【受験体験談】色彩検定2,3級

本日色彩検定の2,3級を受験しました。

午前に3級(70分)を受験し、午後は2級(80分)。

 

カラボ色大学の解答速報では、3級95/105(90%)、2級89/105(85%)でした。

合格ラインが70%なので、多分合格したでしょう。


一応2,3級併願で勉強期間1ヶ月程度で合格しましたので、自分の勉強方法について参考程度に記録しておきます。

 

ちなみに私のバックグラウンドは、色彩には程遠いです。大学も工学部ですし、コンピューターエンジニアなので。

仕事でカラーに関してのデータ分析をすることになったので、色彩について体系的に抑えようと思ったらこの資格があるのを知って、1ヶ月後に試験だったので申し込みました。

 

しかし受験料が高い。。(3級7000円、2級10000円)

 

【使ったテキスト】

本屋で受験対策用のテキストをいろいろ流し読みして、自分が理解しやすそうなものを選びました。

 

・3級

1週間でスピード合格! ! 色彩検定3級テキスト&問題集 | カラボ色大学 |本 | 通販 | Amazon

 

・2級

2018年版 色彩検定2級 本試験対策 | 熊谷 佳子 |本 | 通販 | Amazon

 

公式テキストや過去問題集は高かったので買いませんでした。

(やる気のなさがバレますね。。)

結果、この2冊しか使ってません。

 

 

【勉強法】

通勤(片道1時間)を利用して、テキストを読み込んだだけです。

まずは3級からやりました。

・4週前:3級範囲の覚えこみ

平日:3級テキストの読み込み

週末:巻末の過去問題実施(見直し含め3時間くらい)

週末実施した模擬試験は、65%しか取れませんでした。ちょっとあせりました。

 

・3週前:2級範囲の覚えこみ

平日:2級テキストの読み込み

週末:巻末の80分模擬テスト(見直し含め3時間くらい)

同じく、模擬試験は60%くらいでした。

 

・2週前:2,3級範囲の復習

平日:3級2日、2級3日使って再度覚えこみ

週末:2級の巻末70分模擬テスト(見直し含め2時間くらい)

ここでやって75%程度取れるようになりました。

慣用色名と、配色パターンを覚えだして、点が伸びてきました。

もともと理系の自分は、眼の構造や、波長の性質的なところは知っていたので、

ここのパートは苦労しませんでした。

 

・1週前~試験前日:3級範囲の復習+2級の慣用色名、配色パターン暗記

平日:通勤では3級範囲の覚えこみ。帰宅後に2級の慣用色名、配色パターン暗記

週末(前日):3級のテキスト全復習

とにかく短期記憶にぶちこもうと、この週だけは結構がんばりました。

前日は図書館で6時間くらい勉強。

 

【試験当日】

会場に行く前に1時間ほどカフェで3級テキストを読み返しました。

直近では3級だけに範囲を絞ったほうが、余計なことを覚えない意味でもいいと思います。(マンセル表色系とか邪魔だし。)

 

試験開始の15分前から説明が開始されるので、30分前に会場入りし、残り15分は慣用色名とPCCS、トーンの配置を詰め込んでました。

どうでもいいですが、男女比が男3:女7くらいでした。統計検定とか情報処理試験とか男8~9割の試験しか受けてない自分には新鮮。

 

試験はマークシートなので、大体覚えておけば解けます。考える問題もないし、

記憶を吐き出して、30分くらいで終了。(試験は70分)

 

しかしこの試験、途中退室ができません。。

しかたがないので、次に受ける2級のために、マンセル表色系を書いたりしてました。

11:40に3級の試験が終わり、次の2級は12:45から説明開始。

約1時間、2級のための記憶に使えます。

 

ここから、3級のことは忘れ、2級の必要事項を短期記憶に叩き込む作業を開始します。

40分でテキストをざっと読み直し、残り20分で

マンセル表色系、2級の慣用色名、配色パターンを叩き込む。

特に説明開始5 分前からは、慣用色名を記憶!(これがよかった。全問正解した)

 

2級は最後の大門が記述式なので、最後から解きました。

配色パターンをカタカナで答える問題(全問正解)

次に慣用色名を答える問題(全問正解)

 

その後、最初に戻り、記憶を吐き出していく作業。

やはり30分残して終わりましたが、途中退室不可なので、待ち。

 

3級は回答終わった瞬間合格確信しましたが、2級はよく分かりませんでした。

多分大丈夫かなーという程度。

結果、(解答速報によれば)85%得点だったので、運もよかったかと思います。

 

 

【所感】

正直、この資格を取ったからといって、何か評価されるのか疑問ではあるのですが、

色彩の基礎を知るという面ではよかったかなと思います。

プロではないので1級に挑戦はしませんが、アパレル関係の方やデザイナーの方は更なる高みを目指すのかもしれませんね。

 

 

 

