アプリとサービスのすすめ

アプリやIT系のサービスを中心に書いていきます。たまに副業やビジネス関係の情報なども気ままにつづります

大学の学士・編入試験用Q&A(物理学勉強法、サークルなどの大学生活について)

大学編入試験に関する情報は思ったより少ないし、そんな中でいろいろ悩むこともあるはずだ。編入試験に関して質問をもらったので、この記事ではその質問に淡々と答えていこうと思う。

内容がかなり個人的になってしまうが、前回書いた記事の内容についての質問もあるので、下記記事も参考にして欲しい。

trafalbad.hatenadiary.jp

f:id:trafalbad:20170327212115j:plain


Q1
大学物理に必要な大学数学の参考書は何がいい?
物理に必要な数学は、あくまで大学数学で必要な部分だけやればいいので、あまり時間はかけたくない。なるべくわかりやすい参考書がオススメだ。

大学教養レベルで一番わかりやすいのはマセマ出版のキャンパスゼミシリーズだと思う。このシリーズの中から、必要な本だけ買うのが一番だろう。



Q2
高校物理の復習はしなければいけないのか?

大学の物理学は高校の延長だ。つまり高校の基礎知識を理解してないと大学物理は解けない。しかも編入試験の問題は高校物理の基礎問題の知識を要求されるのが6〜7割を占めているし、編入試験の合格者の多くは、基礎固めをしてた人が受かる傾向が圧倒的に強い。


むしろ高校物理の基礎を固めるのは合格には絶対必要。「物理のエッセンス」など、基本を理解できる高校物理の参考書を完璧に理解してから、大学物理に手をつけないと編入試験の問題は解けない。

一にも二にも高校物理の基礎は確実にしておこう。




Q3
基礎物理学演習と演習力学等の参考書はどう違うの?

これは実際に中身を見て好きな参考書を取ればいいと思うが、違いを挙げるとこんな感じ


基礎物理学演習
→シリーズ2まであって力学、電磁気学、熱力学、波動など編入試験に必要な分野は網羅している(ただし熱力学と波動は編入向けの問題ではない)。予備校でも基礎物理学演習を勧めているので、この参考書の方が編入試験向けだろう。

若干内容が簡単だったり、ベクトルポテンシャルなど一部の難関大学の内容やレベルの問題を扱ってないが、そこは過去問や他の問題集で補える。「熱力学・波動」は「大学1.2年生のためのすぐわかる物理演習」が編入試験向けの問題が載っていてオススメだ



力学演習
→こちらは応用力をつけたいという意味でオススメの本。力学に特化しているので、これができれば、編入試験ではほぼ解けない問題はないだろう。ただ振動の分野など、問題数が足りない分野があったり、絶対に出ない問題もあるので、必要ないものはスルーしないと時間の無駄になる。

基本的にはどちらも編入試験向けだが、問題が足らない、過去問で必要な範囲の問題がないなど長所短所はある。ベストなのはどちらか買ってみて、志望校の過去問の範囲の問題が足らなければ、他の参考書で補うというのが一番いいと思う。

編入試験の問題を網羅している参考書なんて発売されていないので、そこら辺は臨機応変に対応するしかない。



Q4
出題範囲の力学の中に解析力学統計力学は入るの?
編入試験の範囲は
力学、電磁気学、波動、熱力学(たまに原子)。力学はただの力学で、解析力学とか統計力学は含まれない。




Q5
波動の分野に関する勉強法はどうやるの?
自分は物理のエッセンスで基礎固めしたあとは、基礎物理学演習と「大学1.2年生のためのすぐわかる演習物理」の問題を何回も解いた。波動は高校範囲の知識で解ける問題も多い

前記事で勧めた「裳華房テキストシリーズの波動」は予備校で勧められている参考書だが、自分はあんまり向かなかったので、大学の波動分野の知識確認用に使っただけだった。普通にやれば3週間くらいで終わるはずだ。

波動に関する勉強法は「波動 編入」でググるといろいろ出てくる。例えば、下記記事の波動に関する部分は結構詳しいので、参考にしてほしい。
gorza1206.hatenablog.com

ちなみにマセマのキャンパスゼミシリーズでは波動の本は出てない。


Q6
数学はどこまでやればいい?

数学は正直、分野によって必要な知識が異なる。
力学、電磁気学(というか編入物理)なら
線形代数
微分積分
・ベクトル解析
微分方程式(常微分偏微分がわかればいい)

だけで十分だろう。


手をつける順番としては始めは物理をやってみてわからなければ、数学の参考書で調べるのが一番いいと思う。

幸いにもマセマのキャンパスゼミシリーズでは、力学や電磁気学に必要な数学知識があらかじめ紹介されているので、どこを勉強すればいいかがわかるようになっている。




Q7
高校範囲を勉強するのは、大学受験勉強で使っていた重要問題集でも大丈夫?物理のエッセンスは使ったことがないので、重要問題集だと量が多くなることはあるか?

大事なのは基礎がマスターできるかだ。「電位って何?」「エネルギー保存則が適用される力の条件は?」など物理の本質的なことに答えられるだろうか?

重要問題集はやったことないが、重要問題集でキチンと物理の基礎固めができるならそれでいいと思う。「物理の基礎ってどれくらいか」がわかりにくいときは、物理のエッセンスの内容を見てみることがオススメ。「エッセンスの内容を完璧に理解できるな」という感じなら重要問題集でもいいと思う。


どのみち編入物理では突っ込んだ(暗記では対応できない思考力が要求される)問題を出してくるので、物理の基礎的な部分を完璧に理解しないと解けない。自分の受けた国公立の問題では力学と電磁気の融合問題が出てきたが、力学的エネルギー保存則を完璧に理解していないと解けなかった。

要は基礎がマスターできるなら重要問題集でもいいと思う。ここら辺は「物理のエッセンス 編入」、「重要問題集、編入」あたりでググってみて自己判断したほうがいいだろう。


f:id:trafalbad:20170327212143j:plain




Q8
重要問題集の問題で6割(分野によって偏りあり)くらいの正答率だったのですが、全問完璧に解けるレベルまで復習した方が良いのでしょうか?


基本的に「基礎を理解するのが目的」なら応用問題、発展問題は解けなくてもいい。(解けた方がいいが)。

「応用力をつける」のが目的なら全問解けた方がいいだろう。


ただ編入試験は物理に微積の計算を頻繁に使うので、演習書に重要問題集だけでは足らないと思う




Q9
旧帝大の編入試験を受験したいのですが、基礎物理学演習の問題をやっていれば合格レベルに達することができるの?
編入試験は基礎と応用ができてれば解ける。自分は物理のエッセンスで基礎をやって、基礎物理学演習とかで自分で答えが書けるまで、ひたすら考えて思考力をつけた。

思考力=応用力をつけた後に過去問を解いてみて、解けなかったら解けるまで基礎固め&物理学演習とかを繰り返した。足りない分野は他の問題集を買って補った。

編入試験レベルの応用力は基礎物理学演習をやれば身につくし、旧帝大レベルでも基礎物理学演習なら大丈夫だとは思う。ある程度の勉強法は人によって異なる。上に書いた勉強法を真似てみて、自分なりにアレンジした勉強法を見つけるのがベスト




Q10
各問題集どれくらいの時間や日数かかるのか具体的に教えて下さい。参考書を使った順番も教えていただけると幸いです?


一番いいのは必ず出題される力学と電磁気をやること。あとは過去問を見て出る範囲をしぼって勉強すれば一番コスパがいい。
どれくらいかかるかは理解度によるのでなんとも言えないが、自分は基礎物理学演習は集中して1ヶ月くらい、力学演習は必要な問題だけやっていらないのはスルーしたので、1ヶ月くらいかかった。



また順番は下のようにやった
1.編入試験で出題される大学物理の分野を調べる
2.過去問で出題傾向を知る
3.物理のエッセンスとかで基礎固め
4.演習系の問題集で思考力(応用力)を高めた
5.過去問を解いてみる
6.解けなかったら解けるまで3〜5を繰り返した



Q11
演習力学は解説が詳しいようですが、やはり塾などを活用して教えていただかないと、独学は難しいのですか?


