自宅でできること(調べもの篇)

こんにちは。
火曜担当の江口です。

本日も前回に引き続き、自宅で、オンラインを使ってできることを紹介していきたいと思います。

今回は、「調べもの篇」ということで、聞いたことはあるけど詳しくは知らない単語・人名・地名などについて、詳しく知りたい！という場合に役立つサービスについて紹介します。

まずは以下のリンクにアクセスしてみてください。

【新型コロナウイルス感染症対策】

自宅学習・オンライン授業のためのリソースガイド

https://libguides.lib.keio.ac.jp/er-guide/students


現在の新型コロナウイルス感染の状況を鑑みて、メディアセンターでは、自宅でも学習できるような、オンラインリソースをまとめています。
まとめられているサービスの中には、期間限定で同時アクセス数制限が解除されているものもあり、非常に利用しやすくなっています。

この中の、「Japan Knowledge Lib」が、調べものをする際にとても便利です。

Japan Knowledge Libでは、日本大百科事典をはじめとする各種辞典、そして辞書での検索が可能です。検索をすると、このサイトに収録されているすべての辞書について、一括で検索をおこなってくれるので、それぞれの記述を比較・検討することもできます。

Google等の検索エンジンを使っても、同じように調べものはできますが、Japan Knowledge Lib上の情報の方が、辞典・辞書のソースが明らかだという点で、ある程度の信頼性がある情報を収集できるかと思います。

個人的に気になっているのが、このサイトに収録されている、「理化学英和辞典」と、「SPED理工系英和」ですね。
研究室に入ると、英語の論文を読む機会がかなりあります。英語論文を読むときにネックになるのが単語、特に難しい専門用語の意味になります。そして理工系の専門用語というものはなかなか普通の検索ではヒットしません。
ですが、上に挙げた理工系の英和辞典を使うと、比較的スムーズに専門用語の意味に辿りつけます。最近使い始めたのですが、なかなかに使い勝手が良いです。


以上、オンラインで使えるサービス、Japan Knowledge Libの紹介でした。
Google、Yahooといったよく使う検索エンジンだとなかなか見つからない！
そんな少し専門的な調べものにも特化したサービスです。
積極的に利用してみてください！

江口

【自己紹介】月曜日担当（建築系）

こんにちは！

本年度のラーニングサポートの院生スタッフをさせていただく修士2年の川本です。

今回は主に自己紹介として私の研究室での活動などについて簡単に説明したいと思います。

現在、私は開放環境科学専攻のダルコ・ラドヴィッチ研究室に所属しています。

専門は都市計画や建築意匠で、研究だけではなく建築設計にも取り組んでいる研究室です。

そこで、現在の研究室を選んだ理由、研究以外のおもな活動（コンペティションやワークショップ）について書きます。

研究室について

所属しているダルコ・ラドヴィッチ研究室の特徴として、『国際色豊かな活動』や『自ら考えて実行する機会の多さ』が挙げられます。

まず、前者についてですが教授だけではなく研究室内には留学生を含む多くの外国人や個性豊かなメンバーがいるため普通に国内の大学で得られる経験＋αのものがあるように感じています。研究室内での公用語も英語で、私自身、受験の時から英語が得意ということは全くなかったのですが意思疎通や建築のために用いる英語力というのは徐々に向上しているのかな、と思っています。

後者については私にとって「この研究室に行きたい！」と思う一番の決め手になったものです。建築系の研究室では学生が設計事務所の所員のような形で教授のプロジェクトを手伝うことで実学としての知識を身につけていくことが多いように感じるのですが（あくまで個人の主観です）、所属している研究室ではこのような協力しながら設計を進める時間と、各自で挑戦しながら力を蓄えられる時間のバランスが良いと感じています。どんどん外部の環境などでチャレンジしていくにはとても良い環境だと思います。

研究以外のおもな活動①（コンペティション）

特に建築の意匠系ではコンペティションに参加することで建築設計の提案力を学外の環境で切磋琢磨していく活動を行っています。研究室としては毎年、国際設計競技に参加しており私が学部4年生の時には中国、修士1年生の時にはイタリアのコンペティションに作品を提出しました。

