SlideShare a Scribd company logo
1 of 30
2020年12月12日(土)
理数科先輩と語る会
IBM Japan
磐田南高校理数科2011年卒
中村悠馬
2
 自己紹介
 高校時代 (メッセージ: 英語、国語をちゃんとやっておく)
 大学生活 (メッセージ: 熱中できることを見つけよう)
 研究者生活 (メッセージ: 研究のやりがいに共感できたら大学院へ、海外の大学院も行ける)
 社会人生活 (メッセージ: データサイエンティストなら物理・数学を活かせる)
 理数科生徒へのメッセージ
目次
自己紹介: 中村 悠馬の経歴
3
城山中学校
2008.4
磐田南高校
2011.4
東北大学修士課程(物理)
2015.4
東北大学理学部物理学科(3~4年生)
2012.8
アメリカでの研究生活
2017.12
中国清華大学修士課程(化学)
2015.8
2017.9
2018.3
日本IBM就職
2018.9
中国(2年)
アメリカ(10ヶ月)
日本(3ヶ月)
日本(2ヶ月)
学部卒業後の生活拠点
東北大学理学部化学科(1~2年生)
自己紹介: 趣味とか
4
学生時代の趣味は海外旅行でした
■住んだことある国(中国・アメリカ・オーストラリア)
■行ったことある国( )
九寨溝(中国) ウユニ塩湖(ボリビア)
アンテロープ(アメリカ) コロッセオ(イタリア)
社会人になってからは料理が趣味に近いです
ゴール設定
5
自分の経験から進路や勉強の取り組み方の参考にしてもらう
具体的には
 英語・国語の重要さを理解してもらう
 進路が決まらない場合は進振りのある大学を目指してみる
 留学など、難しいことにチャレンジし続ける価値観を検討してもらう
6
 自己紹介
 高校時代 (メッセージ: 英語、国語をちゃんとやっておく)
 やらかしエピソード
 東大目指した話
 東北大の化学科を選んだ理由
 受験勉強(今だったらこうする)
 大学生活 (メッセージ: 熱中できることを見つけよう)
 研究者生活 (メッセージ: 研究のやりがいに共感できたら大学院へ、海外の大学院も行ける)
 社会人生活 (メッセージ: データサイエンティストなら物理・数学を活かせる)
 理数科生徒へのメッセージ
目次
高校時代: 高校1~2年のやらかしキャラ
7
・遠足に日を間違えて集合時間に間に合わず欠席
・1時限目が休講の日を間違えて1限ある日に40分遅刻
・授業中の居眠りでよく怒られる
・寝ぼけて授業中に暴言(?)やいびき
そそっかしい性格や居眠りで色々とやらかしていました(当時の先生、ごめんなさい。。)
進振りがある
高校時代: 東大を目指し始めた話(1)
こんな自分ですが、2年時に東京大学を目指し始めました。
東大目指す
理由
当時(2年後半)
の状況
薬学部か理学部物理で悩んでいた
薬学部(薬を開発できたら医者になるよりも多くの人を救える)
理学部物理学科(自分の作った理論を世に広めたい!でも能力が足りてるか不安)
→当時は大学3年時に学部・学科を決めれるのは東京大学だけ
・旧帝大でも『そこそこの』学歴と見られてしまう
・理数科生徒には一流を目指してほしい
・得意: 物理(上)、数学(上の下)、化学(中の上)、
・苦手: 英語(中)、国語(中の下)、地理(中の下)
学習環境
成績
・宿題は大体こなしていた
・定期テストは1,2週前からしっかり準備はした
担任(佐藤先生)
の言葉
?
高校時代: 東大を目指し始めた話(2)
9
・周りに東大を目指すと宣言、逃げ場をなくし自分を追い込む
授業態度
改善
勉強時間
確保
モチベ
維持
・今までほとんど寝ていた国語の授業を真面目に聞き始める
・英単語の小テストは毎回満点目指す
・英語の授業の予習をきっちりやる
・自習室が閉じるまで(10時半)勉強し続け、家でも続ける
・食事と睡眠、授業/部活以外はずっと勉強
東大を目指して本気で勉強を開始
