大学院生のぼうびろく

自分の思考の記録とアウトプットがコンセプトです.留学/研究/プログラミング/統計/機械学習

CyberAgentのアドテクコンペに参加してきました

CyberAgentのアドテクコンペに参加してきました.

サーバーチームとデータ分析チームの2人ずつのチームで

3日間でDSPを開発するコンテストでした.データ分析サイドで参加しました.

www.cyberagent.co.jp

 

上手くいかなかった経験は記録に残したほうが良いと思ったのと,

書いて良いよと言われたので書きました. 

 

参加したキッカケ

以前1on1面談会でお会いしたサイバーエージェントの人事の方に勧められて参加しました.チーム開発経験もなくgithubもちゃんと使ったことがないアレな人材ですが,なぜか受かったので参加させていただきました.

 

 

参加前

slackでグループが作られ参加する人が自己紹介していくのですがみなさん自己紹介が強そうすぎて終始震えていました.(ちなみに最年長でした.一番若い方で高校生だったので9才差でした笑)開発期間は短いのでslackでチームが決まって段階でオンラインやオフラインで話すなど色々できたなーと他のチームの話を聞いて今更思いました.

 

1日目

午前:レギュレーションの説明

高速な入札をどれだけ捌けたか

広告主の持っている予算の消化率

1クリックあたりのコスト

最終プレゼン

で順位が決定する感じでした.

 

データ分析チームとしては,

①クリック率(CTR)の精度を高める

②入札ロジックを考える.(どの広告主でいくら入札するか)

③サーバーサイドのことを考えてモデルの軽さも考える.

といったことが求められました.

 

午後: 開発開始

という感じでした.

データの特性をみるためにEDAしてベンチマークとして

ロジスティック回帰に特徴量ぶちこんでベンチマークを作ろうという話になりました.

そのあとxgboostに切り替えて精度をあげていくといきました.このあたりが全ての間違いでした.特徴量を丁寧に作ってロジスティック回帰で十分に勝てたと思います.

 

pythonでずっとEDAして可視化の際はメンターの方にtableauを教えていただきました.めちゃくそ便利でした.学生無料です.

 

2日目

精度が上がらなくなって色々試していましたが時間を溶かしてしまいました.振り返るとAUCをギリギリまであげようとしていましたが,今回はAUCをあげることが目的ではなく,コンペに勝つことが目的だったのにあまり周りが見えていなかったなという点が反省です.蓋を開けてみればAUCは全チーム似たような感じだったので入札ロジックにもっと時間を割けばよかったとおもいました.

 

3日目

プレゼン日+本番でした.なにもかもが間に合っていなかったので徹夜でチームで開発していました.せっかくホテルを取ってくださっていたのに本当にすみません,という感じでした.ほとんどベッドを使いませんでした笑

 

4時間の競技本番では,自分のチームが作ったDSPが入札を捌けていないことに気づきました.結局,作った機械学習モデルからルールベースの単純なモデルに急遽切り替えるという苦渋の決断をしました.メンターの方には「思考停止せずに代案をだして良いね」と言われましたが,2日間のサーバーサイドの頑張りを飛ばして本当に申し訳なかったです.(データ側のモデルに耐えうるサーバーをギリギリまで作ってくれていたので)また,DSPの対応でプレゼン資料を作る時間もなく反省点山盛りでした.

 

反省点

①サーバーサイドのことを考えずに重いモデルを採用してしまった点

 研究やkaggleでしか機械学習を用いないので「モデルの軽さ」を意識したことがなかったです.同じデータ分析でもkaggleで特徴量作りまくってアンサンブルしてーみたいな世界と全然違うんだなーという感想です.「AUC0.01しか上がらないならロジスティック回帰のほうがよくね?」という簡単な判断が何故できなかったのか謎です.

 

②精度にこだわりすぎた点

 ①とも関連しますが,AUCをあげることにリソースを割きすぎだったと思います.優勝チームとのAUCの差は0.01くらいでしたが,どのチームもAUCは似たりよったりでした.AUCをあげるだけのゲームではないので,なにが目的なのかをもう少し意識できれば良かったなーと思いました.

