投稿者: howdi

知らない土地に迷い込んだとき、Android端末が威力を発揮します。
GPS,Compass,GoogleMapがあれば、知らない土地でも決して迷いません。
強い味方です。
しかし、こんな使い方ができるとはおもってもみなかった。
と、いう使い方をOreillyのサイトでみつけました。
ANTIMAPです。
スケートボーダーが滑った軌跡を可視化するツールのようです。
自分にも思い出があります。
私の場合は、スキーでしたが、自分が滑った後にできたシュプールはどんな格好をしているのか、上手くできたか、あそこで、転びそうになった、危なかったな。と、滑り降りてきた後にゲレンデを振り返るのがまたたのしいものでした。
確かに、スキー場は、開けているから天気が良ければGPSはバリバリに入ってくるし、加速度センサーもあるから、スピンもしっかり計測してくれます。
これは、スキー場に必携のアプリになりそうな予感がします。

BlogもWebコンテンツとして、古い部類にはいりました。
今時の職場の若者達は、Twitter,FaceBookのご利用がお盛んなようです。
このBlogのアクセス状況をGoogle Analyticsで見ていると、このBlogすら取り上げる話題によって、アクセス数がずいぶん違うようです。
なので、ことしは、世の中のいろんなブログサイトのコンテンツのタイプをまねてみて、ネットでの反応を試して見ようとおもいます。いまころ、SEO対策ですかね。
さて今回は、食べログ風ブログを試して見ます。
昨日、横浜中華街にいった帰り、人形の家の一階にあるカフェ「　カフェ エリオット アベニュー」に寄ってきました。
ここのお店では綺麗なラテアートを創ってくれます。
本物をみるのは、ここが初めてでした。
まずは、ホットココアで創ってくれました。
ココアのカップの底に数滴入れ、そこからミルクを、数回に分けて注いでいくと、あれ、不思議、綺麗なリーフ型が現れてきました。
次は、カフェラテに創ってくれました。
豆はシアトルから空輸されてくるそうです。その豆の真っ黒のエスプレッソが底に沈んでいるカップに、これもミルクを数滴いれ、さらに、数回にわけて、注いでいくと、こちらもきれいな、リーフ型があらわれました。

おみごと！！
久しぶりに良い仕事をしているプロフェッショナルな仕事を拝見しました。
無論、ラテもおいしいです。
ＳＫのように、ラテをお湯で薄めないので、ミルクの味が濃厚です。さらに、豆そのものも良い味出してくれています。おもわず、もう一杯いただきたいところ。
また、お邪魔します。
さて、アクセス数や如何に！！

年末年始の時間を使ってようやく一冊の本を読み終わりました。
「Linked:　Albert-aszlo barabasi」
です。
Big Data?だから何？と自分のBlogにコメントしてから５ヶ月もたってしましましたが、ようやく読破しました。
Web,DNA,生体代謝、経済現象と縦横無尽にネットワーク思考の考え方が適用でき、久しぶりに知的興奮を味わいました。ネットワークの考え方の中に統計力学の相転移の概念が入ってきたところで、頭が久しぶりにクラクラしていました。
この考え方を日々のビジネスに活用する道はないか?
この５ヶ月捜し続けましたが、どうやらSNA(Social Network Analysis)という言葉を使い出している人たちが、社会学、統計学、情報論の使い手の中に現れてきているようです。これから、この世界をご紹介出て行きたいと思います。
さて、明日から仕事始め。
今年は、どうなりますことやら。
無事に一年が過ぎますように。

年末になり、年度末決算や来年度の予算策定の仕事がはいってきました。
そこで、業務で販売している商品の売れ筋を調べてみました。だけど、どうにも感覚的につかめません。可視化しよう！と、おもいました。
まず、参考にしたのがGoogle Chart.その中に、TreeMapというのがありました。
ふーん、と思ったのですが、どこかでみたことのあるチャート。
そう、会社のPCのディスクの利用状況を見るために入れているソフト「WinDirList」の出力するチャートにそっくりでした。
このチャートは、まえに読んだ本「ビジアライジング・データ」に教えてもらったチャートでした。
この本で紹介されいるProcessing を使い、商品の売れ筋をTreeMapで表現してみることにしました。
道はかなり、厳しいです。
１）対象データをどのようなデータ構造に落とすか？
２）構造化したデータをどのようにProcessingでをつかって処理するか？
３）Processingでそのデータをどう表現するか？
最後の３番目は、本「ビジアライジング・データ」にサンプルプログラムがあるので、簡単なんですか、問題は１と２。
３の道筋がみえているので、２に取り組んでみました。
カテゴライズされたデータを取り扱うのでXMLがいいかなと判断し、参考にしたのが、ProcessingのReferenceに記載さえているXMLelementのサンプルプログラム。ところが、このXMLelementのサンプルプログラムが、私のMac上のProcesingでは動きません。
Processingを最新版にしたのですが、この最新版、「XMLelemntをサポートしなくなったから、XML classをつかって」とのこと。でも、ProcessingのXML classのサンプルソースが動きません。
こまったもんです。
そこで、こんなときは、まずソースよりはじめよ。
processingのソースコードを持ってきて、自分で読んで、XML classをなんとなく理解し、Processing Forumにあがっていたサンプルを参考に、自分でサンプルソースを書き換え、やっと、単純なサンプルソースを動かすまでできました。

