生活を良くします - 怠惰なプログラミング

読者です 読者をやめる 読者になる 読者になる

生活を良くします-怠惰なプログラミング

外資系でエンジニアをやっています。便利なサービスや商品、プログラミングで作ったものなどを紹介していきます

男性エンジニアのための手軽で無難なビジネスカジュアル 〜 就職・転職面接、結婚式の二次会用の服装

外資系エンジニア 転職 便利

ビジネスカジュアルについて

割と困る”ビジネスカジュアル”

転職活動をしているとけっこう頻繁に見るようになったビジネスカジュアルという単語ですが、なかなか悩ましいと感じることが多くなりました。

割とオタクよりなエンジニアというのは自他共に認めるところで、服装についても無難で浮かないものしか着ないということを心がけています。

そんな自分にとってビジネスカジュアルで来てください!というセリフを言われるのは精神的になかなか大変なのですが、不思議なもので経験を積むごとに本当に無難な服装というのがなんとなくわかるようになってきたので将来の自分のためにも書いておきます。

もともと私服の会社しか通ったことがないのでビジネス用を想定するとスーツを着ればいいと思っていましたが、どうやらスーツは禁止らしいです。ますます謎が深まる慣習ですが、いい機会なのでビジネスカジュアルな感じの服を揃えました。

ビジネスカジュアルとは

代えの背広型のジャケットのスポーツジャケットや、ワイシャツ地のシャツジャケットを、ワイシャツは、ボタンダウンや織物・カジュアルシャツ・ポロシャツに、スラックスは、ウールパンツやチノ・パンツ・細身のカーゴパンツに、革靴は紐靴やモンク・ストラップからローファーに替えるなどクールビズやウォームビズと関連が深い。一般にTシャツのみや、ボトムスにジーンズ、ハーフパンツ、靴にスニーカー・サンダル・ミュールは用いられない。
ビジネス・カジュアル - Wikipedia


正直にいうと定義が曖昧です。

自分の理解でいうとビジネスカジュアルとは、襟付きの落ち着いたシャツとそれに羽織るジャケットということになります。

意外と見られていないようで見られている靴はできれば革靴で、難しそうなら派手じゃないスニーカーでも場所によりますがたぶん大丈夫です。

スボンは黒とか紺とかの普通の感じで大丈夫そうです。ネクタイは一応持って行くことにしていますが、つけないことの方が圧倒的に多いです。

ビジネスカジュアルについてはスーツ売り場で売っていないスーツみたいなイメージを考えるようにしてから、なんとなくわかったような気分になっています。

Tシャツ・ズボン・サンダルの服装よりは丁寧で、完全なスーツよりは着やすい感じです。

就職・転職活動・結婚式の二次会でよく出てくる

さてそんなビジネスカジュアルですが、名前の通りにビジネス関係ではよく出てきます。

エンジニアというのはSIerを除けばスーツで勤務という人は少なくなるのではないでしょうか。仕事でも私服で行くようになるとビジネスカジュアルの”ビジネス”要素がわからなくなってきます。

しかも転職・結婚式など印象が大事になってくる場面でいきなり本番が始まるという感じなので尚更ハードルが上がってきます。

そのため服装に疎く自分の周りも一般的な観点から見ると服装に疎い人が多いという職場ですので、なかなか適切なビジネスカジュアルのやり方がわかりませんでした。

どうやって無難なビジネスカジュアルになったのかを説明してきます。

無難で手軽なビジネスカジュアルの実現方法

レンタルする

月額7800円で月に1回のレンタルをすることができます。

スタイリストが選んでくれるのでファッションに疎い自分が選ぶよりも何倍かマシになっています。

1回のレンタルで2つの着こなし(4アイテム)をレンタルすることができるので、自分でまともな服を選んで買いに行ってというコストを考えるとコスパは良いと言えます。

一度こういうところで服装をレンタルすると、次に自分で買うときにどういった服を買えば良いのかわかるようになります。

返却期限がなくレンタルできるサービスなので激務で予定が頻繁にずれるエンジニアにもおすすめとなっています。

ちょっと高めだけど似合うかわからないような服というのはビジネスカジュアル系ではとてもたくさん存在するので、レンタルして周りからの評判を聞いて見て、自分で納得できれば似たような服を買うというようにしています。

婚活パーティー

次は婚活パーティーです。

エンジニアは営業のように外回りというのは少なく、会議があったとしてもチーム内だけで完結するので出会いが少ないように思います。そもそも社会人自体の出会いも少ないように思うのは自分だけでしょうか。

婚活もできて、自分の服装のチェック・周りの格好いい同性の服装も勉強できるという完璧なサービスが婚活パーティーです。

ここでの訓練を数回こなしておけば本番である転職面接・結婚式関係でも失敗することはありません。

大事なのは準備と失敗できる環境づくりです。

Amazon

店に買いに行くのがめんどくさいという場合やあの接客が苦手という人はAmazonを使っておきましょう。

サイズ表なども載っているので自分の場合は困ったことはほとんどないです。

シャツはスーツ用のもので大丈夫です。なければ襟付きの無難なシャツを選んでおきましょう。

ジャケットと靴、バッグでほぼ印象が決まります。

こんな感じの無難なジャケット。ややカジュアルより。
普段用にもビジネスカジュアル用にも使える便利な靴です。


ビジネスカジュアルの服装についてうまくいったなら次はバッグです。自分の場合は普段使いのバッグではビジネスカジュアルには合わなかったので新しく選び直しました。

こちらの記事にビジネスカジュアルにも使えるバッグが書いてあるのでよかったらどうぞ。

www.what-a-day.net

まとめ

  • ビジネスカジュアルについて
  • 服装で悩むのは時間の無駄なので決まった服装を考えておきたい

Python Jupyter notebookでpandasを使いCSVを読み込みグラフを描画してpdfなどで保存する方法

python プログラミング

Pythonでグラフを描画する方法について

Pythonを知らない人やプログラミング初心者の人はこちらの記事をどうぞ

www.what-a-day.net

python用の講座についても無料で勉強できます。

jupyter notebook

昔はIPython Notebookと呼ばれていたが、現在はjupyter notebook(ジュパイターノートブック)となっている便利なものがあります。これでグラフを作る方法についてメモ書きしておきます。

エクセルでグラフを作ってもいいのですが、処理がやや面倒かつMacだとエクセルの動作に不安を覚えます。勝手に落ちたり、立ち上がらなかったりと。

jupyter notebookだと割と簡単で綺麗なグラフがかけます。pythonで動くのでpythonがわかる人ならコードを書くだけで加工ができます。

毎回ググっては忘れるを繰り返しているのでそろそろ覚えたい。

jupyter notebookについてはこちらで書きました。

www.what-a-day.net

今回やりたかったこと

IMFが公開している各種経済関連のデータを使って色々と調べたいことがあったのでいい機会なので逐一行動をメモることにしました。

Select Country or Country Groups

簡単に言うとcsv形式のファイルから特定の情報だけをとってきてそれをいい感じにグラフに描画し、pdf・jpg・png形式で保存したい、というだけです。

それ別にエクセルでやれば良くない?となりますが、jupyter notebook上でやればとても早いですし何よりフリーズしません。また結構キレイなグラフになりますし、グラフのデザインとかもそれなりに拘れます。

