上流工程における品質目標の考え方と、プロジェクトが失敗する４つの要因を聞いてきた

10月24日
この１冊でよくわかる｢ソフトウェアテスト、設計書作成、プロジェクト管理｣教科書セミナー
を聞いてきた！！その内容をメモメモ

---

■「テスト設計」の観点から見た品質向上とプロセス改善の戦略
・体系的に学んだ人のあるひと５人くらい
　→属人的
・はじめに
　バルデスについて
　　バリューとテストの造語
　自己紹介

・こんな悩みはないですか？
　　テストのヌケ・モレ
　→限られた時間の中で→根性主義ではだめ
　→基本の型がだいじ：それを我流にしてしまうとだめ
　
・5分・１０分で品質上がる
　→どういう発想で

・基本の型：クオリティゲートについて
　上流工程から下流工程まで考える
　　→成功：ＱＣＤすべて→品質管理
　　　移行判定基準・品質基準：かんがえるのむずかしい
　　　時間がない

・Ｖ字モデル
　　クオリティゲート：何が出来ていればＯＫかという考え方
　　静的テスト：レビューも
　　動的テスト：動くものがある普通のテスト
　　考え方の基本が一緒

・上流工程でテストの発想を持っているかどうかが大事
　　品質を作りこむ基本の型
　　仕様ヌケの発見→手戻りの幅が広いほど、コストがかかる
　　テストの発想ばらばら→そろえていく

・Ｖ字モデルとアジャイル
　・アンケート：アジャイルは？すくない
　・ウォーターフォールとアジャイル：本質は同じ
　　　設計する→実装する→テストする
　　タイムスパンの違い
　　成功のポイント：要求定義の段階からテストを考えている

・上流工程にかけるコスト
　　不具合が発見されたときにかかる実装コスト
　　　　１：１０：４０：６０：１００
　　→基本設計で見つけられる修正：へらすことができる
　　　　→５分の手間を省いて、３日かかってしまう
　　基本の型：ロスが少ない

・品質低下
　　ほおっておくと、本来あるべきものから外れる
　　なにができればＯＫなのか
　　　　→品質は劣化していく：下げ止まりをする
　　開発；動くものを作ってから→品質保証；はずれている

・品質管理のポイント
　　品質低下を防ぐ＝品質目標からの乖離を防ぐ
　　・仕様書を全て実装すればＯＫ？
　　　　→お目にかかったことない。３０％
　　　→未来永劫でてこない：１００％の仕様書：コスト

・仕様書が不完全でも、テストは完全でないといけない
　　→書かれていないことを読み解く
　　　リバースエンジニアリングが基本：これができないといけないはずだ
　　　　　→トレーニングで身につく
　品質：自分で作れる

・上流工程における品質目標の考え方
　要求分析
　　仕様書＆取説がないけど、テストできる能力
　フィリップクロスビー
　　品質は要求を満たすことである→ペア概念
　　要求：望んでいること
　ワインバーグ
　　誰かの要求を満たすこと
　ＴＱＭ：日本人が得意でない部分
　　→この発想重要
　プロとして、どんな走り込みをしていますか？

・狩野モデル
　　当たり前品質、魅力的品質
　　　基本要求：品質と要求がペア概念　むずかしい
　　　変動要求：評価が上がったり、下がったりすること
　　　潜在要求：魅力的品質

・異常形の部分：あっちゃいけない
　リスクベイスドテスト

・皆さんにとって優先順位が高いところ
　　→メンバの癖
　：取り消しキー
　　あけたら止まる
　　ボディの異常加熱
　→機能仕様書のレビューをする前に行う
　　Never Must Want　に分解

・動かしてみないと分からない部分はある

・ＩＳＯ９１２６　品質特性
　ソフトウェアがいい
　　３つ　３つに分解
　　　外部特性
　　　　　機能性
　　　　　信頼性
　　　　　使用性
　　　内部品質：エンジニア
　　　　　メンテナンス
　　　　　別環境
　　　　　さくさく動く

　機能性のＮｅｖｅｒ，Ｍｕｓｔ，Ｗａｎｔ
　信頼性のＮｅｖｅｒ，Ｍｕｓｔ，Ｗａｎｔ
　使用性のＮｅｖｅｒ，Ｍｕｓｔ，Ｗａｎｔ
　　　　　：
　　　　　：
　　　とわけて考える
→日本のエンジニアは機能性のＮｅｖｅｒ，Ｍｕｓｔ，Ｗａｎｔしか考えない
　→テストの観点つくっていく

・テスト観点：テストを行う上での「切り口」のようなもの

・品質管理は教育に始まり教育に終わる

---

■設計書作成の標準化のススメ

・オブジェクトブラウザー　for Oracle
　他のＤＢにも対応

・設計書を標準化する２つのポイント
　・理想の設計書はない

・なぜ設計書はばらばらに
　　目的：ドキュメント体系（横軸）
　　読み手の特性：詳細度（縦軸）
　　他のドキュメントの存在（除いたもの）
　→案件ごとに変わる：パターン化することは出来る
　※ポイント１：案件のパターンを整理し、パターンごとに標準化する