独学は理解度によるので、どれだけ物理に詳しいかによる。演習力学は難しめなので、回答をみて粘って考える精神力がないと独学はきつい。粘って答えにたどり着くことが出来れば、物理の独学は基本できる。

ネット上にも勉強法についての情報がかなりあるので、それを自分で活用できないなら独学は厳しいかもしれない。
塾に行った方がテキストに基礎問が揃っているし、チューターや過去問などの設備が整っているので、独学に自信がなければ塾に行った方が早い




Q12
大学物理をやったことがなく、よく分からないので、演習書を選ぶときのポイントを教えて


なるべくわかりやすい参考書、これなら必ず一冊やりきれるという自信のある演習書を選ぼう。
変に難しいのを買って消化不良になったら時間の無駄だ。

その参考書をやってみて一冊終わった後、志望校のレベルに足りないなら難しいのを買ってみるなど、だんだんレベルアップして行くのがいいはず。

大事なのはこれだと決めた演習書を何回もやること。だめなのは演習書をたくさん買って中途半端で終わらせること。



Q13
数学の参考書で物理に必要な範囲だけやるというのは、具体的にどういうこと?


数学科の人みたいに数学を完璧にマスターしなくてもよくて、物理学の問題を解くために必要な部分だけ理解しておけばいいということ。
例えて言うと「数学の知識=物理の問題を解くための道具」。


例えば、力学で微分積分を学ぶ必要があるので、微積の「偏微分」みたいな”物理を理解するために必要な部分”だけ学べば良い。
逆に、「重積分」みたいな”使わない部分”は勉強する必要はないってこと。



Q14
波動や熱力学の問題は、基礎物理学演習に含まれているの?
含まれているけど、波動や熱力学は編入試験向けの問題が少ないので、「大学1.2年生のためのすぐわかる物理演習」をメインに、プラスで過去問を使って問題を多めに解いた方がいい。



Q15
編入試験に合格した場合、編入後に以前の大学の単位はどれくらい認められるものなの?

自分は文系だったので90単位→70単位くらいになった。理系ならほとんど認められると考えていい。



Q16
編入後は単位を補ったりする必要があったりして大変?
単位が足らなければ、もちろん大変になる。文系だと知識の遅れがある場合、勉強に追われる毎日になる。

理系で単位が認められてかつ物理、勉強全般得意なら比較的遊べる。志望してるのが理系の実験のある学科だと、結構大変だと思う



Q17
大学の授業がある期間はどれくらい勉強してた?

普通に授業出ててると課題とかレポートが多い。実験系の授業になると必ずレポートが出るので、平日は夜まで勉強する日が結構あった。
ここら辺はやっぱり勉強が得意なら早く終わるし、勉強時間も少なくて済む。


編入合格後に、入学までの間に入学後のための勉強をしておくと、入学後に楽できる。



Q18
サークルなどに入った場合、勉強と両立できるか?

自分は部活やっていて週4で練習していた。正直、サークルは週2〜3にしておかないと勉強事態が手につかなくなって両立できない。勉強とサークルで両立したいなら勉強のウエイトを減らすことがキー。

編入試験後の期間に勉強しとくとか、自分なりの勉強の効率化の方法を探しておくとかの工夫が必要。

逆に言ってしまえば、勉強とサークルの両立は工夫次第でできる。




長くなったが、編入試験でありそうな質問に回答してきた。また質問とかあったら記事にするかもしれないので、気軽にコメントして頂けると助かります。

courseraのMachine Learning(機械学習)の講義内容まとめ(6〜11講義の概要)

前回に引き続き、courseraのMachine Learning(機械学習)コースの講義概要を書きます。

知識ゼロで見るとよくわからない内容ですが、機械学習が学ぼうとしてるなら何言ってるかおおまかにわかるはず。これから機械学習を学んでみようと思うのでcourseraのMachine Learning(機械学習)コースを受講しようという人には役立つと思います。

また自分はディープラーニングを学びたくてこの講義を受講したのですが、ディープラーニングを学びたい場合どのような勉強法をやればいいのかは別記事にまとめる予定です。

あくまで備忘録ですが、1〜5講義の内容はこちら

目次
講義6.学習アルゴリズム診断
講義7.サポートベクターマシーン(SVM
講義8.クラスタリング(教師なしデータ)アルゴリズム
講義9.アノマリー検出
講義10.大規模スケールの機械学習
講義11.機械学習の応用テクニック


f:id:trafalbad:20170303115903j:plain

講義6.学習アルゴリズム診断



概要
学習アルゴリズムを効果的に改善する方法、上手く学習できてるか診断する方法、どうすれば学習アルゴリズムを効果的に実装できるかについて専門的なテクニックをいくつも紹介しています。


テクニックも使えますが、「扱う変数となるフィーチャー(特徴)が多い場合はトレーニングセットとテストセットに分けるべき」など、より実践的なアドバイス機械学習エンジニアには参考になります。



出てくる式やテクニック

機械学習診断:データセットが多い場合、そのデータセットをトレーニングセット、クロスオーバーセット、テストセットに分けるという内容。

高バイアスと高分散問題:学習アルゴリズムが上手くいってないときの典型的な問題とその解決策を提示


機械学習のデザイン戦略:学習アルゴリズムを設計するときの効果的な戦略を紹介。

・〜%などその学習アルゴリズムの良し悪しを判断する単一の評価指数があると便利(Fスコアなど)
・まず初心者がやるべきことは、データを集めて汚くてもいいので動くアルゴリズムを実装すること。それからアルゴリズムを改善すればいい
アルゴリズムで解くべき問題に対して「その分野の専門家に聞いても答えられる問題どうか」を考えて、答えられないようならばデータがもっと必要



講義7.サポートベクターマシーン(SVM



概要
ロジスティック回帰以外に、より複雑な非線形の関数を扱うよりパワフルな手法として、サポートベクターマシーン(SVM)を紹介。

SVMはロジスティック回帰とは違うテクニックなため、カーネルという手法と一緒に使います。よりアドバンスドな(進んだ)非線形問題のためのテクニックです。


出てくる式やテクニック

SVMSVMの手法はグラフにプロットしたとき、与えられたデータからの距離が最も大きくなるような直線を引く関数を求めます。

カーネル:データセットから得た目印(ランドマーク)とフィーチャーをグラフ上に視覚化したとき、その2つの距離が近れければ近いほど、2つの類似度が高いことを表す関数。

SVMカーネルと一緒に用いることが多く、かなり発展的な内容です。数式ばっかりで頭が痛くなります。



講義8.クラスタリング(教師なしデータ)アルゴリズム



概要
今までは教師ありデータアルゴリズム(テストセットのデータが与えられている)分類問題だった。

しかし、講義8からは教師なしデータアルゴリズム(テストセットのデータが与えられていない:例Googleニュースでは機械がたくさんのニュースを自動でカテゴリ別に分類)分類問題を扱う。教師なしデータアルゴリズムがすることはクラスタリングと抽出です。その上でのテクニックを紹介



出てくる式やテクニック
K-means:与えられたデータセットをグラフ上に可視化し、その可視化した点を2つ、もしくはそれ以上に分類するテクニック(重心を決めて、データセットの平均から重心が収束する点を求め、分類する)。

K-meansのコスト関数や初期化の方法も紹介。



次元削減機械学習は特徴を表す変数(フィーチャー)により次元が異なるが、次元が多いほどアルゴリズムの学習スピードは遅くなる。そのため次元を減らす(2次元を1次元とか、50次元を2次元に減らす)テクニックを紹介。
次元削減で主に使われるのは主成分分析(PCA)。またPCAの次元を元に戻すテクニックもある。



講義9.アノマリー検出



概要
アノマリー検出はフィーチャーを持つデータセットに対して、「それがテストセットになるか」または、「普通ではない(異常な)フィーチャーか」を学習アルゴリズムに確率として教えることができる(例えば、ネット上のユーザー情報の中で異常なユーザーの行動を特定する)。


