『モチベーション革命』感想
読みました。
気になった内容
- つまり、１年中会社勤めをするのではなく、まずは自分が生活者として生きることで、世の中の潜在的なニーズを拾ってきなさいという意図が込められているのです。時間をかけて課題を解決することよりも、課題自体を発見したり、新しく課題を定義したりすることに投資するべき時代なのです。
- 仕事と遊びの境目がなくなる時代だからといって、好き放題やればいいというわけではありません。周囲からの信頼感を得ているからこそ、自分がより得意なことに専念する状況を作るスタートラインに立つ、ということは忘れないでいてくれると嬉しいです。いつの時代も、人は信頼がすべてです。少し話は逸れましたが、これだけはずっと変わらない社会のルールなのです。
- そんな様子を見ながら、僕はあることを考えました。それは、人は自分にはできないこと、なし得ないことに対して、いくらでもお金を払うのだ、ということです。そして、自分にはできないことをしてくれる相手に対して、人は「ありがとう」という言葉をかけるのだと。
- 先の見えない、この変化の時代において間違いなく言えること。それは、一見非効率に見える人間の「好き」を突き詰めて、その「好き」に共感する人が「ありがとう」とお金を払ってくれる〝偏愛・嗜好性の循環〟こそが、残っていくということです。
- よって、自分が依存する先が一ヶ所しかないと、その一ヶ所がつぶれたときに路頭に迷うことになってしまう。変化する時代を自由に、自立して生きていくことは、何にも依存しないことではありません。むしろ依存先を一ヶ所にしぼらず、複数持つことが大事です。
- １、「ないものがない」時代から生きる「乾けない世代」は、上の世代に比べ、「達成」や「快楽」よりも「意味合い」「良好な人間関係」「没頭」に意味を置く世代であること。この世代だからこそ作れる「新しい価値」があるということ。 ２、その「新しい価値」は、自分だけの「好き」や「歪み」から生まれやすいということ。 ３、「自分だけの世界の見方」を発信すると、それが他の人にとって「新しい世界の見方」になったり、既存のモノに新しい意味を与えたりする
感想
「乾けない世代」は産まれたときから揃っているから頑張る必要がない＝乾けない、達成や快楽にはあまり興味がない。それよりも自分の好きなことをやることに意味を見いだす。
世の中的にもそうで、単に課題を解決するだけでは仕事にならないし、ほとんどの課題はすでに解決されている、だからこれからは課題を解決するよりも、課題を見つけるほうが必要なスキルとなってくるでしょう。そのために「乾けない世代」の没頭する力は有効に働く、と述べています。没頭できるからこそ新しいことが見つかり、それが周りにも認められるとビジネスにつながる、と。
そして、ビジネスとは人にできないことをすることでお金を生み出すことであり、そのためには人よりもそのことを突き詰めないといけない。そしてその状況（突き詰めるための時間や立場を持つ）にもっていくために仕事での信頼感は大切です。仕事で信頼を得て、好きなことを突き詰めて、ビジネスに繋がりゆく課題や歪みを見つけてそれを仕事にする それが求められてくるのではないでしょうか？
更には一つの環境や立場に依存するのではなく、そうしたコミュニティを複数持つことの重要性も語られています。
以前、尾原さんの本（『どこでも誰とでも働ける』）を読みましたが、こちらでも仕事上の信頼感を語っていた記憶があります。仕事は信頼で成り立っているもので、信頼があるからこそ相手のことを受け入れられるし、その人の好きが確かなものとして受け入れられるのではないでしょうか。
つくづく感じていることですが、技術だけではお金は稼げません。課題を見つけること、そしてその課題に対して解決策を提案できて初めてビジネスとしてなりたっていくものだと思います。
課題を見つけるためにはトップクラスまで上り詰めるか、ミドルクラスだとしても複数の分野に詳しくなって掛け合わせるか、のどちらかが有効なのではと考えています。現状、私が突き詰められるほどの好みや強みがあるかというと即答はできません。そのため最近は複数分野に詳しくなれるよう色々手広くやってみようと画策中です。
余談
ただ、これタイトルもうちょっとどうにかならなかったのですかね。。。どうモチベーションを上げるか、みたいな本かと思ったら世代間のモチベーションの違い＝モチベーション革命、ということらしく、わからなくはないけど、うーーんみたいな感じです。
機械学習・ディープラーニングの良書まとめてみた
はじめに
機械学習やディープラーニングには興味があったものの、プログラミングにコンプレックスがあったので、なかなか手が出せずにいました。しかし、去年下半期にPyQを一通りこなし、仕事でも多少プログラミングをするようになったこともあり、そろそろその分野の勉強を始めたいな、と。
