SlideShare a Scribd company logo
1 of 25
Download to read offline
読書会のすすめ
2017/10/19
能登 諭
AWS事業部合宿 2017 LT⼤会
2
みなさん、読書会してますか!?
本⽇のお題 3
1. 読書会の経歴
2. 読書会のよさ
3. 読書会のやり⽅
4
1. 読書会の経歴
サマリ 5
•期間:2009年から8年ほど
•読んだ書籍などの数:17
•読書会の参加回数:230
•予習も含めて費やした時間:573
タイトル⼀覧 6
•計算機プログラムの構造と解釈 第⼆版(1回⽬)
•プログラマの数学
•Hadoop MapReduce デザインパターン
•テスト駆動JavaScript
•Dremel: Interactive Analysis of Web-Scale
Datasets
•F1 - The Fault-Tolerant Distributed RDBMS
Supporting Google's Ad Business
•Aerospike, Cassandra, Couchbase、MongoDB
を⽐較したNoSQLベンチマーク
•Paxos
•Mahoutイン・アクション
•Rによるやさしい統計学
•統計学のための数学⼊⾨30講
•初めてのSpark
•計算機プログラムの構造と解釈 第⼆版(2
回⽬)
•ITエンジニアのための機械学習理論⼊⾨
•Python機械学習プログラミング
•ゼロから作るDeep Learning
•Amazon Aurora: Design Considerations
for High Throughput Cloud-Native
Relational Databases
第1位:統計学のための数学⼊⾨30講 7
https://www.amazon.co.jp/dp/4254116330
•社内読書会
•期間 :2015/05/25〜2016/03/14
•回数 : 41回
•統計や機械学習をやるには数学⼒が必要ということで読んだ。
数学⼒がなさすぎたので、ノートにすべて写経しながら予習
して、不明点を読書会で質問する形で取り組んだ。記録によ
ると読書会も含めて138時間取り組んでいた(^_^;)
第2位:計算機プログラムの構造と解釈 第⼆版 8
http://sicp.iijlab.net/fulltext/xcont.html
•社内読書会
•期間 : 2016/03/23〜
•回数 : 38回(現時点)
•同僚がFacebookでやりたいと⾔っていて、勢いではじめた。開
始時点から2年以上かかるかもと話していた。今のところ挫折せ
ずに3.3まで進んだ。問題は任意としていたはずが、結局すべて
取り組んでいる(^_^;)
第3位:Hadoop MapReduce デザインパターン 9
https://www.oreilly.co.jp/books/9784873115122/
•Hadoop周りの読書会
•期間 : 2012/02/28〜2012/11/11
•回数 : 12回
•5年以上続けている有志の読書会で最初に読んだ本。社内のメ
ンバーも途中から参加して最⼤5名ぐらいで読んでいた。前半
のMRはさくっと読めたが、数学⼒がなくて6章のEMとHMMが
全然理解できず、ここで半年ぐらい使った気がする(^_^;)
第4位:ゼロから作るDeep Learning 10
https://www.oreilly.co.jp/books/9784873117584/
•Hadoop周りの読書会
•期間 :2017/01/18〜
•回数 : 11回(現時点で)
•Deep Learning流⾏ってるし、いい本らしいとの情報で読む
ことになった。実際とてもわかりやすかった。メモはゼロか
ら作るDeep Learning - n3104のブログ参照。
第5位:Paxos 11
https://www.slideshare.net/pfi/paxos-13615514
•Hadoop周りの読書会
•期間 : 2013/07/17〜2013/10/16
•回数 : 4回
•分からなすぎて、まず2PCと3PCから確認して、他にも
Chubbyの論⽂も読んだりしたが、結局よくわからなかった
(´・ω・`) 今から読むなら普通の⼈でもわかる Paxosがおす
すめだと思う。
12
2. 読書会のよさ
読書会のよさ 13
•強制⼒
•深掘り
•雑談
•知⼈が増える
強制⼒ 14
参加すればとりあえず読むことになるので、⾃分ひとり
だと途中で挫折しそうな本でも読める。また、業務とは
直接関係がないけど興味がある本も読める。
深掘り 15
⼀⼈で読んだ際は気づかなかったり、理解したつもりに
なっていた部分に気づける。内容について説明し合うこ
とで理解を深めることができる。
雑談 16
本⽂と関係する参加者の経験談などを聞ける。ときどき
本⽂とは関係なく脱線することもあるが、どちらにして
も勉強になる。
知⼈が増える 17
読書会毎にテーマが異なるため、参加者も異なる。結果
として、同じ分野に興味を持った知⼈が増える。
18
3. 読書会のやり⽅
読書会のやり⽅ 19
⼀⾔でいうと「無理はしない」です。
•予習は任意
•⾮公開
•参加する
•誘ってみる
予習は任意 20
もちろん予習した⽅がいいです。私も基本的に予習して
います。ただ、会として成⽴しなくなるぐらいなら予習
任意で問題ないと考えます。実際、予習なしを前提とし
て実施した読書会も特に問題ありませんでした。
⾮公開 21
読書会の⽬的次第ですが、⾝近で⼀緒に読みたいメンバー
が⾒つかるなら公開する必要はないと考えます。⾮公開
でやると⽇程調整の負担も少なくてすみますし、リスケ
も気軽にできます。
参加する 22
まずは参加してみましょう。読書会もいろいろやり⽅が
ありますが、実際に参加してみないと⾃分にあったやり
⽅もわからないでしょうし。
誘ってみる 23
前から気になっていて、でも読めていない本があれば⼀
緒に読書会をやってみないか誘ってみましょう。きっと
⼀緒に読んでくれる⼈がみつかるはずです!
24
読書会たのしいよ!
読書会のすすめ

