石川 昌和 | Masakazu Ishikawa | いしかわ まさかず

久しぶりにモスバーガー行ったんだけど、1500円かかってしまった。こんなに高かったっけ？ハンバーガーに求めることは、ひとつはチェーン店じゃないところで、「こんな豪華なの」っていうぐらい大きなハンバーガーを食べることで、もう一つはマクドナルドみたいな手軽で美味しいものを食べること。モスバーガーは後者なはずだけど、値段が高すぎる。別に特別美味しいわけでもないし。もうあまりいかなくていいかな。

ようやく現代アートとは何かがわかったと思う。これのおかげ。

Google todoがGoogle calendarと統合してすごく使いやすくなった。ただしデメリットがある。それは今日のタスクだけは表示できないこと。例えば、明日のTodoを作って日付を明日にしても、リストに残る。クローズリストというのが重要なのだけど、Google todoはそれができない。

RでTitanicのデータをロードするには、いくつかの方法があります。 # 1. Rdatasetsパッケージ Rに標準でインストールされているRdatasetsパッケージには、Titanicデータセットが含まれています。 library(Rdatasets) data(titanic) #データの確認 head(titanic) # 2. titanicパッケージ titanicパッケージをインストールすることで、Titanicデータセットをロードすることができます。 install.packages("titanic") library(titanic) #データの確認 head(titanic) # 3. read.csv関数 read.csv関数を用いて、CSVファイルから直接データを読み込むことができます。 data # 4. kaggle API kaggle APIを用いて、KaggleのTitanicコンペティションのデータセットをダウンロードすることができます。 library(tidyverse) library(rjson) #kaggle APIの認証 install.packages("remotes") remotes::install_github("ropensci/kaggle") library(kaggle) Sys.setenv(KAGGLE_USERNAME = "YOUR_USERNAME", KAGGLE_KEY = "YOUR_KEY") #データのダウンロード data どの方法を使うかは、環境や目的に合わせて選択してください。 # 参考資料 - Rdatasets: [無効な URL を削除しました] - titanic: https://cran.r-project.org/web/packages/titanic/index.html - kaggle API: https://www.kaggle.com/docs/api

徒歩圏内なので、まずは箕面船場阪大前駅に行ってみた。ここはもともと図書館によく行っていたところ。だが、駅ができる前に比べて明らかに人が増えている。 人が増えている割にはそこまで周りにお店がない感じ。これから発展するのだろうか。この周辺は本当に一流のカフェがあるのでもっと盛り上がってほしい。 箕面船場阪大前は、かなり地下に電車が通っている。図書館がある二階のテラスから地下まで大きなエスカレーターがある。これだと簡単だが、階段だと大変そう。実際に階段を使っている人はあまりいなかった。階段は複数階にわかれているがその間にお店とかもないので閑散としていた。ここは将来的に改善されていくのだろうか。 電車で一駅、箕面萱野へ。ここは人が多かった。Qs Mallに新しいStation棟というのがあるのでそこにはいってみる。だが特にやることはなかった。プリンを買って帰った。 箕面萱野駅は地上2階ぐらいの位置だが、箕面船場阪大前は地下。くだっていっているのだろうか。

博士号を持っている人が就職できないと言われて久しい。人文学系の人も就職できないと言われている。そうでなくても、みんな大学を出るのだけど、卒論で研究したものは殆ど使われることがない。

ニューラリンクの技術で、脳で考えるだけでゲームができるようになったらしい。半身不随の方も希望を持てるというのは本当に素晴らしい。SpaceXのStarshipも毎回確実に進化しているし、Teslaはもう自動車会社ではなくて、AIロボットの会社、エネルギーの会社になろうとしている。OpenAIももともとイーロン・マスクが共同で作ったものだし、Twitterも彼のものだし、なんか世界の全ては彼が作っていくんじゃないかと思ってしまう。正直彼は好きではないけど、すごいなぁ。

評判がいいアプリゲームをダウンロードしてみた。300円はめちゃくちゃ安い。カフェを経営するアプリで、ものすごく丁寧に作られている。まだ始めたばかりだけど。 経営の僕の癖で気づいたものを書いていこうかなと思う。 まず、別の会社の株を買って設けるのは全く興味ない。 黒字ならOK。 インターネットは高速。コンセント付き。音楽サービス付き。 コーヒー豆はなるべく良いものを。

アーティスティックな水族館。いいんだけど、やっぱり水族館は人が多いと結構疲れる。

Volcano plotでManhattan distanceを計算するには、以下の手順が必要です。 # 1. データの準備 Volcano plotを作成するために必要なデータは以下の2つです。 - X軸: 各遺伝子の発現量 - Y軸: 各遺伝子のp値 # 2. Manhattan distanceの計算 Manhattan distanceは、2つの点間の距離を、各座標軸の差の絶対値の合計として計算します。 Volcano plotにおけるManhattan distanceは、以下の式で計算できます。 Manhattan distance = |X1 - X2| + |Y1 - Y2| ここで、 - (X1, Y1) は、比較対象となる遺伝子の座標 - (X2, Y2) は、参照となる遺伝子の座標 # 3. Volcano plotへの表示 Manhattan distanceを計算したら、Volcano plot上に表示します。 一般的には、Manhattan distanceが大きい遺伝子を、Volcano plotの右上に表示します。 # 4. 統計分析 Manhattan distanceに基づいて、遺伝子発現とp値の関係を統計分析することができます。 例えば、t検定やWilcoxon signed-rank testを用いて、2つの群間のManhattan distanceの差が統計的に有意かどうかを検定することができます。 # RによるManhattan distanceの計算例 #ライブラリの読み込み 　library(ggplot2) #データの準備 gene_expression コードは注意してご使用ください。 このコードを実行すると、Manhattan distanceに基づいて作成されたVolcano plotが表示されます。 # 参考資料 - Volcano plot - Wikipedia: https://en.wikipedia.org/wiki/Volcano_plot - Manhattan distance - Wikipedia: https://en.wikipedia.org/wiki/Manhattan_distance