ちなみにエクセルのファイルがどのようになっているのかも書いておきます。yearとGDP_rate(%)という列があり、そこに対応するデータが入っています。

year GDP_rate (%)
1980 10
1981  12
1982 8
1983 2
1984 1
〜〜〜 〜〜〜


ここから特定の行(列)だけを抜き出してグラフにします。それで簡単な説明はあとでするとして、忘れないようにコードを書いておくことにします。

%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import os

df = pd.read_csv("/Users/yourname/Desktop/book.csv", encoding="UTF-8")
plt.figure(figsize=(8, 6.5))
plt.rcParams["font.size"] = 22
plt.rcParams["xtick.labelsize"] = 12
plt.rcParams["ytick.labelsize"] = 15
plt.rcParams["legend.fontsize"] = 12
plt.grid()

year = df["year"]
gdp = df["GDP_rate(%)"]

plt.axhline(y=0)
plt.ylim(ymax=8)
plt.ylim(ymin=-8)

plt.xlabel("年")
plt.ylabel("GDP成長率(%)")



plt.plot(year,gdp,"r",marker="o",markersize=2)

plt.savefig("/Users/yourname/Desktop/gdp.svg", bbox_inches="tight")
plt.savefig("/Users/yourname/Desktop/gdp.pdf", bbox_inches="tight")
plt.savefig("/Users/yourname/Desktop/gdp.png", bbox_inches="tight")
plt.savefig("/Users/yourname/Desktop/gdp.jpg", bbox_inches="tight")


f:id:what_a_day:20170210224939j:plain

これは.jpg形式で保存した画像をはてなブログにアップロードしたものになります。

なんか全体的に暗くてダメそうな感じになってしまいました。


f:id:what_a_day:20170210225021p:plain

こちらはpng形式で保存したものです。なかなか悪くない感じになりました。レポートに貼り付ける画像もエクセルだとメンドくさくてスクリーンショットで済ませてしまうことが多かったのですが、最近はちゃんとpythonで書いてます。

データ数が少ないと恩恵が少なく感じますが、数万点のデータを何度も扱う場合は非常に楽になります。

どういう風に楽になるかというと一度グラフを指定して処理の仕方を記述しておけば勝手に計算してくれるからです。たいていちょっと改変するだけで使いまわせます。

エクセルだとちょっと嫌になる処理でもpythonで書いているとなんだか気が楽になる、そういう感じのものです。

具体的な説明について

%matplotlib inlineでは実行したものの結果がすぐにわかるという機能です。

大学とかだとこれでメモとったりしてたら強そう。簡単に情報共有できるし。

f:id:what_a_day:20170210234648g:plain


これらはグラフのフォントや文字サイズをいい感じに調整するための部分です。ちょっと文字が多すぎたので普段よりも小さめにしています。

plt.figure(figsize=(8, 6.5))
plt.rcParams["font.size"] = 22
plt.rcParams["xtick.labelsize"] = 12
plt.rcParams["ytick.labelsize"] = 15
plt.rcParams["legend.fontsize"] = 12
plt.grid()


これでcsv形式のファイルを読み込みdf(データフレーム)として使用します。

そしてyearにはcsvのyear列を取得したものを、gdpにはGDP_rate(%)列を取得したものを入れておきます。

df = pd.read_csv("/Users/yourname/Desktop/book.csv", encoding="UTF-8")


year = df["year"]
gdp = df["GDP_rate(%)"]


データフレームはこんな感じになっています。だいたいエクセルっぽいやつという認識です。

f:id:what_a_day:20170210235228p:plain:w450


これでpythonの描画を実行します。普通の折れ線グラフに実際の点の部分にマーカーをサイズ"2"で埋め込んでいます。色々調べるともっとキレイにできそうですが、これで十分な気がします。

plt.plot(year,gdp,"r",marker="o",markersize=2)

考えられるエラーとその対策

AttributeError: ‘Series’ object has no attribute ‘find’

これはpandasを使っているとよく出るエラーです。

メインの説明はstackoverflowに任せますが、自分が詰まった時のエラーを紹介します。

csvの数値表示はたまに親切で桁表示をしてくれているのですが、それが原因でした。

例:5000と5,000

まさかこれが原因とは知らなかったので時間を無駄にしました。治し方とかは簡単でエクセルでその列または行を指定し、数値表示にさせます。その時に桁表示のオプションをつけなければ治ります。

KeyError: “[‘ ’] not in index”

指定された行または列などが存在していないという意味です。基本的にタイプミスで出てきます。

上の例でいうと、yearがyaerとかになっているとKeyError: “[‘yaer’] not in index"とか表示されます。

TypeError: Can’t convert ‘int’ object to str implicitly

intと文字列で間違って操作をしているというメッセージです。

この場合だとエラーが発生します。

i = 5
print("this is five" + i)


治した場合が下のものです。簡単そうに見えますが、疲れている時にはよく出てくるエラーです。

i = 5
print("this is five" + str(i))

UnicodeDecodeError: ‘utf-8’ codec can’t decode byte 0x8c in position 0: invalid start byte

読み込んでいるcsvがUTF-8形式ではなく、SHIFT-JIS形式だった時に発生します。日本語の文字化けですね。

その逆のSHIFT-JISをUTF-8形式で読み込もうとしていた場合でも同様にエラーが発生します。csvの形式に合わせてエンコーディングを指定しましょう。

# UTF-8
df = pd.read_csv("/Users/yourname/Desktop/book.csv", encoding="UTF-8")


# SHIFT-JIS
df = pd.read_csv("/Users/yourname/Desktop/book.csv", encoding="SHIFT-JIS")

seabornを使った場合

堅苦しくない感じのグラフができます。

seabornを使うとヒートマップ形式のグラフが作成できたりします。理系の研究職では便利になってくる機能で、割と簡単に使えるようになるはずです。

df(データフレーム)にcsvを読み込みます。

seabornの場合では直接、xとyにどこの列かという情報を与えています。これだけで勝手にグラフを作ってくれます。

%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import os

import seaborn as sns

df = pd.read_csv("/Users/yourname/Desktop/book.csv", encoding="UTF-8")
df.plot(x = 'year',y = 'GDP_rate(%)')
plt.savefig("/Users/yourname/Desktop/seaborn.png", bbox_inches="tight")

f:id:what_a_day:20170211114619p:plain


df.plot(x = ‘year’,y = ‘GDP_rate(%)’,marker=‘o’,linestyle=‘’)と少しのオプションを与えるとグラフの形式を変更できます。

f:id:what_a_day:20170211115235p:plain


そして簡単にヒストグラムだったり分散だったりというのが計算なしで描画可能です。今回のデータにヒストグラムの描画は有効とは思えませんが、例として。

sns.set_style('whitegrid')
sns.distplot(df['GDP_rate(%)'],bins=100,color='green')
plt.savefig("/Users/yourname/Desktop/seaborn.png", bbox_inches="tight")

f:id:what_a_day:20170211120440p:plain


複数のグラフを並べたいときに使う方法についてです。TeXやwordでは図を並べる方法が備わっていてそれなりに便利ですが、なぜか思い通りにやってくれない時などがあります。

思ったようなレイアウトにならないような場合は自分で最初から並べておきましょう。

今回はplt.subplot(2, 1, 1)で、(2,1,1)なので2行、1列、一つ目という意味です。並べる配置とかの設定ですね。

plt.figure(figsize=(8, 6.5))
plt.rcParams["font.size"] = 22
plt.rcParams["xtick.labelsize"] = 15
plt.rcParams["ytick.labelsize"] = 20
plt.rcParams["legend.fontsize"] = 18