More Related Content

Similar to 読書会のすすめ

BUGSを使うメリット
BUGSを使うメリットBUGSを使うメリット
BUGSを使うメリット. .
 
クラウド上のデータ活用デザインパターン
クラウド上のデータ活用デザインパターンクラウド上のデータ活用デザインパターン
クラウド上のデータ活用デザインパターンAmazon Web Services Japan
 
クラウド上のデータ活用デザインパターン
クラウド上のデータ活用デザインパターンクラウド上のデータ活用デザインパターン
クラウド上のデータ活用デザインパターンAmazon Web Services Japan
 
20110305_Code4Lib2011参加報告会:田辺浩介参加報告
20110305_Code4Lib2011参加報告会:田辺浩介参加報告20110305_Code4Lib2011参加報告会:田辺浩介参加報告
20110305_Code4Lib2011参加報告会:田辺浩介参加報告Code4Lib JAPAN
 
DynamoDBを利用したKPI保存システム
DynamoDBを利用したKPI保存システムDynamoDBを利用したKPI保存システム
DynamoDBを利用したKPI保存システムgree_tech
 
【IVS CTO Night & Day】AWSにおけるビッグデータ活用
【IVS CTO Night & Day】AWSにおけるビッグデータ活用【IVS CTO Night & Day】AWSにおけるビッグデータ活用
【IVS CTO Night & Day】AWSにおけるビッグデータ活用Amazon Web Services Japan
 
データベースシステム論01 - ガイダンス
データベースシステム論01 - ガイダンスデータベースシステム論01 - ガイダンス
データベースシステム論01 - ガイダンスShohei Yokoyama
 
20161027 hadoop summit Generating Recommendations at Amazon Scale with Apach...
20161027 hadoop summit  Generating Recommendations at Amazon Scale with Apach...20161027 hadoop summit  Generating Recommendations at Amazon Scale with Apach...
20161027 hadoop summit Generating Recommendations at Amazon Scale with Apach...Amazon Web Services Japan
 
大規模日本語ブログコーパスにおける言語モデルの構築と評価
大規模日本語ブログコーパスにおける言語モデルの構築と評価大規模日本語ブログコーパスにおける言語モデルの構築と評価
大規模日本語ブログコーパスにおける言語モデルの構築と評価Yahoo!デベロッパーネットワーク
 
20120407 ASP.NET+C#で開発する大規模ソーシャルゲーム
20120407 ASP.NET+C#で開発する大規模ソーシャルゲーム20120407 ASP.NET+C#で開発する大規模ソーシャルゲーム
20120407 ASP.NET+C#で開発する大規模ソーシャルゲームhideyuki ikeda
 
MongoDBを用いたソーシャルアプリのログ解析 〜解析基盤構築からフロントUIまで、MongoDBを最大限に活用する〜
MongoDBを用いたソーシャルアプリのログ解析 〜解析基盤構築からフロントUIまで、MongoDBを最大限に活用する〜MongoDBを用いたソーシャルアプリのログ解析 〜解析基盤構築からフロントUIまで、MongoDBを最大限に活用する〜
MongoDBを用いたソーシャルアプリのログ解析 〜解析基盤構築からフロントUIまで、MongoDBを最大限に活用する〜Takahiro Inoue
 
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識Katsuhiro Morishita
 
Dat011 hd insight_+_spark_+_r_を活用した
Dat011 hd insight_+_spark_+_r_を活用したDat011 hd insight_+_spark_+_r_を活用した
Dat011 hd insight_+_spark_+_r_を活用したTech Summit 2016
 
Amazon Elastic MapReduce with Hive/Presto ハンズオン(講義)
Amazon Elastic MapReduce with Hive/Presto ハンズオン(講義)Amazon Elastic MapReduce with Hive/Presto ハンズオン(講義)
Amazon Elastic MapReduce with Hive/Presto ハンズオン(講義)Amazon Web Services Japan
 