勉強手段には色々ありますが、書籍は最低限のクオリティは保証されており、体系的に知識を得ることができるため、有用なものといえるでしょう。とはいえ本の中でもクオリティには差があると思います。そのクオリティを確かめるために、レビューを参考にする方は多いと思いますが、一体誰を信じればいいのでしょうか。この人とは価値観が合う、この人みたいになりたい、というものがあればその人のおすすめを参考にすればいいと思いますが、知識がない状況ではどの人を信用していいかもわからないと思います。
そこで考えました、多くの記事で紹介されているものならばある程度の質は担保されているのではないかと。多くの人に読まれている、はそれだけで意味があると思っています。多くの人が読んでいるからこそ共通言語として扱われているようなものもあると思いますし、疑問点も解決する可能性が高い。
ということで「おすすめ」「入門」「良書」とかで検索したいくつかの記事の中で、複数の記事に紹介されているものをまとめました。
余談
ここまで書いてまとめてから思ったのですが、こういう本を読むことはあくまで目的を達成するための「手段」です。なんとなく機械学習やってみたいなーと思ってなんの本読もうかなーぐらいの軽いモチベーションで始めてしまいましたが、本来はやりたいこと（＝「目的」）に最短距離で到達できる可能性が高い手段、がその人にとっての「良い本」であるはずです。
そもそも、機械学習そのものも手段です。何らかのデータ（数値、自然言語、画像、、、etc）に対して分析や解析をするためのイチ手法でしかないと思います。
そのため自分がやっていることは、志望校も受ける教科も決まっていないのに、おすすめの参考書をまとめてみたようなものです。
ただ、お蔵入りしても仕方ないですし、その本自体の評価を検討する上ではある程度意味があることだとは思うので、まとめてみました。
注意事項
- 機械学習の活用分野については考慮していません。 大まかな「機械学習」というくくりでやっているため、自然言語処理がやりたい！Kaggleで勝ちたい！と目的が明確な人はその目的に合わせて必要なところだけピックアップしてもらえればと思います
- 実際の内容については考慮していません。 合う、合わないは個人によるものが大きいと思いますので、立ち読み等で確認することを勧めます。
- カテゴリの判断基準はありません。 こちらの記事に従っていますが、含まれないものは私の独断と偏見でいれています。
- 並び順に意味はありません。 カテゴリ内で言及記事数が多いものは先に書いてあります。
- 参考記事の選定理由に深い意図はありません。 他におすすめなものがあれば教えていただけると幸いです。
- 抜け漏れ・確認不足あるかもしれません。 あったらすみません。
参考記事一覧
投票（投票_1~3で表記）
- ディープラーニング関連オススメ書籍TOP20＆テーマ別38冊を紹介！ | AI専門ニュースメディア AINOW
- 『Qiitaユーザーが選ぶ、2019年に読んで良かった技術書』アンケート結果発表 - Qiita Zine
- ITエンジニア本大賞 2020年、2019年、2018年
個人（個人_1~6で表記）
- 自然言語処理を学ぶ推薦書籍 - 首都大学東京 自然言語処理研究室（小町研）
- 実務の専門家として機械学習や統計分析を手掛けたい人にオススメの書籍初級5冊＆中級8冊＋テーマ別11冊（2020年2月版） - 渋谷駅前で働くデータサイエンティストのブログ
- Pythonを学ぶときに読むべき本2020年版 - 初心者からプロになるために - Lean Baseball
- 一から始める機械学習（機械学習概要） - Qiita
- 【保存版・初心者向け】僕が本気でオススメするPythonと機械学習の良書12選 - Qiita
- 数学に強いエンジニアむけの機械学習勉強法 - 飯田勇人 - Medium
企業（企業_1~3で表記）
- 初心者向け！機械学習を学ぶのにおすすめの本10選 | TechAcademyマガジン
- 機械学習本おすすめ6選【入門者〜上級者までレベル別に紹介】 | 侍エンジニア塾ブログ（Samurai Blog） - プログラミング入門者向けサイト
- 【2020年版】AI（人工知能）プログラミングを初心者から学ぶためのおすすめ本12選｜Kredo Blog
結果
3記事以上で言及されていたものをまとめました。書籍のあとの（）内は言及した記事です。
【入門編】
【実装・実践編】
Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎
- 作者:Andreas C. Muller,Sarah Guido
- 出版社/メーカー: オライリージャパン
- 発売日: 2017/05/25
- メディア: 単行本（ソフトカバー）
![[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)](https://images-fe.ssl-images-amazon.com/images/I/61qCGR2QqGL._SL160_.jpg "[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)")