フィーチャーを持つ未知のデータセットに対して、それをテストセットとして扱えるかを分類します。扱うデータのフィーチャー(特徴)が

・データセットと似たものである→教師あり学習アルゴリズムを使う
・逆にまったく見たこともない→アノマリー検出で対応する

出てくる式やテクニック

ガウス分布アノマリー検出に使うグラフのテクニック


アノマリー検出のフィーチャーのデザイン方法アノマリー検出で見つかった異常なフィーチャーから、さらに新しいフィーチャーをデザイン(設計)する方法。


レコメンダーシステム、協調フィルタリング、多変量ガウス分布アノマリー検出をより拡張したときに使うテクニック。



講義10.大規模スケールの機械学習



概要
今まではデータのフィーチャーが1万個くらいのデータセットの問題(バッチサイズ)を扱っていました。ここでは1億レベルのフィーチャー(大規模スケール)を扱う機械学習のテクニックを紹介しています。


主に扱うのは勾配降下法の大規模スケール版である確率的勾配降下法。また大規模スケールの問題をミニバッチサイズ(1000個ほどのフィーチャー)で対処するテクニックもあります。



出てくる式やテクニック
確率的勾配降下法:今までの勾配降下法はデータをすべて式で計算してやっと一回更新するため、大規模スケール(億レベル)だと膨大な時間がかかります。

しかし確率的勾配降下法はすべてのデータを一回式にかければ、最小値に収束します(最小値が見つかる)。



確率的勾配降下法の収束確認法と学習率の選択法確率的勾配降下法では最小値の付近を振動するような線を描くため、最小値に収束しているかを確認する方法。
および、確率的勾配降下法の計算式の学習率(α)の選び方


講義11.機械学習の応用テクニック



f:id:trafalbad:20170303115929j:plain

概要
写真内の文字を読み取るPhotoOCRと呼ばれる技術を例にとり、機械学習を様々な分野に応用できるテクニックを紹介。

音声分析や画像分析にも使えるテクニックや、エンジニアとして効率的に機械学習を進めるテクニックを説明しています。

機械学習で無駄なことはせっかく集めたデータが使えないとわかり、データ集めに費やした時間が無駄になることです。その時間ロスを減らすには大量のデータを収集する前に、大量のデータがそもそもアルゴリズムで活用できるかじっくり考えること。


出てくる式やテクニック
PhotoOCR:紙媒体の文字を読み取るOCRの高度なバージョンで、写真内の文字を読み取る技術。その中でもスライディングウィンドウ分類器は、車や歩行者の判別など様々な分野に応用されています。


人工データ合成:学習アルゴリズムの理想は「低バイアスで大量のデータセットを読み込める」こと。それを実現するテクニック。やり方は無からデータを作り出すか、少ないデータを増幅する。

シーリング(天井)分析機械学習を段階別に分けたステップを「パイプライン」と呼び、どのパイプラインに時間を費やすか調べる技術。機械学習で無駄を極限まで減らすテクニック。



今回はcourseraの機械学習コースの講義6〜11までをまとめました。内容的には機械学習にさわろうという人なら、何を学べるかわかるので参考になる内容ではないでしょうか。

とにかくcourseraは機械学習の全体像を把握するのに一番手っ取り早いでしょう。ここまでまとまってる知識は書籍ではまずないし、おそらくcourseraでしかここまで体系立てて学べないはずです。機械学習のとっかかりにはベストの講義だと思います。無料ですし。

後になってわかったのですが、ディープラーニング機械学習分野の一部でしかありません。

ディープラーニングやcourseraの効率的な学習方法は別記事にてまとめようと思います。

1〜5講義までの内容はこちらの記事をどうぞ。
trafalbad.hatenadiary.jp

courseraのMachine Learning(機械学習)の講義内容まとめ(1〜5講義の概要)

将来的にプログラミングを学ぶ必要がでてきた(主にディープラーニング)ので、courseraのMachine Learning(機械学習)コースを受講しました。
講義内容としては機械学習の基礎を広く理解するためのもので、機械学習でどのような手法が使われているかを紹介しています。機械学習の全体像がわからないという人にはまさにうってつけの講座と言われているこのcourseraの機械学習コース。個人的備忘録ですが、その講義全11講義の概要をまとめておこうと思います。

この記事では1〜5講義までの概要をまとめてあります。
6〜11講義はこちら

✳︎2017年2月時点では、日本語字幕があり、英語が聞きとれなくても学べる環境にあります。

目次
講義1.機械学習の概要
講義2.より複雑な(非線形な)機械学習の概要
講義3.分類問題とロジスティック回帰
講義4.ニューラルネットワーク
講義5.ニューラルネットワークのテクニック

f:id:trafalbad:20170302192742j:plain



講義1.機械学習の概要



概要
講義1では機械学習の全体像を説明しています。
機械学習は普通の複雑な関数からなる問題ですが、それを1次元の関数問題である線形回帰で簡潔に説明。

機械学習は教師ありデータアルゴリズム、教師なしデータアルゴリズムの2つに分類され、ディープラーニングは教師ありデータアルゴリズムに属します。

連続的なデータから数値を予測する「回帰問題」と離散的なデータを特定のカテゴリに分ける「分類問題」に分かれていること。
さらに、最も単純な線形回帰を使ってデータセットからどのような方程式を解いて回帰問題や分類問題を実行するかを説明します。



出てくる式やテクニック
目的関数(コスト関数):2乗誤差関数とも呼ばれ、機械学習では全体のキーとなる関数。 機械学習ではコスト関数を探し、勾配降下法などのアルゴリズムを使って最小化するやり方が一般的になります。

勾配降下法:コスト関数の最適な最小値を求めるためにコスト関数の変数を更新するテクニック。ディープラーニングでも出てきます。




講義2.より複雑な(非線形な)機械学習の概要



概要
講義1では1次元(線形)の機械学習問題だったため変数が1つだけでした。しかし、講義2では変数を2つ以上に増やして、より機械学習らしい問題の概要を具体例を交えて説明しています。

コスト関数は同じですが、変数が増えているのでそれに合わせた行列表記法。および非線形のときに使う勾配降下法のテクニックを中心に紹介&説明


出てくる式やテクニック
フィーチャースケーリング非線形になると勾配降下法が遅くなるので、それを早くするテクニック

勾配降下法がうまくいってるか確認する方法:主に「グラフにプロットとして視覚化しましょう」という内容

正規方程式:勾配降下法は何回も変数の値を更新する必要があるが、「正規方程式」を使えば一回の更新で済む。ただし変数の数が少ない場合はのみ(1000個ほど)



講義3.分類問題とロジスティック回帰



概要
非線形のつまり、変数が2つ以上の複雑な関数の分類問題で、その値を確率で表すのが「ロジスティック回帰」のアルゴリズムです。

ロジスティック回帰の分類問題ではシグモイド関数により確率問題として扱うため、シグモイド関数に合わせたコスト関数、勾配降下法を説明。

またデータがトレーニングデータに慣れすぎてしまい、汎用的な能力がつかなくなる「オーバーフィッティング」を防止するための”正規化”についても説明しています。



出てくる式やテクニック
ロジスティック回帰ディープラーニングでおなじみのシグモイド関数を使って、ロジスティック回帰のコスト関数やその仕組みを説明

one vs all法:変数が2つ以上のとき、ロジスティック回帰における分類問題のやり方を説明

正規化:「オーバーフィッティング」を防止するために値がゼロに近づくようにするテクニック。コスト関数、勾配降下法、正規方程式に正規化項をつけて、正規化する方法を紹介




講義4.ニューラルネットワーク



f:id:trafalbad:20170302192833j:plain



概要

ディープラーニングでお馴染みのニューラルネットワーク。これは機械学習では非線形の複雑な関数ではよく用いられる手法であり、それを解説。

ディープラーニングでの使い方というより、ニューラルネットワーク機械学習での使い方や、位置づけを解説しています。

ニューラルネットワーク機械学習が複雑なコードを書くものにより成り立つのではなく、人間の脳の機能を真似したものであることがよくわかります。

大体の表記や仕組みはロジスティック回帰のような確率問題に帰着しますが、ニューラルネットワークがロジスティック回帰と違う点は、ロジスティック回帰が変数にフィーチャー(特徴)を使うのに対し、ニューラルネットワークは隠れ層を使い、変数を次の層に伝播する構造を持っていること。