データ分析に必要なスキルをつけるためのツール~Jupyter notebook、r連携、機械学習からsparkまで~
データ分析に必要なスキルをつけるためのツール~Jupyter notebook、r連携、機械学習からsparkまで~データ分析に必要なスキルをつけるためのツール~Jupyter notebook、r連携、機械学習からsparkまで~
データ分析に必要なスキルをつけるためのツール~Jupyter notebook、r連携、機械学習からsparkまで~The Japan DataScientist Society
 
クラウド運用のためのストリームマイニング
クラウド運用のためのストリームマイニングクラウド運用のためのストリームマイニング
クラウド運用のためのストリームマイニングShin Matsumoto
 
広告ログの解析システム
広告ログの解析システム広告ログの解析システム
広告ログの解析システムKatsuhiro Takata
 
Ph perがawsと出会ってdev opsを目指した話
Ph perがawsと出会ってdev opsを目指した話Ph perがawsと出会ってdev opsを目指した話
Ph perがawsと出会ってdev opsを目指した話Shota Umeda
 
X pages day発表_20141118 final
X pages day発表_20141118 finalX pages day発表_20141118 final
X pages day発表_20141118 finalFumiko Yamamoto
 

Similar to 読書会のすすめ (20)

BUGSを使うメリット
BUGSを使うメリットBUGSを使うメリット
BUGSを使うメリット
 
クラウド上のデータ活用デザインパターン
クラウド上のデータ活用デザインパターンクラウド上のデータ活用デザインパターン
クラウド上のデータ活用デザインパターン
 
クラウド上のデータ活用デザインパターン
クラウド上のデータ活用デザインパターンクラウド上のデータ活用デザインパターン
クラウド上のデータ活用デザインパターン
 
20110305_Code4Lib2011参加報告会:田辺浩介参加報告
20110305_Code4Lib2011参加報告会:田辺浩介参加報告20110305_Code4Lib2011参加報告会:田辺浩介参加報告
20110305_Code4Lib2011参加報告会:田辺浩介参加報告
 
DynamoDBを利用したKPI保存システム
DynamoDBを利用したKPI保存システムDynamoDBを利用したKPI保存システム
DynamoDBを利用したKPI保存システム
 
【IVS CTO Night & Day】AWSにおけるビッグデータ活用
【IVS CTO Night & Day】AWSにおけるビッグデータ活用【IVS CTO Night & Day】AWSにおけるビッグデータ活用
【IVS CTO Night & Day】AWSにおけるビッグデータ活用
 
データベースシステム論01 - ガイダンス
データベースシステム論01 - ガイダンスデータベースシステム論01 - ガイダンス
データベースシステム論01 - ガイダンス
 
20161027 hadoop summit Generating Recommendations at Amazon Scale with Apach...
20161027 hadoop summit  Generating Recommendations at Amazon Scale with Apach...20161027 hadoop summit  Generating Recommendations at Amazon Scale with Apach...
20161027 hadoop summit Generating Recommendations at Amazon Scale with Apach...
 
大規模日本語ブログコーパスにおける言語モデルの構築と評価
大規模日本語ブログコーパスにおける言語モデルの構築と評価大規模日本語ブログコーパスにおける言語モデルの構築と評価
大規模日本語ブログコーパスにおける言語モデルの構築と評価
 
20120407 ASP.NET+C#で開発する大規模ソーシャルゲーム
20120407 ASP.NET+C#で開発する大規模ソーシャルゲーム20120407 ASP.NET+C#で開発する大規模ソーシャルゲーム
20120407 ASP.NET+C#で開発する大規模ソーシャルゲーム
 
MongoDBを用いたソーシャルアプリのログ解析 〜解析基盤構築からフロントUIまで、MongoDBを最大限に活用する〜
MongoDBを用いたソーシャルアプリのログ解析 〜解析基盤構築からフロントUIまで、MongoDBを最大限に活用する〜MongoDBを用いたソーシャルアプリのログ解析 〜解析基盤構築からフロントUIまで、MongoDBを最大限に活用する〜
MongoDBを用いたソーシャルアプリのログ解析 〜解析基盤構築からフロントUIまで、MongoDBを最大限に活用する〜
 
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
 
Dat011 hd insight_+_spark_+_r_を活用した
Dat011 hd insight_+_spark_+_r_を活用したDat011 hd insight_+_spark_+_r_を活用した
Dat011 hd insight_+_spark_+_r_を活用した
 
Amazon Elastic MapReduce with Hive/Presto ハンズオン(講義)
Amazon Elastic MapReduce with Hive/Presto ハンズオン(講義)Amazon Elastic MapReduce with Hive/Presto ハンズオン(講義)
Amazon Elastic MapReduce with Hive/Presto ハンズオン(講義)
 