 

③結果のアウトプット

 仮説検証や特徴量抽出などは考えうることはほとんどやっていたのにスライドのアウトプットとしてなにも出せませんでした.「このチームは仮説検証力の評判が良い」と後でメンターの方々に言っていただけただけにもったいなかったと思いました.

 

 

感想

 わからないことだらけでしたが,聞けばなんでも答えてくれるメンターの方々がいて本当に良い環境でした.また,チーム開発をした経験がないので実際にサーバーサイドと連携する際に求められることなどが分かって非常に勉強になりました.サーバーサイドの基本的な予習をもっとしておけばより楽しめたかなーと思います.あと強すぎると思っていたメンターをしてくださっていた方々が1年目の新卒の方だということに途中で気づいて驚きました.また,3日間のインターンとは思えないレベルで人やお金やその他諸々のリソースが割かれている感じがしてすごかったです.インターンシップは2週間未満はお遊び,みたいなことを言う人を見かけますが無視でOKだとおもいました.まる.

DL4US2期受講します(内容のない報告).

DL4USを受講します.

宣言しておかないと途中で脱落しそうなので記録しておきます.

 

DL4US | Deep Learning for All of Us

・DeepLearningの無償のオンライン教育 プログラム

・2ヶ月間の集中プログラム

・東大松尾研が全面的にコンテンツ監修

 

受講動機

・Kaggleで画像系コンペは避けていたのでしっかりやりたい.

GPU持っていないという理由で逃げていたのでしっかりやりたい.

・MOOCが続かないので強制力があると良いなーと思ったので.

 

受講プロセス

一応,3期受験予定の方のために...

 

・ 受講申し込み(ES)提出 

そもそも,そんなに選抜されるとは知りませんでした(倍率10倍くらい?!).

MOOCとか色々あるのにやっぱり日本語なのが大きいんですかねー.

 

あと抽選とは言いつつ無作為ではないっぽいですね.

(以下のような記述がありました)

「 以下の情報は選考において利用しますので、正確にご記入ください。」

 

まだ運営側も試行錯誤中なので「確実に2ヶ月間完遂してくれそうな人」を選抜したのだと思います.私も,全体的に「機械学習は前から勉強していて研究やその他で使っているけどDeepだけ弱いから補強したい」のようなスタンスで書きました.後,githubしっかりと作っておくと良いかもしれません.

 

Python&Numpyのコーディング提出

分からなくてもググったら出てくるような基本的なことが問われますが,twitterの感じだと満点〜1,2問ミスまでしか許されなさそう. 

 

・合格通

2週間何もgithubいじっていないと除名.

課題が毎週ある.

大変そうですが最後までやり遂げたいです.

 

トビタテ等の書類に関する方法論(学振とかESも)

トビタテ9期募集中なんですね~.
アクセス解析をするとやっぱり書類に関する記事が読まれているので総まとめ.

(2018年2月18日加筆)
主にトビタテ側からのアクセス流入が多そうだったので学振についての補足を加筆.というか普通に分けて書くべきだった....

対象読者

申請書をどう書けば良いかわからない人.
出しているけどあまり通らない人.

学振補足:博士後期課程の学生が生活費とか研究費を貰う為の制度(正確には違うかも).
     トビタテと違い上位者は面接を経ずに合格する.

自分の今まで出した申請書
 トビタテ(5期合格)
 学振(DC1不合格)→(DC2面接免除合格)
 ビジコン(いっぱい出していっぱい通っていた.最近は飽きたのでやっていない.)
 その他色々

過去の記事も参照してください.
pondel.hatenablog.com
pondel.hatenablog.com


目次

〇モチベーションについて
〇モチベーションの注意点
〇自分でやること
〇他人にやってもらうこと
〇おすすめの書籍や方法論等
〇学歴とか関係あるの? (追記)

モチベーションについて

いきなり精神論からはじまりますが,受かる気で書きましょう.よく学振の申請書とかで「業績がないからとりあえず出す」みたいなノリの人ががいますが時間の無駄です.合否のフィードバックが得られるからとりあえず書けと指導教官に言われるかもしれませんが,十分な力を出さずに提出した場合,不合格の要因が「自分の努力不足」or「そもそものコンテンツが不十分」に分かれてしまうので敗因の分析がしづらいです.加えると,そんな文章を添削させられる人や推薦書を書かされる人が気の毒だと思います.