自分の成績だとかなりハードルの高い目標設定
高校時代: 東北大の化学科を選んだ理由
10
東北大学を選んだ理由
「生徒を伸ばしてくれる大学ランキング」で1位
第一志望に行けなかった分、大学で成長したい
結局センター試験で東大を目指せる点数に足りず、別の大学を受ける
化学科を選んだ理由
薬学と物理学の両方ができる学科だから
・薬学: 有機化学コースで学べる
・物理: 物理化学コースで学べる
制度として転学科・転学部もできるから
出典: 東洋経済
https://toyokeizai.net/articles/-/166448
高校時代: 受験勉強(今だったらこうする) [1]
11
・英語はどの大学でも必要になる!
・就活でも英語テスト(TOEIC)を受ける
・研究者も英語は必須(教科書や論文が英語だけ、という場面は多い)
英語と国語をもっと勉強しておけばよかった、受験だけでなく仕事でも研究でも日々必要
・国語力=情報を得る力と察する力
・社会人や研究者は大量の文章を読み書きする必要がある
英
語
国
語
文
系
科
目
が
重
要
な
理
由
高校時代: 受験勉強(今だったらこうする) [2]
12
おすすめ勉強方法
・音読とシャドーイングはかなり効果的
・宿題をちゃんとやる
→自分の場合、2次試験で宿題と同じ英文が出題
・英単語帳は60~70%の定着率でいいからまず一通り覚えておく、
→その後長文の中で再会した単語で記憶が曖昧だった部分を復習するのが○
・1-2年時は教科書の長文を暗記する訓練をしておく(厳しいなら和訳から英文の再現を)
英
語
・古文・漢文は特に音読が効果的
・志望校によって対策が大きく変わる
・苦手な人は基礎力向上のためセンターで安定した点数を取ることを優先すべき
国
語
・得意だったため、難しい問題集に挑戦し続けたが効率の面では△
→効率重視なら、初見で60~70%解ける問題集を一冊完璧にするのが○
数
学
高校時代: 進路が決まらない生徒たちへ
13
進振り(大学2年次や3年次に学部や学科を決定する制度)のある大学(2020年時点)
東京工業大学 (2年次;学部は入学時に決定)
京都大学理学部 (2年次)
慶應理工学部 (2年次)
早稲田基幹理工 (2年次)
行きたい学部・学科が決まらない場合は進振り制度がある大学を勧めます
学部も
変更可能
東京大学 (3年次)
北海道大学 (2年次; 文理間の移動は難易度高いらしい)
学科のみ
変更可能
14
 自己紹介
 高校時代 (メッセージ: 英語、国語をちゃんとやっておく)
 大学生活 (メッセージ: 熱中できることを見つけよう)
 大学の生活や勉強
 東北大学に入学したことで交流できた人々
 転学科の話
 留学の準備
 研究者生活 (メッセージ: 研究のやりがいに共感できたら大学院へ、海外の大学院も行ける)
 社会人生活 (メッセージ: データサイエンティストなら物理・数学を活かせる)
 理数科生徒へのメッセージ
目次
大学生活: 大学の生活や勉強
15
高校は社会生活に必要な知識をつけ、自分の物差しを作る場所
大学は世の中の仕組み(人との関わり方、社会の構造、科学・技術の仕組み)を知り、自分の物差しを相対化する場所
学
べ
る
こ
と
→転学科
(理系の場合)
科学・技術
の仕組み
大学での勉強
科学(理学): 数学や理科の背後のにある仕組み
技術(工学): 数学や理科を社会に応用する仕組み
[前提]
・アウトプットが求められる(レポートやプレゼン)
・学びたいことを学べる(必須科目+好きな授業を取る)
学ぶ機会 意識し始めたきっかけ
人との
関わり方
部活・サークル活動・留学など
→高校よりも圧倒的に様々な立場の人と関わる
→コミュニケーション能力 = 関わった人の数 × 質
→留学・他学部との関わり
社会
の構造
アルバイト・インターンシップ・就職活動
→様々な職種について知ることで社会の流れを知る