出てくる式やテクニック
重み・バイアスニューラルネットワークでは計算式に使われる概念で、学ぶ上では欠かさない知識。

XORゲート非線形問題をニューラルネットワークで処理するためのテクニック。ロジスティック回帰における「one vs all法」のように、3つ以上のマルチクラスの分類問題を2つの分類する問題として扱う(例:y={1,2,3,4}に対する出力結果の表記法は{1,0,0,0,}、{0,1,0,0,}、{0,0,1,0}、{0,0,0,1}となる)。





講義5.ニューラルネットワークのテクニック


f:id:trafalbad:20170302192950j:plain


概要

ニューラルネットワークでのコスト関数や逆伝播法といった今までやってきた講義内容のニューラルネットワーク版を説明。

メインテクニックはニューラルネットワークのコスト関数および誤差逆伝播法です。


出てくる式やテクニック
ニューラルネットワークのコスト関数ニューラルネットワークはロジスティック回帰問題と同じ確率問題に帰着するため、ロジスティック回帰のコスト関数と大体同じです。

しかし、今まで紹介したコスト関数よりも形がより複雑になってます。



誤差逆伝播:これは説明が長くなってしまうので割愛しますが、主な役割はコスト関数の偏微分を求めるときに使うテクニック。ディープラーニングでは必須のテクニックです。





主な講義の概要を書くとこんな感じでしょうか。機械学習に馴染んでないと訳のわからない用語だらけですが、courseraの機械学習コースでは知識ゼロでもわかるようになってます。

そもそもこの講義は機械学習の使い方を学ぶというよりは全体像をおさえて、機械学習ではどんなことをやっているのかを知ることができます。機械学習の基礎から、シリコンバレーの最先端企業が使っているテクニックまで網羅している分、重いです。しかし機械学習の知識をてっとり早く身につけるにはかなり評価の高い講義なので、そこらのオンライン講座よりはるかにマシです。

自分は課題とかはやらずに講義の内容をひたすらノートにメモってやりました。その備忘録なわけですが少しはこれから受講する人には役立つ内容ではないでしょうか。

講義6〜11はこちらの記事で紹介しています。
trafalbad.hatenadiary.jp

『クリストッフェル記号』の計算方法:一般相対性理論のレポート録

f:id:trafalbad:20161227131458j:plain

この記事はGoogle検索で「クリストッフェル記号」の計算方法を探してる人向けに書いています。
この記事は某国立大学の物理学の一般相対性理論の授業のレポート録です。

*この記事では「クリストッフェル記号」の計算方法が具体的にわかるように書いています。

「クリストッフェル記号」とは

クリストッフェル記号とはアインシュタイン一般相対性理論で使われる粒子の運動方程式に出てくる記号のことです。

ここでは詳しい解説は避けてレポート問題の紹介と解法、その中でクリストッフェル記号の計算方法を示します。
*参考サイト「wikipedia

問題文

計量{g_{μν}}が次の形で与えられる3次元時空を考える

{ds^{2}=g_{μν}dx^{μ}dx^{ν}=\frac{a^{2}}{u^{2}}(-dt^{2}+dy^{2}+du^{2})}

ここでは定数{a}、また
{x^{μ}=(x^{0} , x^{1} , x^{2})=(t , y , u)}

問.
クリストッフェル記号
{Γ_{νρ}^{μ}=\frac{1}{2}{g^{μσ}}(\frac{ \partial }{ \partial x^ν }{g_{σρ}}+\frac{ \partial }{ \partial x^ρ }{g_{σν}}+\frac{ \partial }{ \partial x^σ }{g_{νρ}})}

のゼロとならない成分が{Γ_{uu}^{u}}であり

{Γ_{uu}^{u}=-\frac{1}{u}}
となることを示せ

クリストッフェル記号の計算方法

クリストッフェル記号についている添え字{μ,  ν,  ρ}は任意の変数です。これに数字を代入して右辺の{σ}の値を決めます。

例えばここでは3次元時空を考えているので、代入する数字は{0, 1,  2}の3つ。そして{x^{μ}}にそれぞれ{0, 1,  2}を代入すると

{x^{μ}=(x^{0} , x^{1} , x^{2})=(t , y , u)}

となります。
クリストッフェル記号ではまず左辺の添え字に何を代入するか決めます。そして右辺の計量{g_{μν}}を求め、その計量の逆行列{g^{μν}}を求めます。

左辺の添え字に代入する数、計量、計量の逆行列が求まったら、{σ}の値を求めます。
{σ}の値の決め方ですが、まず{σ}に代入する数字の値の範囲を定めます。例えばここでは計量{g_{μν}}{0〜2}の値までしかとらないので、必然的に{σ}の値も{0〜2}の範囲に限定されます。
そして代入する値の範囲がわかったら、その範囲で{σ}の和をとります
式で表すと
{\displaystyle \sum_{ σ= 0 }^{ 2 }{Γ_{νρ}^{μ}}=\displaystyle \sum_{ σ= 0 }^{ 2 }(右辺)}

右辺の{σ}について{0〜2}まで和をとり、全ての項を計算していきます。

たいていの問題はほとんどの項がゼロになるので、ゼロにならない項を的確に見つけてスムーズに計算するのがコツです。


解説

まず、3次元時空なので計量{g_{μν}}の行列の各成分を次のようにおきます。

{g_{μν}=\begin{eqnarray}\left(  \begin{array}{ccc}    g_{00} & g_{01} &  g_{02}\\    g_{10} &  g_{11} & g_{12} \\    g_{20} & g_{21} & g_{22}  \end{array}\right)\end{eqnarray}}

そして式
{ds^{2}=g_{μν}dx^{μ}dx^{ν}}

に関しては計量は{0〜2}までの値しかとらないため、{μ ,  ν}{0, 1,  2}の値をとります。
よって式

{ds^{2}=g_{μν}dx^{μ}dx^{ν}}

{0〜2}まで和をとり計算します。


{\displaystyle \sum_{ ν , μ = 0 }^{ 2 } g_{μν}={g_{00}dt^{2}}+{g_{01}dtdy}+{g_{02}dtdu}+{g_{10}dydt}+{g_{11}dy^{2}}+……+{g_{21}dudy}+{g_{22}du^{2}}}

これは式
{ds^{2}=g_{μν}dx^{μ}dx^{ν}=\frac{a^{2}}{u^{2}}(-dt^{2}+dy^{2}+du^{2})}

と同値なので恒等式より、

{dt^{2}  , dy^{2} ,du^{2}}

の各項を比較すると

{{g^{00}}= -\frac{a^{2}}{u^{2}} ,  {g^{11}}=\frac{a^{2}}{u^{2}}  ,    {g^{22}}=\frac{a^{2}}{u^{2}}}

になり、計量{g_{μν}}

{g_{μν}=\begin{eqnarray}\left(  \begin{array}{ccc}    -\frac{a^{2}}{u^{2}} & 0 & 0 \\    0 &  \frac{a^{2}}{u^{2}} & 0 \\    0 & 0 & \frac{a^{2}}{u^{2}}  \end{array}\right)\end{eqnarray}}

となります。次に計量{g_{μν}}逆行列を求めます。
計算{g_{μν}}は対角行列なので、逆行列は真ん中の成分の逆数を求めればいい。というわけで計量の逆行列{g^{μν}}

{g^{μν}=\begin{eqnarray}\left(  \begin{array}{ccc}    -\frac{u^{2}}{a^{2}} & 0 & 0 \\    0 &  \frac{u^{2}}{a^{2}} & 0 \\    0 & 0 & \frac{u^{2}}{a^{2}}  \end{array}\right)\end{eqnarray}}
となります。