過去の有名な人もこんなことを言っています.

「競争は必ずしも速い者が勝つのではなく、戦は必ずしも
 強い者が勝つのではないことをわれわれは知っている」

絶対合格ラインと絶対不合格ラインの人以外は確率の戦いになるので自分から諦めないことが大切です.

モチベーションの注意点について

前の節でモチベーションを上げろ,とは言いましたが「そもそも通るのが不可能ではないか」は吟味したほうが良いです.文章のロジックを整えたり,魅せ方を変えることは掛け算のような仕組みになっています.足し算ではありません.どういうことかというと,
自分のコンテンツが100点だとして,文章を推敲することで1.5倍の150点までレベルを引き上げることは可能です.ただ一方で,自分が0点だとしたら,文章をいくら頑張っても0点のままです.

要は必要な最小限のスキルセットは保有しているか?ということです.
私が今から芸術系の会社に入ろうとして文章をこねくりまわしても多分不可能です.なぜならそもそも訴求できるベースとなるコンテンツがないからです.一方で,トビタテであれば学生であればOK.学振研究員についても「業績よりも将来性に重きを置く」らしいので文章を遂行して書類を通す努力をすることは時間の無駄ではなさそうです.
(※ちなみにDC2は業績が必要だと考えているのであればDC2業績なしで通った人をネットで探してみてください.多分いると思います.)

自分でやること

まず自分でやることですが,インターネットでのサーベイです.
例えば,トビタテ留学JAPANだったら,
 ・トビタテの合格ブログを読む
 ・トビタテの合格者の申請書を貰う
ができれば強いと思います.
(ブログは10件,申請書は3件くらい集めれば良さそう.人それぞれスタイルが違うのでなるべく数を集める.)
前者はインターネット上に落ちているので5件くらい目を通せばなんとなく勝ちパターンが見えてくると思います.後者は人によっては集めるのが難しいかもしれませんが,例えばツイッターとかでDMを送ってお願いしたらシェアしてくれる人もいると思います.こちらも複数サンプルを集めることによって,どう戦えば良いのかが分ると思います.せっかくのインターネット世代なので活用しましょう!笑
(※応用として,集めるのが困難ですが落ちた人のサンプルが貰えると非常に助かります.更に,不合格→次の年に合格,等のサンプルがあると最強です.(学振DC1不合格→DC2初年度面接不合格→DC2の2年目面接免除合格)とかあれば最強ですね.あるのか知りませんが.)

他人にやってもらうこと

他人にやってもらうことは「添削」です.
「お母さんに見ても分るように」という意見がありますが,お母さんに見せるのは恥ずかしいと思うのでマストではないと思います笑 自分はやったことありません.

添削は基本的には「その申請書で過去に受かった人,複数人に見てもらう」が鉄則です.
推薦で複数社落ちてボロボロだった先輩が後輩にアドバイスしているのを見て驚いたことがあります.
落ちた人に添削してもらっても到達点はあまり期待できないのでやめておいた方が良いと思います.
むしろ場合によっては害になることさえあります.
友達に見てもらったりする場合もありますが,みせても「いいんじゃね?」みたいなコメントで終わると思います.
これも根拠のない自信がつくだけです.

加えて,圧倒的に業績がスゴイ人も参考にならない場合が多いです.
前の例でいうところのコンテンツのレベルが1000点のような人のことです.
彼らはそもそものスペックが桁違いなので文章の遂行をせずに出しても受かります.
コンテンツ1000点×0.8(推敲の甘さ)でも800点あります.
彼らのレイアウトやアドバイスだけを参考にすると大惨事です.
(e.g. 自分は国際誌1報だけど5報ある段階で申請した先輩の申請書を参考にしてしまう.)
逆に言えば自分よりも業績がなくて通っている人は本当に参考になるとおもいます.