→人の役に立つ経験を通して、社会への貢献方法を学ぶ
→インターンシップ(IBM)
大学生活: 東北大学に入学したことで交流できた人々
16
海外留学プログラムについて
短期留学
・オーストラリア留学(1ヶ月)
→転学科のきっかけに
・シンガポール留学(2週間)
→ダブルディグリーのきっかけに
・ドイツ留学(2週間)
→IBMへの就職を考えるきっかけに
交換留学
・フィンランドへ留学した友人
→結婚相手を現地で見つけ移住
・アメリカ(MIT)へ留学した友人
→大学院でMITへ進学
ダブルディグリー
・(研究者編へ)
東北大学の学部
文系(法・経済・文・教育)
理系(理・工・農・薬・歯・医)
各学部の友人の進路
理学部の友人(就職無理学部じゃない!)
・Google、Sony、NTT等々
・ドイツでIT企業に就職
・オーストラリアへ進学
理学部以外の友人
・フィンランドへ移住(教育学部)
・MITへ進学(工学部)
・日本銀行(法学部)
・証券取引所(経済学部)
・弁護士(法学部)
・トヨタ(工学部、理数科の同級生)
・整形外科院長(医学部)
・Apple本社(東北大に留学した中国人)
総合大学であるため、様々な学部の学生の価値観が知れる
留学プログラムが充実しており、海外の学生の価値観も知れる
留学組
大学生活: 転学科
17
理論物理学者を目指したいと思いはじめたが、転学科を決断できなかった
・化学科のままいる方が楽
・転学科と留学の両方ができるか不安
迷い
(大学1年生)
きっかけ
(大学1年生春休み)
留学中メンバーだった東北大の化学科・物理学科の人の影響
・自身の専攻に情熱を持ち、楽しそうに語ってる
・同じように自分の専攻に情熱を持ちたいと思った
転学科前の苦労
(大学2年生前半)
転学科には障壁が多かった
・化学科の先生と強烈に揉めた
・もう再び受験生状態に
転学科後の苦労
(大学2年生後半)
入ってからも苦労は続く
前提授業を未履修のまま発展内容の物理の授業を受講(聞ける人いない)
苦しいけど、学びたいことを学べて充実
転学科を通して科学を深く考える機会や、周りに流されず自分で決める経験を得ました
大学生活: 留学の準備
18
転学科と留学の両方をするのは大変
化学と物理の知識があることを留学で活かせないか?
材料の分野だったら活かせそう
3つの経験から中国でのダブルディグリーを選びました
中国でダブルディグリーして材料の研究をしよう!
東大受験に失敗した分、大学で人一倍成長したい!成長のため留学したい!
困難を乗り越える経験をしたい
世界のスゴい奴らに出会いたい
転学科
東大受験
の失敗
短期留学
オーストラリア留学(1ヶ月)
長期間留学が漠然とした望みから決意へ変わる
シンガポール留学(2週間)
英語と中国語を両方喋れる人たちに出会い憧れる
現地語が喋れない苦労を乗り越える経験をもう一度したい
19
 自己紹介
 高校時代 (メッセージ: 英語、国語をちゃんとやっておく)
 大学生活 (メッセージ: 熱中できることを見つけよう)
 研究者生活 (メッセージ: 研究のやりがいに共感できたら大学院へ、海外の大学院も行ける)
 中国留学
 アメリカ留学
 研究のやりがい
 社会人生活 (メッセージ: データサイエンティストなら物理・数学を活かせる)
 理数科生徒へのメッセージ
目次
研究生活: 清華大学でのダブルディグリー
20
世界ランキング上位
・アジアの大学ランキング1位(Times Higher Education, 2019)
・化学系の世界ランキング6位(U.S. News & World Report, 2020)
・工学系(および電子工学、化学工学分野)で世界ランキング1位(U.S. News & World Report, 2020)
胡錦濤や習近平の卒業大学
→学生が各分野の中国の将来のリーダー
大学内に寮がありほとんどの学生が大学内で生活している
→優秀な学生たちと密に関われる