GDP_list = ['GDP_rate(%)','GDP_US']


plt.subplot(2, 1, 1)
plt.plot(df['year'],df['GDP_japan'])
plt.legend()

plt.subplot(2, 1, 2)
plt.plot(df['year'],df['GDP_US'])


plt.legend()

f:id:what_a_day:20170211235555p:plain


グラフを4つに増やした場合とグラフ中にテキストを埋め込んだ場合についてです。

もうちょっとスマートにやる方法もあるはずですが、4つしかないので手打ちしました。地味にすごいと思った機能の一つです。

num_rows = 2
num_cols = 2
title_size = 26

plt.figure(figsize=(8, 6.5))
plt.rcParams["font.size"] = 9
plt.rcParams["xtick.labelsize"] = 9
plt.rcParams["ytick.labelsize"] = 20
plt.rcParams["legend.fontsize"] = 11



plt.subplots_adjust(wspace=0.2, hspace=0.3)

# [1]
ax = plt.subplot2grid((num_rows, num_cols), (0,0))
ax.text(2010,6,"回復")
ax.plot(2010,6,marker="o",markersize=5,color="red")
ax.plot(df['year'],df['GDP_japan'])

# [2]
ax = plt.subplot2grid((num_rows, num_cols), (0,1))
ax.text(1995,6,"1995です")
ax.plot(1995,6,marker="o",markersize=5,color="red")
ax.plot(df['year'],df['GDP_japan'])

# [3]
ax = plt.subplot2grid((num_rows, num_cols), (1,0))
ax.plot(df['year'],df['GDP_japan'])
ax.plot(2008,6,marker="o",markersize=5,color="red")
ax.text(2008,6,"大幅下落")

# [4]
ax = plt.subplot2grid((num_rows, num_cols), (1,1))
ax.text(2017,6,"予測値です")
ax.plot(2017,6,marker="o",markersize=5,color="red")
ax.plot(df['year'],df['GDP_japan'])


plt.show()

f:id:what_a_day:20170212004401p:plain


今回はアメリカと日本のGDP成長率を見てみました。2017年以降のデータはIMFによる見積もり値です。二つの線を引くのは簡単でもう一つplotを追加すればいいだけです。

今は2本ですがこれ以上、線の数が増える場合はforループで回した方が効率が良いと思います。

plt.legend()で凡例をつけてわかりやすくしています。

plt.figure(figsize=(8, 6.5))
plt.rcParams["font.size"] = 22
plt.rcParams["xtick.labelsize"] = 15
plt.rcParams["ytick.labelsize"] = 20
plt.rcParams["legend.fontsize"] = 18

GDP_list = ['GDP_rate(%)','GDP_US']

# for gdp in GDP_list:
plt.plot(df['year'],df['GDP_japan'])
plt.plot(df['year'],df['GDP_US'])


plt.legend()

f:id:what_a_day:20170211122607p:plain


ピアソンの相関関数でアメリカと日本のGDP成長率の相関を見てました。正直なところ、統計関連は完全に苦手なのですが、pythonを使うとなんとなくできるようになります。

ピアソンの相関関数が正の値(0.4)なので日本のGDP成長率とアメリカの成長率は相関していると言えます。直感的にもそれはそうと言った感じです。

横軸とか縦軸とかは今回はいい加減にしています。

sns.jointplot('GDP_japan','GDP_US',df,kind='scatter',color='purple')

f:id:what_a_day:20170211122540p:plain


ちょっとかっこよくして見ました。

sns.jointplot('GDP_japan','GDP_US',df,kind='kde',color='m')

f:id:what_a_day:20170211123003p:plain


こういう方法はググりながらでもできますが、最初に体系的に勉強しておくとあとが楽です。

Udemyのデータサイエンスコースではこのようなグラフの描写からデータの分析まで丁寧に勉強できました。Udacityのやつも良かったですけどね。

Jupyter notebookを使ってデータサイエンスの講義をやってくれます。けっこうお気に入りです。

【世界で2万人が受講】実践 Python データサイエンス


こちらの本も参考になります。

NumpyやPandasについて書かれている本です。研究室に入っている学生や研究者は持っていると何かと得します。

まとめ

  • pythonでキレイなグラフの書き方を探した
  • jupyter notebookはやっぱり便利


[f:id:what_a_day:20170211001406p:plain]

ちなみにこんな感じのpythonでもっとキレイなグラフや独特なグラフを使いたい場合はこちらの記事を参考にしていただければと思います。

[http://www.what-a-day.net/entry/2016/11/12/100000:embed:cite]

【学部卒or修士】理系就職で有利・不利になるのはどっち? 〜 大学院に行かず学士で外資系エンジニアになり後悔したこと

外資系エンジニア 仕事

理系学部卒 VS 理系修士卒

理系の生徒ならおそらく誰もが一度くらいは悩んだことがあるのが、進学の話だと思います。楽しいことも多いけど、こんなに辛い学生生活をあと2年間も延長したくない!と季節の変わり目に毎回思ってました。

同期の9割以上が大学院に進学した中、学部卒でエンジニアに就職した自分が学部卒でよかったこと・悪かったことを個人的に書いていきます。

f:id:what_a_day:20170205214320p:plain

理系学部卒

理系学部卒で就活するメリット

大きなメリットとして2年間分の給料(900万くらい)または2年間分の猶予、急激に成長・失敗できる労働環境、就活失敗へのリスクヘッジが挙げられます。

修士に行かずに学士で就活し仕事に就くとすると、他の同期に比べて2年分多く給料がもらえるということになります。1000万近く給料をもらうか、学費を払って教授の忠実な労働力の一部なるか選べと言われたら1000万を選んでしまいます。

また2年間を自由に使えると考えると働いてからのMBA留学などの選択肢も視野に入ってきます。MBAは修士号に分類されますし、ビジネスでもコテコテですが未だに有利な資格となっています。

日本で大学院に行き、何年か働いてからMBA留学しようとするとちょっとハードルが上がります。さすがに学部で4年間、修士2年間、MBA2年間では修士号も被りますし働いていない期間が長くなりすぎる気がします。

研究で専門性がつくという人もいますが、企業の開発業務ですらある種の専門性は得られます。

平日はほぼ毎日8時間以上の労働をして結果を出さないと評価が厳しくなる仕事と、サボってもよほどの不正行為を行わない限り卒業できる修士課程では厳しさは違ってきます(人による)。それくらい修士課程で研究している人は自分の大学でも3割ほどしかいませんでした。

あとは学部卒で就職しようとするとたとえ失敗しても修士に行けるというのも隠されたメリットです。文系の学生だと修士課程に行くと就職が厳しくなりがちなので実質一度きりの競争になっています。

理系の場合では学部卒で就活に失敗しても留年せずに修士課程に進学するという選択もできます。なんだかんだ研究はやってみると面白かったりするので長い目で見ればプラスでしょう。

理系学部卒で就活するデメリット

理系学部卒のメリットが意外と多いことに気づいたのですが、ここでデメリットについて考えてみます。

図・グラフ・資料作成能力

修士課程の学生の方がこれらは優れています。2年間も研究しているので図・グラフは説得力がありますし、資料も読みやすいです。

図やグラフの作り方というのは学ぶ機会があまりないのでそのスキルは貴重です。

外資系金融機関や外資系コンサルなどでは非常に重宝されるそうです。

そのためか理系の学部就職ではだいたい文系として扱われてしまうことも多々あります。

研究職につけない

日立のようなトップレベルの研究部門では博士号持ちが基準になっています。それ以外でもトップクラスの企業の研究部門では学部卒の人はかなり少ないです。なぜなら一年(実質半年)で研究の基礎を学び、それなりの成果をあげるというのはかなり難しいからです。

この場合は博士課程学生または修士課程の学生が有利になります。

研究職といっても一部の研究所だけですので、学部卒は不利になるというよりは学部卒で就職する人自体がほとんどいないだけだと思われます。

研究職につきづらいというのに関連して外国人エンジニアからは多少驚かれます。アメリカなどではIT系のエリートはたいてい博士号を持っています。外国では博士課程の学生は授業料免除 + 生活費支給で、就職でももちろん有利なのでみんな進学します。

