Saturday, November 3, 2018

NY チーズケーキ(ベイクドチーズケーキ)の作り方



学生時代はよくチーズケーキを作っておりました。「24-hour take home exam」という 24 時間猶予があって期末試験を自宅などで取り組むという試験のときは、チーズケーキを丸ごと焼いてから試験を取りに行き、24 時間チーズケーキとコーヒーで生活する、ことがよくありました。チーズケーキは、クセもなく文化や風習を超えて楽しんでもらえていいですね。


材料は、アメリカのスーパーで売っているサイズが基本になり、買ってきたものは使い切りたいということで、400 g とかキリのいい数字よりも、1 個パックという単位です。チーズケーキ 1 個つくるのに使うクリームチーズ (8 oz x 2) とサワークリーム (8 oz)です。



準備

  1. オーブンを 350 °F (175 ℃) に余熱しておく。同時に天板に水を貼っておく。そうすると、あとでお湯をはる手間が省けて楽である。
  2. 材料を測る。
  3. クリームチーズや、サワークリームは室温に戻す。

下地 / Crust

  • クラッカーやビスケットなど (Costco の Assorted Crackers を使用): 120 g
  • 無縁の溶かしバター (Kelly Gold, Unsalted): 60 g
ボウルで崩してバターを混ぜて、型に敷き詰めて 10 分焼きます。Wax paper はなくてもいいかも。



チーズ / Filling

  • クリームチーズ: 1 lbs (452 g) 
  • サワークリーム: 0.5 lbs (226 g, 8 oz)
  • 砂糖: 120 g
  • ホイップクリーム: 175 ml (7/8 cup)
  • 卵(全卵): 2 個
  • コーンスターチ: 大さじ 2
  • バニラエッセンス: 大さじ 1
  • レモン/ライム/酢橘など: 0.5 個分
(0) 材料を↑の順番に手で混ぜる。室温で、ゴムベラで混ぜるとクリーミーになりやすい。
(1) 湯煎しながら、350 °F (175 ℃) で 30 分焼く
(2) 続けて 300 °F (150 ℃) で 30 分焼く
(3) オーブンをOFFにして 60 分置く
(4) オーブンから取り出して、冷ます
(5) 4-6 時間したら、冷蔵庫に移動させる。
* 急激な温度変化を避けるために (1) - (3) の間にオーブンのふたを開けない


出来上がり:



ラズベリーソース

  • 冷凍のラズベリー 200g 
  • 砂糖 40 g
(0) 耐熱容器にラズベリーと砂糖を入れて、ラップをし、4分電子レンジで加熱する。
(1) 丁寧に裏ごしして、冷蔵庫で冷やす。

ラズベリーの酸味とチーズケーキの甘さのバランスが美味しいです。




Thursday, October 11, 2018

すまし汁に使う昆布と鰹節の一番出汁の取り方





美味い米と汁を作るのは日本料理の基本と思います。

特に出汁を上手にとるのはとても技術と経験が要求されるものであり、料理に合わせてどのような出汁を使うかを決めるのも面白く、又難しい点でもあります。

最近試行錯誤を重ねて、澄まし汁に使える出汁の取り方がわかってきたので、紹介します。出汁は 100 人いれば、100 通りあると言われるように、どれが正しく間違っているというものではありませんが、うちの家の技法として参考程度にご覧ください。材料の吟味よりも、どのような手順で作ればよいかという技法に重点をおいています。


様々な調査の結果、一番出汁を作るには、次のようなポイントがわかりました。 

  • 昆布のグルタミン酸は、煮出すと味が濁る。70度を超えると、アルギニン酸(ぬめり成分)が溶け出してしまう。
  • 昆布の表面は布巾でふく。
  • 昆布は水出し 10 時間がよい。
  • かつお節もぐつぐつ煮出すのは NG。85度が最もイノシン酸が抽出されやすい。
  • 温度は、温度計で正確に測りながら調理する。