・修士課程(最短)3年間で東北大学と清華大学の修士号を両方取得
・清華大学では研究成果を論文で発表するまで修士号をもらえない
現地の学生が3年間かけて研究する内容を2年間で行う
ダブルディグリーに来た学生のうち30%ぐらいが脱落する
清華大学
ダブル
ディグリー
チャレンジングな環境で中国語も学べる清華大学でのダブルディグリー留学を決意
*今年から東北大学と清華大学でのダブルディグリープログラムは廃止に。今は東工大のみから行ける
研究生活: 清華大学でのダブルディグリー
21
英語・中国語を使える環境(急成長を実感)
中国では個人レッスンを受講、日本語に興味のある中国人クラスメイトと母国語を教え合い
研究室では研究の議論は英語、日常会話は中国語
住んでいた留学生寮ではドイツ、フランス、アメリカ、韓国などから留学生が。かつルームメイトは中国人
寮内のパーティーなどのイベントで関わりが密
国内外の旅行のチャンス
年末などの長期休暇でルームメイトの実家に連れて行ってもらった、中国の家庭を知る機会に
研究の国際学会でボストンやローマへ。発表後は観光できる
半年後からの語学の伸び悩み
最初は急速に伸びたが、その後勉強してもあまり上達しなくなる
環境に恵まれた分、自分に憤りを感じるように
研究での行き詰まり
パラメータを何度調整しても材料シミュレーションが失敗する
英語で論文を書いても、何度もやり直しになる
卒業できない恐怖に直面
留学中は楽しさと苦しさが凝縮され人生の経験値が急速に増えます
楽しさ
苦しさ
研究生活: 清華大学でのダブルディグリー
22
・単層炭素(グラフェン)の研究がノーベル賞
・同族元素(Si, Ge, Sn)のでの研究に注目が集まっていた
・シミュレーションの難しさから単層スズの電気抵抗は未研究
Armchair
上面図
側面図
電子
格子振動をする原子
この研究がアメリカで研究者として働くきっかけに
イタリアで研究発表した際に、アメリカの教授が研究テーマに興味を持ってくれてポジションをオファー
アメリカのオークリッジ研究所で10ヶ月働くことに
研
究
内
容
研究生活で苦しみもしたが、その研究が認められアメリカへ行けることに。人生で一番達成感を感じた瞬間!
材料(単層スズ;Sn)の電気抵抗シミュレーション
テーマ
前提
電気抵抗は二つの要因で決まる
結晶中の不純物の存在
結晶中の振動(この影響について研究)
なぜ単層スズ?
・具体的な電気抵抗率
・デコボコ構造により面直方向の振動が大きな電気抵抗を発生させること
・基盤に接着することで電気抵抗を減らせること
応用先 半導体など
研究成果
研究生活: アメリカでの研究生活
23
アメリカでの研究はトップクラスの研究者とコネを作るチャンス
研究は引き続き材料シミュレーション(今度は給料を貰って研究)
ここで量子コンピューターの研究も始める
別の研究室の先生にコンタクトを取り、研究テーマを提案
その先生はGoogleの量子コンピュータの論文の共著者
研究論文を2つのテーマで発表できることに
レベルの高い会議に行きやすい
場所はテネシー州
世界一のスーパーコンピュータを所有(IBM製)
オークリッジ
国立研究所
アメリカでの研究
世界一のスーパーコンピュータ オークリッジ国立研究所
研究生活: 研究のやりがい
24
このやりがいに共感できる人は、まずは大学院進学を考えてみてください
世界と戦っている実感を持てる
自分と似たテーマを世界のどこかで研究している人がいる
論文は「新しい発見を報告」する場、1番最初に発表することが大事
自分の生きた証が論文として死んだ後も残る
論文は死んだ後も存在し続ける(「研究」が世の中に必要とされる限り)
自分の研究の集大成が世に残る
「自分の理論を世の中に広める」という高校時代の夢がまさに論文だった
世界で自分が一番詳しいというテーマができる
単層スズの電気抵抗については当時世界で自分が一番詳しい自信