機械学習プロジェクトのための最適教材

事業会社で機械学習プロジェクトをするための必要十分条件の教材

 

 

https://www.amazon.co.jp/Python%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92%E3%83%97%E3%83%AD%E3%82%B0%E3%83%A9%E3%83%9F%E3%83%B3%E3%82%B0-%E9%81%94%E4%BA%BA%E3%83%87%E3%83%BC%E3%82%BF%E3%82%B5%E3%82%A4%E3%82%A8%E3%83%B3%E3%83%86%E3%82%A3%E3%82%B9%E3%83%88%E3%81%AB%E3%82%88%E3%82%8B%E7%90%86%E8%AB%96%E3%81%A8%E5%AE%9F%E8%B7%B5-impress-top-gear/dp/4844380605

データサイエンティストにはなりたくない

データサイエンティストは20世紀でもっともセクシーな職業といわれていた。

しかし、実際のビジネスの現場では、統計学機械学習にどんなに詳しくあろうと、ビジネスにおける価値が出せなければ評価はされない。

 

特に事業会社ではビジネスにおける価値は利益の増加や、コストの削減である。

事業会社はデータサイエンティストを躍起になって採用しようとしているが、

実際に統計や機械学習しかできない人材を取っても、期待通りの成果が出ず、

企業は失望し、サイエンティストは去る。というケースがほとんどだ。

 

よく、とにかくkaggleなどのコンペで腕を磨けと推奨する人がいるが、私は見解は、

事業会社で働くなら、難しい統計学機械学習を学ぶより、現場の商売を学べ。である。

 

常にユーザーのこと、ビジネスインパクトのことを考えて分析に当たる。この思考があれば、現場から頼りにされる存在になることができる。

 

私は、自分のことをデータサイエンティストとは思いたくない。データをサイエンスしても、ビジネスの価値は生まれないからだ。

合えていうならば、「データビジネスバリュークリエイター」だと思うようにしている。

 

あくまで目的はビジネスにおける価値創造。データを分析するという営みは、そのための一手段でしかないのだ。

 

自分のコア 何のために働くのか

自分の核は金儲けではなかったようだ
できるわけない。をできるようになった。にする
楽しい
みんなができないと思っているほど


技術はそのための手段で、日々変化する。今可能性が高いのはAI(というよりDeepLearning)


経営がしたいのかというのNOであるし、

マネジメントよりもプレイヤーでいたい。


技術はそのための手段で、日々変化する。今可能性が高いのはAI(というよりDeepLearning)⇒だから昔はクローリング、統計をやっていたし、今はDeepLearningをやっている。


【今後の課題】

今の「できるわけない。」を探す。「できるようになった。」らわくわくすることにチャレンジする。

 

クリエイターが意識していること

・フォントや色の統一をする。

⇒ブランドのメッセージを込める

 

・カタカナ(英語を日本式に変換するという意味で、本質的)

・ベースが何かを深読みすること

・コンセプトをビジュアライズする

・経営者は、ぼやっとしていてもイメージを描く

・クリエイターはイメージを形にする

・概念は拡大し続ける。意味は変わり続ける。常に考え続けることが重要。

・長く残るものは、シンプルで、ベーシックなもの。本質のみを形にする。余分なものは削る。

・経営者が行き着くところは、世界がどうしたら調和してうまくいくのか。ということ

sustainability

 

色彩検定2級3級併願受験します

仕事でカラーについて詳しくならなければならない要件が発生したため、

せっかくなので色彩検定を受検してみることにしました。

6/25(日)に受験します。

 

全く勉強していない状態から、3週間で合格できるのでしょうか?

チャレンジですね。

2,3級併願しました。

 

テキストを含めて2万円くらいの投資なので、しっかり合格しなければ。。

とはいえ明日からの勉強で合格できるものなのか、

日々経過をレポートしていきます。

人工知能人材になるための最短カリキュラム

東京大学の松尾先生が開講されている社会人向けの

DeepLearning基礎講座に参加しています。

本日は第7回で、CNN(Convolutional Neural Network)の基礎でした。

 

CNNは画像認識で利用されていますが、基本的にはニューラルネットワークの考え方の応用になります。

やはり基本となる考え方は、MLPで学ぶことが大事だと実感。

 

今さまざまな企業で人工知能人材を育成しなければ、という空気かと思いますが、

個人的にはプロジェクトメンバになるための最低限理解すべき項目は、

 

1.青本「深層学習」の前半に記載されているニューラルネットの基礎理論

・順伝播

誤差逆伝播

確率的勾配降下法

これは、pythonMLPを実装するレベルで理解する。

 

2.プロジェクトの分野に応じたニューラルネットの手法

画像認識:CNN

自然言語解析:LSTM

時系列予測:RNN

など。この段階で、TensorflowやKeras、Chainerなどを理解していく。

 

3.最新の理論はArxiveでチェック、ビジネス活用事例は各種情報サイトでチェック