そういう文化なので学士でソフトウェアエンジニアの自分を見ると最初は信頼されてないんでしょうね。大丈夫なのかこいつは、、みたいなそういう雰囲気が伝わってきます。

そういうのがあるたびに博士号を取得するまでやっておけばよかったなあと後悔しています。入り直すことも多少、考え中です。

理系修士卒

理系修士卒で就活するメリット

2年間の研究分野にもよりますが、研究室推薦を優先して使えるというの挙げられます。1年間しかいない学部生よりかは希望が通しやすいです。人生を賭けたじゃんけん大会で就職先を決める研究室が自分の研究室の近くにありました。

2年間の研究生活なのでさすがにその分野には詳しくなっています。意図せずに業界研究を行なっていたと言えるので志望動機なども固まりやすいです。研究成果を出せていればその分野での就職はかなり有利というのが自分の見てきた現状です。

英語論文

プログラミングのドキュメントなどはたいてい英語になっています。その英語論文を2年間かけてできるだけ読むのも修士課程でのある種の義務となっています。

英語の論文になれていることはそれだけでも有利ですし、外国での学会発表などがあれば英語発表の経験も身につきます。

これらは修士課程の方が有利になって来ます。TOEICの点数で比較したりしてもいいですが、学部卒よりも2年間余分に勉強しているという事実を考慮するか、その時点での実力として比較するべきかわからないのでやめておきます。

www.what-a-day.net

外資系金融・コンサルで有利

図や表を作成する能力も非常に重要ですが、図や表からデータを読み取るスキルも同じくらい重要になってきます。なぜなら経験で負けている状態をカバーするのは定量的な分析だからです。

「私の経験上では休日に本が売れやすい」、これではダメでデータをとってちゃんとしたグラフにしてから論ずることが必要です。そしてその訓練を2年間も受けているのが修士課程の学生なのでやはりコンサルなどでは有利でしょう。

経験だけで判断するのはかなりの場合で不確実なことなのですが、世の中の仕事はたいてい経験で動いています。だからこそ少数精鋭のコンサルが高い給料を稼げているわけですが。

理系修士卒で就活するデメリット

学部就職とは異なり一度きりという点です。博士課程に進学するのはもう厳しいので失敗すれば留年でしょう。

就職と違って研究室からは逃げづらいです。進学しなかった理由として研究室が少しおかしかったというのが挙げられます。自分のいたような研究室に間違って入ってしまうと大変です。

就職では環境が合わなくても第二新卒や転職ということで3年以内でも大幅なマイナスは受けません。しかし研究室を変更するということはほぼ不可能ですし、中退というのはけっこうキャリアに響くらしいです。

学部卒での就職と比べてスタート時点で生涯賃金が900万くらい負けています。修士課程での就職といっても初任給が月2万円くらいしか違わないです。昇進スピードは修士課程の方が早いらしいですが、これは年功序列の企業ならではの文化でしょう。

またMBA留学も行きづらいです。学士と比べてすでに2年間も大学院に通っていたので追加で2年かけるのはためらいがちです。

就職で有利なのは?

一部のトップクラスの研究所や外資系金融・コンサルへは理系修士が有利です。

それ以外では有利・不利というのはあまり見られませんでした。

学部卒でも修士卒でも理系であれば普通に大企業に推薦枠がたくさんあります。最近は国内メーカーは見るに耐えないことになっていたりと、そういう人生が幸せかどうかは置いておいて推薦は強いです。

特に機電系ならば大学の偏差値に関わらず、ほとんどの場合で有名企業にたくさん推薦枠を持っているので調べてみましょう。

www.what-a-day.net

理系の就活に備えてやるべきこと

特に理系学士・理系修士で就活に差は出づらいといことがわかりました。そしてたいていの場合、就活で理系の敵は文系ではなく、同じ理系です。

理系の日常とは簡単でわずかな講義に出席し、あとは研究するというものです。これでは差別化がとても難しいので対策を考えました。

インターン

インターンには2種類あります。企業が採用目的で行っている短期間でのインターンとほとんどアルバイトみたいな長期インターンです。

どんなに忙しくても短期インターンには参加しましょう。採用とは関係ありませんが口癖ですが、99%の確率で関係あります。短期インターンで覚えられると囲い込みが始まり、就活が本格化する前に採用になっています。

長期インターンは余裕があれば参加しましょう。ベンチャー企業とか聞いたことない会社でも全く構わないです。

情報系の学生だと長期インターンで自分でサービスを作ったり成果を上げることを目的としましょう。ここで成果を上げると本命の企業の短期インターンの面接に受かりやすくなりますし、就職でもアピールできることが増えます。就職候補としてそこのベンチャー企業も確保できます。

情報収集

研究室の先輩から情報をちゃんと仕入れましょう。

一応興味がありそうな企業の人事から電話が来たらとりあえず説明を受けに行きましょう。カフェ代・昼飯代が浮きます。

就職活動をしていると初めて知ったような会社だったり、普段聞く会社が実はとてもすごい企業だったりというのがわかります。研究と就活が被っていない余裕のある時期にこれらを行っておきましょう。

研究

研究で成果を出せば就職活動でのアピールにもつながります。もちろん推薦でも役に立ちます。推薦され前の選考から推薦された後の選考まで、研究成果があると強いです。

情報系の学生だと研究で得た知識を使って自分で何かサービス的なものを作れるようになっていれば、即戦力でしょう。

こういうフリーランス案件から実際に仕事ができるようになっていれば完璧すぎるくらいでしょう。

まとめ

  • 理系学士・修士では特に有利・不利は少ない
  • インターンなどで実績づくりをしよう
  • やばい研究室に入るといろいろやばい

プログラミング初心者が一ヶ月でJavaを使えるようになるまでにやったこと 〜 勉強方法と学べるサイト・サービスについて

プログラミング 外資系エンジニア

プログラミング初心者がコードを書けるようになるまで

要約すると基礎知識を覚えた後は実践してみてダメなところをググるか・質問しようという感じです。以下、詳細。

プログラミングのきっかけ

昔は一応理系だったけどパソコンはほとんど使わない学生でしたが、今はエンジニアとして働いているのを自分でも不思議に思う今日この頃。

最近になって特にプログラミングの勉強の仕方について聞かれることが多くなったので自分の中での整理とやったことの確認を兼ねて書き留めておきます。同じ言葉を繰り返すのは大変なので今度からURLを送りつけようと考えています。

そもそも勉強しようと思ったきっかけはバイトの時給が良かったという単純な理由です。居酒屋バイト(かなりきつい)の時給が1000円くらいなのに対してプログラミング系の求人は最低でも1500円くらいありました。そこで学ぶことを決心しました。

未経験が応募できるところはほとんどなく応募しても落ち続けたので自分で勉強することにしました。なんとなくJavaを選択しました。

Javaが出来るようになるまでにやったこと

  • ドットインストールで簡単な使い方の学習
  • 技術書を軽めに、でも全部通して読む
  • そのまま仕事開始
  • わからないところをひたすら検索

以上を繰り返せば出来る様になります。近道は今のところ見つけていません。

まずドットインストールは初心者にとって必須ツールと言っても過言ではないくらい初期の頃は力を発揮します。基本的に無料ですが質は高く、説明がわかりやすいのでイメージがつかめます。