これまでは次のような間違い/失敗をしていました。

  • 昆布の表面を流水で洗う。
  • 昆布を水にいれて、強火で熱し、ふつふつと沸騰するまでに煮る。
  • 昆布をお湯にいれたまま、かつお節をいれて、90-95 度くらいで 煮る。

昆布については、水出しがいいとか、60度のお湯で 60 分煮るのがよいとかいろいろ方法があり、今回は全く同じ材料で 2 種類作り、食べ比べをして、どちらが澄まし汁に適しているかを判定しました。


材料 (2 つ用意)

  • 水 1,000 ml
  • かつお節 30 g (枯節の腹側、(← 20g でも十分))
  • 真昆布 10g
  • 塩 5g
  • 醤油 小さじ1 (5 ml)
今回は昆布は普段使っていた日高昆布をやめて、真昆布にしました。日高昆布は磯の香りが強いらしく、真昆布は上品な仕上がりになるのだとか。飲み比べないとまだよくわかりません。


★追記 (11/2018): 羅臼昆布、利尻昆布を仕入れての比較

この後、羅臼、利尻昆布を仕入れて、羅臼、利尻、真、日高を一番出し比較してみました。どれも昆布は水出し10時間で、鰹は背節をけずり、85℃で 180 秒抽出しました。

① 仕上がりの綺麗さや透明度:
真昆布 > 利尻昆布 > 羅臼昆布 > 日高昆布

② 味の濃厚さでいうと:
羅臼昆布 > 利尻昆布 > 真昆布 > 日高昆布

③ 味のまとまりバランスでいうと:
利尻昆布 > 羅臼昆布 > 真昆布 > 日高昆布

ですが、甲乙つけがたいのもやまやまです。あとは料理/椀の身の種類、カツオの部位と種類、個人的の嗜好で使い分けるのではと思います。日高昆布は煮ると柔らかくなるので、出汁をとったあとにつくる佃煮や、おでんにも向いています。



準備

  • 水は、カップで正確に 1,000ml 計量する。
  • 昆布は、測りで 10g づつ計量する。表面を濡れ布巾などでふく。
  • かつお節は、出汁を火にかける前に削り、30g づつに分ける。(← 20g でも十分)



(↑は 40g あります)

方法A - 水出し

  • 真昆布を水にいれ、室温で 10 時間おく。
  • 昆布を取り出し、85 度まで熱する。
  • 85 度に達したら、火を止める。
  • かつお節をいれ、180 秒まつ。
  • 布巾で濾す。
  • 塩 5 g と醤油小さじ1で味付て完成。

方法B - 60度/60分煮出し

  • 真昆布を水にいれ、中火にかける。
  • 60度をキープしながら、60分煮出す。
  • 昆布を取り出し、85 度まで熱する。
  • 85 度に達したら、火を止める。
  • かつお節をいれ、3 分まつ。
  • 布巾で濾す。
  • 塩 5 g と醤油小さじ1で味付て完成。





濾した直後の状態
同じボウルでなくて申し訳ないのですが、透明度が明らかに異なり、水出し(A) は澄んでいます。煮出し(B)は濁っていて、底が見えません。これまで作っていた出しが濁っていたのは、昆布のせいだったのかも。

「昆布を煮出すと味が濁る」というのは、見た目にも濁るのかもしれません。



具は最小限の乾燥湯葉だけにしていただきました。
  • 水出し(A)は、味がまろやかで昆布と鰹の味と香りが調和していました。お澄ましだと、断然 (A) が自分の好みでした。
  • 煮出し(B)は、味がとんがっており、昆布と鰹が調和していない感がありました。(B) は煮物や、具の少ない味噌汁だと合うかもです。

もちろん好みがあるので、人によっては、(B) の澄ましがよいという方もあると思います。


さらに色の違いが歴然な例。全く同じおわんに注いでみて、煮出し(B)はぼやけており、水出し(A)は底の模様、特に茶色の線まで透き通っているのがよくわかります。



具と共に季節に合わせた形に野菜を切って添えると綺麗です。30-40 秒くらい下茹でしてから、盛りつけます。今回は秋らしく、紅葉、銀杏、蜻蛉がメイン。



まとめ

  • 澄まし汁、出汁の味を楽しむ料理には、昆布は水出し (10 時間) が適している
  • 温度は必ず温度計を使い、煮出し時間などはタイマーを使う。
  • かつお節は、火を止めて 85 度で 3 分間抽出する。