わかればたいしたことないこと。
困ったときには、ソースに戻れ。
May the source be with you
これ、入社直後に先輩から仕込まれた言葉でした。
久しぶりに、ここまで戻りました。
いやいや。
まだ、道半ばのまま年を越すでしょう。

我が家にもTVのハードディスクレコーダがあります。
ハッキリ言って、大活躍しています。かみさんの好きな水谷豊さん主演の「相棒」、こどものすきな日テレ「嵐にしやがれ」、毎週かかさず見られるのもハードディスクレコーダのおかげです。でも、ハードディスクの容量がすぐ一杯になってしまいます。
いっそ、ＴＶコンテンツを配信する、利用する、ＴＶというコンテンツの制作、配信、利用というすべてをネット化してみてはどうなのでしょうか？
ネット化というものの本性を考えると、どうも、ストーリーが見えてきます。ネット化されたものは、そのものの媒体や装置の形状を解体し、そのもののもつ機能のみを抽出しネット上に展開する性質があるように思います。アマゾンがおこなった書店という機能のネット化、Appleがおこなったレコード店というもののネット化、そして現在、eBookなど本媒体の電子化。その延長としてＴＶ、動画コンテンツの行方が気になります。
かみさんと、冒頭のハードディスクレコーダのおかげを会話していたら、かみさんの知り合いに、すべてのＴＶ局の放送を２４Ｈすべて録画し、録画済みの番組のみ自分で選んで見ている人がいるとのこと。そのことを、会社の同僚にはなしたら、ハードディスクレコーダをそのようにつかっている人はけっこういることがわかりました。
そこで、閃きました！
クラウドＴＶ
いっそ、このハードディスクレコーダの機能、ストレージ領域をクラウドストレージに展開し利用することできないものなのでしょうか？でもこれって、ＮＨＫオンデマンド、アクトビラとの差は？
TSUTAYAはどうなるんでしょうか？NetflixというアメリカのTSUTAYAがガンバってっているようです。
ハードディスクレコーダーのクラウド化という観点からすると、製作する側、配信する側でなく、利用する側が主体的にコンテンツを収集し、編集し、利用するための仕組みがクラウド側においたらどうなるだろう？と、言うところが違いそうです。きっとそんなことにひらめき、考え、実装している人たちはたくさんいるんでしょうね。GoogleTVとか。おお、古くはWebTVなるものもありました。ちょっと、おもしろい動きがある気がしてきました。
追伸
Techchurchも「テレビの将来はクラウド化」といっていました。
追伸その２
こういうアイデアは、スマートＴＶっていうんですね。
日経で元Google社長の村上さんが特集記事を書いてますね→記事はこちら

ご無沙汰しています。
人間の画像認識力というのはたいしたもんですね。
最近、MapReduceの利用パターンを解説した本を見つけ、少しずつ読んでいます。

Data-Intensive Text with MapReduceです。
まだ、イントロから脱出できていませんが。
その中の挿絵をみていて、ちょっと、気がついたことを、今日は書かせてください。
Mapreduceというと、ポストクラウドを代表するBuzzwordであるBigDataの代表格です

引用：mapreduce.org
この本の概説のあたりに記載されているMapReduceのフロー図ってどこかで見た気がしてきました。
もしかしたら、脳の神経細胞のネットワークの絵と似ていませんか？

これを見ていると人間の脳というのは超多段のMapReduce処理装置なのかなと思った次第です。ここの神経細胞は恐ろしくローコストだけど、やってる情報処理は、現代のデータセンタ規模の計算ノードでもかなわない領域まだまだありますよね。創造的な領域の事をいってますが。
とすると、MapReduceって結構、応用範囲がひろいのですかね？
英文読破に途中で挫折せず最後まで完読し、キチンと皆さんに報告したいと思います。
ちなみに、和本はOreillyからでている
Hadoop MapReduce デザインパターンです。

ご無沙汰しています。
上期末の仕上げや下期準備で忙殺されていました。
と、書くのは簡単。自分の準備が不十分だからでしょう。
ここは、素直に反省。
さて、それはそれはおいて。。。
昨日、東京ディスニーシーに行ってきました。
と、そのまえに、まずは、事前準備。
よのなかおそろしく、便利になっていたんですね。
インターネットにTDS向け混雑予測サイトがありました。
ディズニーランド ディズニーシー 混雑予想カレンダー