次にJavaの入門書を購入して全部に一応目を通します。理解できればそれでいいですが難しいと思うので、だいたいどういう機能があるのかを覚えておくだけに留めておきます。全部に目を通しておくのがポイントで、用語に対して体を慣れさせます。


Javaの入門用の本です。オブジェクト指向のことも書かれています。


最後にプログラミングで何か作ってみます。自分の場合は大学で、何かサービスを作れという丸投げのプログラミングの講義に参加してサービスもどきを作りました。


そういうのがない人や恥ずかしい人は以下のサイトの内容に挑戦してみると面白いかもしれません。内容は中級者向けですが、適度に難しい方が成長速度は早くなる気がします。

内容はNetflixやAmazonも採用しているレコメンドシステムを自作してみようというやつです。

www.coursera.org

あえて自分を追い込むことで強くなっていきましょう。


初心者のプログラミングの勉強は知識を増やすよりも、困った時に検索する方が断然に覚えが良くなります。プログラミングで困ったらGoogleで検索しましょう、たいてい答えがあります。しばらくすると検索のコツがわかってきます。

以上の工程が終われば実際に学生ならアルバイト・インターンに応募してみましょう。社会人だと未経験かつ副業OKのところはあまりないですが、wantedlyあたりなら探せば出てきそうです。社会人なら教養の範囲に抑えておくのでも営業などで仕事の役に立つでしょう。

バイト時代に作ったサービスが凄まじく売れたのですが(幸運が重なりまくった)、追加の報酬は特にもらえませんでした。

ここで実務を一年くらい積んでおけば就活も有利になります。エンジニアをやっててわかったのが割とベンチャー企業などはたくさんあるのでスキルがあれば転職できるということです。今のところ転職には困りにくいという気がしています。

プログラミングのメリット

フリーランス・起業・デザインと相性が良い

営業だと商品やサービスを売るのが仕事ですが、エンジニアはどちらかといえば作る方です。

つまり面倒臭いことを簡略化する仕組み・自分が必要なサービス・売れそうだと思っている商品をプログラミングである程度は作れてしまいます。

起業しても最初は人手が足りないはずなので自分で作れる能力があれば役に立ちます。

Arduinoとかも安く手に入るようになりましたし。

またエンジニアは割と人で足りないことが多いのでフリーのエンジニアがよく活躍しています。会社に縛られずカフェとかで仕事をしている知り合いも結構います。

ここで注意しておきたいのがフリーのエンジニアが悠々自適というわけではなく、仕事がもらえるのは優秀な人かツテのある人に限られてしまうのが現状です。それ以外では難しいので最初はアルバイト・インターンをしながら徐々にネットワークを作っていったほうがいいと思います。

これからプログラミングをやるなら

自分の力で勉強する

最初はJavaを選びましたが、自分が初心者時代をやり直すならPythonを最初に選ぶと思います。

オブジェクト指向で機能が驚くほど充実していて書きやすい言語だと思います。理数系だとPythonかC++ですがNumpyがあるのでPythonの方がやや優勢らしいです。

Pythonを勉強するとこんなことができるようになるというのを書きました。

www.what-a-day.net

無料のプログラミングオンラインスクール

なんで無料なのかわからないほど優良なオンラインでプログラミングを学べるサイトをまとめました。自分が初心者の時に知りたかった情報です。

入門用から上級者用まで揃っています。

ちなみに無料の理由はAmazonやGoogle、BMW、Stanford Uniなどが協賛しているからです。怪しいわけではないです。

www.what-a-day.net

質問できるサイトへの登録・トラブルシューティング

基本的にこういう奴は全部無料で使えます。たまに会員登録などがあるくらいです。

stackoverflowなどがトラブルシューティング用に使えます。プログラミングでミスをするとエラーが発生します。

そのままエラーをコピペして検索すると直し方などが出てくるのでそれを参考にしましょう。

初心者で一番辛いのが誰にも質問できないというところです。身近に質問できる人がいなければネットで質問しよう(またはググろう)というのがエンジニアの考えることで、プログラミング質問サイトなどがあります。

ちゃんと回答してくれる人も多そうですが、質問するよりも過去のQAを見ていると解決することが多いです。

スクールに通う

お金はかかるけど時間は節約できる

オンラインでの学習は苦手だったり短期間で集中して学びたい社会人向きです。

お金はかかりますが、お金を払って時間を節約するのも社会人の作法なのでそこは天秤に乗せて計算しましょう。

学生だったら大学のプログラミングの講義に潜るなり、オンラインでの勉強の方が良いかなという気がします。

まとめ

  • 一ヶ月でプログラミングができるようになるには勉強することが必要
  • 勉強するためのサービスはたくさんある
  • プログラミングはコスパが良い

英語とプログラミング、どっちも無料で日本にいながら独学できるオンラインサービスまとめ 〜 初心者から上級者の開発講座

プログラミング 外資系エンジニア 英語

プログラミングと英語

両方とも昇進や仕事に役立つ

自分が仕事をしていると英語とプログラミングは必ず使うことになります。そもそもプログラミングのドキュメントは大抵が英語ですし、コードを書くときも英語です。

最近では小学生でも英語の授業が必修になり大変そうだなと思っていたらプログラミングまで必修になりそうとのことです。

昔見たことのあるSerial experiments lainでも黒板にC言語を書いて授業していましたがさすがに授業はプロジェクタを使ったりiPadを使いながらやってくれると信じています。

英語とプログラミングはどちらが重要?

グローバル化とかが叫ばれているので英語はますます重要になっています。むしろ使えて当然という流れになってきているのが怖いところです。

最近では英語・プログラミング・会計の知識が三大スキルとまで呼ばれているそうです。会計は簿記を少しやっただけなので詳しいことはわかりませんが、企業した時に役に立ちそうです。

プログラミングも技術者が学ぶものという範囲を超えて営業職の人までも勉強するようになっています。営業職がIT知識があればエンジニアとの話もスムーズになりますし仕事の幅も広がるからです。クックパッドでは営業職の人もプログラミングを学ぶらしいです。

プログラミングと英語ができれば確かに日本で生きていくにはそんなに困りません。ブラックIT企業も存在しますが、プログラミングと英語ができれば国外に脱出できますしさらに技術を磨けばフリーで仕事もできるようになります。

プログラミングも英語もできれば身につけておきたいですよね。休日にやることがないから勉強しようと思える状態がベストだと考えています。

そこで普段使っている無料でプログラミングと英語が学べるサービスを紹介します。moocと呼ばれているやつですね。スタンフォードやMITが行なっている授業を(大学自身が)撮影して無料で公開しているものです。

なかなかハイレベルだったりしますが説明がしっかりしていたり、初心者でもわかるように難易度別に設計されているので安心です。

無料で学べるサービス一覧

Udacity

ユダシティと読みます。なぜ無料なのかを考えると、Googleやkaggle、Amazon, BMWなどが協賛しているため、でしょう。

一番よく使うサービスです。難易度とこの授業を通して勉強すると役に立つこと・出来るようになることが講座を受ける前からわかるようになっています。特に面倒な環境開発とかはなく、登録すればすぐに勉強開始できます。

英語が苦手という人でも字幕が日本語を含むかなりの数の言語に対応していますし、そもそも聞き取りやすい発音の講師が多いです。たぶん非ネイティブだけど英語が得意みたいな一番勉強中の人に向いている講師が多いイメージ。

普段はこの講座を1.5倍速にして講座を受けています。

f:id:what_a_day:20170128155916p:plain

さすがに1.5倍速だと英語を聞き逃しやすくなるので日本語の字幕をつけています。それでも聞き取りやすい英語なのでリスニングの勉強としても十分に機能しています。

初心者向けのコースから上級者向けのコースまでたくさんあります。そして上の写真は Intro to Computer Scienceというコンピュータサイエンスの入門向けの講座です。

pythonでwebサイトに貼られているリンクを全て自動取得するという目的を立てながら基本的なコンピュータサイエンスの考え方やpythonの使い方を初心者向けに教えてくれます。