60 度の湯温を保つには、意外と面倒でした。水出しも 10 時間でなく、例えば 6 時間でよいのなら、手間も楽になります。


課題

  • 昆布の旨味成分の抽出方法 (水出しと時間の関係, 6~8時間程度の水出しでよいかどうか調査) 
  • 水 (硬水、軟水)による違い。アメリカでは Evian などの軟水で試してみたい。
  • 昆布の種類 (真昆布、利尻昆布、日高昆布など)
  • 鰹節(腹節、背節)、および削り方
  • 具材との組み合わせ (お麩や湯葉のような単純なもの、しんじょ等)

参考


美味い米の炊き方 (カリフォルニア米 4 合)

  1. 米を粒をつぶさないようにやさしく丁寧に洗う
  2. 土鍋に入れて、水につけ 30 分吸水
  3. 強火で 15 分たく。
  4. 極弱火で 10 分たく。
  5. 火からおろして 10 分蒸らす。土鍋の蓋の上に布巾をかぶせておく。
  6. おひつにすぐにとり、濡れ布巾を挟んで蓋をする。


出汁をとった残りの昆布は塩昆布にする


  1. 昆布の滑りをかるくとり、1.5 cm x 1.5 cm (0.5'' x 0.5'') くらいの好みの大きさに切る。
  2. 鍋に昆布をいれ、ひたひたになるくらいの醤油と、その半分の量の米酢を加えて火にかける。
  3. 60 分くらい、水分がなくなるくらいまでじわじわと煮る。洗い物などをしながら作るとちょうどよい。
  4. 弱火で蓋をすると急激に水分が減りすぎず、柔らかくなりやすい。辛いときは日本酒などで伸ばしてやる。
  5. 水分がなくなってきたら、火からおろし粗熱をとる。
  6. すり鉢ですった山椒を加えて、瓶詰めにして保存する。








Monday, October 8, 2018

なぜデータ計測をするのか

僕はデータを元に物事を判断したり、行動、分析することが多い。

だが、必ずしも 100% 数値的に物事を解釈しているわけでもありません。判断や、技術的テクニックを要する場面では、最後は人間が自然に備える直感 (intuition) や、感覚を大事にします。ゴルフのスィングでも、わずかコンマ0.秒の間に数字を考えながら、動作をするなど不可能ですし、プロでもそんなバカなことはしません。

趣味の料理、特に拙宅での代表的なとんかつや天ぷらを揚げる場合は、かならず温度を測ります。

とんかつについては、揚げる前から、揚げた後までの湯温を測り、最適な温度プロフィールを作成しています。

では、なぜ必要なのか。

技術力と経験値不足を補うために他なりません。

料理に限らず、ゴルフのスィング、野球のピッチング、ソフトウェアのプログラミング、数値の分析など、毎日繰り返し行い、絶えざる鍛錬を積み重ねてようやく習得できるのが技術と思っています。

料理は、あくまでも趣味で、職人のように毎日調理できることはなく、せいぜい月に4, 5回程度しか作りません(作れません)。

仮に毎日していることだったとして、ある日突然失敗がつづいたとする。病気をして数日休んだとする。事実や数値に基づいた正しい物を作るための基準値があれば、いつでも原因を正して、元に戻してやることが早く容易にできるのです。

「170 度の油でこんがりきつね色になるまで揚げる」というとんかつの最終工程を、月に1回という散漫な取り組みで、再現性高く、作るのは不可能。

そこを毎回再現性良く作るには、上手にできる場合、数値的にどのような状態にあったかを記録しておくのがよい。


そうすれば、客観的な事実に基づいた視点で、物理的にどのような状態を再現すればよいかがわかるのです。そこには曖昧な言葉や感覚、思い込みはなく、数字で正しく認識できます。