・ツール
　　標準化
　　　「オブジェクトブラウザ　デザイナー」：フレームワーク、テンプレート
　※ポイント２：設計には設計専用ツールを使う

・機能紹介：デモを使って「オブジェクトブラウザ　デザイナー」などの紹介

---

■この一冊でよくわかるプロジェクト管理の教科書

・「オブジェクトブラウザ　シリーズ」とは
　設計、開発、プロジェクト管理などソフトウェア開発全般の合理化、
　生産成向上を実現するツール群

・プロジェクト管理　ＰＭＢＯＫ
　プロセスをマネジメントする考えを広めた
　　　９つの知識エリア：ＱＣＤがゴール　ＱＣＤだけではむずかしい
　　→いま１０個

　ＰＭＢＯＫの体系
　　１０の知識エリア

・ピラミッドという体系にした→思ったプロジェクト管理できない
　　統合システムにしないと、管理力は上がらない→ＯＢＰＭ

　プロジェクト管理のＥＲＰ
　脱Ｅｘｃｅｌ
　　　Ｅｘｃｅｌ：見える化できない、
　　　　　　　　　俺流の蔓延→標準のテンプレート
　組織で標準を持たない限り、プロジェクト管理力はＵＰしない

・プロジェクトが失敗する４つの要因
　　（１）そもそも無理な計画
　　　　　スケジュール、コスト、スコープ、リスク
　　（２）ユーザー側の甘い体質
　　（３）体制が不十分
　　（４）コミュニケーション不足

・（１）そもそも無理な計画
　受注しちゃいけない；未然に防ぐ
　　→見積もり提出時にリスクチェックミーティングを行う
　　　チェックリストを用意：形骸化しない工夫
　　　営業が甘くなる中で、辞退すること；リスクに対して真剣に考える

　プロジェクトスタート時にレビュー会
　　インセプションデッキで目的供給
　　情報共有
　　　→ガントチャート上にマイルストン

　インセプションデッキ
　　アジャイル開発のプロジェクトスタート
　　みんなで作る→プロジェクト憲章と違う

・（２）ユーザー側の甘い体質
　最初が肝心。キックオフセットを用意・活用する
　自分たちが分かっているがお客さんが分かっていない→お客さんに理解
　日程の確保
　ステアリングコミッティー
　キックオフセットで何を決める
　　体制：意思決定する人、ステアリングコミッティー
　　目的と概要
　　スケジュール
　　要件定義
　　コミュニケーションの方法

・（３）体制が不十分
　気合でＧｏは失敗する。リリース計画をきちんと立てる
　　　リソースヒストグラム
　スキル管理をこつこつ行う
　　　スキル照会、

・（４）コミュニケーション不足
　・最初にツールとルールを決める（めーるはやめる）

・組織の成熟度を高める
　ＣＭＭＩ
　実績・計画・標準・分析
　　計画までやらないと管理しているとはいえない

皇室はロボットになるかもしれない・・・

眞子さまファンは憤死しそうな気配・・・

眞子さま、ガッチリ体型のイケメンと横浜デート後に東横線でラブラブなご様子
http://zasshi.news.yahoo.co.jp/article?a=20161017-00008327-jprime-soci

あ～、そういうファンがでてきてしまうと、
皇室は、ミクみたいなスキャンダルのありえないロボットで！
となるんでしょうなあ～

マスコミがやらない動画・沖縄の真実

【閲覧注意】動画・沖縄の真実。警察のみが断罪されるべきなのか？【怒りを感じたらシェア】
https://samurai20.jp/2016/10/okinawa-12/


極左暴力集団リーダーによる警察官への暴行

とか、報道しないよね、マスコミは・・・

それと、もっと先の動画

わんぬうむいニュース　自称市民団体が市民を襲う　2014

の基地反対派の人が沖縄の人を襲って、沖縄の人は、どうすれば・・・
そこにあるように
「いわゆる基地反対派」とは、その多くは沖縄の人間ではない
んでしょうな。。。

【関連するかもしれない？記事】

レイプ対策、日本は百年古い＝米兵性犯罪、豪被害女性語る
http://www.jiji.com/jc/article?k=2016102200283&g=soc

人工知能（AI)技術の進展に伴う産業・社会動向に行ってきた

10月21日第94回InfoTalk

人工知能（AI)技術の進展に伴う産業・社会動向
－AIとは／AI価値創出／AI企業動向／ボット元年／インテリジェント社会到来－
に行ってきたので、内容メモメモ

---

■あんない
　情報アーキテクチャ専攻　助教　千代（ちしろ）先生
　つぶやくときは#infotalk のタグ付けてね！
　講師紹介

■講演　講師　MRIのえらいひと
・最近非常に関心高い
　　　バズワード
　　　よくわからないけど、こわい

・自己紹介
　第五世代コンピューター→下り坂→急に注目

・AIとは
　コンピューターに人間のような知的能力を持たせるソフトウェア
　　Watson

・身近なAI
　知覚　　　見るAI
　言語処理　言葉を理解する
　　　りんな：すばらしいか、適当か、かなり会話する
　推論　　　Amazonのおすすめ
　行動計画　ルンバ：虫の人工知能

・人工知能
　　１次ブーム：コンピューターが出来たとき
　　　→ダートマス会議：アルゴリズムって人工知能→簡単な問題しか解けない
　　２次ブーム：第5世代コンピューター
　　　→知識を埋め込む：専門家の知識（エキスパートシステム）
　　　　ルール：１０００くらいつくるとわけわからん。
　　　　　→知識獲得問題、フレーム問題
　　冬の時代
　　　９０年代後半
　　　　　インターネット
　　　　　ERP
　　　２０００年代
　　　　　ビッグデータ
　　　　　最適化、予測：人間が作りこむ
　　　コンピューター速くなる
　　　使えるデータおおくなる
　　　　　カスパロス、DeepBlueにやぶれる
　　３次ブーム
　　　DeepLearning
　　　　　データから知識を獲得する：推論
　　　　　　→汎用人工知能シンギュラリティ