[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)
- 作者:Sebastian Raschka,Vahid Mirjalili
- 出版社/メーカー: インプレス
- 発売日: 2018/03/16
- メディア: 単行本（ソフトカバー）
- 作者:Francois Chollet
- 出版社/メーカー: マイナビ出版
- 発売日: 2018/05/28
- メディア: 単行本（ソフトカバー）
scikit-learnとTensorFlowによる実践機械学習
- 作者:Aurélien Géron
- 出版社/メーカー: オライリージャパン
- 発売日: 2018/04/26
- メディア: 単行本（ソフトカバー）
【プログラミング編】
【数学・理論編】
- 作者:C.M. ビショップ
- 出版社/メーカー: 丸善出版
- 発売日: 2012/04/05
- メディア: 単行本（ソフトカバー）
- 作者:C.M. ビショップ
- 出版社/メーカー: 丸善出版
- 発売日: 2012/02/29
- メディア: 単行本
【ビジネス利用編】
終わりに
だいたいこういう記事は読んで満足感でちゃうので、買ってやっていこうと思います。
そもそもKaggle本を買おうとして、他にどんなのがいいかなーと思って調べ始めたので、うまく網羅できるように買っていこうかなと。。
あたりかなぁ。。
『日本再興戦略』感想
読みました。読んだのは数日前ですが、バタバタしていたら遅くなってしまいました。。。
記録しておきたい箇所
- これからの日本に大事なのは、いろんなコミュニティがあって、複数のコミュニティに所属しつつ、そのコミュニティを自由に変えられること（中略） ひとつのコミュニティに依存するのではなく、いろんなコミュニティに依存すればいい。
- その中で世界のあらゆるところに多様性が生まれます。あらゆるデータの表現系は二分法からグラデーションになっていき、人間の知性は個と全体の垣根を飛び越え、近代的人間性から超克される、と考えています。（中略）この考え方のポイントは、「リアル／バーチャル」や「フィジカル／バーチャル」など二分法や二項対立で分けたがる世界を突破するために、人間という考え方も含めて、すべてをミックスしてしまうということです。自然そのものも更新されうるということということです。
- では、新しい時代に磨くべき能力とは何でしょうか。 それは、ポートフォリオマネジメントと金融的投資能力です。
- ただし、むやみに横展開すればいいわけではありません。横との交流は、トップ・オブ・トップに会えるようにならないとあまり意味がないですから、まずは一個の専門性を掘り下げて名を上げたほうがいいのです。ニッチな分野でも構いませんので、とにかくまずは専門性を掘るべきです。せめてひとつは、トップ・オブ・トップの人と話すに足る何かを探さなくてはいけません。
- 「手を動かせ。モノを作れ。批評家になるな。ポジションを取った後に批評しろ」 僕は研究室の学生によくそう言っています。悩んでばかりでは意味がない。とにかくまずやってみる。その繰り返しの末にオリジナリティが生まれ、世の中を変えることができる。それが僕の伝えたいメッセージです。
感想
本書を通して感じたポイントは
- 「マス」から「多様性」への変化
- 非中央集権
の2点です。
これまではマス的な思考で社会が進んでいたため、一つの企業で定年まで勤めるライフスタイルでも問題ありませんでした。しかし、これからはマスの中の一個人ではなく、グラデーションの中で、独自の色を持つ個人として生きていく必要があります。
「デジタルネイチャー」と呼ぶ、コンピュータと非コンピュータが融合する環境においてはすべてのものが地続きであり連続することになります。そんな世界で、「自分は〜だから」「あの人は〜だから」と語るよりもまずはやってみてから判断することが重要となってきます。
グラデーションをつけるにあたってはまずは自分の濃い色を持った上で他からのエッセンスを吸収できるよう、トップになることも重要だと語られています。”みんなと一緒”ではだめで、”自分はこれ”を見つけた上で、他の人・ものとコラボレーションする。そういった生き方が求められてきているのだと感じました。
「非中央集権」もその一つだと思います。強力なトップがいる組織ではなく、みんなでイノベーションを起こしていく。自分の苦手なものは他の人の得意なことでカバーしてもらう。代わりに自分の得意なことで活躍していく、そんな組織が望ましいのかもしれません。
振り返ってみて、自分の強みはなんだっけな、と考えてしまいますが、即断できない時点でまだまだだなと思います。これまでやってきたことにとらわれず、いろんなことをやってみて、得意なこと人よりも苦手意識が少ないものを見つけていきたいと思いました。
