レヴェナント(ほぼネタバレ無し)
そりゃディカプリオさんオスカー獲るは!と。
いやー、とにかくすごかった。
今回、この映画を楽しみにしすぎて、別の映画を映画館で観た時に流れたこの映画の予告は目と耳を塞いだほどに、観るまで一部の情報をしか入れてなかったのだけど、それも正解だったのかもしれない。
何がすごかったのかを簡単にまとめておこうかと。
大自然がスゴイ。
ロケ地とか調べちゃうほどではないけど、すべて雄大な自然の中で話しが進むので、映画を観ているはずなのに、全編通して風景画を観ている様な気分になる。
そういえば、似たような感覚を、マッド・マックスで感じた。
サバイバル技術がスゴイ
あまり言うとネタバレになってしまうかもしれないのだけど、この映画の一つのテーマとして、「サバイバル」というキーワードがあるものだと思っている。
とにかくあの手この手で生き残るべくサバイバル技術を駆使するのだよね。
そういえば、馬のアレにアレするシーンで、スター・ウォーズを思い出した人は多いはず笑
意外とVFXがスゴイ
VFXと書くと何やらSFなイメージになってしまうかもしれないけど、指を切り落とし、そこから血が流れるシーンだったり、矢が飛んでくるシーンだったり、クマと戦うシーンだったり。
SFではないけど、そういった細かい表現含めてとことんリアルに作りこんでいる様な気がする。
音楽がスゴイ
事前知識無しで観に行ったので、観る前はわからなかったのだけど、エンドロールで初めて気づいた。
なんと、坂本龍一だったんだね。
映画の雰囲気に合っていて、重厚な音楽でずっしりと響く。
トム・ハーディーの演技がスゴイ
こちらも、事前知識ほぼゼロ状態で観に行ったのでトム・ハーディーが出ているのも途中まで気づかなかった。
なんか観たことある人だなーって思ってたのだけど、ヒゲもっじゃでわからんかった笑
この人の声と話し方ってかなり魅力的な感じがするね。
そして今回は悪役なので、どちらかというとマッド・マックスではなくダークナイトのベインっぽさ。
だけど、悪には悪なりの正義があるベインとは違い、キャラクターとしては超絶腐った人間の役。
でも、そういう悪役を演じきれる役者さん(レオンのノーマン刑事を演じたゲイリー・オールドマン然り)は本当に演技が上手くて、ステキ。※演技のなんたるかなんて素人の僕にはワカラナイので、完全に個人的見解
ディカプリオの演技がスゴイ
はじめにも書いたけど、そりゃオスカー獲るわと。
こう書くとなんだか「わしがそだてた」的な気持ち悪い書き方になるのだけど、タイタニックの頃は「もっと歳を取ったら渋くて良い俳優になりそうだなー」なんて思った事があって、このレヴェナントでそんな味のある渋いディカプリオが観れたきがして、とても良かった。
ストーリーは単純ながらも、胸が押しつぶされそうでスゴイ
↑のマンマ。
中盤手前くらいからラストまで、ずっとずっと胸が痛かった。そこまでドキドキしたりする映画はなんだか久しぶりの様な気がした。
墓穴から這い上がった直後はここ数年で観た映画の中でも名シーンだと思うし、ラストは個人的に納得の行く終わり方に収まった方かと(まああのラスト以外、収めようが無い気もするけど)。
映画館で観てよかったと思える映画って、本当に良い。
イクメンになれないのなら、○○メンになればいいじゃない
最初に。
下記の中で「お父さん=働く人」「お母さん=子育てをする人」という書き方をしているが、家庭によっては逆の場合もある。その際は、適時読み替えて貰えると幸いだ。
イクメン
ふと、イクメンという言葉は誰が考えたものなのか調べたくなった。軽く調べると、どうやら博報堂さんにルーツを持つ、NPO法人「イクメンクラブ」で生まれた言葉らしい(細かくは間違っているかもしれない)。
不況、ダイバーシティ推進、足りない保育園・保育士などなど、昔とは大きく変わった社会情勢から、今や子育てはお母さん一人で行うものではなくお父さんの協力が必要不可欠であり、もっとプリミティブな考え方を持ってすれば、夫婦ふたりで力を合せて子供を育てることは自然な姿なのかもしれない。
そんな自然な姿を作り上げるため(あるいは本来なるようになるため?)、形あるものを認識しやすい人間にとって必要だったものが、イクメンという言葉なのではないか。実際、イクメンという言葉が生まれたことによって、多くのお父さんは何かしら子育てに参加しなければという意識を持つことが容易くなったかもしれない。
では、どうしたらイクメンになれるのか?こういう時は、なりたいものについてしっかりと理解することが必要だ。まず、イクメンという言葉が生まれたイクメンクラブのHPに掲載されている三か条がこちら。
