スクラム方式学習法：Python編（２）制御構造

「スクラム方式学習法：Python編（２）」
スクラム１の続きです。

４章：制御構造ツール
とりあえず、下記の制御の方法をざっくりと把握しておけばOKです。
スクラム２（２周目）で開発ターゲットを決めた後に戻ってきます。

if文　：もしｘｘならｙｙする。

　　　if xx:
        yy

for文　：　mm の範囲で　iiについてｙｙ　する

    for ii in m:
        yy

関数：　使い回したい処理をまとめる
　　xxxについてyyyする処理をfffと言う名前でまとめる。

    def fff(xxx):
        yyy

５章：データ構造
リストについての復習：
前回のエントリーで、書いた内容です。
>>リストと呼ばれるデータの扱い方も可能です。
>> これは、出席番号と名前の関係だと思ってください。
>> 例えば、
>> A_kumi = ['Yamada', 'Tanaka', 'Sato']
>> はＡ組の出席番号１番はYamadaさん
>> 　　　　出席番号２番はTanakaさん
>> 　　　　出席番号３番は、Satoさんを表しています。
さて、このA組のクラスに、転校生がやってきました。
お名前を、’Kinoshita'さんとします。
これをPythonでは
A_kumi.append('Kinoshita') と記述できます。
appendは追加するという分かりやすい意味ですね。
この時、
A_kumi = ['Yamada', 'Tanaka', 'Sato', 'Kinoshita' ]
となります。
出席番号４番として、Kinoshita さんが追加されています。

その他、リストに対しては
A_kumi.insert() 挿入
A_kumi.remove() 削除

続く

「スクラム方式学習法：Python編」をスタートします。

「スクラム方式学習法：Python編」をスタートします。

勉強を行う場合は、「目標設定」「マイルストーン」設定が重要です。
GOOGLEで「Python　資格」で検索すると
「Python3エンジニア認定基礎試験」というのが色々なブログサイトで引用されています。
この資格は「一般社団法人Pythonエンジニア育成推進協会によって開催されています。」とのことです。
https://www.pythonic-exam.com/material
を見ると認定教材は
>>オライリー・ジャパン「Pythonチュートリアル 第3版」
>>2021年9月1日より、主教材がオライリー・ジャパン「Pythonチュートリアル 第4版」に切り替わります。
とのことです。
この「Pythonチュートリアル 第4版」をスクラム学習法で勉強していきましょう。
出題範囲、割合は下記のURLに記載されています。
https://www.pythonic-exam.com/exam/basic

まずは、
●暫定目標をこの試験を受けることにしましょう。

「スクラム方式学習法」に従って、「STEP１：まずは、ざっくりと見て、わかった気になる。」
を行います。

まず、目次と各章の流し読みを行います。
（注意：この教科書を忠実に再現しているものではなく、私見が多いです。）

１章：食欲をそそってみようか
　　　実際の開発現場では、コードを読んでいる時間が最も長いです。
　前任者のコードを見て改良することが日本では多いと思います。
　Pythonの最大のメリットは「読みやすい」という点だと考えています。
　読みやすい＝学習しやすい。
　それでいて、ライブラリ（他者の知識、実績）を活用しやすい。
　●学習しやすくて、何でもできるのがPythonです。<＜＜＜＜＝＝

２章：Pythonインタープリターの使い方。
Pythonでは、コンピュータとテキストを通したやりとりを行って、
　動作確認を行うことができます。
　ライブラリの動作確認などで便利です。
　また、この対話型インタープリタを使って解説している書籍も多いです。
　黒いコンソール端末でpythonと入力すると、
　>>>というプロンプトが返ってきて
　そこで、入力することで動作を確認します。

３章：気楽な入門編
　　Pythonの対話型インタープリタを使うと関数電卓の様に使えます。
　例えば、
　pythonと入力すると
　>>>　というプロンプトが返ってきます。
　ここで、２+2と入力してやってリターンキーを押すと、
　>>>2+2
　4
　と表示されます。

Pythonでは、
数値として、１、２、３などの整数、
0.12などの少数、
「HELLO」などの文字列などを扱えます。
さらにリストと呼ばれるデータの扱い方も可能です。
これは、出席番号と名前の関係だと思ってください。
例えば、
A_kumi = ['Yamada', 'Tanaka', 'Sato']
はＡ組の出席番号１番はYamadaさん
　　　　出席番号２番はTanakaさん
　　　　出席番号３番は、Satoさんを表しています。