自分の論文が引用される度に人の役に立っていることを実感
引用される=価値のある論文だと認められる
Harvardの研究者から研究について質問が来たりも
自分の研究が他の研究につながっていく
25
 自己紹介
 高校時代 (メッセージ: 英語、国語をちゃんとやっておく)
 大学生活 (メッセージ: 熱中できることを見つけよう)
 研究者生活 (メッセージ: 研究のやりがいに共感できたら大学院へ、海外の大学院も行ける)
 社会人生活 (メッセージ: データサイエンティストなら物理・数学を活かせる)
 なぜIBMでのキャリアを選んだか?
 仕事のやりがい
 理数科生徒へのメッセージ
目次
社会人生活: なぜIBMでのキャリアを選んだか?
26
研究分野では夢が叶ったので、次は人の命を救うの道を
Carolyn McGregorさん
・コンピュータ科学者として銀行で仕事を
・新生児集中治療室の莫大な医療機器データを分析して
死亡リスクのある新生児を早期発見するプロジェクトに参加
・実は娘が未熟児で生まれ死なせてしまった母
・IBMが医療機器データの解析エンジンを担当
IBM 創立100周年Film 【Wild Ducks (日本語字幕)】
https://www.youtube.com/watch?v=_fjB-liXSfI
日本での就職を選んだ理由
研究分野ではひとまず「自分の理論を世の中に広める」夢が叶った
今後海外で研究・就職するとしても、日本で働く経験をしてみたい
IBMを選んだ理由
海外での
知名度
アメリカで100年続いているIT企業
世界ブランドランキング14位(2020)
Google, Microsoft, AppleができるまではITで世界一
技術力
27年間アメリカで特許数1位
ノーベル賞(5名、うち1人が日本人)
量子コンピュータやってる
ヘルスケア領域で
データサイエンス
物理やシミュレーション経験を活かし、断念した薬学・医学に取り組める
社会的に意義のあることをやってる実感がある
社会人生活: 仕事の楽しさ
27
自分の持ってる力が他人の役立っている実感があると充実感があります
・シミュレーションや物理を通して人の命を救うのを手伝える
・特許を取るチャンスがある
「発明」ができる
・お客さんが変わるとチームが変わるから仕事が飽きない
約半年ごとに別のチームと仕事ができる
ヘルスケア以外も体験できる(某航空会社の売上予測など)
・出張で沖縄にいけた
業務が終わってから海を満喫しました
沖縄のお土産渡したのが今の彼女と付き合うきっかけに(笑)
久米島(沖縄)
理数科生徒へのメッセージ:
28
 進路は早めに考えた方がいい、決まらなかったら進振りあるところへ
転学科や転学部は大変なので、早めに進路が決まっていると遠回りしなくて済む
決まらなかったら、東大や北大など進振りのあるところへ
 研究者になるには数理能力+国語力+英語
英語力がないと論文が読めない/書けないので世界で戦えない
国語力がないと情報が得られない/伝えられない
 人生で迷ったら難しい方を選ぶと大概うまく行く
失敗してもその悔しさは絶対にプラスになる(自分の場合は東大受験)
チャレンジし続けることで自信がつくし成長できる(自分の場合は中国留学)
「自分で選んだ人生」という実感が持てる(自分の場合はアメリカでの研究とIBM)
研究者を目指す方へのメッセージ:
29
博士号(PhD)は海外で取るのがおすすめ
約半数の博士課程学生が無給
卒業就職したくなっても日本企業から年齢により敬遠される
(年齢気にしないのは外資系企業くらい)
博士課程で給料がもらえる
・スイスやノルウェーだと月50万くらい
卒業後就職したい場合も好待遇
・ドイツだと企業の役員クラスもPhD持ってることが多い
・アメリカだと初任給で1000万以上も
日本で研究ポジションを目指すとしても有利
日
本
海
外
ご聴講ありがとうございました!