・ＤｅｅｐＬｅａｒｎｉｎｇ
　　特徴量を自動的にみつける
　　そろそろ人間を超えつつある
　　ＤｅｅｐＭｉｎｄ：
　　投資が始まっている

　５０年来のブレークスルー
　先に広がる世界がすごい

・第三次ＡＩブームの３要素
　　ビッグデータ
　　機械学習アルゴリズムの進化（ＤｅｅｐＬｅａｒｎｉｎｇ）
　　計算パワー

　ＡｌｐｈａＧｏ
　　１０年を一気に縮めた
　　ビッグデータを学習しても足りなかった
　　打ち手ＡＩ→
　　　　仮想学習：深層強化学習
　　　　対局的な形勢判断
　　シミュレーションできるがポイント

・人工知能の２つの系譜
　　弱いＡＩ：囲碁だけ解けるＡＩなど→機械学習アルゴリズム
　　強いＡＩ：何でも解ける→全脳アーキテクチャ

・ＡＩサービスの価値創造パターン
　　個人適用
　　人並み認知
　　全体俯瞰
　　高速性
　　対話力
　→生産性向上か新しいサービス

・個人適用
　行動パターンの学習

・人並み認知
　目視、画像認識、文章理解：メールの不正

・全体俯瞰
　大事なところ→キーメッセージ

・高速性
　例：広告枠のオークション

・対話力
　Pepper→対話ボット：チャットに置き換えられるのが増えている
　ＡＩのほうが安心して話しかけられる

・うまくいっているのは、実はあまりない・・・
　失敗しがち
　　人手の作業を作業化するだけのサービス：コストが見合わない
　　　例外：同一作業で数十人　コールセンター
　　　　　データエントリー
　　　　　不正の発見
　　便利なもの：売上に繋がらない
　　　→ＧｏｏｇｌｅやＡｐｐｌｅ、Ｍｉｃｒｏｓｏｆｔですら
　　　　ユーザー獲得の差別化

・自動運転とＡＩ
　自動運転は、高度・多様なＡＩの集大成
　　インパクトが大きい
　　レベル１，２，３，４
　　１：１こじどうか
　　２：２こじどうか
　　３：３つじどうか
　　４：自動運転：ハンドルブレーキついてない
　テスラーなどは４を目指している。日本は１から→方向転換
　倫理課題と法的課題

・トロッコ問題
　　５人ひき殺すか、１人ひき殺すか→きめのもんだい。

・ＡＩ企業動向マップ
　ＫＡＯＳマップ
　　基盤ＡＩ技術
　　業務別：ＡＩベンチャー　最近ＨｏＴ　
　　業界別
・人材ＸＡＩ：ＨＲＴｅｃｈ
　　転職マッチング：ビズリーチ（属性もまぜながら）
　教育ＸＡＩ：ＥｄＴｅｃｈ
　　アダプティブラーニング
　　　学習進度に合わせる
　不動産ＸＡＩ　Ｒｅａｌ　Ｅｓｔａｔｅ　Ｔｅｃｈ
　　価格査定：業界破壊（新しいビジネスモデル）
　ヘルスケアＸＡＩ
　　デジタライゼーション
　　予防医療→ダイエット（メタボを防ぐ）
　金融ＸＡＩ　事前与信＋マーケティング
　　特定ローン：教育ローン　貸して大丈夫？
　　Ｆｉｎｔｅｃｈ系はいっぱい：機械アドバイス
　システム開発ＸＡＩ　リポジトリマイニング
　オフィースワークＸＡＩ
　　　ＨＵＥ：過去ログから、教えてくれる
　　→自社製品にいれる
　婚活とＡＩ
　　マッチング：選挙と婚活
　　→ビジネスマッチング

・２０１６年はボット元年
　Ｓｉｒｉ，りんなさん→ソフトウェアロボット
　　けっこうブレイク

　チャットボットに大手ＩＴサービスが続々参入
　　すらっくの中で、注目
　ボットラッシュ始まる
　　ろはこ：ＦＡＱの類
　雑談の部分
　スラックのボット　Ｓｕｂｏｔ
　音声アシスタント機器という、もうひとつの潮流

・一方日本はコミュニケーションロボットに注力
　　ＡＩＢＯ、→全滅　会話気が利いていない

　このままいきのこるか？

　代表Ｐｅｐｐｅｒ
　　ＤＭＭ
　これからくる？

　アメリカはＥＣＨＯ
　アメリカはロボットは執事、日本はパートナー

・変革１：ユーザーインターフェースの変革
　　第一世代：キーボード
　　第二世代：マウス
　　第三世代：タッチパネル
　　第四世代：音声対話
　デバイスという概念がいらなくなる

・変革２　ＩＴサービスビジネスモデルのパラダイムシフト
　　これまで、アプリストアを通じて
　　これからはボットストア

・でも対話技術はまだ未熟
　　実は、特定タスクにしか答えられない
　　検索ベース（りんななど）は一見話題豊富、でもタスク解決は・・
　　当面は、特定タスクのチャットボット

・ＡＩが普及したインテリジェント社会の到来
　経済どうなるの？
　　デジタル新技術（ＡＩ，ＩｏＴ，ロボテクス）の最大活用で需給両面を底上げ
　　　　新しい産業
　　　　生産性があがる→医療・介護・健康・製造がききそう
　　→創造型需要

・移動
　バリューチェーン：通勤している時間
　スマホ：すきまじかん
　長時間労働を減らす
　車の通勤時間がなくなる

・ＡＩ，ロボットによる雇用代替（技術的失業）
　→実はいい加減な試算
　　一番のミスリーディング：職業的に見た
　　人のしごと：３０％代替できて、７０％はできないなど
　　ＢＰＯ：同じ業務をまとめる→機械へ