『メモの魔力 The Magic of Memos』感想
読みました。
読むきっかけ
- 会社で話題になっていた
- ITエンジニア本大賞にもノミネートされていたため気になった
- kindle unlimitedにあったので
内容
- まず何より大切な理由が、この残酷なまでに時間が限られている人生という旅の中で、「より本質的なことに少しでも多くの時間を割くため」です。 本質とは何かというと、コピーではなく創造、代替可能物ではなく代替不可能物、ということ。つまり、クリエイティブで新たな知的生産につながる思考や、自分にしか思いつかないような代替不可能性の高い思考。これら価値のある本質的思考に１秒でも多く時間を割くために、メモをしているのです。
- 左側のページに書くのは、「ファクト」。つまり、どこかで見聞きした、客観的な事実を書きます。何か自分の琴線に触れたものがあれば、その現象自体が「ファクト」なので、左側のページにまず書き記しておきます。 左側は、「抽象化」した要素を書きます。左ページの「ファクト」を見つめて、そこで書かれている具体的な内容を「抽象化」します。左ページに書いた内容から、抽象化すべき要素を見つけたら、そこから適宜右ページに矢印を引っぱって、対応する抽象命題を書いていきます。 次に、抽象化した気づきを別の何かに適用して実際に行動を変えるため、右ページの右側には、「転用」の要素を書いていくのです。「〇〇という真理・命題を受けて、これをこう変えてみよう」という、実際のアクションにつながる粒度まで落として書くことが重要です。
- メモをとる上では、現象を言語化する「What型」と、特徴を抽出する「How型」、抽象化して物事の本質を知る「Why型」があり、すべて便利ではあるが、知的創造においては、「How型」と「Why型」、特に最後の「Why型」が大きな価値を生み出すことが多い、とだけ、覚えておいてください。
- 最終的には「自分は何をやりたいのか？」という問いに行き着きます。自分を知り、自分の望みを知らないまま、どんなビジネス書を読んでも、どんなセミナーに行っても、まず何も変わらないでしょう。まず「自分を知る」ことがなによりも重要です。
- ＳＭＡＲＴというゴール設定のフレームワークを「夢」に応用する際に特に大切なのは、「Ｓ」と「Ｍ」と「Ｔ」です。具体的で、測定可能で、時間の制約をちゃんと設ける。これによって、夢がかなう確率が大幅に上がります。
感想
まとめる重要性（「ファクト（具体）」→「抽象」→「転用（示唆）」）を痛感するとともに、その流れが世の中的にも望まれていることを思いました。要約サービスが流行ったり、YouTubeでビジネス書や古典の解説が話題になったり、と可処分時間の奪い合いとともに、エッセンスだけが段々と求められてきているように感じます。
一方でそのエッセンスの抽出やそこから得られる行動や示唆は人によって異なるはずです。その人にしか出せない抽象化やアイディアが差別化になってくるのではないでしょうか。本の要約サービスでエッセンスを掴むことは可能でしょうが、読んで自分の想いを乗せることによってようやく自分のものになる、そんなことを思いました。
あとは質は量から出るものだと思うので、本の感想まとめは続けていこうかと思います。
エクスポートしたはてなブックマークのフィードをCSVファイルに変換する
はじめに
はてなブックマークにおいて、特定の1年にブックマークした自分のブックマークを確認したかったのですが、マイページからはわかりにくかったため、Pythonの練習がてらブックマーク一覧をCSV形式に変換しました。
はてなブックマークの [マイページ > 設定 > データ管理] からブックマークのデータがエクスポートできます。出力可能な形式は
- ブックマーク形式
- Atomフィード形式
- RSS1.0形式
の3パターンです。中身を見てみたところ、Atomフィード形式が扱いやすそうだったので、そちらを利用することにしました。
入力データ
はてなブックマークからエクスポートできるAtomフィード形式のファイルは以下の形式です。どうやらxml形式として扱えそうです。（値は適宜置き換えています）
<?xml version="1.0" encoding="UTF-8"?> <feed xmlns="http://purl.org/atom/ns#" xmlns:dc="http://purl.org/dc/elements/1.1/" xml:lang="ja"> <title>(はてなID)のブックマーク</title> <link type="text/html" rel="alternate" href="https://b.hatena.ne.jp/(はてなID)/bookmark"/> <link type="application/x.atom+xml" rel="service.post" title="(はてなID)のブックマーク" href="https://b.hatena.ne.jp/atom/post"/> <entry> <id>tag:hatena.ne.jp,2005:bookmark-(はてなID)-(数字列)</id> <title>(ページタイトル)</title> <link