企業の経営判断等でも、感情や建前、過去の栄光だけでなく、数値や事実にも目を向け合理的な判断をスピーディーにできるようにしたいものです。

Saturday, September 1, 2018

アメリカ理系大学院で授業料や生活費はどのように賄う方法があるのか (大昔の体験談より)



アメリカ大学院の授業料は、日本と比べて高い。

だけども高いなりに、質と量の両面で得られるものは多い。

ただそれをどう払うかというと、自腹で払う人は多くはないはず(要統計)。

理系だと特に、各研究室/研究所は研究のための資金を政府や企業から獲得し、大学院生を戦力として雇わねばなりません。また教授は、授業をするたびに準備や宿題や試験の解答、生徒の質問の対応など、大量の仕事があるので、アシスタントが必要です。


  • RA: Research Assistantship 
  • TA: Teaching Assistantship
という assistantship がポピュラーな仕組みで、これらを受けて(とくに)大学院生は授業料と生活費をサポートしてもらえます。

大学外から、各企業の派遣や fellowship などで資金獲得をしてくる学生も多いです。 日本企業からの派遣でいらっしゃる方々も多かったですね。

本気でアメリカの大学で学びたいと思うのであれば、

「大学院/大学の授業料は高い」→「やめた」

でなく、

「どうやったら支払えるか」

解決方法を探るべきです。

Stanford などの人気/有名校でも、Ph.D. コースだと 1 年目から何らかの資金援助 (financial aid) が保証されている学科もあります。

どの学校でどれくらいの援助があるかは、本当に専攻や学科、学部の財布事情、各研究チームの資金事情、経済や景気に左右されますが、assistantship (TA, RA) は、授業料といくばくかの給料をもらえる(つまり雇用される)のが普通です。

なので、雇う側も真剣に選んできます。

誤解を受けるかもしれませんが、いくらアメリカ理系大学院で RA, TA でお金をもらって勉強できる仕組みがポピュラーかといって、入学したら手放しで喜べるかというとそうでもありません。みんな平等に、RA をアサインすることはありませんから、個人個人できっちり営業活動をし、所属したい研究室を選び、教授(雇用者)を射止めなければなりません。

僕が学生だったときは、
  • 授業料 (年間 $25,000 分くらい)
  • 給料 ($2,500 x 12 ヶ月)
  • 医療保険半額負担
という待遇でした。贅沢はできませんが、車をもってアパートに住むのは可能でした。

夏場は 100% RA で給料が倍になった時がたった1度だけありましたが、資金繰りはかなり厳しい専攻&研究所だったので、なかなか日本の雑誌で読んだようなメルヘンではなかったのは事実です。アメリカ政府の政策に影響を受けるなんてのも知りませんでしたし。

余談ながら、学生当時は研究室の財政が厳しいときは、学生同士でぐちってばかりでしたが、卒業後に経営者という立場になり、あの頃のプロジェクトマネージャーや教授は随分としんどい苦労をされていたのだなぁと反省するようになりました orz



Tuesday, July 31, 2018

データ解析、Google Data Studio あれこれ疑問を尋ねられるので。。。

BI ツールとしては新参の Google Data Studioはどうなのかとよく聞かれるので、色々と試用させていただいてます。実際の顧客のデータは見せれないので、個人データを使っていますが、なかなか良いのではというのは率直な感想。

BI ツールを長年使い倒したベテランには物足りないと思う部分もある(そういう感想の評価サイトにある)ようですが、
  • 「そもそも BI ツールって具体的にどんなことができるの?」とか
  • 「自社のデータを見るとどんなことがわかるの?」とか、
  • 「ダッシュボードって、うちの車のあれ?」
といった疑問に手軽に答えたり、本格的に BI ツールに投資する前に使ってみるのにもとてもいいのではと思いました。

GCP (Google Cloud Platform) にすでにデータがある場合は即座に使えるのも便利ですね。Google は他の Ads や API なども含めてドキュメントが充実していて使いやすい。Google Data Studio についていえば、グラフや表のローカライズが簡単にできるといいですね。