ドットインストールでは物足りなかったのでpythonの講座を探すとこの講座が見つかったので結構楽しみながら受けています。

f:id:what_a_day:20170128155926p:plain

一つの講座がだいたい3分以内で終わり、結構頻繁に手を動かす小テストが出現します。基本的にプログラミング初心者ではないので簡単に思えますが習ったばかりの時に知りたかったことばかり解説されていて羨ましくも思えます。

たまにかなり難しいのが出題されます。

JavaやAndroidアプリ開発(レベル別)、データサイエンス、iOS、デバッグの方法、Gitの使い方などかなり多くのプログラムがあります。たいていの言語は探せばあるように思えます。

基本的に無料で学べますが、VR開発とかだと有料のNanodegree Programsというプログラムに入る必要が出てきます。このプログラムを終了すると修了証が発行されるようです。

https://www.udacity.com/

Codecademy

f:id:what_a_day:20170128161928p:plain

特に環境開発が必要なくブラウザ上でコードの実行ができます。スタートした瞬間からやや説明不足気味ですがすぐに上のような画面に飛びます。ちょっとCodecademy初心者にはどうやって進めていいのかわからず、一瞬だけ迷いました。

だいたいは左に書いてあるインストラクションに従いながら自分の手を動かしてコードを書いていくことになります。説明は簡潔にまとめられていてわかりやすいです。

ちなみに指示や解説のようなものは全て英語ですが、自分で黙々と手を動かしながら進める方式のため講義はなくリスニングする機会はほとんどないです。

プログラミングをあまりやったことがない人にはちょっと向いていないかもしれません。ただしQ&Aサイトがしっかりしているのでそこで解決できます。

Python, Java,Html,Javascriptなどが学べますが、PRO版にアップデートしなければいけない講座が増えたような気がします。

MITOPENCOURSEWORK

アルゴリズム・イントロダクションという有名なMITで出版されている本を使った講座がある(割と当たり前)。

MITで実際に行われている授業風景を撮影してものが多いです。また講座によってはビデオがない場合もあります。その場合はノートとして実際に行われた授業のノートを見ることができます。

多くの講座ではEXAMとして試験問題が公開されていたりするので本気で学習度合いを見るには良い講座だと思います。

コンピュータサイエンスだけでなく建築や物理、歴史、数学、政治と言ったことが学べるので本当に大学に通っているような感じです。

とても有名だけどとても高い本。強い人の証みたいなとこがある。

OCW Course Index | MIT OpenCourseWare | Free Online Course Materials

Coursera

f:id:what_a_day:20170128165734p:plain

コーセラは、スタンフォード大学コンピュータサイエンス教授Andrew NgとDaphne Kollerによって創立された教育技術の営利団体である。世界中の多くの大学と協力し、それらの大学のコースのいくつかを無償でオンライン上に提供している。 ウィキペディア

暗号技術とか機械学習の講座があるということでたまに聞くサイトです。Udacityにない講座が取りたくなったら使おうと考えています。どうやら基本的には無料で使えますが、修了証が欲しい場合は課金する必要があるという認識です。

FPGAの講座を探していたところどうやら入門編?みたいなコースはあるようです。まだやっていないのでわかりませんが、Udacityと並んで使いやすそうです。

ちょっとだけ見てみたところかなり計画的に講座を受講することが勧められており、一週間でこのくらいのビデオ講座と参考書を読んでねと親切に書かれています。だいたい一週間に5時間ほど確保できれば講座の修了には支障は少なさそうです。

Stanfordなどの大学からの講座が結構ありました。

色々とみていくと英語の学習講座もあり、Business English for Non-native Speakersとか良さそうでした。単縦な会話の次はビジネス英語を覚える必要があるみたいです。

Coursera | Online Courses From Top Universities. Join for Free

Khan Academy

f:id:what_a_day:20170128162831p:plain 教育の格差を広げないようにするため多くの人に勉強する機会を与えるEdtechの代名詞的存在です。全ての講義が無料で公開されています。

プログラミングだけでなく数学や物理、音楽や芸術と言った幅広い分野が勉強できます。このKhan Academyでは講義形式で進めるものがほとんどだと思うのでリスニング力も高まります。

Udacityと同様にYoutubeを通して配信しているので講義のスピードを調整できますし字幕もつけることが可能です。

プログラミングの講座は少なめですが、プログラミングやデータサイエンティストに必要となる確率・統計の基礎知識の復習などにはもってこいの学習プラットホームです。

それ以外にも経済学の勉強やアメリカ用の大学受験に使うSATやMBA留学でも使われたりするGMATの対策講座が無料で利用できます。知り合いはここで歴史の勉強をして興味を持ち、実際に大学院に入学していました。

理系・文系の区別なくたくさんのことが学べるのでどちらかというとプログラマーの素養や大人の教養を磨くところでしょう。

Khan Academy

短期留学する・日本語のスクールに通う

フィリピン留学など

だいたい一ヶ月くらいでも十分に英語のスキルが伸びます。

プログラミングと英語力を同時にあげるのが不安な場合はまずは英語から短期間で完成させるのが良いと思います。なぜなら英語に苦手意識がなくなれば上記のオンラインコースを苦痛なく受けることができます。

プログラミングの勉強をしているだけで英語力の維持ができるのはなかなかお得なことです。

昔フィリピンに短期的に語学留学 + 旅行で行きましたが、そのフィリピン留学と海外ドラマだけでTOEICは900以上になりました。転職や就職の時には話のネタになって使えます。

最近はIT留学というものがあって英語とプログラミングを海外で同時に学ぶというものがあるそうです。具体的には優秀な人材が揃っている英語圏のインドなどに留学し、1ヶ月から3ヶ月でプログラミングを学ぶという感じです。

転職などで時間が空いているときはやって見るのも悪くなさそうです。


英語の短期留学後はプログラミング初心者を抜け出すために一旦は日本語のコースに通います。最初の部分だけできるようになればプログラミングは個人の努力によってレベルが決まってくるので一人でオンラインコースを受講すれば良いということになります。

大学生くらいで時間がある人には是非おすすめしますし、退職・転職で一時的に一ヶ月くらい暇になった時でもエンジニアの素養を身につける・英語力を身につけるという目的で色々と頑張ってみるのも悪くないと思います。

エラーメッセージとかマニュアル・ドキュメントの類いはたいてい英語なので全く出来ないと厳しくなります。

中学生レベルの文法と高校生レベルの単語、あとは適宜調べるといったことが必要です。

それくらいプログラミングにとって英語はわりと重要です。

海外ドラマ・映画で一応の英語力をつける

プログラミングには英語が必要

日本語でもProgateやドットインストールなどで勉強できますが、どうせやるなら英語力もついでにつけたいですよね。

ITの中心はアメリカ・ヨーロッパなのは確実ですから変数の命名であったり最新のことはたいてい英語です。良質な講座が英語で公開されているのでチャレンジしてます。

求人情報で得する

プログラミングだけ・英語だけできる人はそれなりにいますが、英語・プログラミングの両方ともできる人は結構少ないです。

どれか一つの分野でトップになるのはかなり難しいですが、分野を組み合わせれば人口が減るのでその分だけ生存しやすくなります。希少価値というものにも多少は貢献できそうです。

