sako

I am a freelance engineer with a passion fo…

sako

I am a freelance engineer with a passion for geoscience, LLM, and learning languages.
  • 固定された記事

IELTSスピーキング: たった40日間で5.5→7.5へ劇的にスコアを上げた方法

40日間でスコアが2ポイントも急上昇まずは私の受験結果をご覧ください。 2023年12月17日に受験した際のスピーキングスコアは5.5でした。Speakingセクションであと0.5ポイントあればOA6.5に届いていたので、再採点を依頼してみましたが変動せず。 しかし、2024年1月28日の再受験で、スコアは一気に7.5へ跳ね上がりました。この時は確かに手応えを感じていましたが、2ポイントも上がるとは1ミリも思っていませんでした。というのも、最初の受験から5回連続で5.5を

sako

    • ChatGPT-like ChatBot with Chainlit🤖

      はじめに 私は、現在フリーランスのエンジニアで生成AI導入支援のプロジェクトに携わっています。 特に最近は、社内に蓄積された経理関連のドキュメントや議事録をもとに、LLM（Large Language Models）ベースでFAQ ChatBotなどを構築する受託案件がとても増えてきました。 ただ、いきなりエンジニアをアサインしてシステム開発するというよりは、前段としてまず、顧客からサンプルデータをもらい、どれくらいの精度で回答生成できるかを検証したり、イメージを掴んでも

      sako

      • IELTS7.0でもTOEICは835点でした(泣)

        約6年ぶりのTOEIC海外大進学に必要な目標のIELTSスコアを無事に達成できたので、 この間、久々にTOEICを受けてきたのですが、結果としては、835（R400、L435）という微妙なスコアでした。 というのも、IELTSで6.5から7.0のスコア保持者は900程度に相当すると聞いており、対策せずとも今のポテンシャルだけで800後半は取れるかな〜と思ってたのでちょっと残念、、、 Abilities Measured結果はやや物足りないものでしたが、大学生の時に持ってい

        sako

        • IELTS OA5.5→7までの奮闘記

          総論大学時代に受験したTOEICは600点台前半、高校時代には英検2級も落ちたことがあり、英語が得意だと言えるような人間ではありません。 IELTSを初受験したのは2023年2月5日。このとき記録したスコアは5.5で、日本人受験者の平均スコアとほぼ同等くらいです。準備をほとんどしていない状態だったため、私は比較的容易に目標であるOverall 6.5に到達できると楽観視していましたが、現実は私の予想よりもはるかに厳しく、初受験からの8ヶ月間はOA5.5で停滞していました。

          300
          sako
        • 固定された記事

        IELTSスピーキング: たった40日間で5.5→7.5へ劇的にスコアを上げた方法

        sako

          20代後半で留学を決断した理由

          将来を楽して生きたい振り返れば、大学在学中に始めた長期インターンを考慮すると、5社以上で働いた経験がある。どこも事業規模としてはそこまで大きくなかったが、現場にはほぼ例外なく外国籍のエンジニアがおり、彼らをマネジメントしている英語が堪能な海外MBA・GAFAM出身の方々、さらには若くして海外スタートアップでバリバリ働いている人など、、そんな方々と触れ合う日々だった。 多くの刺激を受けつつ、一方で将来的に日本語だけしかできないポジションの椅子取りゲームが待ち受けている気がした

          sako

          20代後半で留学を決断した理由

          sako

          PLATEAUに入門してみる

          Project PLATEAUの「3D都市モデルの導入ガイダンス」を読んでみた感想です。 デジタルツインとはフィジカル空間に存在する物体をサイバー空間上に再現し、フィジカル空間で収集した人流や環境などのリアルタイムデータを反映することで、サイバー空間上にフィジカル空間の「双子（ツイン）」を構築するもの。 →都市空間のデジタルツイン構築に、3D都市モデルの活用が期待されている。 Project PLATEAUが整備を進める3D都市モデル幾何形状（ジオメトリモデル）に、「壁」

          sako

          PLATEAUに入門してみる

          sako

          衛星画像からゴルフ場有無を判定する

          概要SIGNATEの【SOTA】産業技術総合研究所 衛星画像分析コンテストにて公開されている衛星画像データを使用して、各画像にゴルフ場が含まれているかどうかを判別するモデルを作ってみます。 使用データ 各チャネルの可視化1つの衛星画像に含まれているチャネルは全部で7つ from skimage import iofrom matplotlib import pyplot as pltimage = io.imread(画像ファイルのパス)fig, (ax0, ax1, a