「イクメン」とは「子育てする男性(メンズ)」の略語。単純に育児中の男性というよりはむしろ「育児休暇を申請する」「育児を趣味と言ってはばからない」など、積極的に子育てを楽しみ、自らも成長する男性を指す。実際には、育児に積極的に参加できていなくても、将来的にそうありたいと願う男性も含まれる。
なりたくてもなれないイクメン
しかし、実際、世の働くお父さんはイクメンになりたくてもなれない人が大多数なのではないか。なぜそう思うのかと言うと、かくいう僕がそうだからだ。
つまりこうだ。
- 朝は娘が起きる前に仕事に行くこともある
- 平日はどんなに早くても20時に家に着く
- 休日やっと育児に少し参加できるが、娘の機嫌次第で、僕が”育児”で出来ることは思ったよりも少ない(お母さんにベッタリ)
しかして、世の中はイクメンになれ、育児に参加しない男性は悪である、という風潮にまであるように思う。でもそれは仕方の無いことだし、僕も間違っては居ないと思っている。
子供が生まれ、子育てに少しでも関わってみるとわかる。子供を育てるということはそれ相応の幸せさもあるのだが、実際は本当に大変だ。
子育ての大変さを知らない人にしてみたら、「言ってもそんなでも無いよね?」と思うかもしれないが、お父さん目線の子育ての大変さについてはこちらがとても刺さると思った。
イクメンになれないのなら、○○メンになればいいじゃない
前置きがかなり長くなってしまったが、ここからが本題。先に挙げた事を整理してみると
そこで、僕自身どうしたら良いのかを考えた結果、ある一つの悟りに至った。
イクメンになれないのなら、家事メンになればいいじゃない
育児に参加するには、時間の兼ね合いなどから実際問題難しい。
であれば、苦肉の策ではあるが、他に出来る事をやって育児に参加出来なくてもサポートすることは出来る、という考え。
同期処理と非同期処理
育児はどうしても子供につきっきりになるため同期処理と言え、一方、家事は夜遅くなったとしてもある程度出来ることから、非同期処理と考えられる。
非同期処理はとても便利だ。
料理は作りおきという方法が出来る。
食器洗いは流し台に置いといてもらえれば後からでも洗える。
洗濯物は畳むだけなら何時でも出来る。最悪干しっぱなしでも後で取り込めばいい。
決してお母さんはこれらをサボりたくてサボっているわけではない。家事をやりたくてもやる時間が無いのが育児なのだ。
イクメン・家事メンにはなるなというが
こんな記事もある。
至極まっとうであり、大いに賛成する。しかし、実際そんな簡単にイクメン・家事メンという事を意識せず、育児・家事を出来るお父さんは居ない。なぜなら”男は気づかない生き物”であり、お金を稼がなければ一家全員ご飯が食べれない=生きていけないという漠然とした恐怖から、仕事で頭がいっぱいだったりする。こう見えてお父さんはお父さんなりに大変なのだ。
だから、敢えて「同期処理で進むイクメンにはなれなくても、非同期処理で行える家事メンにはなれるかも・なろう」と思えば、少しはやる気になれるのではないかと。
そういうわけで、世のお父さん諸君。
少しくらい夜寝るのが遅くなっても、ちょっとつらいだけで人間そんなに簡単に死なない。イクメンになりきれず、モヤモヤしている世のお父さん方、今日帰ったら何か出来る家事を探してみてはいかがだろうか?
ピエロがお前を嘲笑う
BATMAN V SUPERMAN
ずっと楽しみにしていた映画。
急だったのだけど、嫁ちゃんの「せっかくなら観てきたら」という優しい言葉に甘えて観てきました。
思い起こせば、バットマンの映画は子供の頃から見ていて、ずっと好きだったなあ。
ただ、この映画の最大の醍醐味は、ガル・ガドット様のワンダーウーマンがキレるシーンだと思うw
アベンジャーズ エイジ・オブ・ウルトロン
大昔にチャージしてたPSのポイントで、やっと見れた!
もうレンタルはPSとかiTunesで十分だね。
ウィンターソルジャーとかソー2観てないので、少し話が飛んじゃったのだけど、それでも楽しかった。
ウルトロンのキャラクターも良いよね。
第15回 Elasticsearch勉強会 2016/03/15 その2 #elasticsearchjp
今日はこれに来てます
第15回elasticsearch勉強会 #elasticsearch #elasticsearchjp - elasticsearch勉強会 | Doorkeeper
その1はこちら
一応メモっては見たものの、やっぱり適当
Elastic, Jun Ohtani
タイトル:Elastic{on} 2016 参加レポート
Elastic社のロゴが変わりました 色、フォント 参加者 1800+人 写真で見るElastic{ON} プレゼントされるTシャツは自分でデザインを選択してプリントされる!すごい!