昔やった勉強法について書きました。要約すると基礎知識を覚えた後は実践してみてダメなところをググろうという脳筋な感じです。

www.what-a-day.net

無料でできる学習だとなお嬉しい

Prime会員になっていると嬉しいことにAmazon Primeビデオなどが追加費用なしで海外ドラマが観れます。

ここでも英語だけを勉強するのではなく教養も同時に身に付けようとしています。そういう口実のもと映画・ドラマを観ています。どうせなら面白く楽しみながら勉強したほうがいいのでそんな感じで英語の勉強をしましょう。

英語ができればオンラインコースなどに対してもより気軽に挑戦できるようになると思います。そうすれば英語もプログラミングも(教養も)勉強できるようになるという完璧な計画です。

www.what-a-day.net

まとめ

  • 無料で勉強できるオンラインコースは割とたくさんある
  • 初心者でも続けられるようにうまく設計されている

家事代行サービス VS ルンバ 870 VS 自分 〜 それぞれの料金と値段から一年あたりのコストを計算してみた

便利 ガジェット

ルンバを買おうか迷っている

ルンバの年間コスト

ルンバの本体価格

約5万円。買おうと思って調べているうちに年度予算の中に組み込まれたルンバ。購入が決定した瞬間でした。


ルンバを色々と調べているとだいたいちゃんとしたものだとちゃんとした活躍をするようです。

友人に勧められたのが5万円くらいのものだったのでそれを基準にして買うルンバを決めました。

カーペットのようなそこそこの段差があってもめげずに乗り越えて掃除してくれるそうで楽しみです。まずカーペットを買うところから始めます。この家に引っ越してきてそんなに時間が経っていないのですがくしゃみと鼻水が止まらないくらいカビっぽい?のでそろそろ引っ越します。

引っ越してからはちゃんと部屋を綺麗に保つためにルンバが必要と思い立ったため必死になって調べています。

ルンバの電池持ち・バッテリー代

1年くらいだと見積もっています。本当は1年以上は保つらしいのですが、部屋がそこそこ汚いと思われるのでルンバはが過労死することを考慮して1年と設定しました。

純正バッテリー代は1万円くらいでした。純正でなければ3000円くらいで売ってます。昔、純正じゃないものを使ってコピー機が変な動きをするようになったトラウマから純正品を買うことにしています。

そのためルンバの年間コストはだいたい6万円くらいですね。

家事代行サービスの料金

逃げ恥で話題の家事代行サービスとは

家事代行サービスは忙しい人や掃除が苦手な人のために掃除を代行してくれるサービスのことらしいです。逃げ恥で初めてそういうサービスがあるのを知りました。

部屋の掃除から台所に溜まっている洗い物、やり方すらわからないトイレの掃除をかわりにやってくれるというサービスです。なんか食事まで作ってくれるそうです。

食事を頼むなら外食すればいいのでは?と思いましたが、子供がいると話は違ってくるんでしょうね。

時給換算2000円くらい

家事代行サービスを調べてみましたがだいたい一時間で2000円くらいになりそうです。

内容としては風呂・トイレ・部屋・キッチン・洗面所などの水回りがメインになるでしょう。片付けなどをやってくれるのは正直いってかなり魅力的です。昔からものを片付けるのと掃除するのが苦手というか嫌いなので一度プロに頼もうかと考えているくらいです。

さて自分が掃除をした場合、風呂・トイレ・部屋・キッチンで 1時間くらいかかります。掃除慣れしていないのとやる気がないからです。これを週一から月一くらいの間でやるとしていくらくらいかかりそうか計算してみました。たぶん家事代行サービスの人もクオリティは上でしょうがかかる時間はだいたい同じくらいだと思います。

時給が2000円なので 一時間かかる作業 × 4 = 8000円。

これを週2くらいだと考えると月に16000円かかる計算です。高いのか安いのか、掃除機くらいしかやっていないので全くわかりません。

とりあえず週2で利用すると年間192000円という計算です。

専業主婦の年収について

家事代行サービスの時給は2000円でしたがマージンを取られているはずなので専業主婦の時給は1500円とします。

風呂・トイレ・部屋・キッチン + 洗面所などの掃除を毎日一時間くらい、料理の買い出しとその調理×2 + 移動時間や掃除の準備時間を考える必要がありそうです。

そうすると4時間 + 1時間 + 1時間×2 + 1時間の最低8時間くらいはかかる計算です。もし子供がいればもっとかかるはず。

そうすると日給は12000円で月給にすると36万円で、年収だと432万円になる感じかな。

他のサイトも探してみたけど似たような計算だとこのサイトが見つかりました。

heikinnenshu.jp


知り合いの専業主婦が休みがないって言ってたので年中無休として計算しています。

(風呂などの掃除はがっつりではなくとも毎日掃除するはず、ちなみに自分はできるだけしないようにしている。)

専業主婦すごいですね。自分の家は共働きで、自分はまだ未婚なので専業主婦は見たことないのでどんなことをするのかは想像の範疇を出ませんが、きっちり計算すると最低400万くらいというのは納得できます。

子育て中で専業主婦だと倍くらいは軽く超えそう。

ルンバ VS 家事代行サービス VS 自分

それぞれの掃除コスト

自分でやる掃除のコスト

安い掃除機を使って一週間に一度くらい床に掃除がけをすることを心がけています。だいたい1時間かかります。

そのためひと月当たり4時間で、年間では48時間も掃除をしていることになります。改めて考えると結構な時間を消費しているな?

時給で置き換えて計算すると年間15万円かけて床を掃除していることになりました。

年間48時間だったら自分のために勉強したりしてキャリアアップにも生かせるし、映画みたり本も読めるなと思うとちょっと改善の余地がありそうです。

家事代行サービスでの掃除コスト

週2、床の掃除だけ、時給2000円で1時間かかるとして考えます。

そうするとひと月当たり4000円で、年間だと4万8千円ですか。

週2としたのはたぶん掃除に慣れているので自分が週一でやる掃除の二倍以上のクオリティがあると考えたためです。慣れている人に掃除をやってもらえるのは大きいですが、自分の部屋に人が入るのには多少の抵抗感があるかもしれません。

ルンバでの掃除コスト

初年度にかかる費用は5万円で、それ以降は毎年1万円で済みます。

放っておけば勝手に掃除をしてくれるらしいのですが、正直どのレベルでやってくれるのかはまだ不明です。

掃除のレベルとしては、 家事代行サービス > ルンバ > 自分 という認識でいます。さすがのルンバも家事代行サービスにはクオリティでは勝てなさそう。

ただしルンバの良いところはものすごく高いクオリティの掃除ではなく、面倒な掃除を自動化してくれるところです。

家事代行サービスを高級な洗濯板だとするとルンバは全自動洗濯機です。

細かい点では家事代行サービスには当然負けますが、手軽で素人でもそれなりにできてしまうところがいいのかなと思います。ルンバの掃除で至らない箇所があればそこだけ掃除機をかければいいのかなという気がします。

コストの比較

f:id:what_a_day:20170125225257p:plain

経過年数までにかかった費用の合計金額のグラフです。

例:経過年数3年 = 1年目・2年目・3年目の合計金額。

ルンバは3年に1回、新しいものに買い換えることにして計算しています。つまり3年ごとに5万円かかり、それ以外の年では1万円だけで済むという計算です。

最終的にルンバ(たち)は15年間の運用で310000円かかるということになりました。

家事代行サービスは15年間週2で休まずに頼むと574000円ということになります。

自分でやると15年間で2250000円のコストが発生しているという計算です。ちなみに自分で掃除をする場合は掃除機を数年に一度買い換えることでここでもまたコストが発生します。

