SlideShare une entreprise Scribd logo
1  sur  21
これまでの3年間とは大きく異なります
これまで これから
時間割 いっぱい 空っぽ
何もない時 帰る 研究室にいる
課題 与えられる 自分で決める
態度 Take Give & Take
求められるもの Input Output
〆切 守れる 守りにくい
指標 GPA 世界一か
ここについて話します.
GIVE & TAKE
Give & Take
講義など・・・ 一般には・・
知識
• 研究室ミーティングも然り.
• 世界では「いるだけ」「勉強するだけ」は無視される
• (井上もドクター後,コロラド大で失敗した.)
• 参加<<<<<質問(Question) < 情報提供(Inform)
< 示唆(Suggestion) < 提案(Proposal)
• 学会でも
• 参加<<<<<質問<ボランティア<発表
教えて?
なんで?
INPUT VS. OUTPUT
Input vs. Output
実際にはこの考え方は破綻します.
なぜなら,右と左が同じ能力なら,
• 「君の代わりはいくらでもいるんだよ」と言われる時が来る.
• 今すぐ働いたほうがいい
能力
お金
今・・・ 就職したら・・・
お金
能力
スポンサー
実際には
問題点:
身につく能力が足りない・・・
今・・・ 就職したら・・・
能力
お金
お金
能力
スポンサー
能力 能力
<
<
研究室が提供するもの
今・・・ 将来
能力
お金
能力
研究室
チャンス
チャンスとは
• 部屋・机・椅子
• 計算機環境・ソフトウェア
• 実験機器
• 本
• 開発プロジェクト・実証実験
• 国内・国際学会発表の機会
• 人脈
• 他大学生の刺激
• 活躍している人からのアドバイス
• 先輩との議論・アドバイス
• 先生との議論・アドバイス
「研究能力」に
つながる
「研究能力」というものの強さ
シード
(種)
アーリー
(初期)
グロース
(成長)
大企業の新規事業でも
スタートアップベンチャーでも・・・
ここをやれる!
• だから企業が共同研究をしたがる..
• 企業でもできないことを経験できます..
• 「君の代わりはいくらでも・・・」対策.
チャンスはどこから負担しているのか?
• 部屋・机・椅子
• 計算機環境・ソフトウェア
• 実験機器
• 本
• 開発プロジェクト・実証実験
• 学会発表の機会
• 人脈
• 他大学生の刺激
• 活躍している人からのアドバイス
• 先輩との議論・アドバイス
• 先生との議論・アドバイス
研究費です
(学費では
ありません)
研究費獲得の仕組み
1. 申請書に提案と,これまでの論文業績を書く
2. 国際会議論文や査読付き論文が評価される
3. +日頃の学会活動も
4. 採択される
→論文業績がないと研究費は獲得できない
→チャンスはいろいろ少なくなる
だから、井上研ではこうあってほしい!
能力
研究室
チャンス
論文 これが
アウトプットです!
(卒論や修論ではない)
もう一つ、井上研のデメリット
• 部屋・机・椅子
• 計算機環境・ソフトウェア
• 実験機器
• 本
• 開発プロジェクト・実証実験
• 学会発表の機会
• 人脈
• 他大学生の刺激
• 活躍している人からのアドバイス
• 先輩との議論・アドバイス
• 先生との議論・アドバイス
いろいろ
やりすぎたが故に,
プロジェクトが多く,
時間が少ない.
しかしぜひみなさんには
有効活用してほしい時給が3番目に高いと言われ
ている職業ですよ!
(時給だけは)
対策
• 先生や先輩のスケジュールを把握して,その時間に合わせて
在室すると良い.
(医学部などは教授より早く来て,遅く帰るそうです.)
• 他のこと(家庭・プロジェクト)より高い価値を見せてくれれば
時間を確保します!
• 基本、平日は毎日来る.
〆切を守れない根拠
工学部の教え7箇条
• 第1条 決められた時間に遅れないこと(納期を守ること)
• 第2条 一流の専門家になって、仲間たちの信頼を勝ち取るべく努力すること
• 第3条 専門外のことには、軽々に口出ししないこと
• 第4条 仲間から頼まれたことは、(特別な理由がない限り)断らないこと
• 第5条 他人の話は最後まで聞くこと
• 第6条 学生や仲間をけなさないこと
• 第7条 拙速を旨とすべきこと
• 著者が東大の工学部に進学したとき、
文化勲章を受章した武藤清工学部長:
「これから訓辞を述べるから、よく聞くように。
エンジニアは時間に遅れないこと、以上」
と言ったきり、腰を下ろしてしまった。
2年後の卒業式、学科主任の森口繁一教授:
「諸君に、はなむけの言葉を贈ろう。納期を守ること。
これさえ守っていれば、エンジニアは何とかなるものだ」
締め切りを守る→普通にやると無理です
対策:
遅れそうな時には早めに相談をする,と言われるが,
それに加えてお勧めは・・・.
普通:
1. 逆算して計画
(見積もり)
2. 実施
3. 完了
研究:
1. 新しいことだと正確に見積もりが
できない
2. 実施→予期しないことが次々起きる
• 例:1文字でも違ったらプログラムは動かない
3. デスマーチ
プロトタイプ(α版)・リハーサル
β版→正式版
1. 逆算して計画
(見積もり)
2. 実施
3. β版完了
4. 先輩・先生から確認
5. 完了
α版/プロトタイプ/リハーサル
1. とにかく一通りやって,失敗
しそうなところを全部洗い出す.
• 先輩・先生の知識をフル活用
• 部分ごとでもとにかくやってみる
2. ここまで,とにかく急ぐ.
逆算して計画する時には勝負はついている!
→井上も格闘中
「やったことありませんが、間に合うと思います」
などという人は、プロのエンジニアではない.
世界一とは
「君の代わりはいくらでもいるんだよ」
と言われる時に備えて・・・.
法則:
1位>>>>>>>>>>>>>>>>>>>2位>3位>その他
• 誰にでもできる達成法:
• 非常に狭い・細かい・ニッチなこと
• 誰もやっていないこと
• 役に立とうなどと考えない.
• 「ドミナント戦略」「ランチェスターの一点集中の戦略」らしい.
• 今は仕事にならなくてもいい.でもそれが仕事につながれば,
絶対に上のようなことは言われない...よね?
• ただし,世界一だと思い込むのではなく,認めさせる
→関連研究の調査が大事
まとめ
• Give & Take
• 参加<<<<<質問(Question) < 情報提供(Inform)
< 示唆(Suggestion) < 提案(Proposal)
• InputからOutputへ
• またとないチャンスをぜひ活かしてください.
• そして論文として世に残してください.そしたら後は任せて.
• 先生や先輩のスケジュールを把握して在室.
• 〆切戦略
• 計画→実行ではなく,リスク把握→計画→実行
• 世界一になる
• 狭くていいので世界一であることを示して,それを広げていこう!