添削の理想の相手を再定義すると「異次元のスペックではなく,その申請書で過去に受かった人,複数人に見てもらう」になります
知り合いにそんな人いない!と言われるかもしれませんがインターネット社会なのでググってメッセージ送ればなんとかなると思います.あと添削してもらうときは礼儀は必要だと思います.合否に関わらず結果の報告はみんなしてほしいはずです.

ちなみに添削前にしてほしいことは「ググったら分ることは調べる」+「全部埋めてから出す」です.
「ここはまだ途中なんですけど~」みたいな感じのものを添削するのは非常に難しいと思う.
既にあるものを指摘・アドバイスするのは簡単だけど他者のために無から有を生み出すのはしんどい.これは個人差がありそう.

おすすめの書籍や方法論等

おすすめの書籍を紹介しても99%の人は買いませんが一応載せておきます.
文章作成について添削をしてもらっても対処療法にしかならないので長期的にみれば自分で原則をつかんでいた方が良いと思います.

数学文章作法 基礎編/推敲編
数学ガールの著者による文章の書き方.最初に読むのに適している. 
数学とあるが文章の書き方全般におすすめできる.

数学文章作法 基礎編

理科系の作文技術
理系文章のバイブル.理系以外もおすすめ.数学文章作法よりも難しい.

論理トレーニング101題
接続詞に圧倒的に強くなれる.理科系の作文技術よりも難しい.
(本ブログは流して書いているので多めに見てください.)

学振申請書の書き方とコツ DC/PD獲得を目指す若者へ
学振のまとめが書いてある.ネットでググれば出てくる内容ではあるが体系的なのでおすすめ.
できれば色々調べる前の初期段階で購入がおすすめ.

ロジカル面接術
文章そのものではなく,ESはどのような書き方をすれば良いのかがわかる.
就活用ではあるが,応用すれば他の申請書にも適応できる.


これらの本+αで自分が文章を書くときに気を付けているエッセンスが以下の通り.
分っている人には「何を当たり前のことを」と思われるかもしれないけど.

1. 文章は一義的に書く.
AさんとBさんが読んでいるのに違う解釈をしてしまうのは良文とは言えない.
20人の違う人が読んでも同じようにしか解釈できないような文章を目指す.
そうでないと審査員の引き方によって合否が揺らいでしまう運ゲーになってしまう.

2. 言われたことには言われた通りに答える.
例えば,「3年後までのキャリアプランを教えてください」という設問に対して
「3年後までだと400字埋められないから3年後まで+10年後までも書こう!」という解釈の仕方がある.
これだとA「こいつは10年先のことも考えているのか!すごいね!」ってなるパターンと
B「こいつ設問も読めないのか...アホなのかな?」となるパターンどっちが多いと思いますか?
人それぞれだと思いますが私はBのパターンの方が多いと思うので言われたことには言われたように答えます.

3. 根拠を示す.
数字・実績・他者からの評価(自分での評価はなんとでも言えるので他人からの評価を書く)を使って主張する.

4. 文字数制限いっぱいに埋める.
400字制限だったら最低8割埋める.なるべく390~400字の間.
たまに文字数制限なしのパターンがある.あれは知らない.適当にやる.
(※学振などのレイアウト自由の場合は見やすさ等別のファクターも出てくるので注意.詰まっていれば良いというわけではない.)

5. 結論から書く
面接官が自分の文章に興味のない前提で書く.後半いくら頑張っても1文目が面白くなかったらゲームオーバー.ストーリーではなく新聞のように.

学歴とか関係あるの? (追記)

トビタテも学振でもよく皆さんが疑問に思う内容だと思います.
トビタテだと学歴,学振だと学歴・研究室のボスの知名度などでしょうか.(ちなみに自分はどっちもフツーだと思います.)

個人的には「直接的な関係はない」というのが意見です.
学振でもトビタテでも合格者の統計データを見るとやっぱり上位大学の方が受かっています.
学振に関しては同じラボから毎年排出されている気がします.

これらも全部「直接的な関係はない」と考えています.
ここでいう「直接」とは学歴及びラボが強いと申請書が加点されるようなイメージです.
これはないと思います.
ただ現実的にデータとして出てくる要因はいくつか考えられます.