Product Logo Elasticsearchのロゴが無くなったのでー Kibanaはスワヒリ語で建物という意味 新しいロゴができました
おさらい 2.0から入った機能について ProfileAPI どのクエリーが遅いの? GEO系 るし~んレベルで手が入り、それがE/Sで取り込まれた Aggregations 集計結果から予測値を → 波形で kibana 4 ColorPicker 200が赤で500が緑だったりしたので。。。 Kibanaの黒色 HeatMap Logstash Configのリロード Kafka Beats Go言語で書かれたデータの収集エージェント なんかいろいろ取れて、Kibanaで見れるよ
パケットBeats
MySQLなどのPortのパケットを取得したり
それをkibanaで観たり
サポートはメジャーなDBであればほとんど
サポートしてほしいプロトコロはPullRequestで
ファイルBeat
Windows Beat
メトリックBeat
Elasticsearchについて
E/SやKibanaなどの組み合わせにおいて、バージョン間違えると動かない。。。 Pluginコマンドであるていどフォローされてたが。。。 一応それぞれのバージョンごとに同じ日にリリースしていたが。。。
なので、統一するべくElasticsearch5が出るよ!
はじめはアルファー版
インテンド機能 ファイル→ファイルBeat→E/S→kafka ESにJsonを投げる最、前処理を行うことができるようになった
メモしきれん。。。
Kibana ビデオがあったけど忘れた
Extentions あくまでもB向け ElasticStack ロゴ統一 Pluginがいろいろある 個別にダウンロード$インスコ Scurityで遺品 Watcher? Security in Kibana Elastic Cloud 旧 Found AWS上にE/Sを組んでくれる会社を買収し、Cloudというものとして 簡単にできるそうな 新しいE/Sのversionが来た場合、自動でアップデートしてくれる ただし許可している場合のみ AWS以外についても対応していきたいとのこと Elastic Cloud Enterprise
他のキー FireEye 400ノードくらい使っていて、セキュリティー系の話だった?
StreamSets オープンソース 面白いかもとのこと
Elasticon{ON}検索すると日本語でのブログがあるよ
BBL Brown Bag Lunch ランチミーティングやりましょう E/Sに興味ある方
Elasticsearch 2016/03/15 その1 #elasticsearchjp
今日はこれに来てます
第15回elasticsearch勉強会 #elasticsearch #elasticsearchjp - elasticsearch勉強会 | Doorkeeper
その2はこちら
一応メモっては見たものの、結構適当
Preferred Networks America, Inc. CTO 久保田展行(Kubota Nobuyuki) さん
タイトル:Elasticsearchと機械学習を実際に連携させる
実際に検索アプリケーションを作成 機械学習とは データによって賢くなるアルゴリズムの研究 データから知識や人間が定義するようなルールを自動的に
前回
t.co
今日は「文書分類」 新聞やブログ記事のカテゴリ推定したり 年齢・性別・地域 キーワードについてポジネガを判定するなど ツイートに含まれる製品名を取得 コールセンター向けのデモ どの製品話?どんな障害? コールセンターの人が入力する情報のお助け
どうやって検索エンジンとつなげるのか SensorBee 会社がリリースした ネットワークデバイス上で発生した非構造化データ向けのETLを低レイテンシで適用することを目的としたツール 情報を抽出する処理=ETL 情報を変換:トランスフォーム ← ここにフォーカス ロードして転送 大部分をFluentDでやってる
Oracle.CQLを元にしたBQLというSQLに似たものでデータを取得する
機会学習でストリーム処理をする際、状態を持ちたかった
センサービーのその他の特徴
Go言語で書かれている
StaticLinkだけど、設定ファイル+Buildコマンドでカバー
Python連携あり(B版)
Chainer連携用 社内稼働実績豊富
たまたまベストなインターフェイスがないのでB版
FluentD連携
Windowsサポート
ほとんど画像解析
自動で動く車が、ぶつからずに動いてくれるように(これすごい!!!
車の位置情報→強化学習に入れて・・・ループさせる
この部分にSensorBeeを利用
TwitterからPublicなツイートを取得 SencorBeeがやる
年齢や性別を分類する(文書分類) SencorBeeがやる
→FluentDに入れる SencorBeeがやる
→E/Sに入れる
→Kibanaで可視化
分類するラベルを決める
SampleAPI(TwitterのAPI)
教師データを作成
人間が手動でがんばる
年齢5000
性別12000
学習のステップ 少し難しい
前処理
全部小文字にして正規化
記号を取り除く
メカブ使えば日本語もOK
トップワードを取得
特徴抽出 → 特徴ベクトルを作成
単語の出現頻度を重みとして利用
TF 検索エンジンを作っている人には馴染み深い?
文字列の配列を入れると、単語がいくつ出てきたかマップされる
学習
特徴ベクトルを使って学習させる
AROW チュートリアルの中で使っているアルゴリズム
オンライン線形分類アルゴリズム
適用する
出来上がったモデルを利用して分類する
データ一つ一つをオンラインで分類していくことも可能
↑ 全てSencorBeeのチュートリアルに書いてる
まとめ 前回の機械学習から続いて SencorBeeを利用してElasticsearchまで入れる BQLを使っている JSONに対してクエリーを投げるのが流行ってる カウチベースというDBも N1QL
パイソンとユバタスの組み合わせと違うところは? ユバタスに問い合わせるレイテンシーに相当する箇所がない なのでIOTにも有効
このセッションのスライドはこちら
www.slideshare.net