type="text/html" rel="related" href="(ページURL)"/> <link type="text/html" rel="alternate" href="(ブックマークURL)"/> <link type="application/x.atom+xml" rel="service.edit" title="(ページタイトル)" href="https://b.hatena.ne.jp/atom/edit/(数字列)"/> <summary>(コメント)</summary> <issued>(日時)</issued> <author> <name>(はてなID)</name> </author> <dc:subject>(タグ1)</dc:subject> <dc:subject>(タグ2)</dc:subject> </entry> <entry> ... </entry> ... </feed>
方針
日付でブックマークをフィルタして確認することが目標です。出力結果には以下のものが含まれることにしました。
- 通し番号
- ブックマークしたページタイトル
- ページのURL
- 自分のコメント
- ブックマークした日時
- タグ
作成したコード
import bs4 import csv from datetime import datetime soup = bs4.BeautifulSoup(open('(bookmarks.atom)'), 'xml') entry_list = [] header = ['index', 'title', 'URL', 'comment', 'time', 'tags'] entry_list.append(header) entries = soup.find_all('entry') for idx, entry in enumerate(entries): data = [] index = str(idx) title = entry.find('title').text link = entry.find('link').get('href') summary = entry.find('summary').text issued = entry.find('issued').text time = datetime.strptime(issued, '%Y-%m-%dT%H:%M:%S%z') time = "{0:%Y-%m-%d %H:%M:%S}".format(time) tags = entry.find_all('dc:subject') tag_list = [] for tag in tags: tag_list.append(tag.text) tag_data = ','.join(tag_list) data.append(index) data.append(title) data.append(link) data.append(summary) data.append(time) data.append(tag_data) entry_list.append(data) with open('data.csv', 'w', encoding="utf_8_sig") as file: writer = csv.writer(file, lineterminator='\n') writer.writerows(entry_list)
出力結果
以下の出力結果が得られます。
index,title,URL,comment,time,tags 0,(ページタイトル),(ページURL),(コメント),(日時),"(タグ1),(タグ2)" 1,... ...
自分が欲しい情報のみを出力しているので、コードを変更すれば他の値も出力可能です。
感想
これまでコードを書いてこなかったので、意図する動きをするプログラムが書けて良かったです。 本当はもう少し解説？してqiitaに投稿しようと思っていましたが、力尽きたのでひとまずここで供養することにします。
『外資系コンサルが教える 読書を仕事につなげる技術』 感想
読みました
読むきっかけ
- Kindle Unlimitedに入ってしまい（？）、良さそうだと思ったため
- 本を読んでいるが、活用できていないのためそれの打開になればと
読む前の思い
- 本を活用するやり方を知りたい
印象に残った内容5点
ビジネス書の名著をしっかり読む、いわばビジネスパーソンとしての基礎体力をつけるための読書と、リベラルアーツ＝教養に関する本を読む、いわばビジネスパーソンとしての個性を形成するための読書の2種類
リベラルアーツを収めるための読むべきカテゴリー
- 哲学（近・現代思想）