先輩、後輩、留学生など多様性のあるチーム編成による活動の中で、自然と議論の方法やプレゼンテーション力を身につけていく良い経験であったと思います。

研究以外のおもな活動②（ワークショップ）

研究室では『ワークショップ』などにも参加しており、今回は私が学部4年生の頃にクロアチアに行った際の写真を少々見せたいと思います。

上の写真はイタリアのアンコーナからクロアチアのスプリトに向かうフェリーでの写真です。節約のためにフェリーを移動手段として選びましたがとても興味深い体験でした。

ワークショップはクロアチアのヴィス島とラストボ島という場所で行い、大勢の前で英語を用いてプレゼンテーションする機会がたくさんありました。

これは休みの日に行った、屋外シアターの写真です。

自分ひとりでは想像していなかった経験を積むことができるとても良い環境だと思いました。

今回は以上です。

最後まで読んでくださり、ありがとうございました。

川本

木曜担当 自己紹介＆研究紹介

こんにちは！
今年度から木曜日のラーニングサポートスタッフを担当させていただく修士2年の原と申します．
コロナウイルスの影響もあり，不安な日々をお過ごしでしょうが，逆に何かに集中できる時と捉え，前向きに日々を生きていきましょう！

さて，今回は私に関する自己紹介と研究の紹介を簡単にさせていただきます！

1. 自己紹介
私は，基礎理工学専攻，物理情報工学専修の修士2年です．
物理情報工学科は，幅広い専門分野を抱えるグローバルな学科です．
量子力学などの研究をしている学生もいれば，制御工学や機械学習を研究している学生もいます！
どの学科を選択すればよいか，お悩みの学部1年生の皆さんも，とりあえず物理情報工学科に入っておけば，自分のやりたいことに出会えるかもしれません（笑）

2. 研究について
私は，主に制御工学と機械学習に関する理論研究をしています！研究に関する詳細なお話は，話し出すと長くなるので，今回は簡単に今流行りの人工知能（AI）や機械学習，そして深層学習（ディープラーニング）のお話をさせていただこうかなと思います！
（注）私も専門家ではないので，間違ってる部分も多々あると思います．話半分程度に参考にしていただければ幸いです．

～人工知能（AI），機械学習，深層学習（ディープラーニング）について～
まず，簡単なイメージを図にしたものがこちらです．機械学習とはAIの一種で，深層学習とは機械学習の一手法だと捉えてくれれば大丈夫だと思います！

(1)人工知能（AI）について
皆さん，人工知能（Artificial Intelligence)という用語は最近よく耳にするのではないでしょうか．実は，AIの研究自体は実はかなり昔から結構行われているんです．今日のAIブームは後で少し触れさせていただく深層学習（ディープラーニング）の登場によるもので，AIの研究には栄枯盛衰の歴史があります．
そもそも，AIの定義とは何でしょうか．AI研究の第一人者である東京大学の松尾豊先生は「人工的につくられた人間のような知能，ないしはそれをつくる技術」と定義しています．すなわち，人間の知能をコンピュータで表現しようとする分野だと私は捉えています．では，昔のAI（古典的なAI）ができたこととは何だったのでしょうか．ここでは具体例として，「病院における，病気の陽性と陰性を判定するコンピュータシステム」を考えてみましょう．

古典的なAIでは，コンピュータにお医者さんが明確な判断基準を与えます．例えば，最低血圧が120以上かつ心拍数が90以上だと陽性だとか，お医者さんの経験と知識に基づいた陽性のための条件をコンピュータに与えます．イメージとしては，陽性か陰性かを判定するためのフローチャートを作るイメージです．もちろん，莫大な知識をフローチャート化するためには，コンピュータでif文やand,orを使って書く必要があります．普段からコンピュータに慣れ親しんでる学生さん達は，そんなものがAIなのって思うかも知れませんが，実はこれも広い意味でのAIなんです．だって，人間の知能をちゃんとコンピュータで表現してますもんね．ちなみにこの古典的なAIはエキスパートシステムとも呼ばれています．