・ＡＩ進展に伴うリスク
　　ＡＩ単独
　　いっぱいのＡＩ
　　ＡＩネットワークで強化
　　人とＡＩが共存
　まずはプライバシー・セキュリティー

・法的問題
　自動運転
　著作物：ＡＩソフト開発者・実行した人？・元の著者？？
　　→権利化
　個人情報の扱い
　　まなびすぎだよね：ＰＡＳＭＯのデータ→自宅ばればれ
　　裁判所でＡＩ：結果として差別：プロセスの公平性

・汎用ＡＩは第4次産業革命の汎用技術
　勝手に経済
・シンギュラリティの懸念
　カーツワイル
　かしこくなる：どこかがポイント
　　→おしえて賢くなっている場合はＯＫ
　自己進化で賢くなるのが問題
　　→自己再生のＡＩはまだ：べつのブレイクスルーが必要

・ＡＩにできないこと
　奪われない職業：感情と欲
　人と共感する仕事、枠組みを作る仕事

まとめ
・ＡＩ普及しつつある（いしきされないかもしれないけど）
　ツールそろってる
　つかえるかな？とおもってみて

■Ｑ＆Ａ
・日本のＡＩはバズワード化してないか？
　アメリカもバズワード化してるけど、日本もこのきらいはある
　過剰な期待を生み出してしまっているかも？

・計算機パワーが問題なら、ムーアの法則があたまうちになったら、
　シンギュラリティは？
　　シンギュラリティはムーアの法則絶好調なときだった
　　ムーアの法則はさちらないかも
　　２、３桁の性能ならあがるかも

・松原先生の講義「ＡＩは根拠が分からないところがポイント」
　全部ディープラーニングでやると、根拠分からない
　そうすると、こまること：マーケティング施策組めない
　　→頻発、
　　　簡易モデルでシミュレート
　　　決定木で仮説をつくるところからの最適化
　　→プラクティカルに
　例：自動運転で、理由分からないけど、人轢いちゃいましたあ（＾＾；）ｖ

・なんでＡＩ、ごまかしてんじゃね～の
　半分あたり。そういう面ある。マシンラーニング使っているのがＡＩになってる
　ただ、普通の情報処理とちがって、学習し続ける

■おしらせ
　１２月１０日　研究変遷から見た人工知能技術
　次回１２月１６日

windows10でFirefoxの動作が遅いとき

windows10でFirefox使用中、動作が遅いときの対処
http://www.megabe-0.com/archives/3446.html

日経ＢＰのITExpoと日刊工業のJapanRobotWeekに行ってきた！

１０月２１日、東京ビッグサイトの東ホール
　Japan Robot Weekほか（日刊工業新聞社主催　東１～３）
　　　と
　ITExpoほか（日経ＢＰ社主催　東４～６）にいってきたので、
感想をすこし

　まず、似たような展示＆小さい展示がいっぱいと・・・
　それは、東１～３と東４～６も似ていて、実際、日刊工業の展示会に、
日経ＢＰの入場券で入ろうとした人もいたほど・・
（入り口で、「違うんですよ～」と止められてた　＾＾；）

---

■Japan Robot Weekほか
・小さな会社、大学などが多く、やっていることがITExpoに比べ高度。
・大きく分けると２種類
　　・中小企業やロボットしそうな会社、研究所が、
　　　　コンシューマーを含むロボットがらみのことをしている
　　・大手企業が、産業用ロボットっぽいことをしている。

・例えば大手としてはＡＭＡＮＯや日立システム、ＴＨＫとかでていて、
　　・日立システムは協調ロボット
　　・ＴＨＫは、Ｓｅｅｄソリューションというところと一緒に
　　　　　ロボット出してた。
　　　　（電通大の蛇型ロボットっていうのもあったけど）

・中小その他のコンシューマーも含むロボットとしては
　　・タカラトミーのＲｏｂｏｊｒ
　　・makeblockとかいうの
　　・近藤工業や双葉電子ももちろん出てて（モーターなど）
　　・都産技研がチリンとかいう案内ロボットをだしていた
　　・バラピッキングのＭＵＪＩＮコントローラーなんてのもあった
　　・生活革命さんの展示で、「ペッパーの賢さに違いがあるんです！」って、
　　　　ペッパーが言っていた
・そのほかは（もしかすると、ITExpoとまじってるかも？）
　　・ロゼッタとかいう自動翻訳
　　・ドローン（日東建設）
　　・キーエンスの３Ｄプリンタとか

・もちろん、土壌、地下水とか、洗浄とかの展示もしていて
　・大林組は、汎用遠隔操作（遠くから操作できる）
　・セルロースナノファイバーなど

■ITExpoほか
・ＳＡＮＳＡＮは、やっぱり出ていた
・Office365とソフトバンクでなんかやってたけど、
　コスプレっぽかったんで詳しく見なかった
・ＩｏＴ検定なんていうのがあった。
・ＶＲの体験コーナーがあったけど、良く見てこなかった
・Ｆｉｎｔｅｃｈはパビリオン（小さい会社の集まり）はあった
・ベトナムコーナーもあった
・クラウド関係の会社は、展示が大きい（その中を分けて、数社が展示する）
　　ニフティ
　　ソラコム
　　ＡＷＳなど
・ＥＲＰはＧＲＡＮＤＩＴやオービック等
・ジャストシステムが、クラウド、ＢＩetc・・・よくわからなかった
・３Ｄプリンタで３Ｄシステムズ
・Ｗｅｂ会議でＷｅｂＲＴＣを使ったものが出ていた
・ＮＴＴコミュニケーションはＩｏＴディープラーニング等
・超高速開発コミュニティがでていた
　　（個々の超高速開発会社は、この中をわけて、展示している感じ）
・東京ライフスタイル農業って・・・何？

