から行こう。 特に理由はないけど、ふらっと旅行しよう

          よこ🏔

          なぜ言語化が必要か

          よこ🏔

          リサーチ

          twitterで見かけたので。 これはほんとその通りで、技術選定とかでリサーチするときもほぼ同じ。 とくにGoogleの結果をどんどん読んでいくとヒントがある。 それとGoogle SchoLarでの検索も有用。

          よこ🏔

          リサーチ

          よこ🏔

          ComposerからAIプラットフォームのジョブを起動する

          # これは何？ [前回](https://qiita.com/yoko8ma/items/f6a64cb3c21148e29215)でつくったカスタムコードトレーニングを、パッケージ化してCloud ComposerのDAGから起動する手順。 # 準備 Cloud Storageのバケットを作成する。現在、ML Engineの学習処理は東京リージョンにはないので、台湾リージョンで実行する。バケットも台湾リージョンに作成する。 $ PROJECT_ID=<プロジェクトID>

          よこ🏔

          ComposerからAIプラットフォームのジョブを起動する

          よこ🏔

          GitHubの運用を考えてみた

          # これは何？ チーム開発ではデファクトともいえるバージョン管理ツールGitHubで、ブランチの作成やプルリクエストをどうやって運用していくか考えてみたもの # パターン ## 共通 - masterをベースにhotfixを作成する - hotfixからmasterへプルリクエストを発行しマージする ## master-featureパターン ### フロー - masterをベースにfeatureブランチを作成する - featureブランチからmasterへプルリクエ

          よこ🏔

          GitHubの運用を考えてみた

          よこ🏔

          【2019夏】エンドツーエンド機械学習のアーキテクチャの最適解はこれでは？

          # 結論 ![e2e arch.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/2137/7b9151b9-8281-4115-f1a2-f2c501b32156.png) - 前処理や標準化等のデータの処理はDataflowで実行する - 学習や評価、デプロイ等のモデルの処理はAI Platformのジョブで実行する - 上記のワークフローをComposerが管理する # 制約 - 学習

          よこ🏔

          【2019夏】エンドツーエンド機械学習のアーキテクチャの最適解はこれでは？

          よこ🏔

          GCPのAI Platformで学習ジョブを動かしてみる

          # これは何？ Google Cloud Plataform(以下GCP)のAI PlatformでIris Datesetの学習ジョブを実行する。 基本的には[公式](https://cloud.google.com/ml-engine/docs/scikit/getting-started-training?hl=ja)をなぞっただけ。 # 準備 適当にググって下記のインストールや設定をする - scikit-learnのインストール - GCP SDKのインストール

          よこ🏔

          GCPのAI Platformで学習ジョブを動かしてみる

          よこ🏔

          Keras 深層学習 AppEngine Python gcp

          # これは何？ - [前回](https://qiita.com/yoko8ma/items/0068f7ef1a1b03c5f46d)で公開したAPIをブラウザから利用する - ソースコード: [GitHub](https://github.com/yoko8ma/gcp-tutorial/tree/master/appengine/standard_python37/iris) # 環境 - Keras - Python3系のスタンダード環境のAppEngine - A

          よこ🏔

          Keras 深層学習 AppEngine Python gcp

          よこ🏔

          KerasでIrisを深層学習してAPIで公開する

          # これは何？ - [前の記事](https://qiita.com/yoko8ma/items/2dbf6c30afd885eb67d0)で学習したモデルを使って、アヤメの予測をAPIとして公開する手順 - APIはGoogle Cloud Platform(以下GCP)のAppEngine上にデプロイする - ソースコード: [GitHub](https://github.com/yoko8ma/gcp-tutorial/tree/master/appengine/sta

          よこ🏔

          KerasでIrisを深層学習してAPIで公開する

          よこ🏔

          KerasでIrisを深層学習

          # これはなに？ - Kerasを使ってscikit-learnのデータセットにあるアヤメデータを分類する - [GitHub](https://github.com/yoko8ma/gcp-tutorial/blob/master/notebook/Iris/Iris.ipynb)にnotebookはアップ済み # 準備 - Python3系で実行するので仮想環境を用意する([参考](https://qiita.com/yoko8ma/items/89a1b6f404ba

          よこ🏔

          KerasでIrisを深層学習

          よこ🏔

          Cloud Composerでexpr_pb2のエラー対応方法

          --- title: Cloud Composerでexpr_pb2のエラー対応方法 tags: gcp CloudComposer BigQuery PubSub Python author: yoko8ma slide: false --- GCPのCloud ComposerでBigQueryとかPub/SubをPythonから実行しようとすると、次のようなエラーが出る場合がある。 ``` [2019-08-08 06:46:48,377] {base_task_ru

          よこ🏔

          Cloud Composerでexpr_pb2のエラー対応方法

          よこ🏔