サンプルとして、3078 ホール (x 50 行) 分のデータを Big Query に入れています。つまり 171 ラウンド分、 1 ホールにつき 50 種類のデータがあります。

一番時間がかかるのが、紙 からのデジタル化。

大体のラウンドは、1ストローク毎に状況やクラブ選択や意図まで思い出せるのですが、めんどいので 2017 年以前は機械に自動的に推定させました。思い出す暇があれば練習した方がいいと思い。。




本来の BI としての例はこちらにもあります:
https://datastudio.google.com/gallery



そもそもなんでデータを集めて、分析したりグラフにしたり、MLアルゴリズムにつっこむのか? 色々理由はあるけれども、


[1] 成功/失敗などのパターンを発見できる 
LTVの高い顧客の発見とか、顧客の黄金獲得ルートの発見とか、ストック/オプションの売買や戦略の最適選択、損害を最小限に抑えるプレー戦略の発見、スコアメイクにクリティカルに効く練習項目の発見とか、大量(でなくてもいいこともある)のデータから、金の卵を掘り出すことができます。

実際は、金塊掘り、ドブさらいのようなプロセスなので、所有しているデータの中から見つからないこともあります。その場合は自社のサービスや製品の改善のヒントも隠れていることもあり、どんなデータをどのように取ってくればよいかを考えるよい機会になります。

[2] 技術(テクニック)や経験値の低さをカバーできる

30 年の業界経験や修行経験を持ち合わせていない、未経験者でも高いクォリティのサービスや成績を短期間で出せるようになります。極めるまではいかないでも、そこそこのレベルに到達する時間を短く(研修、修行期間の短縮)できる。

また、自動化できる仕事はどんどん機械に任せられるようになりつつあります。そうすることで、人間がより創造的な仕事に集中できます。
[3] 論理的な判断ができる
現場のカンや、感情やタテマエだけでなく、事実、数値にも基づいて経営判断などの decision making を行えます。個人的には、いちかばちかのカケよりも、窮地において期待値の高い戦略をとれるよう、100%感情に頼った判断を避けれるようにしたい。いずれは人間のようなクリエイティブな判断や思想を持つことが機械にも可能になるかもしれません。





Saturday, July 21, 2018

いつ留学するのがベストなのか




アメリカ理系大学院留学への準備の体験談」でも多少触れましたが、「いつ留学したらいいのでしょうか?」というご質問をいただくことがよくあります。

そもそも留学をする目的やプログラムによって答えは "It depends." ではあります。

ここでは大学院など、2 年 ~ 5 年、割と長くじっくり現地に滞在して勉強し、学位取得を目指す場合に限定します。

端的に言えば、「行きたい」、「勉強したい」と思ったら、すぐに行動を起こして行ってしまった方がいいだろうというのが今の僕の考えです。

特にSTEM系 (Science Technology Engineering Math) の勉強をするのであれば、大学4年生 (undergrad) を終わってすぐに Master などへ進学するのは、アメリカでも珍しくはありません。一旦会社で働いて社会経験を積んでから入学する人も大勢します。

僕が入学した当時 (2002年) は、感覚的に半々程度だったかと。

すぐに行った方がいいというのはいくつか理由があります:
  • 学術的なパフォーマンス
    • 数学、物理学などの知識は使わないとすぐに忘れてしまう。
    • スポーツ選手が練習をサボると途端に試合で活躍できなくなるのと同じ。
  • 拘束条件の発生
    • 年齢を経るにつれて、だんだん社会的な責任も多々発生し、拘束条件が年々増えてしまい、自由に自分の責任と判断で(しかも海外へ)勉強しに行くのが不自由になりやすい。
    • つまり、会社で部下を抱える、会社で大きな責任ある仕事を任せられる、家族ができる、子供ができる、親の介護が必要になる、などなど。
  • 体力
    • 若年の方が、寝ないで勉強するときなど、多少の無理がききやすい。
    • 英語などの外国語や、現地での文化習慣にも若い方が慣れやすいと思う。

といったのが理由です。