More Related Content

What's hot

Twitterテキストのトピック分析
Twitterテキストのトピック分析Twitterテキストのトピック分析
Twitterテキストのトピック分析Nobuyuki Kawagashira
 
システム制御とディープラーニング
システム制御とディープラーニングシステム制御とディープラーニング
システム制御とディープラーニングKeio Robotics Association
 
ネオ・サイバネティクス入門
ネオ・サイバネティクス入門ネオ・サイバネティクス入門
ネオ・サイバネティクス入門茂生 河島
 
言語資源と付き合う
言語資源と付き合う言語資源と付き合う
言語資源と付き合うYuya Unno
 
強化学習その4
強化学習その4強化学習その4
強化学習その4nishio
 
Embedding Watermarks into Deep Neural Networks
Embedding Watermarks into Deep Neural NetworksEmbedding Watermarks into Deep Neural Networks
Embedding Watermarks into Deep Neural NetworksYusuke Uchida
 
データ中心の時代を生き抜くエンジニアに知ってほしい10?のこと
データ中心の時代を生き抜くエンジニアに知ってほしい10?のことデータ中心の時代を生き抜くエンジニアに知ってほしい10?のこと
データ中心の時代を生き抜くエンジニアに知ってほしい10?のことHideo Terada
 
ベータ分布の謎に迫る
ベータ分布の謎に迫るベータ分布の謎に迫る
ベータ分布の謎に迫るKen'ichi Matsui
 
最近のディープラーニングのトレンド紹介_20200925
最近のディープラーニングのトレンド紹介_20200925最近のディープラーニングのトレンド紹介_20200925
最近のディープラーニングのトレンド紹介_20200925小川 雄太郎
 
Pythonではじめるロケーションデータ解析
Pythonではじめるロケーションデータ解析Pythonではじめるロケーションデータ解析
Pythonではじめるロケーションデータ解析Hiroaki Sengoku
 
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
 
TorchDataチュートリアル解説
TorchDataチュートリアル解説TorchDataチュートリアル解説
TorchDataチュートリアル解説西岡 賢一郎
 
[DL輪読会]Bayesian Uncertainty Estimation for Batch Normalized Deep Networks
[DL輪読会]Bayesian Uncertainty Estimation for Batch Normalized Deep Networks[DL輪読会]Bayesian Uncertainty Estimation for Batch Normalized Deep Networks
[DL輪読会]Bayesian Uncertainty Estimation for Batch Normalized Deep NetworksDeep Learning JP
 
データサイエンス概論第一=4-1 相関・頻度・ヒストグラム
データサイエンス概論第一=4-1 相関・頻度・ヒストグラムデータサイエンス概論第一=4-1 相関・頻度・ヒストグラム
データサイエンス概論第一=4-1 相関・頻度・ヒストグラムSeiichi Uchida
 
Deep Learningを用いたロボット制御
Deep Learningを用いたロボット制御Deep Learningを用いたロボット制御
Deep Learningを用いたロボット制御Ryosuke Okuta
 
技術を本にして売る、という仕事
技術を本にして売る、という仕事技術を本にして売る、という仕事
技術を本にして売る、という仕事Keiichiro Shikano
 
構造方程式モデルによる因果探索と非ガウス性
構造方程式モデルによる因果探索と非ガウス性構造方程式モデルによる因果探索と非ガウス性
構造方程式モデルによる因果探索と非ガウス性Shiga University, RIKEN
 
データサイエンス概論第一=2-1 データ間の距離と類似度
データサイエンス概論第一=2-1 データ間の距離と類似度データサイエンス概論第一=2-1 データ間の距離と類似度
データサイエンス概論第一=2-1 データ間の距離と類似度Seiichi Uchida
 

What's hot (20)