Nintendo Switch

ゲームの世界だけなら、限定的だけど、
これが、アプリケーションやVRの世界に入ってくると・・・
・・・こないか（＾＾；）

https://www.nintendo.co.jp/switch/index.html

ニュースリリース　
https://www.nintendo.co.jp/corporate/release/2016/161020.html

Ｒで決定木を行う方法

メモ。
データはＲに入っているirisを使っている

【コマンド】

install.packages("rpart", dependencies = TRUE)
library(rpart)
data.rp <- rpart(Species~Sepal.Length+Sepal.Width+Petal.Length+Petal.Width,data=iris,cp=0.01)
print(data.rp)
plot(data.rp)
text(data.rp,use.n=T,all=T)

【結果】


【参考サイト】
http://www.gixo.jp/blog/3982

杉並清掃工場、ビッグデータ解析による最適運転管理

ここの記事

杉並清掃工場ビッグデータ解析による最適運転管理システムの開発を開始
http://news.toremaga.com/release/tech/864668.html

あとでよむ

シリアル通信でノンブロッキング処理にするには

シリアル通信（だけじゃないと思うけど）において、
入力待ちをしない、いわゆるノンブロッキングにする方法について。

カノニカルモードにすることは知っていると思うけど、
ほかにせっていするところがある。
まとめると、２つの方法があるらしい

【方法１】
１．termiosの
　　　　c_lflag &= ~(ICANON);
　　で、カノニカルモード無効化（非カノニカルモード）

２．termiosの
　　　　c_cc[VMIN] = 0;
c_cc[VTIME]= 0;
　　にする。このVMINとVTIMEの関係は、以下を参照

termios.c_cc の VMIN VTIME について(メモ)
http://oasynnoum.hatenablog.com/entry/2012/10/31/184038


【方法２】
　上記さいとにある、O_NDELAY指定。つまり、openでO_NONBLOCK または O_NDELAYを指定する。
詳しくは、以下のサイト

open - システムコールの説明 - Linux コマンド集 一覧表
http://kazmax.zpp.jp/cmd/o/open.2.html


ちなみに、以前の記事

LinuxのCで、キー入力されたらすぐ表示するけど、入力しないとき待たないようにしたい
http://blog.goo.ne.jp/xmldtp/e/067f5e0ff4efeca546e4458f4d36a619

では（これはコンソール端末＝標準入力なので、fd=0で説明している）、
方法１で、VMIN=0,VTIME=1にしている

以下、raspberry piのシリアル通信における方法１の雰囲気（確認していないので、バグがあるかも・・・）

/*
 *	ノンブロッキングテスト
 *	内容　電文の送受信を１電文繰り返す
 *	参考：	http://www.rt-shop.jp/blog/archives/4145 （シリアル通信）
 *		http://oasynnoum.hatenablog.com/entry/2012/10/31/184038 （ノンブロッキング）
 *		http://simd.jugem.jp/?eid=145 （時間部分）
 */

#include<stdio.h>
#include<stdlib.h>
#include<strings.h>
 
#include <sys/types.h>
#include <sys/stat.h>
#include <sys/ioctl.h>
#include <fcntl.h>
#include <termios.h>
#include <unistd.h>

#include <time.h>
#include <sys/time.h>

#define SERIAL_PORT	"/dev/ttyAMA0"
#define BAUDRATE	B9600

int main(int argc, char *argv[])
{
	int		fd;
	char		com[16];	//	とりあえず１６バイト以上来ないものとする
	char		buf[2];		//	一時的に入れておく
	struct termios	newtio, oldtio;	//	コントロールの構造体
	int		len;		//	文字列の長さ
	clock_t nowtime,oldtime;
	double		keika;		//	経過時間

	//==============================//
	//	オープンと設定		//
	//==============================//
	if(!(fd = open(SERIAL_PORT, O_RDWR)))
	{
		printf("data error \n");
		return -1;
	}

       	//	現在のシリアルポートの設定を待避
	ioctl(fd, TCGETS, &oldtio);
 
	//	ポートのコントロール初期化
	bzero(&newtio, sizeof(newtio));
	newtio = oldtio;	//　ポートの設定をコピー＝基本的には同じにする
				//	ボーレートなど設定
	newtio.c_cflag = (BAUDRATE | CS8 | CLOCAL | CREAD);
 
	newtio.c_iflag = (IGNPAR);	//	エラー処理：無視
 	newtio.c_oflag = 0;
					//	非カノニカルモード
	newtio.c_lflag &= ~(ICANON | ECHO | ECHOE | ISIG);
	newtio.c_cc[VMIN] = 0;		//	ノンブロッキング
	newtio.c_cc[VTIME]= 0;

 	ioctl(fd, TCSETS, &newtio);	//	初期設定


	//==============================//
	//	データ処理		//
	//==============================//
	bzero(com, sizeof(com));
	len	=	0;	//	文字の長さ＝次に文字が入るところ
	oldtime = clock();
	while(len < 15)
	{
		if ( read(fd,buf,1) <= 0 )	//	１バイトだけ読む
		{	//	読めないとき
			nowtime = clock();
			keika = ((double)(nowtime - oldtime)) / (double)CLOCKS_PER_SEC;
			if (keika > 0.5)	//	0.5秒たっても読めない
			{
				printf("no data \n");
				oldtime = nowtime;
				continue;
			}
		}
		else
		{
			com[len] = buf[0];
			len++; 
			oldtime = nowtime;
			nowtime = clock();
		}
	}
	com[len] = 0;
	printf("data:%s\n",com);

