無駄遣いをせず、生産的な休日を送るために。

それを実現するための決意表明。

クレカの明細を見て震えてる
— みけめろ@starnote* (@info_starnote) June 26, 2019

休日のたびに商業施設に出かけて何かを買って帰るということを繰り返していたら、クレジットカードの請求が大変なことになりました。

具体的な額は言わないけど、ちょっと反省しています（でもそのほとんどは快適な自宅を作るための投資だから、後悔はしていない）。

ボーナスが出たとはいえ、このように消費ばかりしていると、いつか破綻してしまうのは目に見えています。なので今週からは「できるだけ消費しない休日」を心掛ける。そう心に言い聞かせています。

だからといってダラダラするのではなく、生産的で有意義な休日にしたい。その方法を模索していきましょう。

週末予算を決める

「土日でいくらまで使う」というのを決めておかないと、際限なくカードを切ってしまいそう。数千円だからいいかな〜と思って使ったのが積み重なって、まあ、決めたところで最終的な決断は自分の理性に委ねられているのですが、基準がないよりはマシかなと。

不用意な外出はしない

なんとなくIKEAに行ってENEBYを買ったり、街中で見つけたモノを衝動買いしたりなど、自宅の外には敵がたくさん。だから無駄な消費をしないためには「買いたくなるモノに接しない」ことが、根本的な解決になりそうです。

自宅に篭もってひたすらブログを書く

これが僕にとっては最も生産的で有意義な休日の使い方かな。自宅に篭もるから余計なモノも買わないし（ネットで買う可能性はあるけども）、執筆という極めて生産的なことにエネルギーを使うことができる。ただし自宅だと人と関わらないのが難点なので、Yahoo! LODGEに篭もるのもいいかもしれませんね。

本を読む

今はKindle Unlimitedが3か月99円で使えます。本を読みまくりたくて、僕はキャンペーンが始まった瞬間に加入しました。すでに通勤時間を利用して読み始めていて、休日でもペースを崩さず読み進めたいと思います。

ちなみに今読んでるのはこちら。

直感と論理をつなぐ思考法 VISION DRIVEN

created by Rinker

¥1,728 (2019/07/15 18:18:18時点 Amazon調べ-詳細)

プログラミングの勉強をする

Pythonの勉強をするためにProgateの有料プランに加入したので、別の言語もやりたいですね。今のところ「やりたい」と言っているだけで、全然進めてられてないです。ダメじゃん。

薬学博士のPython入門 01｜プログラミングを始めよう。 – starnote*

キーワードは「キャリアの掛け算」。薬学博士のPython入門「Python：パイソン」とはプログラミング言語のひとつですが、ディープラーニング界隈でよく使われるので最近勢いがあるそうです。（僕も聞いただけです）突然ですけど、そんなPythonを勉強してみようと思い立ちました。なんで…？という疑問にはこの記事でお答えします。「薬学博士のPython入門」というシリーズでは、その過程を報告していければと思っています。1回目の今回は、なぜ薬学博士がPythonを勉強するの？とりあえず何から始めようか？という初歩の初歩について。なぜ薬学博士がPythonを勉強するの？まずは、薬学の専門家である僕が「なぜ他分野の技術に手を出すのか？」ということについて。前提として、ここ数年ディープラーニングを用いた人工知能（AI）の台頭が凄まじいのはご存じの通り。その技術は日に日に進歩していて、毎日誰もが少なからずAIの恩恵を受けているはずです。このような「ディープラーニング」「AI」の技術は、医薬品や医療機器の開発にも使われるようになってきました。たとえば医薬品を開発するときは膨大な化合物候補をスクリーニングして、効果がありそうな物質に目星をつけます。それを動物実験や臨床試験を通して科学的に証明していく。簡単に言えばこんなプロセスで進みます。その初期段階における化合物のスクリーニングは、これまで「1個ずつ調べる人海戦術」や「研究者の長年の勘」に頼ってきました。しかし、医薬品として世に出る確率が3万分の1、開発に10〜20年かかるのもザラという世界の中で、非常に効率が悪いというのは言うまでもありません。そんな中、2018年には、DeNA、旭化成ファーマ、塩野義製薬が「化合物ライブラリを用いたAI創薬」を構築することを目的に実証試験を行うという発表がなされました。 → 【インタビュー】DeNAが「AI創薬」でやろうとしていること | AnswersNews もちろんこの3社だけではなく、他の製薬企業もAI創薬の研究を行っています。現在研究者が手作業で行っている実験の結果をAIで推測できるようになるのであれば、医薬品の開発効率が格段に上がるからです。