CAL1(Certified Agile Leader 1)の概要
結論(最初に要点)
Certified Agile Leader 1(CAL 1)は、Scrum Alliance が世界中で認定する16 時間の集中プログラムです。
受講と所定の演習を完了するだけで、アジャイル型の組織変革を牽引できる「アジャイル・リーダー」の公式バッジを取得でき、150 万人超のグローバルコミュニティに参加できます。
複雑・不確実な市場でも、チームの自律性と顧客価値創出を劇的に高めるリーダーシップの“第一歩”――それが CAL 1 です。  
⸻
1. CAL 1 の位置づけと目的
- 目的: 変化に強い組織文化を醸成し、ビジネス成果を最大化するためのリーダーシップ思考と実践スキルを身に付ける。
- 従来との違い: 2024 年のリファクタで Essentials/Teams/Organizations を統合した“ワンステップ”設計となり、受講者は単一コースで CAL バッジを取得可能。 
2. 対象者と前提条件
3. コース構造と主な学習モジュール(16 時間)
- 自己認識とリーダーシップモデル
- 複雑性科学と組織カルチャー診断
- チームエンパワメント & 心理的安全性
- アジャイル経営指標(ROI・リスク・価値ストリーム)
- 実践演習:ケーススタディとペアコーチング
- アクションプラン策定:自組織への適用ロードマップ
※対面/オンラインいずれも可、演習重視のワークショップ形式。  
4. 取得プロセスと修了要件
- Scrum Alliance 認定トレーナー(CST)または承認コーチによる CAL 1 コース受講(16 h)
- 全セッション参加+演習提出で自動的に認定(試験はなし)
- 修了後 2 年間有効のデジタル認定証と Scrum Alliance メンバーシップ付与 
5. 費用・開催形式の目安(2025 年上期)
- オンライン(日本語通訳あり含む) 12〜18 万円 日程は 2 日×8h など
- 対面(東京・大阪 等) 14〜22 万円 宿泊・会場コストにより変動
- ※実際の料金はトレーナー/時期で異なるため、各開催ページで確認推奨。 
6. 更新・継続学習(Renewal)
- 有効期間:2 年
- 更新条件:
- Scrum Education Units(SEU)10 単位取得
- 更新料 US$50 支払い
- コミュニティイベントや上位資格(CAL 2 など)の受講で SEU を充当可能
7. 次のステップ:CAL 2 への発展
- CAL 2 は実践ポートフォリオとメンタリングで構成される上級資格。
- CAL 1 が前提条件であり、組織全体の変革事例を提出してバッジを取得する。 
8. まとめ
CAL 1 は「変化をリードできる人」を最短 2 日で公式に証明し、コミュニティと学習の扉を開く投資対効果の高い資格。組織変革のファーストステップとして、経営層から現場リーダーまで幅広く推奨されます。
Codex CLIでのログインエラー
Codex CLIでのログインエラーとSSL証明書問題の原因・対処
エラーの概要と発生状況
OpenAIのCodex CLIでcodex loginを実行し、ブラウザでの認証を完了するとCLI側に以下のエラーが表示
Error response Error code: 500 Message: Token exchange failed: <urlopen error [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed: unable to get local issuer certificate (_ssl.c:1028)>. Error code explanation: 500 - Server got itself in trouble.