①申請書のストック数がケタ違い.
 冒頭で言いましたが申請書をどれだけ集められるかが勝負です.上位の人達は集めるコストが低い.

②添削してくれる先輩が多い
 フィードバックを得るべき先輩に関しても挙げましたが,そういう先輩と低コストで出会える確率が高い.

③受かると思って書いている.
 冒頭で「受かる気で書いてください」と言いました.上位大学やラボの人達は周りも受かっているので受かる気で書いているのに対して,周りで誰も受かっていない人は「落ちてもいいや,受かればラッキー」くらいのノリで書いている.そもそも出している母数も違うと思う.

④論理的思考力がある.
 文章はロジックです.日本の教育では文章の書き方について教わることはないですが,上位大学に行っている人の方が文章の論理構成を考える訓練ができているのかもしれません.

⑤システムが出来上がっている.
 特に学振の場合ですが,M2の申請前に論文が出るようにシステマチックに指導教官がラボ運営している場合はあるとおもいます.これが良いのかに関してのコメントは差し控えますが.(加えて学振では推薦書が必要です.受かっているラボの指導教官は抑えるべきポイントを分っているのかもしれません.)

これらの①~⑤の結果が申請書に反映されて結果的に通過率が高いのだと思います.
逆に言えば
①→コストかかるけどググって探す
②→コストかかるけどググって探す.
③→自信持つ
④→ちゃんとテクニカルライティングの勉強する
⑤→ラボに頼らず頑張る(笑)

で突破できるのではないでしょうか.


ちなみに以下は妄想ですが,学振において「ラボの力が直接的に影響がない」と考えるもう一つの理由が審査セットにあります.
学振は(確か)異なる領域の6人に採点される仕組みで自分の分野とかなりズレている分野に見られることになります.
自分の分野の人は当たっても1人です.

たまに,「審査員は学会で自分の発表みているかもしれないからアピールしましょう」みたいなこと言っている人いますが,これも怪しい.

1. 自分の審査セット6人のうち1人が自分の領域に所属している.
2. 1の人が自分と同じ学会で自分の発表を見ている.
3. 数十枚?の申請書を1枚数分で処理しないといけないような状況で学会での自分の発表を思い出してくれて大幅加点してくれる.

この1~3が成り立つ必要があり,かつ成り立ったとしても6人中1人の点数が上がるだけです.
ここに力入れるくらいなら申請書頑張るべきかと.

以上です.間違ったことを言っていたらすみません.
また何かあればコメントを下さい.

博士課程の就活(準備編)

博士課程の就活の情報があまりないので自分がやろうとしていることを記録.

後で振り返る.

筆者のスペック

・学部時代に就活をしていた(エンジョイ就活).

・工学系(非CS).ラボからは,CS系含めて博士で民間に行っている例はある.

・資格?:学振特別研究員,TOEIC800後半,英検準一級,統計検定2級

志望職種

・データサイエンティスト

・新規事業立案

・IT関係

考えているコト(懸念点)

・なるべく就活に時間は使いたくない(研究やその他のことに時間を割きたい).

・でも,就活を適当にするのとは別.

・とりあえず3年大企業の理屈はあやしい(学部卒のとりあえず3年ではなく博士卒のとりあえず3年は年齢的に取返しがつかない気がする.行きたい企業があれば大小関係なく決める.)

・大学のスキームでインターンに3か月行かせてそのまま内定パターンはいっぱいあるけど使う予定はない.(内定目的では行かない.スキル向上目的ならアリかもしれない)

・専門性がそのままいかせる職種ではないのでCS系のガチ勢と戦う必要あり?

実際にやること

・LABBASE

LabBase (ラボベース)|研究を頑張る理系学生のためのスカウト型就活サービス

理系のための就活サイト.修士博士用で忙しい学生のために設計されている.使えるかはわからないけど登録.(実際にオファーが来る.)

 

・アカリク

TOP - 大学院生(修士/博士)ポスドクの就職・転職情報サイト「アカリクWEB」

IT,データサイエンス,博士等のキーワードでセミナーや逆求人のイベントたまに開催しているのでチェック.本当は逆求人出れば良いのだけど敷居高そう...