	//==============================//
	//	終了			//
	//==============================//
	newtio = oldtio;		//　ポートの設定を戻す
 	ioctl(fd, TCSETS, &newtio);	//	前に戻す
	close(fd);
	printf("end\n");

}

プログラムの型とデバッグ手法を聞いてきた！

昨日（１０月２０日）NIIの市民講座
情報学最前線
「正しいプログラムを簡単に書くには？プログラムの型とそのデバッグ手法」
を聞いてきた！ので、その内容をメモメモ

---

・正しいプログラムは何で必要か
　いろんなところでプログラムが使われている
　　→正しいプログラムを書こうという努力

・プログラムとはどんなものか？
　速く書けるときもあるが・・・

・プログラムとは何か
　コンピューターへの指令・指示書
　例：１～１０までたしてください→あいまい

・プログラム：明確な手順を指定した指令

・プログラムはどう実行されるか
　　１＋１０＋２＊３
　　　　字句解析（じくかいせき）：トークンの列
　　　　構文解析：トークンの列→（どことどこがくっついているのか）→抽象構文木
　　　　各種変換・最適化・コード生成：抽象構文木→いろいろ→機械語
　　　　機械語を実行する＝１７


　※字句解析、構文解析はツール（lex,yacc）。
　　構文解析器は古くからあるが、今も研究
　　「LR構文解析の原理」大堀淳

・正しいプログラムとは何か
　　・コンピューターが解釈できる
　　　　→実行は出来る
　　・人が思ったとおりに動作する
　　　　→意図どおりに書くのは難しい

・プログラムの正しさを、どう高めるか？
　　・データの種類に注目して、書けるプログラムに制限を設ける

・データの種類：型
　　→型を使って制限する
　　　　：動作を予期しないプログラムをのぞくことが出来る
　いつ型を検査するか
　　１．静的型付け：実行前検査
　　２．動的型付け：実行時検査

　※値の性質まで入った型： LiquidHaskell

・型の難しさ
　修正→型エラーのデバッグ手法

　本質的な難しさ
　　どれが正しいかは自動的には決められない

　型エラーのデバッグ手法
　　エラーに関係している：型エラースライス
　　対話的に：対話的型エラーデバッガ
　　可能性の高い：原因箇所推定

・研究の話（宣伝）
　機能を再利用

・型以外の手法
　　テスト
　　性質の検証

・テスト
　　研究：テスト例自動生成
　　　→自動生成をどうするか：ランダム、小さいものから全通り

・性質の検証
　　性質が満たされるか証明する
　　　→自動定理証明：ここ１０年ほどホットトピック

・本講座で話したこと
　プログラム：明確な指令
　プログラムの正しさ
　正しさを高める「型」
　型以外：テスト・証明

・プログラムを書くには？
　プログラミングの学びかた：コースとかあふれている
　　　Gacco はじめてのP
　競技プログラミング、プログラミングコンテスト
　　　ICFP　プログラミングコンテスト

Q&A
・静的と動的の型付け、どっちがいい
　→大規模は静的、ネットでの処理・外部との受け渡しは動的
　　１回実行すればいいのも動的で

・なんで似たような言語が出てくるの？
　言語を作るのが好きだから

・ツールはどんなの？
　emacs

・生産効率的な点からコメント
　型を使う：型がひとつのドキュメント→あがっている
　ソフトウェア工学で研究しているので、そちらのほうを見て
　

Office365APIとか、Google Apps Scriptで自動化の話とか聞いてきた

10月19日、html5j Webプラットフォーム部 第14回勉強会に行ってきた。その内容をメモメモ

---

■簡単！Google Apps Script入門
・自己紹介
・Google Apps Scriptとは
　Googleアプリケーションを連携できる
　もちろん無料
　環境構築簡単：アカウントあればいい
　基本的にJavascriptベース
　デメリット：情報が少ないなあ～
　　公式リファレンス
　　　　AppsScript：英語
　本が電子書籍で出ている。Googleをプログラミングせよ

・Google Apps Scriptを立ち上げてみる
　ツール：スクリプトエディタ
　　この中で書いて動かす

・Google Apps Scriptは仕事の課題解決・効率化に役立つ
　GoogleForm：
　　自動返信メールが着いてない
　　定員を超えたら、変える
　　フォームのフォーマットが微妙に違う

・まずはスプレッドシートからはじめよう
　　他からも立ち上げられるけど、DBが必要なことが
　　　→スプレッドシートから
　　命令したいものを指定、命令を指定
　　カレンダー：イベント：タイトル・・・
　　　→階層関係が成り立っている

　　Googleドライブだけ、概念が違う
　　　ファイル名で指定できない
　　→ファイルイテレーター・フォルダーイテレーター

・それでもやっぱり難しい
　アドオン

・まとめ
　まずはスプレッドシートから始めよう
　ルーチンワークの解消
　命令する場所の指定の概念が出来ればOK

---

■Apps　Scriptによる高度な開発プロセス
・自己紹介
・Apps　Scriptによる高度な開発プロセスって？
　Google Apps Developersブログで紹介された
　Apps Scriptはランタイム
・一言で言うと
　Drive APIをExport/Import
　Google Drive REST APIでApps　Scriptのソースコードをインポート、エクスポート
　APIをたたくコマンドが作られている→ローカルPCへ
・Drive APIの注意点
　　Appsプロジェクトに２種類
　　　コンテナ付属のものはX
　　　スタンドアロンのもののみ可能
・ローカル開発のメリット
　　ソース管理できる
　　好みのエディタ、IDE
　　ツールが利用できる
　　テストが実施しやすい
・実際にメリットを活用した一歩進んだ開発
　　require()使おう
　　　CommonJSのモジュール機能
　　　Node.jsならネイティブ
　　Apps Scriptにもライブラリがある
　　　遅い（公式サイトでトップで警告）
　　　管理手動
　　　共有複雑
・一歩進んだ解決策がrequire
　→ Browserify+gasifyを利用
　　
・ビルド方法
　　browserifyを実行する