ここからクリストッフェル記号の計算に入ります。
まずクリストッフェル記号の左辺の変数である{μ   ,   ν  ,  ρ}に代入する数値を決めます。

ここでは

{Γ_{uu}^{u}}

を求めたいので、{u}すなわち、{2}を代入します。
するとクリストッフェル記号は

{Γ_{uu}^{u}=Γ_{22}^{2}}

となります。ここで「クリストッフェル記号の解法」で紹介したように、右辺の{σ}について和をとります。
{σ}{0, 1}のとき、計量{g_{μν}}および計量の逆行列{0}となるので、{g^{22}}の値のみ考慮すると、

{\displaystyle \sum_{ σ= 0 }^{ 2 }(右辺)= \frac{1}{2}{g^{22}}(\frac{ \partial }{ \partial u } (\frac{a^{2}}{u^{2}})+ \frac{ \partial }{ \partial u } (\frac{a^{2}}{u^{2}})-\frac{ \partial }{ \partial u } (\frac{a^{2}}{u^{2}}))}


{\frac{1}{2}{\frac{u^{2}}{a^{2}}}(-\frac{2a^{2}}{u^{3}}-\frac{2a^{2}}{u^{3}}+\frac{2a^{2}}{u^{3}})=-\frac{1}{u}}

よって、クリストッフェル記号は
{Γ_{uu}^{u}=-\frac{1}{u}}

となることが証明されました。

漫画「浅尾さんと倉田くん」から学ぶ人間・友達関係によくある悩みへの13のアドバイス【HERO】

f:id:trafalbad:20161221214426j:plain

漫画「浅尾さんと倉田くん」は結構前の漫画だ。とはいえ何回読んでも色あせない面白さがある。その面白さは高校生によくある人間関係を深すぎるくらいの心情描写とともに描いてる点だ。
だからかもしれないが、人間・友達関係で参考になることがかなりたくさんある。今回は漫画「浅尾さんと倉田くん」から学べそうな人間関係のポイントを抽出してまとめようと思う。現実世界でも絶対に参考になるはずだ。


目次
・適度な馴れ馴れしさも必要
・本当に嫌なやつなら話さない
・話しかけづらい表情をしない
・キライじゃないなら挨拶くらいしよう
・前より話せてるなら一歩前進した証拠
・スキンシップは控えめに
・自分からいかないと気づいてもらえない
・何かしないと何も変わらないよ
・同意を求めるのも立派なコミュニケーション
・あなたは他人は無いものを持ってるかもしれない
・波長の合わない人同士は仲良くなるのが大変
・相手を好きになるには相手をよく知ること
・ウザいのはNG



Advice.1

適度な馴れ馴れしさも必要

f:id:trafalbad:20161221211652j:plain:w500

相手と仲良くなりたいとき、丁寧すぎていないだろうか?仲良くなりたいなら適度な、なれなれしさも必要だ。

LINEの会話でさえも丁寧すぎると、会話が「重く」なって、スムーズなコミュニケーションができない。

フラットに軽く言葉を返したり、適度になれなれしさを出して接してみよう。きっと前より接しやすくなる。





Advice.2

本当に嫌なやつなら話さない

f:id:trafalbad:20161221211712j:plain:w500

相手との関係をどう思ってる?嫌われてれるのか、好かれてるのか、どのくらい仲が良いのか、気になることはたくさんある。

けど、1つ確かなことがある。それは「本当に嫌いなら話さない」ってこと。相手と少しでも話せてるならきっとその関係は悪く無いはず。





Advice.3

話しかけづらい表情をしない

f:id:trafalbad:20161221211736j:plain:w500

相手と話したいとき、どんな顔をしてる?実は表情が違うだけで、話しかけやすい、話しかけずらいってことはある。相手の反応を気にしたり、コミュニケーションをとりたいなら「話しかけやすい表情」を作ることも大事。


いつも作り笑顔してろってわけじゃ無い。仲良くしたい相手に会うときには、表情も大事ってことだ。




Advice.4

キライじゃないなら挨拶くらいしよう

f:id:trafalbad:20161221211751j:plain:w500
挨拶は大事だ。相手と会った時にその場の空気を和らげてくれる。会話や雑談も挨拶から始まるといっても間違いじゃない。

キライな相手、どうでもいい相手じゃないなら挨拶くらいしてみよう。新しい関係が芽生えるかもしれない。




Advice.5

前より話せてるなら一歩前進した証拠

f:id:trafalbad:20161221211818j:plain:w500

前と比べて相手との関係はどうなってる?仲良くなったのか、変わらないのか、悪くなってるのか、何を基準にしたらいいんだろう。

そんなとき、「前より話せてるか」を考えてみよう。
気になり始めたときよりも話せてるなら、相手との関係は確実に前進している証。





Advice.6

スキンシップは控えめに

f:id:trafalbad:20161221211836j:plain:w500

相手に触れるスキンシップは立派なコミュニケーション。親しい友達とか、仲良くしたい相手にスキンシップをとることも悪くない。

けど、過度なスキンシップは禁物だ。ベタベタされ過ぎると、逆に嫌われてしまうこともある。相手にもよるけど、スキンシップはほどほどに。




Advice.7

自分からいかないと気づいてもらえない

f:id:trafalbad:20161221211850j:plain:w500

例え友達とずっといても、あなたのすべてに気づいてくれるわけじゃない。あなたからいいところを積極的に出さないと気づいてもらえない。

自分を知ってほしいところがあるなら、まず自分からそこをガンガン出していこう。控えめのままだと、気づいたときには、相手があなたの良さに気付かないまま去ってしまう。




Advice.8

何かしないと何も変わらないよ

f:id:trafalbad:20161221211906j:plain:w500

考えてばかりいても、行動しなければ何も変わらないよ。人間は思考して、言葉に出してから行動に移る。願っていることを叶えたいなら、願うだけじゃなく行動しよう。

周りにすごいな、と思う人がいるかもしれないけど、その人がすごいのは、願ってることを行動して実現したから。だからその人はすごいんだ。

何かを変えたいなら、まず何かしてみよう。「何かしないと何も変わらないよ」




Advice.9

同意を求めるのも立派なコミュニケーション

f:id:trafalbad:20161221211936j:plain:w500

コミュニケーションに迷うことはないだろうか?何を話せばいいのか、何を話題にすればいいんだろう、何をすればいいのかわからないこともある。

そんなとき、自分が思ってることを相手にも聞いてみよう。「これっていいと思わない?」「あれって良くない?」こんな風に同意を求めるリアクションも、立派なコミュニケーションの1つだ。

何を話せばいいのかわからない、そんなときには、相手に同意を求めるコミュニケーションも全然ありだ。




Advice.10

あなたは他人は無いものを持ってるかもしれない

f:id:trafalbad:20161221211949j:plain:w500

気になる相手がすごいと思うことがある。なんであんなにすごいんだ、なんであんな完璧なんだろう、すごい人には自分なんか及ばないと思うかもしれない。

けど他の人はあなたのことを、あなたが思うほど悪くは見てない。少なくとも、あなたが気づかない長所を知ってるかもしれない。

完璧な人なんかいない。すごい人でも必ず短所はある。そして、あなただってすごい人には、無い何かを持ってる可能性だってきっとある。





Advice.11

波長の合わない人同士は仲良くなるのが大変

f:id:trafalbad:20161221212008j:plain:w500

精細な人と気が強い人、クールな人とテンションの高い人、どちらか一方が仲良くなろうとしても性格が大きく違うと、仲良くなるには時間がかかる。

気が合うもの同士は仲良くなるのは早いけど、性格に温度差があったり、波長が合わない人同士は、普通よりも仲良くなりにくい。

もし、なんで仲良くなれないんだろう、と思うときがあったら相手との性格の違いを考えてみよう。きっとヒントは見つかるはず。





Advice.12

相手を好きになるには相手をよく知ること

f:id:trafalbad:20161221212031j:plain:w500

仲の良くなるには、まず相手のことを知ろう。大事なことを何もわかってなければ、本当にその人のことを好きになれない。

カッコいいとかの見た目だけじゃなくて、どんな人で、どんな性格なのか、見た目よりもっと大事なことを知ろう。

本当に仲がよくなりたいなら、普通の人よりも、その人をよく知ることが何より大事なこと。





Advice.13

ウザいのはNG

f:id:trafalbad:20161221212103j:plain:w500

ウザいということは「しつこい」ということ。人間関係で一番嫌われる原因は、ウザいことではないだろうか?
自分自身も、しつこいことが原因で嫌われた経験は何回もある。相手が望んでいるのは、お互いにベタベタしない、依存し合わない関係だと思う。