 

WANTEDLY

Wantedly(ウォンテッドリー)「はたらく」を面白くするビジネスSNS

いるのかな?一応登録.IT系に特化してそう.LABBASEと違って自分からアプライするスタイル.

 

・ボスキャリ

キャリアフォーラム | CFN(CareerForum.Net)

ボストンで11月に開催されるバイリンガル用の就活イベント.バイリンガルの定義が不明.博士課程がそもそも必要とされているのか不明.自分の希望職種の選考があるのか不明.ただ,「この3日間で内定を1社でも取っておくと以降の就活で本当に行きたい企業だけに絞れる」という時間的メリットがでかい.ちなみに,なんでボストンなの?ってことですが,ボスキャリがキャリアフォーラムで最大規模なので他のキャリアフォーラムは「ボスキャリで埋まらなかった枠を埋めるためにある」らしい.なるべく可能ならボストンへ行ったほうが良いみたい.

 

・KAGGLE/オプトDSL

Kaggle: Your Home for Data Science

オプトDSL・DeepAnalyticsDeepAnalytics

なんだかんだ上記の就活サイトに出かけるよりも家にこもってスキルを上げたほうが良い気がする.現在,オプトの引っ越しコンペ36位/230位が最高スコアなのでこれよりももっと強くなりたい.

 

・統計検定

統計検定:Japan Statistical Society Certificate

アンチ資格のポジションだけど,取得したい.半分趣味.統計検定2級は取得しているけどこれをアピールするのは恥ずかしい.11月の1級に照準を合わせて準一級(6月)も取得していきたい(準一級は成績優秀者を狙うくらいでないと11月間に合わなさそう).就活に使えるかは不明.昨今のデータサイエンスブームも相まって準一級持っていたら10社に1社くらい興味持ってもらえるかな?くらい.期待はしていない.

※ちなみにTOEICのスコアの倍の労力がかかった英検準1級は見向きされたことがない.英語ガチ勢から評価されるにはIELTS,TOEFLだが就活においてはTOEIC一択.英検はあらゆる場面でいらない.

 

github/Qitta/blog

The world's leading software development platform · GitHub

Qiita - A technical knowledge sharing platform for programmers.

情報系に進む場合,github/Qitta/blogのリンクの提出が求められる場合がある.研究に関係することはオープンにできないので(bitbucketで管理)どうするか迷う.機械学習アルゴリズムをスクラッチで書く,とかは結構やってみたいことなのでちょっとやってみようかなとはおもう.

 

まとめ

研究で結果を出して,統計と機械学習のスキルを上げて,ボスキャリで決めて,というのが最善のパターンかもしれない.(うまくいくかはわからない.)

就活とか統計検定とか.

www.toukei-kentei.jp

統計検定の準一級(6月)と一級(11月)に受けようと考えているので忘備録です.

統計検定2級は試験前に問題集の過去問全部解いたら合格できましたが準一級と一級は結構厳しそう.モチベーションとTODOも兼ねてやることリストでも.

受検動機

・就活のため

・スキル向上

が主な目的です.ちょうど来年度に就職活動が始まります.志望分野にデータサイエンティストが入っているので統計検定を受けようと考えています.(統計検定という資格がそもそも就活の役に立つかは不明です.そもそも資格自体がクソだという意見もあるのでこれを第一のモチベーションにするとキツイ.TOEIC900近く,英検準一級と英語の資格はサチっているのでここでTOEIC950,英検一級に上げるよりはコスパの観点でも差別化の観点でも良いのかなと.(TOEFL受けろよっていう意見もありますが語学に時間ぶちこむのリスク高すぎる.))

ちなみに就活までの時間は1年ほどありますが,

1. 論文まじめに投稿する.

2. 統計検定準1級/1級合格

3. kaggle/オプトDSLコンペで結果出す.

くらいですね.やることは!超絶暇だったらTOEIC900台に乗せますが多分しません.