          sako

          衛星画像からゴルフ場有無を判定する

          sako

          衛星画像解析：パンシャープン画像の生成方法

          パンシャープン処理とは 近年のリモートセンシングデータは、パンクロマティックセンサーによって高解像度のモノクロ画像（＝パンクロマティック画像）を取得できます。一方、解像度は少し劣るものの、マルチスペクトルセンサーからはカラー情報が得られるため、この両者の特性を擬似的に合成させることにより、高解像度カラー画像の作成が可能となります。この方法がパンシャープン処理です。 ※合成させるデータ間の空間分解能の差は2倍〜4倍程度が適当とされている。 今回はLandsat 8のBand

          sako

          衛星画像解析：パンシャープン画像の生成方法

          sako

          地域データ分析に入門してみる

          「地域データ分析入門〜すぐに役立つEBPM実践ガイドブック〜」はEBPMの発想に基づいて、地域の現状や課題、将来、政策効果を見える化するための考え方や地域分析手法の基礎を学ぶことを目的とした書籍です。 シフト・シェア分析日本の地域政策のどこが問題なのか OBPM(Opinion Based Policy Making)→EBPM(Evidence Based Policy Making)への転換が必要 政策形成に活用できるエビデンスの条件は 品質/精度/客観性 エビ

          sako

          地域データ分析に入門してみる

          sako

          Google Earth EngineとGDALでパンシャープン処理

          近年のリモートセンシングデータは、パンクロマティックセンサーによって高解像度のモノクロ画像（＝パンクロマティック画像）を取得できます。一方、解像度は少し劣るものの、マルチスペクトルセンサーからはカラー情報が得られるため、この両者の特性を擬似的に合成させることにより、高解像度カラー画像の作成が可能となります。この方法がパンシャープン処理です。 ※合成させるデータ間の空間分解能の差は2倍〜4倍程度が適当とされている。 HSV変換カラー画像の色情報は、色相（Hue）と彩度（Sat

          sako

          Google Earth EngineとGDALでパンシャープン処理

          sako

          Dashを用いた人流データビジュアライゼーション Part.2

          1. やりたいことG空間情報センターにて公開されている全国人流オープンデータを用いて、年度や時間帯ごとの滞在人口マップや該当地域に滞在した人の居住地情報をDashにて実装していきます。 2. 実装したい機能ちなみに前回の続きとなるので、使用データの概要は省略します。 ディレクトリ構造はこんな感じ。 Agoop/├── data│ └── {pref_code}_from_to_city│ │ └── 2019/{mm}/monthly_fromto_city

          sako

          Dashを用いた人流データビジュアライゼーション Part.2

          sako

          Dashを用いた人流データビジュアライゼーション Part.1

          1. やりたいことG空間情報センターにて公開されている全国人流オープンデータを用いて、1kmメッシュ別の滞在人口を可視化させること。 具体的には、メッシュにカーソルを合わせてインタラクティブに人口を表示させたり、プルダウンで関心エリアの変更を可能にする機能を実装します。 出典：「全国の人流オープンデータ」（国土交通省）（https://www.geospatial.jp/ ckan/dataset/mlit-1km-fromto） 2. 使用データ概要 人流データの概要・

          sako

          Dashを用いた人流データビジュアライゼーション Part.1

          sako

          Lasso・Ridge推定の概念をざっくり理解する

          データに曲線パターンが見られるときは、直線による回帰ではなく、2次関数や3次関数など説明変数を非線形関数に変換して回帰した方が良い場合がある。 ※ φ：基底関数、uiは誤差項 しかし、基底関数をたくさん使って説明変数を増やしすぎると過剰に適合してしまうことに・・・ そこでいい感じに意味のない説明変数を除外してくれるのがLasso・Ridge推定というわけである。 直線モデルの係数推定（解析的なアプローチ）説明変数の係数がゼロの値に近づくように、一手間加えて係数推定する

          sako

          Lasso・Ridge推定の概念をざっくり理解する

          sako