Twitterテキストのトピック分析
Twitterテキストのトピック分析Twitterテキストのトピック分析
Twitterテキストのトピック分析
 
システム制御とディープラーニング
システム制御とディープラーニングシステム制御とディープラーニング
システム制御とディープラーニング
 
ネオ・サイバネティクス入門
ネオ・サイバネティクス入門ネオ・サイバネティクス入門
ネオ・サイバネティクス入門
 
UnityとROSの連携について
UnityとROSの連携についてUnityとROSの連携について
UnityとROSの連携について
 
言語資源と付き合う
言語資源と付き合う言語資源と付き合う
言語資源と付き合う
 
強化学習その4
強化学習その4強化学習その4
強化学習その4
 
Embedding Watermarks into Deep Neural Networks
Embedding Watermarks into Deep Neural NetworksEmbedding Watermarks into Deep Neural Networks
Embedding Watermarks into Deep Neural Networks
 
データ中心の時代を生き抜くエンジニアに知ってほしい10?のこと
データ中心の時代を生き抜くエンジニアに知ってほしい10?のことデータ中心の時代を生き抜くエンジニアに知ってほしい10?のこと
データ中心の時代を生き抜くエンジニアに知ってほしい10?のこと
 
ベータ分布の謎に迫る
ベータ分布の謎に迫るベータ分布の謎に迫る
ベータ分布の謎に迫る
 
最近のディープラーニングのトレンド紹介_20200925
最近のディープラーニングのトレンド紹介_20200925最近のディープラーニングのトレンド紹介_20200925
最近のディープラーニングのトレンド紹介_20200925
 
Pythonではじめるロケーションデータ解析
Pythonではじめるロケーションデータ解析Pythonではじめるロケーションデータ解析
Pythonではじめるロケーションデータ解析
 
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
 
TorchDataチュートリアル解説
TorchDataチュートリアル解説TorchDataチュートリアル解説
TorchDataチュートリアル解説
 
[DL輪読会]Bayesian Uncertainty Estimation for Batch Normalized Deep Networks
[DL輪読会]Bayesian Uncertainty Estimation for Batch Normalized Deep Networks[DL輪読会]Bayesian Uncertainty Estimation for Batch Normalized Deep Networks
[DL輪読会]Bayesian Uncertainty Estimation for Batch Normalized Deep Networks
 
Rによるベイジアンネットワーク入門
Rによるベイジアンネットワーク入門Rによるベイジアンネットワーク入門
Rによるベイジアンネットワーク入門
 
データサイエンス概論第一=4-1 相関・頻度・ヒストグラム
データサイエンス概論第一=4-1 相関・頻度・ヒストグラムデータサイエンス概論第一=4-1 相関・頻度・ヒストグラム
データサイエンス概論第一=4-1 相関・頻度・ヒストグラム
 
Deep Learningを用いたロボット制御
Deep Learningを用いたロボット制御Deep Learningを用いたロボット制御
Deep Learningを用いたロボット制御
 
技術を本にして売る、という仕事
技術を本にして売る、という仕事技術を本にして売る、という仕事
技術を本にして売る、という仕事
 
構造方程式モデルによる因果探索と非ガウス性
構造方程式モデルによる因果探索と非ガウス性構造方程式モデルによる因果探索と非ガウス性
構造方程式モデルによる因果探索と非ガウス性
 
データサイエンス概論第一=2-1 データ間の距離と類似度
データサイエンス概論第一=2-1 データ間の距離と類似度データサイエンス概論第一=2-1 データ間の距離と類似度
データサイエンス概論第一=2-1 データ間の距離と類似度
 