仲良くしたいならサッパリしたドライな関係の方が、ベタベタした関係よりはよっぽど長続きする。

もし自分が相手にベタベタされて嫌だったら、相手もあなたにベタベタされるのは求めていないはずだ。


学士・大学編入での「物理」の現実的な勉強法と対策:過去問入手方法&おすすめ参考書.etc

自分は数年前に大学編入試験を受けた。理系志望で難関国公立に受かっている。編入試験は一般に出回っている情報がメチャクチャ少なく、勉強法などは経験者や予備校などクローズドな人しか知らない(はず)。そこで今回は大学編入試験(または学士編入)の受験科目である「物理学」の最もてっとり早い、現実的な勉強法を紹介しようと思う。

目次
・「物理学」の現実的な勉強法
・勉強期間&予備校の利用法

f:id:trafalbad:20161218224441j:plain


「物理学」の現実的な勉強法
大学編入試験、特に理系の国公立は6〜8月にかけて行われる。主な受験科目は
  • 英語
  • 数学
  • 物理学

などがほとんどだろう。編入試験は狭き門だが、本音を言うとモチベーションが続かなかったり、まともに勉強してない受験者が多いから合格者が少ないという事実がある。

つまり、まともに勉強すれば、編入試験はほとんど受かるケースが多い。だが、それが難しいのは「大学受験ほど受験者が多くないため、勉強法などの情報がネットや一般向けに公開されていないから」だ。

ここでは個人的体験から受験科目である「物理学」の問題を解くために、必要な勉強方法を紹介する。勉強法は次の4つステップになっている。

STEP1.過去問で出題範囲を知る

STEP.2基礎を徹底的にマスターする

STEP.3基礎をマスターしたら応用問題を解く

STEP.4過去問を解き直す

STEP1.過去問で出題範囲を知る

まず、いきなり問題集やテキストから始める人がいるが、それはかなり時間が無駄になる。編入試験では、出題範囲が学校によってかなり違うからだ。まず、自分が受ける志望校の出題範囲を知ることから始める必要がある。

だいたい物理学の出題範囲は次の4つから出る

  • 力学
  • 電磁気学
  • 波動
  • 熱力学
  • (たまに原子分野)

難しい学校ほど出題範囲は多くなる。どれも高校の物理の延長線上にある問題だ。単純に簡単な学校は「力学、電磁気学」の2分野だけで済む。難関国公立は4分野から全て出題したり、「力学、電磁気学の難問」を出題したりする。


まず、過去問でこれらのうち、どこを勉強する必要があるかを分析してから問題集にとりかかるのが定石だといえる。

*数年に一度しか出題されない範囲でもできれば、勉強しておくことがオススメ。実際に3年間連続で出題されなくても、受験した年に出題されたという例は見てきた。仮に出題されなくても合格後にどうせ勉強するので、やっておいて損はない。



過去問の入手方法

過去問は志望校から取り寄せるのがもっとも一般的だ。しかし数年分、多分、1年分しか手に入らない。そこで「予備校から仕入れる」方法がある。多少お金がかかるが、予備校は過去問を10年分くらいためてるところもあるからだ。


具体的方法は後述するが、簡単に言ってしまうと
・夏期講習など短期間だけ予備校に入塾してしまう
方法がある。そうすれば一応、生徒扱いなので過去問もコピーし放題。まともに正規生になるよりは、ずっと安上がりで大量の過去問が手に入る。



STEP.2基礎を徹底的にマスターする

ここでは高校範囲と、大学初年度の物理学の基礎知識を徹底的にマスターしよう。
ここで「基礎知識をマスターすること」を噛み砕いて言うと
・基礎知識の暗記
・基礎知識の物理的な意味の理解

の2つだ。


まず試験問題を基礎知識無しで、つまり暗記しないで解くことはできない。また知識を丸暗記してもその知識が「物理的にどういう意味を持つのか」を理解していなければ知識は使いこなせない。


これを例えて言うならゲームがわかりやすいだろう。ゲームの説明書にやり方が書いてある。いきなり説明書を見ないでやる人はいないはずだ。やり方が分からなければゲームなんかできない、つまりクリアできないからだ。ここではゲームの説明書に書いてあることが基礎知識に当たる。


試験問題も同じだ。基礎知識という説明書(参考書)に書いてあることを理解して、試験というゲームに挑む(問題を解く)。そして、はじめて試験に合格できる(ゲームをクリアできる)ようになる。
つまり試験問題は基礎知識のマスターは避けて通れない道だ。以下では高校と大学の範囲に分けて、オススメの参考書を紹介します。


基礎知識マスター-「高校範囲」

高校の範囲は参考書が山のようにでている。ゴミ本から秀逸な本までたくさんあるが、1つだけ共通するのは「基礎知識のマスターのためには1つの参考書を何回も反復すること」だ。何冊も買っても、どれもやりきれなくて途中で辞めてしまうことが多い。


一応、今でている高校の物理の範囲で最も詳しい参考書は次の4冊

どれも著者が浜島清利という河合塾の熟練講師なので、内容が繋がっている。しかもかなりわかりやすい。物理がサッパリな文系の人は「New浜島物理I・II講義の実況中継上・下」から始めよう。


ある程度わかってるよ、という人は「物理のエッセンス」をオススメする。「New浜島物理I・II講義の実況中継上・下」からやって、「物理のエッセンス」に入るのが、一番いい基礎マスターの道だ。
著者が同じなので、内容がかぶることもなく安心して学習できるし、無駄がない。


基礎マスター-「大学範囲」

大学の物理は高校と違って、数学の知識がいる。ある程度、大学教養課程の数学の知識は身につけておく必要がある。
大学範囲で一番、基礎知識を詳しく解説しているのは次の通りだ「マセマ」というかなり変わった名前の出版社だが、Amazonレビューを見てもわかる通り、おそらく大学範囲の参考書の中で一番わかりやすい。
波動だけ「マセマ」ではないけど、波動は「振動・波動 (裳華房テキストシリーズ)」がかなりいいと思う。

ここは人それぞれなので、デカイ書店で見て自分に合うものを探すのが一番いい。

*ここではあくまで基礎知識の暗記と物理的意味の理解が目的。なので必要無いなら、ちらほら見かける応用問題や応用的な知識は、無理に手をつけなくていい。

とくにマセマは物理に必要な数学知識も一緒に解説してくれている。だから数学の参考書を買う必要がないのが、メッチャありがたい。
大学範囲の物理学はこれらの参考書があれば充分だろう。



STEP.3基礎をマスターしたら応用問題を解く

応用問題を解く目的は
・基礎知識を使いこなす
ただこれだけだ。
わかりやすいように格闘ゲームを例にしてみよう。やる順番は
  1. 基礎知識である技のコマンドを覚える(昇竜拳とか波動拳)
  2. この基礎知識である技のコマンドを自在に使いこなすように練習する
  3. 基礎知識の技のコマンドを使いこなして強敵を倒す
  4. そして使いこなせれば強いラスボスも倒して晴れてゲームクリア。エンディングも見れる。



受験も順番は同じだ。

  1. 基礎知識をマスターする
  2. 今度はこの基礎知識を自由自在に使いこなす練習をする
  3. 基礎知識を使いこなして、受験問題という強敵を倒す
  4. 受験問題が解ければ、晴れてゲームクリア。合格発表がエンディングだ


これでなんとなく、応用問題を解く意味がわかっただろうか?応用問題を解く目的が「基礎知識を自由自在に使いこなす」ことなわけです。そのために応用問題を解く必要がある。
編入試験でオススメの問題集は