- 歴史（世界史・日本史）
- 心理学（認知・社会・教育）
- 医学・生理学・脳科学
- 工学（含コンピュータサイエンス）
- 生物学
- 文化人類学
リベラルアーツの読書を仕事の成果につなげるために、やらなければならないこと。それは「抽象化」（中略）抽象化とは、細かい要素を捨ててしまってミソを抜き出すこと、「要するに○○だ」とまとめてしまうこと。 モノゴトがどのように動いているか、その仕組み＝基本的なメカニズムを抜き出すことです。経済学の世界ではこれを「モデル化する」と言います。
優先順位づけによる選抜です。アンダーラインの箇所がどんなに多かったとしても、イケスに放り込むのは基本的に５カ所、どんなに多くても９つまで。
リベラルアーツに関連する読書において重要なのは、単に転記するだけではなく、必ずビジネスや実生活における「示唆」を書き出すということです。（中略）
- 面白かった箇所
- ビジネスや実生活に対する示唆
- 具体的なアクションの仮説
感想
本の読み方として2種類に分類し、何度も読むべき基礎体力をつける本と読書記録をつけて記録しておく教養の本、の考え方は新しくて参考になった。特に教養本の読み方は参考になった。
ちなみに基礎本はおすすめ曼荼羅があったので、そちら参考にしてみるのもいいかなと。ただ、経営やリーダーシップなど、いわゆるビジネスパーソン向け、と感じたので、エンジニア観点では全てが参考になるかというとウーン、という感じ。
全体をざっと読んで重要な部分を抜き出す、ことは抽象化の観点から見ても非常に重要だと思った。読書は投資活動であり、アイドルタイムをへらす工夫、つまらない本を読まないようにする工夫、選ばないようにする工夫も頷けるものだった。
またビジネスの進め方としても全体を掴んで、抽象化するやり方、は必要だと感じた。
積ん読が増えてしまって、アウトプットや読み方に迷っていたが、教養本のやり方は実践していきたい。ガツガツ線引いて選んでいく行為はなかなかあってそうだと感じた。（ただ、選ぶのはけっこう大変）
PyQやってみた
随分書いてなかったですが、今年はアウトプット頑張ろうと思うので、何でも書いていこうと思います。さて、昨年度末からつい最近までPythonの学習サービスPyQやってたので、その感想です。
PyQの詳細は省略させていただきます。以下の記事が参考になるかなと。
【もう挫折しない】Python学習サイトPyQが入門者におすすめな理由 | misclog（ミスクログ）
では、どうぞ。
総評
- 手を動かして学習したいPython初心者にはかなりおすすめのサービス
- やりたいときにやりたい場所でできるため、学習へのハードルが下がる
- 値段から考えてもコンテンツは豊富であるが、月課金なので、短期集中をおすすめ
自分のスペック
- 20代後半社会人
- プログラミング学習経験
- 総じてプログラミング初心者です
- 業務でDjangoを使うWebアプリ開発をすることとなったため、学習を計画
- プログラマーになるというモチベーションではなく、書いてあるコードが読めればいい、ぐらいのモチベーションでした
- 何しようか、と調べて以下のページを参考にPyQをすることに決定
やった時間、内容
- 契約期間：3ヶ月（10月後半〜1月後半）
- やったこと
- 未経験からのPython文法 - PyQ
- Webアプリ・API - PyQ
- データ分析 - PyQ
- 機械学習 - PyQ
- スクレイピング - PyQ
- その他気になったクエストをつまみ食い
やってみての感想
よかったところ
- 学習に対するハードルの低さ
- 進行状況はサービスで管理されているため、自宅のデスクトップ、出先のノートPCと端末を変えても実行できるため、学習までのハードルを下げることができます
- PCさえあればできるので、ちょっと空き時間にやっとくか、ぐらいの気持ちで学習することができたのも継続につながったかなと
- サイトが重いとかいうこともなく（機械学習の回答チェックだけ他のコースと比べて少し時間かかりますが）サクサクできることもよかったです
- 環境構築が不要
- 演習に集中できる
- 1点目と被る点もありますが、コンテンツがコースとしてまとまっているため、どう進めればいいんだろう、と迷うことなく、今日はこれ！とできました
- 書いたコードのチェック→クリア→次ページ、と進む仕組みだが、コードのチェック、次ページに進行、にキーボードショートカットがあるのは非常に便利でした
- 始めた当初はページ送りにキーボードショートカットなかったと記憶しているのですが、いつの間にか追加されていたのも好印象でした
気になったところ
- 復習しにくい構成
- あくまで自分で手を動かすことがメインになっているため、あの処理どうするんだっけ？あの仕組みってどうだっけ？といったことを振り返ることがやりづらいです
- あくまでこのサービスはよくできた問題集の扱いで考えるといいのではないかと思いました
- 継続すればするほどコスパ悪