スクラム方式学習法

備忘録を兼ねた勉強シリーズです。
アジャイル、スクラム方式学習方法について記載していきます。
「スクラム方式学習法」とは、
「反復的かつ漸進的」な学習方法です。

　　　（なお、「スクラム方式学習法」は私が作った造語かもしれません。）

　私は業務上多くの調査を常に行っています。
そのため、INPUTについてのノウハウを持っています。
そのポイントは、
STEP１：まずは、ざっくりと見て、わかった気になる。
　　これは、頭の中に、INDEX（目次）を作ることでもあります。
　　どういう、情報がその分野にあって、どういうキーワードがあって、「だいたい」どういう意味かを
　　把握するものです。理解できていなくてOKです。ざっくりと見て理解できる天才君はそうそういません。
STEP２：次に、それらのINPUTを使って、何をしたいのか（OUTPUT)を考える。
　　このステップが最も大切です。
　　きっちり決めてしまわなくてもOKです。
　　後で、変わったり、方向転換してもOKです。
　　「作りたいものを炙り出す」という、自分を見つめる作業です。
　　調査レポートであればどういう調査イメージでまとめたいのかを考えるステップです。
STEP3：炙り出した「作りたいもの」をどうやった実現できるのかを
　　STEP1の「分かった気になった」情報を用いて考えます。
　　情報が不足していればSTEP1に戻って補充します。
STEP４：実際に作り始めて、重要な部分をまず作成します。
　　そこで足りないものがあれば前のSTEPに戻って補充します。

まずは、「スクラム方式学習法：Python編」をスタートします。

モデルナ特許群解析

モデルナ特許群解析

要約：
モデルナの特許群を解析した。
多くの特許から、重要特許群を抽出するために、「相関法」を用いた。
これは、２つの特徴パラメータの相関量から、重要な特許群を抽出する方法だ。
２つの特徴パラメータとして、
（１）IPC（国際特許分類）対　IPC
（２）FAMILYID　対　発明者
（３）発明者　対　発明者
の３つを選んだ。

（１）を選んだ理由は、企業が特許対策を行う場合、かならず、周辺特許も固めるはずだ。
結果的に、複数のIPCが割り振られることになる。その関連性の深さが相関に現れる。
その結果、重要な特許分類として、A61K38,C07K14,C12N15を抽出した。
（２）FAMILYIDとは特許群に対して割り当てられる識別子だ。
特許群を育てようとしている発明者を探し出す方法だ。
その結果、重要なFAMILYIDとして49235350と発明者として
CHAKRABORTY_TIRTHAとDEFOUGEROLLES_ANTONINを抽出できた。
（３）特許を育てようとする場合、必ず、良い同僚が必要になる。
同僚間の議論だけが特許を育てると言っても過言ではない。
CHAKRABORTY_TIRTHAとDEFOUGEROLLES_ANTONINの２人を抽出できた。
これは（２）で抽出できた発明者とも一致する。

相関を求める際に作成した相関ヒートマップと抽出した特許群の一部を下記に示している。
mRNAという設計図を細胞に与えて、それによって、薬効のあるタンパク質を作らせるというモデルナWAYが抽出されている。

8999380 Modified polynucleotides for the production of biologics and proteins associated with human disease.
9050297 Modified polynucleotides encoding aryl hydrocarbon receptor nuclear translocator.
9061059 Modified polynucleotides for treating protein deficiency.
9089604 Modified polynucleotides for treating galactosylceramidase protein deficiency.
9095552 Modified polynucleotides encoding copper metabolism (MURR1) domain containing 1.
9114113 Modified polynucleotides encoding citeD4.
9149506 Modified polynucleotides encoding septin-4.
9192651 Modified polynucleotides for the production of secreted proteins.
9220792 Modified polynucleotides encoding aquaporin-5.
9233141 Modified polynucleotides for the production of proteins associated with blood and lymphatic disorders.
9301993 Modified polynucleotides encoding apoptosis inducing factor 1.
9675668 Modified polynucleotides encoding hepatitis A virus cellular receptor 2.
9814760 Modified polynucleotides for the production of biologics and proteins associa.
10463751 Modified polynucleotides for the production of cytoplasmic and cytoskeletal proteins.
10493167 In vivo production of proteins.
10583203 In vivo production of proteins.
10772975 Modified Polynucleotides for the production of biologics and proteins associated with human disease.