基礎物理学演習 (1) (ライブラリ工学基礎物理学 (別巻=1))

基礎物理学演習 (2)

だ。これは大学範囲、特に編入試験の問題が多く掲載されている。この問題を基礎知識を使って解けるようになれば、過去問はほぼ解ける。問題集は人によりけりなので、他にお気に入りがあれば、それでも構わない。一応、基礎物理学演習は予備校でも勧められている名著だ。


個人的本当にオススメ参考書(力学、電磁気学



オススメの問題集のやり方

オススメの問題集のやり方は
・参考書を見ながらでもいいので、とにかく自分なりの解答を出す

こと。間違えてもいい。まずは基礎知識だけを使って、自力で問題を解こう。すぐに答えを見てはいけない。ここでウンウンうなって考えることで、思考力がつき、この思考力で過去問が解けるようになる。

f:id:trafalbad:20161218224233p:plain
そして間違えてもいいので自分で答えを出そう。「基礎知識のマスター」のところで使った参考書を見ても構わない。その基礎知識だけを使って応用問題をなんとか解けるようになること。それがこの応用問題を解く目的だ。


応用問題はせめて2周はしたい。できるだけ反復練習することが大事。最終的に正解を自分の手で導ければ、過去問も解けるようになっているはずだ。


STEP.4過去問を解き直す

応用問題で思考力をつけたら最後にSTEP1で見た過去問を解いてみよう。STEP.2と3をじっくり、しっかりやっていれば、過去問は間違いなく解ける。解ければとりあえず安心だ。後は、STEP.2〜4を繰り返したり、過去問をもっとやってもいい。


もし解けない場合は「まだ基礎知識を使って応用問題を解く力がない」ということだ。もう一度STEP2で基礎知識をマスターし直したり、STEP3で応用問題を時間をかけて解くことを繰り返そう。


特に過去問を解くための「思考力」は身につけるのに2ヶ月ほどかかる。嘘ではなく、物理というのはある日突然ブレイクスルーが起きたかのように、過去問が解けるようになる。物理とか理系科目はそういうパターンがほとんどだ。


「思考力」を短期間で身につけるために

できるだけ早く「思考力」を身につけたいなら「STEP3」で答えを見ずに、応用問題にたっぷり時間をかけて解いてみよう。

自分の経験だが、難問を2時間くらいかけて解くことを繰り返したら、2週間〜3週間くらいで過去問が解けるようになった。

「難問をたっぷり時間をかけて解く」、これをすることで、短期間で思考力が身につく。もちろん基礎知識をマスターしていることが前提。



勉強期間&予備校の利用法

f:id:trafalbad:20161218224325j:plain

勉強期間

編入試験特に理系は6〜8月に試験があるケースが多いので、勉強時間の配分はかなり重要だ。理系出身であることを前提として、ここでは理想の時間配分を紹介しよう。
だいたい、1年くらいを目安にしてもらえればいいと思う


基礎に使う勉強期間(9〜3月)

まずは基礎知識のマスターだ。つまりここではSTEP2。高校範囲と大学範囲のマスターは結構時間がかかる。独学ならなおさら大変だ。基礎知識のマスターはだいたい9〜3月くらいで時間をかけてじっくりやろう。基礎をマスターすれば応用は早い

応用問題に使う勉強期間(3月〜5月)

応用問題はだいたい2ヶ月くらいで充分だ。ペースとしては問題集を3周するぐらいがちょうどいいだろう。期間は3〜5月。


過去問で演習をする期間(5月〜6月)

過去問で演習するのは、過去問が解ける力がついてるか試す時期だ。期間は1ヶ月くらいで充分だろう。だいたいここで6月。この期間で過去問が解けるようになっていることが理想だ。


基礎をマスターし、応用問題をしっかりやって思考力をつけていれば、ここで過去問が解けないことはほぼないだろう。なるべく余裕をもってこのステージにこれるかで、編入試験に合格する確率も大きく変わる。


予備校の利用法

最後に予備校の利用法を書いておこうと思う。編入試験対策専門の予備校は知っているところだと、河合塾KALS中央ゼミナールだ。この2校以外で本格的に編入試験対策をしている予備校は知らない。

多分あるけど予備校という点では同じなので、予備校の利用法を書いておこうと思う。


独学で勉強できないときに使う

独学で勉強できない人もいるはずだ。モチベーションがもたない、勉強がわからない。理由は様々だが、独学というのは不安要素も大きいので、かなりの精神力がいるのも確かだ。そんな時、予備校を利用して仲間を作るのもかなり効果的。


編入試験の受験者の多くは、予備校を利用するので、毎年必ず受講生はいる。勉強仲間を作れば受かるわけではないが、モチベーションの維持とか、勉強でわからないところを講師に聞くというのも賢い予備校の利用法の1つだ。


過去問を安く、大量に入手するために使う

さっきも書いたけど、編入試験の過去問は志望校から取り寄せるしかない。しかし一年分しか配分していない場合がほとんど。なので、過去問を大量に手っ取り早く仕入れる方法として、予備校を使う手がある。

それは
・夏期講習のように一時的に塾生になる
ことだ。実は編入試験の予備校はかなり高い。正規生ともなると10万円以上かかることもあるのだ。そこで、夏期講習や冬季講習などの科目を受講することで、一時的に塾生になれば正規生と同じ扱いになる。

つまり過去問を見放題、手に入れ放題ということ。夏期講習や冬季講習は数万円とかなり安いので、過去問を手に入れるだけが目的なら、かなり使える手段といえる。まともに正規生にならなくても、過去問が手に入るかなりオススメの方法。

もちろん、わからないところを聞くこともできる。自分なりに賢く塾を利用して、合格の糧にしよう。




ここまで、編入試験の物理の勉強方法と予備校の利用法などを書いてきた。正直、勉強方法は人により異なるが、だいたいのフォーマットは決まっている。
それが今回紹介した勉強方法だと思う。ここで紹介した勉強方法に自分なりのアレンジを効かせて、オリジナルの勉強方法が作れればなおいい。「勉強が楽しい」と思えてるころには合格する力が身についているはずだ。

関連記事
trafalbad.hatenadiary.jp

語学用・翻訳用の優秀なオンライン辞書・サイト(英和・和英・英英)をまとめて紹介

翻訳に辞書は欠かせませんが、プロが扱う辞書は決まって、高価なものです。普通は翻訳やりたてのホヤホヤにはそんな投資資金はありません。

ところが最近では優秀な無料のオンライン辞書、格安でプロ並の機能を備えたツールが利用できるようになりました。今回は無料で利用できる英和和英オンライン辞書検索エンジン、オンライン英英辞書などをいくつか紹介していきます。


目次
・無料版オンライン辞書(英和和英)
・有料版オンライン辞書(英和和英)
検索エンジンいろいろ
・オンライン英英辞典
オンライン辞書は翻訳のための必須ツール

f:id:trafalbad:20160827142148j:plain


無料版オンライン辞書(英和和英)


オンライン辞書は複数の辞書から、単語の意味を一度にたくさん検索できます。例えば「life」と検索ワードに入れれば、南山堂医学辞典だとか、webilio大辞典みたいにオンライン辞書にデータベース化されている複数の辞書から関連する意味を一度に全て表示できるわけです。

「life」と入れれば、「life aboard ship」とか「life action」とかデータベース化されている辞書全てに載っている意味が全てされます。(*これを俗に「串刺し検索」と言います)。これはすなわち、一つの単語検索だけでいろんな意味を調べられるわけですから、大幅な時間の節約になるわけです。

一つの辞書を使うのと、こうした複数の辞書がデータベース化されたオンライン辞書ではすでにパワーが全然違います。オンライン辞書を使いこなせれば、大幅な翻訳力upになるということです。
ここでは無料で串刺し検索が出来る、優秀なオンライン辞書を紹介します。和文検索、英文検索ともに可能だし、英語を調べる際にもアマチュア、プロ関係者なく重宝します。