データ分析に必要なスキルをつけるためのツール~Jupyter notebook、r連携、機械学習からsparkまで~
データ分析に必要なスキルをつけるためのツール~Jupyter notebook、r連携、機械学習からsparkまで~データ分析に必要なスキルをつけるためのツール~Jupyter notebook、r連携、機械学習からsparkまで~
データ分析に必要なスキルをつけるためのツール~Jupyter notebook、r連携、機械学習からsparkまで~
 
クラウド運用のためのストリームマイニング
クラウド運用のためのストリームマイニングクラウド運用のためのストリームマイニング
クラウド運用のためのストリームマイニング
 
広告ログの解析システム
広告ログの解析システム広告ログの解析システム
広告ログの解析システム
 
Growing up serverless
Growing up serverlessGrowing up serverless
Growing up serverless
 
Ph perがawsと出会ってdev opsを目指した話
Ph perがawsと出会ってdev opsを目指した話Ph perがawsと出会ってdev opsを目指した話
Ph perがawsと出会ってdev opsを目指した話
 
X pages day発表_20141118 final
X pages day発表_20141118 finalX pages day発表_20141118 final
X pages day発表_20141118 final
 

More from Satoshi Noto

このサービスは俺に聞け勉強会(機械学習)
このサービスは俺に聞け勉強会(機械学習)このサービスは俺に聞け勉強会(機械学習)
このサービスは俺に聞け勉強会(機械学習)Satoshi Noto
 
Amazon Machine Learning概要
Amazon Machine Learning概要Amazon Machine Learning概要
Amazon Machine Learning概要Satoshi Noto
 
Tez on EMRを試してみた
Tez on EMRを試してみたTez on EMRを試してみた
Tez on EMRを試してみたSatoshi Noto
 
大晦日のメッセージ配信の裏側
大晦日のメッセージ配信の裏側大晦日のメッセージ配信の裏側
大晦日のメッセージ配信の裏側Satoshi Noto
 
Fullbokをがっつり使ってみた
Fullbokをがっつり使ってみたFullbokをがっつり使ってみた
Fullbokをがっつり使ってみたSatoshi Noto
 
Run Spark on EMRってどんな仕組みになってるの?
Run Spark on EMRってどんな仕組みになってるの?Run Spark on EMRってどんな仕組みになってるの?
Run Spark on EMRってどんな仕組みになってるの?Satoshi Noto
 
Hiveハンズオン
HiveハンズオンHiveハンズオン
HiveハンズオンSatoshi Noto
 
MapReduceプログラミング入門
MapReduceプログラミング入門MapReduceプログラミング入門
MapReduceプログラミング入門Satoshi Noto
 
Hadoop概要説明
Hadoop概要説明Hadoop概要説明
Hadoop概要説明Satoshi Noto
 
ただいまHadoop勉強中
ただいまHadoop勉強中ただいまHadoop勉強中
ただいまHadoop勉強中Satoshi Noto
 

More from Satoshi Noto (11)

このサービスは俺に聞け勉強会(機械学習)
このサービスは俺に聞け勉強会(機械学習)このサービスは俺に聞け勉強会(機械学習)
このサービスは俺に聞け勉強会(機械学習)
 
Amazon Machine Learning概要
Amazon Machine Learning概要Amazon Machine Learning概要
Amazon Machine Learning概要
 
Tez on EMRを試してみた
Tez on EMRを試してみたTez on EMRを試してみた
Tez on EMRを試してみた
 
大晦日のメッセージ配信の裏側
大晦日のメッセージ配信の裏側大晦日のメッセージ配信の裏側
大晦日のメッセージ配信の裏側
 
Fullbokをがっつり使ってみた
Fullbokをがっつり使ってみたFullbokをがっつり使ってみた
Fullbokをがっつり使ってみた
 
Run Spark on EMRってどんな仕組みになってるの?
Run Spark on EMRってどんな仕組みになってるの?Run Spark on EMRってどんな仕組みになってるの?
Run Spark on EMRってどんな仕組みになってるの?
 
Hiveハンズオン
HiveハンズオンHiveハンズオン
Hiveハンズオン
 
MapReduceプログラミング入門
MapReduceプログラミング入門MapReduceプログラミング入門
MapReduceプログラミング入門
 
Hadoop概要説明
Hadoop概要説明Hadoop概要説明
Hadoop概要説明
 
MapReduce入門
MapReduce入門MapReduce入門
MapReduce入門
 
ただいまHadoop勉強中
ただいまHadoop勉強中ただいまHadoop勉強中
ただいまHadoop勉強中
 

読書会のすすめ