(2)機械学習について
つぎは，機械学習についてです．先ほどまで話していた古典的AIだと，コンピュータに与えたい知識が増えていけばいくほど，コンピュータの容量がますます必要になってしまいますよね．あと，そもそも人間（いくらお医者さんと言っても）が定義したフローチャートって正しいのでしょうか．最低血圧が120以上という条件は正しいのでしょうか，本当は118以上かもしれません．このように，人間のルール作りには限界があるんですね．そこで，判断の基準（ルール）をデータを基にコンピュータに作ってもらおうというのが機械学習です．方法としては，陽性の患者さんと陰性の患者さんの血圧や心拍数など病気に関係しているであろう要因のデータを，コンピュータにあらかじめ与えます．すると，コンピュータは与えられた要因のデータを基に，「陽性になる条件は，最低血圧が116以上で心拍数が92以上である」とか基準（ルール）を自動で生成します．これにより，人間が行うより高精度な判断が可能になります．これが機械学習です．ちなみに，ここで説明した例は教師あり学習というものです．機械学習には，教師なし学習というものもありますので，気になったら自分でググってみてください！

(3)深層学習（ディープラーニング）について
最後に今大きな注目を集めている深層学習（ディープラーニング）について説明します．深層学習は，機械学習の手法の一つで，機械学習と同様に基準（ルール）をコンピュータが自動で生成します．では，何が機械学習より特化しているのでしょうか？それは，病気に関係しているであろう要因をコンピュータが自動で抽出してくれるところです．機械学習では，病気に関係している要因（血圧や心拍数など）を人間がコンピュータに与えていました．しかし，実際の病気の原因は人間が想定していなかった要因（例えば，血糖値とか）かもしれません．それに対し，深層学習では，与えられたデータを基にコンピュータがルールを自動で生成するだけでなく，どこの要因に注目すべきかを見つけ出してくれます．このように，深層学習では，今まで人間が選んでいた注目すべき要因（特徴量と呼ばれることが多いです）をコンピュータが抽出してくれます．これにより，人間が今まで気づかなかった新たな要因の発見につながる可能性もあります．これが今流行りの深層学習です．深層学習に関する説明記事はネットにいくらでも転がってるので，是非，いろいろ自分で勉強してみてください！

～最後に～

かなり，長い説明になってしまいました（笑）ところどころわかりにくい説明になってしまってすいません．「ここは間違ってるだろう！」とか意見ございましたら，木曜日にラーニングサポートまで来ていただき，お話ししましょう（笑）

原

自宅でできること(オンラインで英語多読)

こんにちは。
火曜担当　修士1年の江口です。

皆さん、いかがお過ごしでしょうか。
この時期、自宅で過ごす時間が普段より多くなり、ストレスが溜まっていたり、時間を持て余していたりする方もいらっしゃるかもしれません。

こういう時は、自宅にいる時間が多いことをプラスに捉え、何か新しいことにチャレンジすると良いかもしれません。
長期休暇のときに、「○○の資格の勉強をしよう！」とか、「プログラミングやろう！」みたいに決心するような感じです。

今回は、自宅でできる英語学習について紹介したいと思います。
まずは以下のリンクにアクセスしてみてください。

【新型コロナウイルス感染症対策】

自宅学習・オンライン授業のためのリソースガイド

https://libguides.lib.keio.ac.jp/er-guide/students


現在の新型コロナウイルス感染の状況を鑑みて、メディアセンターでは、自宅でも学習できるような、オンラインリソースをまとめています。
まとめられているサービスの中には、期間限定で同時アクセス数制限が解除されているものもあり、非常に利用しやすくなっています。

本日紹介したいのは、図の赤枠で示した、「多読書リスト」というものです。
ここにアクセスすると、オンラインで利用できる洋書が、出版社別、レベル別にまとめられています。本のジャンルは多岐にわたり、物語もあり、文化、歴史に関するものもあり、という感じで、読むと英語以外の勉強にもなりそうです。
さらに、本のチェックリストも用意されており、自分がどの本を読んだのかを管理することもできます。至れり尽くせりですね。
英語のみならず、外国語の学習において、「多読」をするということはある一定の効果があるようです。
この機会に英語を勉強したいという方、多読にチャレンジしてみてはいかがでしょうか？