英辞郎

www.alc.co.jp
アルク社の「英辞郎」は、かなりメジャーな串刺し検索可能なオンライン辞書。試してみるとわかりますが、一度にかなりの単語の意味がでてきます。利点は他の辞書には無いドンピシャな意味が見つかること。多彩なデータの中から欲しい訳がかなりの確率で見つかります。

気をつけたいのは、英辞郎はユーザーの投稿データを基にしているため、ありえないくらい不適な訳が出てくるということ。必ずgoogle検索であってるか確認しないと、翻訳で使うのは厳しいのが英辞郎のツライところです。


Weblio英和和英


ejje.weblio.jp
こちらは英辞郎ほどたくさんの訳は出てきませんが、複数の英語辞書のデータを集約させた辞書で、より英辞郎より正確な串刺し検索が可能。

ただこちらもgoogle検索などで、正しい訳か確かめた方がいいですね。どちらにせよ「英辞郎」と「Weblio」はオンライン辞典の中ではかなりの鉄板で、併用して使うのが一般的です。



Weblio類語辞典

thesaurus.weblio.jp
翻訳ではピッタリの訳がなかなか見つからないことがよくあります。例えば「手足」をカッコよく「四肢」と部の言い方で訳したいとき、いい訳が思いつかないことが多々あります。

しかし、このWeblio類語辞典に「手足」と入れると、関連ワードにたくさん変換され、その中に「四肢」という適訳語があるときが多い。そんなピッタリの類語を探したいときに使える辞書。



Linguee


www.linguee.jp
単語の意味を辞書と翻訳されたテキスト1億件から検索してくれるサイトです。一つの単語で見つからない訳は無いのでは?といえるくらい訳が出てくる、優秀な串刺し検索可能な辞書。

特に英訳翻訳者には数あるオンライン辞典の中では必須ものとなってます。



WordReference.com


www.wordreference.com

約19言語で検索ができるサイト。例えば「Janpanese-English」という言語を選択すれば、検索ワードから「日本語と英語」の訳語が一気に検索されます。
調べた単語の関連語がバーッと表示されるので、Weblio類語辞典には劣りますが、関連語探しには使えます。





有料版オンライン辞書(英和和英)


こちらは有料版ですが、格安で高性能な串刺し検索が可能なオンライン辞書市販の辞書がインストールされており、それをもとに訳例を検索してくれるので、無料版よりも訳の正確性が高いのが特徴です。


KODオンライン・ディクショナリー


KODはだいたい27個くらいの辞書が登録されていて、それらすべてから一度に意味を検索してできます。半年で3240円、1年で5940円で利用可能。無料版と違うのは正確性です。正規の辞書から引っ張ってくるので、正確な訳がでてきます。
KODオンライン・ディクショナリー


三省堂Web Dictionary


www.sanseido.net
これは月額270円で利用できる辞書。KODよりは若干劣りますが、串刺し検索可能ということを考えれば、有能で利用価値は充分あります。英和辞典、和英辞典の他、国語辞典など複数の辞書が登録されています。




複数のオンライン辞書を一つにまとめるツール「Dicregate」


ネット上で利用できる辞書ってどれくらいあると思いますか?外国の辞書も含めれば山ほどあるのが現状で、それらの多くは「串刺し検索」ができません。

そんなネット上に点在する辞書をひとまとめにして、それらすべての辞書からの串刺し検索を可能にするツールが「Dicregate」です。有料で1995円とかなり格安で使える秀逸ツール。しかし弱点としては

Windowsにしか対応してないこと
・一部登録できない辞書があること

の2つです。どちらにせよ、Dicregateはかなり優秀なツールなので、使える環境なら使って損はありません。




検索エンジンいろいろ
f:id:trafalbad:20160827142211j:plain

検索エンジンの使い方


検索エンジン」とはネット上にある情報ならなんでも(例えばウェブサイト、画像ファイル、ネットニュースなど)調べるサービス。検索エンジンは辞書とは違い、単語を入れると、単語が載ってるものならウェブサイトやニュースまでなんでも出てくるということです。

特に「辞書には載ってない専門用語を調べる」という点では辞書より優秀です。翻訳をするならこの「検索エンジン」を使わない手はありません。ここでは特に秀逸な「検索エンジン」を紹介します。


Ritlweb


www.ritlweb.com
googleYahoo!を含め、10個の検索エンジンから単語の意味や関連サイトなどの情報を検索します。

10個の検索エンジンで検索ワードから何件ヒットしたかが表示されるので、1つの検索エンジンよりも調べたい単語の意味を複数のサイトから検索できます。特にRitlwebは検索エンジンの中で優秀な方です。




Yippy.com


こちらは日本語未対応ですが、関連サイトがカテゴリ別に検索されます。専門分野にしかない独特の意味も、手っ取り早く調べることができます。

日本語未対応ですが、英語の専門用語の関連サイトを一度に検索でき、さらにカテゴリ別に分類してくれるので、特にスピード感の面で、検索エンジンとしてはかなり優秀な部類に入ると思います
Yippy.com

その他の検索エンジン


上の2つには劣りますが、他にも老舗から最新まで検索エンジンはたくさんあります。特に2番目のWebopediaはIT用語専門の検索エンジンです。

特に上の2つよりは優れた点がなかったのですが、DuckDuckGOは訳語の正確性が高いなど、検索エンジンにはそれぞれ他にはない独特の特徴があります。

その他の検索エンジン
・DeeperWeb

・Webopedia

・Dogpile

DuckDuckGO

・Unabot


オンライン英英辞典
f:id:trafalbad:20160827142230j:plain

英英辞書は全て英語で書かれている辞書。使い方は「英単語の本来の意味を調べる」こと。日本語の和英辞書は、日本人が書いてるので、解釈が外国人のものとは違ってるケースが多いのです。

そんな「英単語の本来の意味を調べる」ときに、英英辞書を使います。英訳、和訳に関係なく、翻訳では英英辞書の使用は必須となっています



Oxford Dictionaries

www.oxforddictionaries.com
幅広く意味が調べられる一番スタンダードな辞書。日本語のオンライン辞典のように串刺し検索はできませんが、英語圏で使われている正確な意味がないのっています。少し説明不足なのが難点



Merriam-Webster

www.merriam-webster.com
スタンダードな訳に加えて少し、学術的な正確さが高い辞書。特に専門的な用語でも詳しく意味が載っている場合が多く、医学分野などの学問的な分野で重宝します。



collins


www.collinsdictionary.com
例文や関連用語がたくさん出てくるので、英訳の翻訳者には欠かせない辞書。英単語だけではなく、熟語なども扱ってます。説明が少ないですが、単語オンリーの英英辞典と比べて使い勝手がよいです。



Ldoceonline


www.ldoceonline.com
解説がかなり詳しく、1つの英単語でも他の英英辞典と比べて圧倒的に解説量が違います。単語の意味を網羅的に調べたいときに便利。機能性の面では他の英英辞典とほぼ変わりません。なので優秀な英英辞典といえると思います。



オンライン辞書は翻訳のための必須ツール

プロの翻訳者はCD-ROMのインストール版の辞書を複数持ってるケースが多く、全てオンライン辞書というプロの翻訳者は少ないようです。特に、Logophileというインストール版の辞書を串刺し検索可能にするツールがあり翻訳者の間でも使ってる人は多い。

しかし、オンライン辞書をまったく使わない翻訳者もまた、いません。結局のところ、オンライン辞書を自在に操れるようになれば、翻訳力も格段に上がります。

日本語版のオンライン辞書、オンライン英英辞書、検索エンジンを使えれば翻訳レベルは格段に上がる。そういう意味で、アマチュア、プロに関係なくオンライン辞書は翻訳に必須のツールです。



今回はかなりマニアックなオンライン辞書も、ありましたが、優秀なものに絞って紹介しました。他にもオンライン辞書検索エンジンはありますが、ここで紹介したやつを複数使いこなせれば正直、充分なレベルまでいけます。少なくとも、翻訳試験TQEならここで紹介したオンライン辞書で充分です。

ちなみにより詳細はこちらの本に書いてあります。今回はその中から個人的に使ってみてよかったものを抜粋しています。