自動化した方が良いなという結論に一瞬でたどり着きました。ルンバを買います。

迎え入れる候補のルンバ

自動掃除の凄さ・便利さを教えてくれそう

より高性能になったルンバ。Amazonで6万円、楽天で7万円でした。

とりあえず二つのうちのどれかを買うことになる。

まとめ

  • 家事代行サービスとルンバを比較した
  • 自動化できるところは自動化した方が幸せ
  • 使うべきところにお金は使うべきだと感じたのでガンガン使う

新大学生・新社会人の部屋探しはいつから? 〜 受験直後から賃貸物件は埋まる!不動産と引っ越しのピーク時期について

便利 転職

引っ越しと部屋探しについて

受験後・就活後の新生活

辛い受験勉強と精神的にも苦しい就職活動を終えると新しい生活が始まります。県外の大学に進学する人は親元を離れて一人暮らしする人が大半でしょうし、就職活動後の新社会人も同様に最初のうちは地方に飛ばされる人も多いでしょう。

そこで必要になってくるのがお部屋探しです。寮に住むに場合・社宅に住む場合もあると思いますが、一応検討してみても悪くないと思います。

敷金礼金も払うので最低でも2年間、人によっては4年間も住むことになるのでここはしっかりと考えて選ぶ必要があります。

騒音・ゴミ捨て・プライバシーなどの隣人トラブルによる殺人や傷害事件が最近は増えてきました。

決して人ごとではない実感できる場所に住んでいるのでよくわかります。

おそらく大学生活の中で一番長く滞在するのが自分の部屋です。劣悪な物件に決めてしまうと勉強にも体調にも大きな悪影響があるというのが経験上、とてもよくわかっているので何としても部屋探しだけは全力でやっていきたいと思います。

f:id:what_a_day:20170122234943p:plain

3月・4月はとても混む

受験が始まるのがだいたい2月の上旬で、合格発表が3月の上旬です。国公立大学も私立大学も誤差はありますがだいたい毎年そんな感じの日程です。

新社会人になる大学生も1〜2月頃までは卒論を書き、2月から3月くらいまでは卒業旅行などで忙しく動き回ります。

そのため新生活が始まる4月に近づいたとき、つまり2月から3月になった時に思い出したように一斉に部屋探しを始めます。やっぱり月をまたぐと焦る気持ちになるんですよね。

というわけで3月・4月は新大学生・新社会人でとても混むようになります。

新しく大学に進学する60万人のうち、半分くらいが県外に進学するので30万人がそれぞれ部屋探しをします。特に東京・大阪・名古屋に集中しているのでこの大都市では相当な人数が部屋探しをすることになります。そこに新社会人も同数くらい加わるので何十万人という人が部屋探しをすることになります。

そうなれば良い物件・安い物件などのお買い得なところが軒並み抑えられてしまいます。

普通に考えて計画的に部屋選びをする人は少数派で大半が「そろそろ部屋を探そう」くらいに思っているはずなので、残っている優良な賃貸物件を巡って熾烈な競争になります。

引っ越し・部屋選びピーク時のデメリット

築年数の高い部屋が残る

f:id:what_a_day:20170122235023p:plain

どうせ同じ値段か少ししか違わないなら新築の物件がいいでしょうし、より築年数の少ない物件が売れていきます。

大学生の時に築年数の高い、とても古い賃貸物件に住んだことがあるのですが、壁は薄いし部屋は狭いしなんとなく埃っぽくて大変でした。埃っぽいというか湿気がすごくてカビが自然に発生する?みたいな感じでした。

おかげさまでくしゃみが止まらなくなったので藁にもすがる思いで空気清浄機を導入しました。

あととても古い物件だと法律が改正される前に造られていたりして耐震強度的に不安が残るところも多いと契約した後に教えてもらいました。先に言ってよ、という気持ちにしかなりませんでしたが。

気に入った部屋が先に取られる

なんでそんな変な部屋に住んでいたのかというと気に入った部屋がありそこに決めていたのですが、申し込みのタイミングが数分くらい遅くて先にとられてしまったからです。

同じ時に内覧していた人がいたのでできるだけ早く出したのですが取られてしまいました。仕方なくほかも探したのですが、大学の近くかつそれなりに安い物件となるとその部屋がベストだとその時は思ってしまっていたからでした。

仲介会社の対応が雑

自分が行った会社が悪かっただけかもしれませんが基本的に雑でした。ちなみに9月ごろに耐えられなくなって引っ越しを決めましたがその時の対応はけっこう丁寧でした。だから忙しくなると対応が雑になると勝手に思っています。

よく考えればまあその通りで掻き入れどきとはいえ入れ食い状態だと対応が雑でも契約は取れそうですし、なおかつ繁忙期だと忙しくてイライラしているのかなと推測しています。

「こいつはこのぐらいの部屋でええやろ」みたいな対応だったので今思うとけっこう悲しいです。

新生活スタート失敗?引っ越し時期がずれる可能性が高まる

新社会人の時ですが、これは自分の手際が悪かったのもあります。会社に入社するにあたって必要な資料が思ったより多く人忘れていたりしてそちらにばかり気を取られていました。

日程的にそろそろ引っ越さないとまずそうだなというギリギリのタイミングで引っ越しの見積もりを出しましたが、どこもその日程は厳しいと言われてしまいました。

仕方なく数日間はネットとパソコンしかない状態で過ごしました。これはこれでアリだなと思ったりもしました。

おすすめの部屋選びの方法と時期

2月がおすすめ・狙い目

以上の自分の経験 + 業者の友達から聞いた話を総合すると2月に部屋探しをするのが正解ということになります。都会の大学に進学する受験生の間では受験のために上京して受験後に物件を回って気に入った部屋を抑えておくそうです。

まだ合否も決まっていない状況で部屋を抑えるなんてと思っていましたが、無料でキープできるサービスもけっこうあるみたいです。

合格発表前お部屋予約サービスなんていうのもあり、ざっと調べたところエイブル、ユニライフ、レオパレス、学生ウォーカー、アットホームなどかなり有名どころも対応しているみたいです。

社会人にもやってくれないかな。

おしゃれな部屋の選び方・コツ

色々と考えてきましたが直営店?などを使う方法が一番良さげだと思います。(本当の意味での直営店とは違います。)

積水ハウスのシャーメゾンや野村の賃貸、ダイワハウスなどがそうです。

積水ハウス施工の「シャーメゾン」、ダイワハウス施工と書かれている物件はどれもおしゃれですしセキュリティもしっかりしています。普通のデザイナーズマンションよりもよっぽどおしゃれなんじゃないかという気がしています。 ペット可という物件も何気に多いです。

紹介されている物件の数は少ないですが、情報過多な他の仲介サイトと違って良質な情報だけ載っている気がします。

こういうサイトの良いところは効率よくおしゃれで新築の物件などを探せるところです。

おそらく騙しや客引き用のダミー物件も少ないか、ほぼないと思います。

www.shamaison.com

www.nom-rent.com

おとなしく仲介サイトを使う

最近ではAndroidやiOSのアプリなどがあります。探すときには基本的に複数のサイトを並行して使います。

よく使うのはミニミニ、homes、アパマンショップ、suumoなどです。うまくやると家具付きの物件なども見つけることができますが、普通に買ったほうが効率が良いのではとさえ思ってしまう物件も多かったです。

サイトによって賃料が変わるということはなく、探しやすさと検索のしやすさがサイトごとに違うのでうまくお気に入りの物件を見つけるために併用しています。

まとめ

  • 受験直後の2月くらいからすぐに物件探しをしたほうがいい
  • 無料でキープできるサービスもある
  • 部屋選びは慎重に