オンラインで英語学習ができるというのはほんの一例で、他にも、メディアセンターからは様々なサービスが提供されています。
私個人としては、学生のメリットは「学割」が使えて、様々なサービスが学生価格で利用できることが主だと思っていたフシがあったですが、今日の記事で紹介したようなサービスを利用できるというのも、非常に大きなメリットだと思うようになりました。
積極的に活用していきたいですね！

江口

2020年度 金曜担当 自己紹介

2020年度　ラーニングサポート　金曜担当自己紹介

皆さん、はじめまして！今年度理工学メディアセンターでラーニングサポート(金曜前半12:30-14:00担当)を務めさせていただきます、修士2年の島津です。これが自分の投稿第一号となります。

学生最後の年、自分がこれまで勉強してきたことを活かして皆さんのサポートを出来ればと思っています。
とは言っても、現在は慶應のキャンパス全体が閉鎖中で、メディアセンターに顔を出すのはもう少し先になりますが。。。

さて、最初の投稿として、今回は自己紹介を研究と混ぜて軽くお話しようと思います！

自分は学部生時代は物理情報工学科に所属していました。学科名から何をしているのか想像しにくいですが、多くの分野を学ぶことが出来る学科です。実際、名前の「物理」や「情報」に限らず化学や生物に関する研究をしている学生もいます。

その中でも、私は制御工学・深層学習・量子情報の分野で研究を行っています。特にそれらを融合するような研究をしています。なぜこんな3つも手を出しているのかにはワケがあるのですが、その前にこれらがどのような学問であるがをざっと説明します。


①制御工学(伝統の学問)

何十年も前から産業で大活躍している伝統的な学問であると思います。英語だとControl Engineeringです。ロボットや自動車を動かしたりする際に用いられる学問です。慶應だと機械工学科やシステムデザイン工学科で代表される学問ですね(物理情報工学科でもやってますよ！)。更に、制御工学は機械だけでなく、ヒトの筋肉や後述の量子情報分野にも応用されています。なんでもありですね。というのも、制御工学は数学(純粋数学寄りじゃない方の、行列や確率統計等の数学)を駆使する学問で、機械も人の筋肉の動きも最終的には数学を使って解析をするので、制御工学が応用できるのです。

②深層学習(現代のトレンド)
この言葉を聞いたことがある学生は多いと思います。AIだとか機械学習って、最近流行っていますよね。。。まさに現代の技術のトレンドです。深層学習はそういった人工知能の分野に入る学問です。大体イメージが沸くと思いますが、翻訳や顔の認識、金融の市場予測などなど応用の幅が大変広い学問です。過去のデータを集めて、そのデータを基に未来に何が起こるのかを予測したり、それに対してどう対応をすればよいかを決める際に用いられます。そして、深層学習はデータの解析に行列、確率等の数学を駆使する学問です。大学の授業で行う確率論に素養がある人にとって深層学習はかじりやすいのかなと思います。

③量子情報(未来のトレンド)

量子情報は量子力学と言われる学問の一種で、説明が難しい学問です。直感的に理解しにくい現象を扱うからです。量子力学の世界では、影分身のような魔法的な現象が起こります(影分身が適切な表現かどうか微妙ですね…)。そういった「魔法」をしっかり理論的に説明するための学問が量子力学です。そんなことできるの？と思うかもしれませんが、これまた確率・行列等の数学を駆使すると魔法の説明がある程度可能になります。そして、その魔法を使って、恐ろしく計算時間の早いコンピュータ(通称：量子コンピュータ)を実現しようといった学問が量子情報と呼ばれています。未来の計算技術の常識を変えるような学問です。

はい、長々と説明してしまいましたね…。では、ここからなぜ私がこれらを学んでいるのかを話します。勘がよい方は察しているかもしれませんが、これら3つには数学が共通しています。①～③の分野で理論的な解析を進めていくと、似たような数学的な手法を使うことになります。特に、行列と確率統計です。数学を通じて一見異なる3分野を融合させることが出来ること。これが研究の最大の魅力です。

自分は学部4年生の時に量子情報と制御工学を融合する学問(通称：量子制御)に出会い、現在は量子情報と深層学習を融合させる取り組みにフォーカスしています。

今日は自分の研究を例に自己紹介させていただきました！今年度はよろしくお願いいたします！

島津