 

そういえばここまで書いて気づきましたが行く予定の就活イベントが統計検定1級の試験前にあるんですね...笑 まぁ準一級だけで特攻します.(というか誰も見ていない気がする.)

careerforum.net

 

統計検定ですが,一回準一級の過去問解いてみました.(2015年)

2級と重複するような内容もあって楽勝かなとも思いましたが(正規分布の考え方や実験計画法,ベイズ統計等),2変量正規分布自己回帰モデル,DW統計量,主成分分析など2級では求められない内容もありますね.ただ出題の範囲もあまり多くないので成績優秀者を目指して頑張ろうと思います.

 

・過去問解く(2015年度問題)

・過去問探す(2016年度誰かください笑)

・公式HPにアップしてある問題集を解く.

東京大学出版の青・赤・緑本の演習問題を解く

これ+東大本の範囲外の問題をググったりはじパタ読んだりすれば行けそうです.

 

問題が1級の方で何を言っているか分らない問題もちらほら.先ほどリストした準一級用のタスクをなるべく早く(今年度中)に終わらせてから1級の勉強にシフトしないと間に合わなそうです.

 

 

 

 

 

【Python】【Bokeh】hoverの値が間違えている.

ググったらすぐに出てきましたが一応.
HoverTool showing canvas coordinates not data coordinates · Issue #4861 · bokeh/bokeh · GitHub

$x,$yではなく@x,@yにするとなおりますね!

学振に関するメモ

学振特別研究員(DC2)に採択されました.そういえば某留学奨学金に合格したときも誰かのためになればと思いメモを残していたことを思い出したので今度も書いてみる.本当にただのメモです.個人の主観です.これを参考にされても責任は負いません.

 

前提

・理系の分野のどれかです.

・他のブログとほとんど被っていると思います.

 調べていませんが新規性はないとおもいます.

・DC1一回目が不採用B,二回目の今回が採用(面接免除)でした.

・業績は分野内では少ない方だと思います.

・ラボ内の合格者は今まで1人です?

 

やったこと(覚えている限り)

・改定はフォルダを見る限りVer.16まである.なんでこんなに直しているんだ…

・Ver1は4月16日,Ver.16は当日(5月22?)なのでフォルダを見る限り1か月前開始.

・見せた人はラボ内が4人×複数回,ラボ外の学振採択者×2人

・「学振本」と呼ばれる本を買った(ググれば出てくると思う).

・合格申請書はラボ内が1つ,ラボ外は10くらい集めていた.

・同じ人で不合格⇒合格のサンプルが複数集めた.

 

前回から反省・変更した点

・フォントを10.5⇒11に変更した.

・すべての文章が「だから私は学振研究員になるに値します」と訴えることに繋がる文章に変えた.(特に前回の自己評価欄が酷かった.やったこと研究との関連性が書かれていない.)

・図をとにかく大きくした.申請書の3割程度が図で埋まるようにした.

・異分野の人の意見を取り入れた.審査セットによると思う.審査セットを知らない人はググりましょう.(ラボ内だけで回し読みすると深い議論になってしまいうが,審査セットで別の分野の人からすればどうでも良いようなことを議論してしまっている場合もある(もちろん分野内では重要).審査は(記憶が正しければ)6人の採点により決まる.自分の完全に合致する分野の人は1人か0人.ここに時間を割いて分野外の人にどう読まれるかが疎かにならないようにする必要があると考えて書いた.

・誰がどう読んでも一通りの文章にしか読めない書き方にする.

 (審査委員に解釈の余地を与えれば与えるほど運ゲーになってしまう.)

 

最後に思ったこと

・「お母さん/子供でも分る文章」と良く聞くけど自分の文章は流石にお母さん/子供では無理.集めた申請書でもいけそうなのはなかった.あれば教えてほしい.(想定しているお母さん/子供が違う?)

・色々調べてもあまり出てこなかった項目としては「指導教官の評価書」も結構大切な気がする…

・出すのを諦めて次年度業績を増やすのに力を注いでいる人もいるけど,毎年出したほうが良いと思う..3年目のDC2勝負にしても「自分の不採択申請書」が0か1か2かで圧倒的な有利不利が出てきそう.

 

・学振PDとかになると分らないけどDCまでは強い人(業績)が勝つわけではない気がする.DC1は業績が関係ない,DC2からは必要という話は聞くけどDC2も取れる可能性はある.

・日本語力大切.