・ビルドしたファイルはDriveAPI　Export/Import

・Apps　Scriptの自動テスト
　　Node.jsで実行する
　　Apps scriptとして実行
　きぞんの

・CI
　　Node.jｓ：OK
　　Apps ScriptはCIとの連携難しい
　　　作ればいい→gas-test
　　　コマンドラインツールも
　　大きな機能　
　　　テストコードビルド機能
　　　実行機能（Excution API)
　　　認可のセットアップ機能7
　　連携
　　　CIサーバー→ExcutionAPI→Apps Script

・サンプル説明

・高度な開発のお勧め構成

■Office365

・Office365 日経２５５銘柄の８０％
　Office365 Solo デスクトップ
　　サービスサブスクリプションで出している
　　何台までインストールしていいよ
　　　→契約更新クイックインストール
　　　　２世代前はインストールできない
　　地球上の７人に１人（１０億人くらい）
　　　コマーシャル版とコンシューマー版

・コマーシャル版の戦略
　ワークフロントのデータをあつめる
　　→CRMとかは入らない
　　メール・SNS・ファイル
　　　One Driveに同期

・デモ
　Delve
　　MyAnalitics

・IPhoneを侵食？・・・MSアプリが増えている
　　最近はIPhone版のほうが先とか
　　全てのデバイス

・APIの話
　APIのトレンド：
　　アドイン：E2D3　グラフ→HTMLのページ（JavascriptのD3で書かれている）
　　　　comアドインはやめていない
　　　　でも、全てのデバイス：

　Office 365 API's
　　昔：SOAPに投資していることもあった→RESTにいま

　　ふぃどらーでキャプチャ

　　ふつうのAPIになる

・SalesForceと連携している

・２要素認証などは開発側は意識する必要ない
　いろんなことができます
　　Webフック
　　同期
　　デルタリンク：差分だけ返ってくる
　　あき時間探し
　　オーディオ　WebRTC1.1（コンシューマースカイプは1.0)
　　ピープルAPI

・Do.com
　　ログイン画面：アクセストークン　

・API登録
　　スコープを足す
　　アクセストークンの変換が出来る→高度なモジュール化
　　証明書連携
　　デバイスプロファイルフロー

・パルミーというロボットで

・AzureAD V2.0エンドポイント＆Microsoft Graph
　　でも、今までの話は、コマーシャル版
　　コンシューマー版：統合　ｖ２．０のエンドポイント
　　　いまはOutLookだけ

■じゃんけんたいかい
・JQueryMobileの本が欲しい人２人だけ
・Angular 1の本が欲しい人はもう少し多かった（１０人くらい？）
・いずれにせよ、Tシャツが欲しい人のほうが多かった。

PICでの開発方法のまとめ

Lちかするだけでも、Arduinoやmbedにくらべて大変だったので、
ここにまとめておく

---

■用意するもの
・PICKIT3
・秋月のＰｉｃｋｉｔ対応ＩＣＳＰ書き込みアダプターキット
　　http://akizukidenshi.com/catalog/g/gK-05355/
・ターゲットのPIC
　今回はPIC 12f1822
・そのほか、ブレッドボード、LちかするのでLED,抵抗、PC（Windows)など

■MPLAB® X Integrated Development Environment (IDE)のダウンロード
　http://www.microchip.com/mplab/mplab-x-ide
にいく
少しスクロールしてDownloadタブで、自分の環境に合ったものをおとしてくる

■MPLAB® XC Compilersのダウンロード
※これをインストールしないと、ビルドのところで失敗した。
　http://www.microchip.com/mplab/compilers
にいく
少しスクロールしてDownloadタブで、自分の開発する環境とPICにあったビット数のXCなんとかを選ぶ。

■IDEを立ち上げ、プロジェクトを作成する
　途中、Select DeviceでターゲットのPICを選択
例：PIC12F1822はMid-Range 8-bit MCUs (PIC10/12/16/MCP)
　Hardware Toolにpickit3
　Compiler ToolchainsにインストールしたXC8をセット

■プロジェクトのSource Filesを右クリックして、新規にファイル作成
　　main.cを選択（ファイル名は違うものを付けられる）

■ファイル編集
　今回は、　　http://www.geocities.jp/zattouka/GarageHouse/micon/MPLAB/12F1822/LEDblink/LEDblink.htm
　の内容をコピー

　保存して　RUN→Build main project
　　　→コンパイルできるはず

■PICに焼く
・｢File｣ → ｢Project Properties｣をひらいて、PICKIT3から電源を取る設定をする
　　http://www.geocities.jp/zattouka/GarageHouse/micon/MPLABX/MPLABX_use.htm#writing
　をしたが、
Target device was not found (could not detect target voltage VDD). You must connect to a target device to use PICkit 3.
というエラー。私の設定間違い？とにかく

http://d.hatena.ne.jp/garyo/20121021/p2

に書いてあるように、Project Propertiesでやったような設定をRUNでしてみた。
　
・書き込みアダプタの詳細は

http://akizukidenshi.com/download/ds/akizuki/PICKit_ICSP_adpV2.pdf

にある。そこに左側のジャンパ線の配線方法が書いてある

右側の、がしゃんってやるほうにPICを入れて（上に上げておく）、
入れたら、がしゃんとする

・PICKIT3を、PCにUSBで接続し、書き込みアダプタにPINで接続する

・IDEの真ん中あたりのボタンの「↓にマイコンが有る」ボタン
　（make and program device main project)をクリックすると、
　やきはじめる