Contenu connexe

Tendances

Surveyから始まる研究者への道 - Stand on the shoulders of giants -
Surveyから始まる研究者への道 - Stand on the shoulders of giants -Surveyから始まる研究者への道 - Stand on the shoulders of giants -
Surveyから始まる研究者への道 - Stand on the shoulders of giants -諒介 荒木
 
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法CV分野におけるサーベイ方法
CV分野におけるサーベイ方法Hirokatsu Kataoka
 
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​SSII
 
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太Preferred Networks
 
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)Toshihiko Yamasaki
 
SSII2018TS: 3D物体検出とロボットビジョンへの応用
SSII2018TS: 3D物体検出とロボットビジョンへの応用SSII2018TS: 3D物体検出とロボットビジョンへの応用
SSII2018TS: 3D物体検出とロボットビジョンへの応用SSII
 
Cosine Based Softmax による Metric Learning が上手くいく理由
Cosine Based Softmax による Metric Learning が上手くいく理由Cosine Based Softmax による Metric Learning が上手くいく理由
Cosine Based Softmax による Metric Learning が上手くいく理由tancoro
 
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用SSII
 
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~SSII
 
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​
SSII2020SS:  微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​SSII2020SS:  微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​SSII
 
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話Yusuke Uchida
 
【DL輪読会】マルチモーダル 基盤モデル
【DL輪読会】マルチモーダル 基盤モデル【DL輪読会】マルチモーダル 基盤モデル
【DL輪読会】マルチモーダル 基盤モデルDeep Learning JP
 