このWebサイトすごいです。Webでここまでできるんだ！
ということを久しぶりに教えてくれたサイトでした。ここには、すべての情報が週宅されている感じです。自分が行きたい日付をしていすると、その日に、ＴＤＳに行く人におきているであろうイベントを検索し、表示してくれます。これによると、昨日は、ハロウィーンとクリスマスの端境期なので、それほど、混雑していないだろうと予想しかした。
この予想の元、出かけてみたんですが、いやいや、現実はそんなに甘くなかったです。
みなさん、もうTDSにはいきなれていて、行動に無駄のないこと。
うちの子供はアトラクションよりもTDSでしか売っていないクマのぬいぐるみの「ダッフィー」が欲しかったようです。まず、ＴＤＳ内のショップにいってＧＥＴでした。このぬいぐるみ、園内では、結構な人がだっこしながら歩いていました。私も、だっこしてみました。なかなかいい感じです。ふわふわ感に安心します。このダッフィーを使ってTDS内を写真でとってみました。TDS自体に緑が多いのと、ぬいぐるみは、瞬きをしないので、写真にとりやすいことからでしょうが、けっこう、見栄えのいい写真が撮れました。
ところで、ディズニーシーは、基本、歩いて移動するところです。なので、体力とくに脚力がないと、一日いるにはきついところでした。朝にははりきっていたものの、夕方にはへろへろになり、家につくなりバタンキュー。体は鍛えられ、心は癒され、健康のためには、いい、ところかもしれません。
おかげで、体重が一キロ減りました。
今日はリハビリの一日にさせていただきますです。。。。
追伸。
自分の携帯電話に万歩計機能がついていることを思い出し、携帯万歩計のカウント値を確かめ見ました。日頃７千歩しかあるかないのに、昨日一日で、２２千歩歩いていました。２歩で１メータとすると１０ＫＭ歩いたことになります。なるほど、良い運動でした。

Steave Jobsが残した足跡の１つにコンピュータと人間とのインタフェースのあり方があるとおもいます。高度のGUIにより人の動作をコンピュータに伝達する手段、たとえば、マウスでクリックすることや、iphoneで画面にタッチすることを創造した点を評価したいと思います。
しかし、コンピュータと人間のインタフェースは、それだけではないとおもいます。定型の単純作業を繰り替えすだけであれば、昔ながらShellでプログラムを操作する方が便利な事もあります。
今回は、そんな便利なコマンドを１つご紹介させてください。
「ImageMagick」です。
jpegファイルなど画像ファイルを処理するときには、みなさん、iPhoto,Photoshop,GimpなどGUIを持つそれなりのソフトを使うことが多いと思います。
しかし、Blogにアップする写真に対し、毎回、同じ、処理を行うシーンでは、この単純明快な一行ツールが便利です。
私の場合、Blogにアップする写真に影をつける処理にこのImageMagickを使っています。
たとえば、オリジナルの映像が、これだとして、

Imagemagickを使って、影をつけると、冒頭のような映像に変わります。ちょとした、ワンポイントアクセントですが、映像の印象がかなり違うので、最近はこの処理を重宝して使うようになりました。

先日、NHK宇宙の渚という番組で生中継してくれた国際宇宙ステーションIssは地上377万キロメートルの上空を飛行しているそうです。けれど、体感的にどれくらい地球から離れたところを飛んでいるのかつかめません。
そこで、家にある直径３０センチの地球儀の上だったらどれくらい上なのか計算してみました。すると、なんと、地上377万キロメートルは地球儀上たったの８ミリでした。かなり、地表に近いところを飛んでいるのが以外です。
地球儀を手に取ってみていると、８ミリ上が宇宙という気がしません。地上でジタバタしている人間のビジネス活動なんてちっぽけなモノ。
小っちゃい、小っちゃい。
と、自分を納得させている自分が、今日はいます。

昨日、家に帰ってきたら米国SETI Instituteから手紙が届いていました。
家族からは、「いったい何をやっているの?」
と、糾弾されたものの、とっても驚きました。
実は、先日SETIのサイトをアクセスしたとき、SETIに3000円ほどPayPal経由で寄付してみたんです。SETIからきた手紙には、寄付に関する感謝のタイプメッセージと、TeamSETI CoordinatorのJenny Chynowethさんからの手書きメッセージがありました。たかだか、3000円くらいの寄付に、わざわざ手紙を贈るなんて、SETI Instituteも人をうれしい気持ちにするのが上手いです。手紙をもらって、こんなにうれしかった野も本当に久しぶりでした、もう、こんな感動もわすれていました。
先の通り、BigDataへの第一歩としてこれからSETIのデータを使わせていただくことにしました。だだで使わせていただくのは、非常に申し訳ないなという、非常に日本人的に気持ちを表現したく寄付させていただいた次第でした。
さらに、手紙には、
「さあ、君もTeamSETIに入らないか！」
とも書いてありました。もちろんなります。
みなさんもSETIに寄付してみませんか？
PalPay経由のクレジット支払いで決済出来るので、信用できないサイトにクレジット番号を流すリスクを伴わずに、寄付できますよ。
さて、私、
SETIメンバーとしてSETIQuestのページを見始めました。それで気づいたのですが、SETI Instituteはすでにクラウドサービスを使っていました。AmazonのAWSを使っていて、観測データをEC2のストレージに入れていました。サイズ的には数ＴＢの様子。この時代、たいしたデータ量でないですね。データサイズだけだと、今の時代、個人で利用できる大きさですね。
恐ろしい、時代に入ったものです。