・Programming/Verify completeが最後に出れば、OK

■回路をブレッドボード上に作る
・PIC12ｆ１８２２のデータシート
http://akizukidenshi.com/download/ds/microchip/PIC12F1822_PIC12LF1822_PIC16F1823_PIC16LF1823.pdf
・データシート中　VSS→GNDへ
　

Googleってモバイル版とPC版のインデックスを分離するの？

たしかにモバイルで検索することと、PCで検索することは違うように思える・・・

【重要発表】Googleがモバイル版とPC版を分離する事を発表！数ヶ月以内に実施の予定
http://www.web-planners.net/blog/archives/000210.html

Sparkによる機械学習と、ディープラーニングのしくみについて聞いてきた！

10月19日、「データサイエンティスト実践セミナー　Sparkによる機械学習とディープラーニング」を聞いてきた！
その内容をメモメモ！

---

■Spark活用による機械学習入門
本日の内容
　・MLLibによる機械学習プログラミング
　・分析を支援するビジュアライゼーションAPI
　・新しい分析基盤Data Science Experience

・Spark MLLibによる機械学習プログラミング
　http://bit.ly/2ecYpWK
　与えられたデータ（コイン１００枚）を教師
　クラス分類（教師あり学習）問題です

・今回出てくる言葉
　Spark MLLib
　統合エンジンSpark
　　複数言語に対応していて、どの言語でも利用可能
　　YARNとの連携が出来る
　MLLib
　　Sparkで機械学習：MLLibとRが利用可能
　データの持ち方
　　RDD：分散処理のデータセット
　　DataFrame：テーブルのようなデータ構造を持った分散処理
　処理
　　Spark mllib:RDDベース
　　spark.ml：DataFrameベース　今後○
　mllibで
　　分類と回帰
　　　モデル（SVM,ロジスティック回帰、線形回帰）
　　　ナイーブベイズ
　　　決定木
　　　アンサンブルツリー
　　　単調回帰
　　協調フィルタリング
　　　ALS
　SVM
　　各データ間のマージン最大化となる超平面で分類
　　　マージン最大化＝はんか能力
　　サポートベクターによって超平面を構成
　　顧客の離反分析

プログラミングツール
　Jupyter Notebook
　　２００１年にリリース　IPythonをベース

DashDB
　BlueMixのDB

デモ
　http://ibm.biz/bdu1018a

・ビジュアライゼーション
　Brunelで可視化
　　ほぼ１行でかける（きれいなグラフが）　たぶろーとおなじかんじ

・IBM Data Science Experience
　　コミュニティ
　　オープンソース
　　付加価値
　これらの環境が５分で使えるようになります

・１１月１６日　セミナーやります

■（仮）Sparkで試してみるディープ・ラーニング
・お詫び
　Numpyを使って実装
　→Sparkでは未実装：独自で実装→ながくなるので、今日は一部

・自己紹介

・DeepLearningとは
　機械学習のひとつ　ニューラルネットワーク→層を重ねる
　例：VGG16
　　畳こみから入ると、こける→べつのニューラルネットで説明予定
　今日のゴール：fully-connectedを作成
　　　アフィン変換
　　　ReLU
　　　ソフトマックス関数

　今日説明しないこと
　　CNN　たたみこみ
　　RNN　再帰
　　GAN　教師なし学習（画像を作り出す）
　　DQN　強化学習
　すうしきやらない
　各関数の詳細　微分の話：ふれない

　Batch Norm　分布調整
　Dropout

・背景
　人間の脳の構造を模してやれば、上手く識別できるのでは？
　　例：単純パーセプトロン　ニューロン情報処理モデル
　　　　単純パーセプトロンの基本のき
　　→非線形できない
　層を増やしてやれば、上手く識別できるのでは？
　　例：FF-NN

・今日のサンプル（色の識別　３つに分類）
　何色ですか
　　赤
　　緑
　　青

　フリーコネクティッド
　　入力層
　　隠れそう
　　　アフィン変換
　　　ReLU
　　出力層
　　レイヤ　０層　入力層
　　　　　　アフィン変換と活性化関数であわせて１層
　　　　　　　　ReLU：活性化関数
　　　　　　ソフトマックス：出力関数
　　アフィン変換のところがフリーコネクテッド

　　フォワード処理
　　バックワード処理：バックプロパゲーション

　アフィン変換
　　R,G,Bの重み、バイアス（発火しやすさ）の４つの値
　　　アウトプット＝インプット＊重み＋バイアス
　
　Relu：活性化させるかどうか
　　　活性化関数：シグモイド関数など
　　　　０以下なら　０
　　　　＋なら　値を伝える

　いくつもつなげる

　ソフトマックス関数：最終値を扱いやすい形に変換
　　→確率を出す：足すと１

　バックプロパゲーション
　　バイアスを自動で設定していく：教師ラベル

　　初期値設定
　　フォワード：出力がでてくる
　　損失関数：誤差伝播
　　　交差エントロピー誤差
　　　本来は勾配という微分計算を全パラメータに対して行う
　　　誤差逆伝播法だと単純計算でOK

　バックワード
　　出力レイヤ（ソフトマックス＋交差エントロピー誤差）
　　アフィン変換の重み、バイアス（詳細は省略）

ハイパーパラメータ
　層の数とノードの数：いくつの層を重ねると
　ネットワーク全体の学習率

今日のサンプルプログラム
　２４０個教育、２０件のデータ判定
　最後の出力は分類したい数

■ご連絡
・次回は１１月１１日
・１１月９日にDataLakeのセミナー
・（再度）１１月１６日にテクニカルセミナー