自己教師学習(Self-Supervised Learning)
自己教師学習(Self-Supervised Learning)自己教師学習(Self-Supervised Learning)
自己教師学習(Self-Supervised Learning)cvpaper. challenge
 
ラベル付けのいろは
ラベル付けのいろはラベル付けのいろは
ラベル付けのいろはKensuke Mitsuzawa
 
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向SSII
 
【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究
【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究
【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究harmonylab
 
これからの Vision & Language ~ Acadexit した4つの理由
これからの Vision & Language ~ Acadexit した4つの理由これからの Vision & Language ~ Acadexit した4つの理由
これからの Vision & Language ~ Acadexit した4つの理由Yoshitaka Ushiku
 
全力解説!Transformer
全力解説!Transformer全力解説!Transformer
全力解説!TransformerArithmer Inc.
 
【DL輪読会】DINOv2: Learning Robust Visual Features without Supervision
【DL輪読会】DINOv2: Learning Robust Visual Features without Supervision【DL輪読会】DINOv2: Learning Robust Visual Features without Supervision
【DL輪読会】DINOv2: Learning Robust Visual Features without SupervisionDeep Learning JP
 
[DL輪読会]Graph R-CNN for Scene Graph Generation
[DL輪読会]Graph R-CNN for Scene Graph Generation[DL輪読会]Graph R-CNN for Scene Graph Generation
[DL輪読会]Graph R-CNN for Scene Graph GenerationDeep Learning JP
 

Tendances (20)

Surveyから始まる研究者への道 - Stand on the shoulders of giants -
Surveyから始まる研究者への道 - Stand on the shoulders of giants -Surveyから始まる研究者への道 - Stand on the shoulders of giants -
Surveyから始まる研究者への道 - Stand on the shoulders of giants -
 
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法CV分野におけるサーベイ方法
CV分野におけるサーベイ方法
 
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​
 
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
 
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
 
SSII2018TS: 3D物体検出とロボットビジョンへの応用
SSII2018TS: 3D物体検出とロボットビジョンへの応用SSII2018TS: 3D物体検出とロボットビジョンへの応用
SSII2018TS: 3D物体検出とロボットビジョンへの応用
 
Cosine Based Softmax による Metric Learning が上手くいく理由
Cosine Based Softmax による Metric Learning が上手くいく理由Cosine Based Softmax による Metric Learning が上手くいく理由
Cosine Based Softmax による Metric Learning が上手くいく理由
 
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用
 
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
 
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​
SSII2020SS:  微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​SSII2020SS:  微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​
 
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
 
【DL輪読会】マルチモーダル 基盤モデル
【DL輪読会】マルチモーダル 基盤モデル【DL輪読会】マルチモーダル 基盤モデル
【DL輪読会】マルチモーダル 基盤モデル
 
自己教師学習(Self-Supervised Learning)
自己教師学習(Self-Supervised Learning)自己教師学習(Self-Supervised Learning)
自己教師学習(Self-Supervised Learning)
 
ラベル付けのいろは
ラベル付けのいろはラベル付けのいろは
ラベル付けのいろは
 
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
 
【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究
【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究
【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究
 
これからの Vision & Language ~ Acadexit した4つの理由
これからの Vision & Language ~ Acadexit した4つの理由これからの Vision & Language ~ Acadexit した4つの理由
これからの Vision & Language ~ Acadexit した4つの理由
 
全力解説!Transformer
全力解説!Transformer全力解説!Transformer
全力解説!Transformer
 
【DL輪読会】DINOv2: Learning Robust Visual Features without Supervision
【DL輪読会】DINOv2: Learning Robust Visual Features without Supervision【DL輪読会】DINOv2: Learning Robust Visual Features without Supervision
【DL輪読会】DINOv2: Learning Robust Visual Features without Supervision
 
[DL輪読会]Graph R-CNN for Scene Graph Generation
[DL輪読会]Graph R-CNN for Scene Graph Generation[DL輪読会]Graph R-CNN for Scene Graph Generation
[DL輪読会]Graph R-CNN for Scene Graph Generation
 

心構え編 〜研究室オリエンテーション〜