理数科先輩と語る会

Editor's Notes

  1. つかみとして自分のダメなところはなす 話聞く価値あると思ってもらう グローバルなキャリアを歩みたい人、研究をしてみたい人、進路に迷っている人、人生経験増やしたいと思っている人にとって参考なればと思っています。 志望校決まっている人? 学部決まっている人? 理学部に興味持っている人がいるか? 理学部卒業後の就職が不安? 東北大に興味を持っている人がいるか?
  2. [人生経験に興味を持ってもらう]
  3. 英語、国語をちゃんとやっとく、特に単語/宿題)
  4. 先生同士の授業参観がある日にそれをやらかしました
  5. [進振りのシステムを意識してもらう]
  6. [高い目標に挑戦する意義を感じてもらう]
  7. [進路を早めに意識してもらう、大学での成長を意識してもらう]
  8. 受験勉強(今だったらこうする) [現在の勉強法に活かしてもらう]
  9. 大学ってどんなところ? →
  10. 大学の生活や勉強 [高校と大学の違いを知ってもらう] 東北大学について[短期留学と原体験の例を知ってもらう] 転学科の話 [周りに流されずに何かを決める大切さを知ってもらう] 留学の準備 [一番難しい選択をする価値観を通して成長意欲を刺激したい] ・小学校は社会で生活していくための基礎を学ぶ場所 ・中学校は複雑な人間関係や実用的な知識に初めてふれる場所 ・高校はさらに人間関係や知識を深め、自分の物差しを作る場所 という感じかな、と思います。 自我の芽生えが中学校から高校にありますので、高校時代は、今まで自分や自分の家族を中心に見ていた人間関係や世界を、初めて俯瞰できる時です。だからこそ、自分の適性や興味を踏まえて、進路選択が自分の責任でできるようになる。そういう場所じゃないかなと思います。 大学や専門学校は行動範囲が一気に広がり、交友関係も学ぶ知識も複雑になります。高校で得た自意識を実社会の中に置いて相対化することで、自分を深く知り、世の中の仕組みを知ることができるのだと思います。
  11. 学部一覧、自分の短期留学はトークではスキップ 理学部の話をしておきたい 理学部に興味持っている人がいるか? 理学部卒業後の就職が不安? 東北大に興味を持っている人がいるか? 東大を目指している人がいるか? 進路に迷っている人がいるか?
  12. 迷いの部分はさらっと
  13. 大学ってどんなところ? →
  14. 大学ってどんなところ? →
  15. アメリカ国立科学財団(NSF)が行った調査「Science and Engineering Doctorates」によると、(略)博士号取得者の年収は、学術機関で6万ドル(約680万円)、民間企業で10万ドル(約1,130万円)、行政機関8万5,000ドル(約960万円)です。アメリカ全体の平均年収が5万6,000ドル(約630万円)程度であることを考えると、優遇されていることがわかりますよね。
  16. アメリカ国立科学財団(NSF)が行った調査「Science and Engineering Doctorates」によると、(略)博士号取得者の年収は、学術機関で6万ドル(約680万円)、民間企業で10万ドル(約1,130万円)、行政機関8万5,000ドル(約960万円)です。アメリカ全体の平均年収が5万6,000ドル(約630万円)程度であることを考えると、優遇されていることがわかりますよね。
  17. [人生観に共感してもらう]
  18. 大学の生活や勉強 [高校と大学の違いを知ってもらう] 東北大学について[短期留学と原体験の例を知ってもらう] 転学科の話 [周りに流されずに何かを決める大切さを知ってもらう] 留学の準備 [一番難しい選択をする価値観を通して成長意欲を刺激したい] ・小学校は社会で生活していくための基礎を学ぶ場所 ・中学校は複雑な人間関係や実用的な知識に初めてふれる場所 ・高校はさらに人間関係や知識を深め、自分の物差しを作る場所 という感じかな、と思います。 自我の芽生えが中学校から高校にありますので、高校時代は、今まで自分や自分の家族を中心に見ていた人間関係や世界を、初めて俯瞰できる時です。だからこそ、自分の適性や興味を踏まえて、進路選択が自分の責任でできるようになる。そういう場所じゃないかなと思います。 大学や専門学校は行動範囲が一気に広がり、交友関係も学ぶ知識も複雑になります。高校で得た自意識を実社会の中に置いて相対化することで、自分を深く知り、世の中の仕組みを知ることができるのだと思います。
  19. For Shor’s algorithm https://quantumexperience.ng.bluemix.net/qx/tutorial?sectionId=full-user-guide&page=introduction
  20. アメリカ国立科学財団(NSF)が行った調査「Science and Engineering Doctorates」によると、(略)博士号取得者の年収は、学術機関で6万ドル(約680万円)、民間企業で10万ドル(約1,130万円)、行政機関8万5,000ドル(約960万円)です。アメリカ全体の平均年収が5万6,000ドル(約630万円)程度であることを考えると、優遇されていることがわかりますよね。