各所でDeep Researchで原因と対処を検索
現状のPythonの状態
$ which python /Users/username/.pyenv/shims/python $ pyenv versions $ pyenv version # どのバージョンが有効か
とりあえずバージョンを上げる
$ pyenv install 3.13.2 # 全体で使うなら $ pyenv global 3.13.2 # そのシェルだけ一時的に使うなら $ pyenv shell 3.13.2 $ pyenv rehash $ python -V # => Python 3.13.2 $ pyenv which python # 3.13.2 配下を指すこと
CAバンドルを最新化(requests用)
$ python -m pip install --upgrade pip certifi requests
# Pythonがどの証明書束を使うか確認
$ python - <<'PY'
import ssl, certifi
print("certifi:", certifi.where())
print(ssl.get_default_verify_paths())
PY
証明書の参照先を明示
プロキシ無しなら certifi を明示するのが安定らしい
export REQUESTS_CA_BUNDLE=$(python -c "import certifi; print(certifi.where())") export SSL_CERT_FILE="$REQUESTS_CA_BUNDLE"
再ログイン
# 可能ならCLIも更新&キャッシュ削除 $ npm -g update @openai/codex $ rm -rf ~/.codex $ codex login
アジャイルの旅
スクラムマスター
外資系企業の開発チームでスクラムマスターになったきっかけから、 アジャイルコーチやスクラムマスターのような仕事をしています。
資格はアドバンスド認定スクラムマスター(Advanced Certified ScrumMaster)を取得して、 来月はさらに上位のCertified Scrum Professional® ScrumMasterの取得を目指しています。
界隈で使用されているチームコラボレーションツールとしてMiroを知りました。 思考を可視化できるものホワイトボードとして個人でもかなりお気に入りです。
生成AI
2023年2月14日からOpenAIを使って日常的に会話し様々なアイディアや問題解決のための壁打ちに活用しています。生成AIを使うことで即座にフィードバックを得ることができ、思考プロセスを加速させています。
- OpenAI: 課金しており、プランはPlusからTeamsに変更しました。
- Copilot: 主に会社のアカウントで使用し、履歴が残らない設定でセキュリティを保ちながら利用しています。
- Claude: 使用はしていませんが、Geminiとともに将来的な活用を検討中です。
- Gemini: Google製で、無料試用期間にAdvanceプランを試しましたが、現段階ではOpenAIの方が優れていると感じています。
- Command R+: 最近知り、テストを始めたばかりです。
エンジニアリング
CICDの導入とQAエンジニアリングに焦点を当てつつ、テスト設計の作業にも取り組んでいます。 また、ツールの連携や必要に応じて簡単なスクリプトの作成も行っておりこれによって業務の効率化を図っています。
ICに戻れるだろうか
最近は、PMO(Project Management Office)、EM(Engineering Manager)、Tech Leadの立ち位置にいる。
組織の発足当初からいる人員としては人数が少なく、エンジニアとして営業にも参加していたが 後から人数が増えてエンジニアリングを任せるようになり自分はマネジメントをするという流れになっている。
アドバイス程度やメンバーの弱い箇所を埋めたりで手を動かしているが本格的にIC(Individual Contributor)に戻れるだろうか。 性格上は周りをサポートする人間性だとは思うのだけど、それだけだと自分がつまらなくなってしまうし時間が限られる。
割り切る必要がありそうだが難しい選択だ。
今できることを上手いように利用する。 技術選定はある程度裁量があるので実務経験として扱いたい技術を使うのはありだ。他の仕事をしながら勉強しながら大変だけど。
DjangoのWebページをframeで読み込む方法
Djangoのデフォルトの設定では、他ブラウザーからで読む込むことができない。(クリックジャッキング対策)
結論
setting.pyでProjectにX_FRAME_OPTIONSを設定views.pyでmethod毎にX_FRAME_OPTIONSを除外する
setting.py
X_FRAME_OPTIONS = 'SAMEORIGIN'
views.py
from django.http import HttpResponse from django.views.decorators.clickjacking import xframe_options_exempt // add @xframe_options_exempt // add def ok_to_load_in_a_frame(request): return HttpResponse("This page is safe to load in a frame on any site.")
X-Frame-Options
データ分析や機械学習を少し勉強してみて
最近はCNNやDjangoでアプリを作っていた 機械学習のキャッチアップはやりたいことを絞った方がいい たくさんのライブラリがあるものの、中身の数学や理論を学ぶとなると範囲と量が多すぎる
Pythonでやるならライブラリをさっくり学ぶ
- Numpy
- Pythonで学術計算をするためのライブラリ
- ndarray
- 行列処理
- Pandas
- 表にしたり簡単にデータ処理したり
- データ操作のための高速で効率的なデータフレーム (DataFrame) オブジェクトを扱う
- Matplotlib
- グラフツール
- 物足りなくなってきたらSeaborn
- グラフツール
- Scikit-learn
- Pillow
- 画像処理
- OpenCVを使うこともある
ディープラーニングのライブラリ
- TensorFlow
- Keras
- 実装が楽になる
- Chainer
- 日本製
TensorFlowやKerasの情報が多いような気がする PytorchやMicrosoft Cognitive Toolkitなどもあるけど現場や今後の流れで何を使うか
