InnoDBをチューニングする際に、真っ先に確認するものといえばInnoDBバッファプールがあります。これは頻繁にアクセスされたテーブルデータやインデックスデータをキャッシュし、リクエストを高速に処理するための重要な機構です。基本的にはバッファプールは大きな値を設定するようにガイドされています。データサイズがすべてバッファプールサイズに収まるように設定すると安定したサービスの提供が可能です。 バッファプールサイズよりもデータサイズが大きい場合は、ディスクへのアクセスが頻発して運用しているサービスに影響があることもあります。しかし、サービスが頻繁にアクセスするデータは決まっていて（過去のデータにはほとんどアクセスしない⁠）⁠、そのデータがすべてバッファプール上にあるために問題なくサービスを運用できることもあります。このように、サービスの特性によるワーキングセットが重要になります。 今回は、バ

The faster you unlearn OOP, the better for you and your softwareNovember 20, 2018 Object-oriented programming is an exceptionally bad idea which could only have originated in California. — Edsger W. Dijkstra Maybe it's just my experience, but Object-Oriented Programming seems like a default, most common paradigm of software engineering. The one typically thought to students, featured in online mat

Googleが新しいGoogleドキュメント作成用に「.new ドメイン」を取得したと発表しています。詳細は以下から。 Googleは現地時間2018年10月26日、同社が提供するオンライン・オフィススイートGoogle ドキュメントの「Docs」や「Sheets」、「Slides」、「Sites」、「Forms」の新規ドキュメントをすばやく＆簡単に作成できる新しいドメインを公開しています。 Introducing a ✨ .new ✨ time-saving trick for users. Type any of these .new domains to instantly create Docs, Sheets, Slides, Sites or Forms ↓ pic.twitter.com/erMTHOsdyH — Google Docs (@googledocs) 2018年

本日コーポレートサイトでお知らせした通り、Web版のメルカリにおいて一部のお客さまの個人情報が他者から閲覧できる状態になっていたことが判明しました。原因はすでに判明して修正が完了しております。また、個人情報を閲覧された可能性のあるお客さまには、メルカリ事務局より、メルカリ内の個別メッセージにてご連絡させていただきました。 お客さまの大切な個人情報をお預かりしているにも関わらず、このような事態に至り、深くお詫びを申し上げます。 本エントリでは技術的観点から詳細をお伝えさせていただきます。 2017年6月27日　CDNのキャッシュの動作について、CDNプロバイダと仕様について確認し検証を行いました。その結果一部記述に実際と異なる箇所があり、加筆修正いたしました。 概要 メルカリWeb版のコンテンツキャッシュをしているCDNのプロバイダ切り替えを行いました。 その際本来キャッシュされるべきでない

scikit-learnのアルゴリズム・チートシートで紹介されている手法を全て実装し、解説してみました。 注釈 本記事シリーズの内容は、さらに丁寧に記載を加え、書籍「AIエンジニアを目指す人のための機械学習入門 実装しながらアルゴリズムの流れを学ぶ」 として、出版いたしました。 概要 scikit-learn アルゴリズム・チートシート 【対象者】機械学習を使用したい方、初心者向けの機械学習本を読んで少し実装してみた方 scikit-learnの説明は英語で分かりにくいし、実装例もシンプルでなくて、よく分からんという方 【得られるもの】模擬データを用いて、各手法を使用したミニマム・シンプルなプログラムが実装できるようになります。 アルゴリズムの詳細な数式は理解できませんが、だいたい何をやりたいのか、意図と心、エッセンスが分かります。 アルゴリズムマップの手法をひとつずつ実装・解説します。

4年ぶりにSEXをした。 Tinderでマッチした韓国人。韓国人らしい穏やかな顔立ちと、30代独身らしいおしゃれに周到した服とか髪とかチャリとか。彼の持ち物全てが彼に愛されてるような気がした。今となってはクソ食ってみんかい！と思うが、それを目の当たりにした時、私は彼の持ち物になりたいと思った。 彼はいつも同じ服を着るという、どこかの実業家みたいなポリシーを持っているらしく、休日だった今日にまとめて洗濯したであろう大量の黒いTシャツと黒いパンツが、定期的に劇落ちくんで磨き掃除をしているのかと思わせるほどに輝いた室内干しスタンドに綺麗に並んでいた。それを恥ずかしいと言いながらも丁寧に片付けている彼を見て、けん制。結構な時間をかけて服の片付けを終えると、埃のない綺麗な床をコロコロで掃除し始めたから、やっぱりこいつは潔癖症だというところで落ち着いた。私は潔癖ではなく、むしろガサツで、どうにか彼をイ

Julia ときどき R, Python によるコンピュータプログラム，コンピュータ・サイエンス，統計学 奥村先生の，学力テストの主成分分析のバイプロット https://www.scoopnest.com/ja/user/h_okumura/903961406004805632- に対して， Taylor さんから， > すごい。この図を一目見ただけで、視覚的に(←重要)とても多くのことが分かるってのはまさに主成分分析の威力か。あえて言うなら、第１軸、第２軸の寄与率が多少気になるところ。 というコメントがあってですね。 寄与率は > d = read.csv("atest2017.csv")[,-1] > rownames(d) = c("北海道", "青森", "岩手", "宮城", "秋田", + "山形", "福島", "茨城", "栃木", "群馬", + "埼玉", "千葉",

ディープラーニングは特定分野で非常に高い精度が出せることもあり、その応用範囲はどんどん広がっています。 しかし、そんなディープラーニングにも弱点はあります。その中でも大きい問題点が、「何を根拠に判断しているかよくわからない」ということです。 ディープラーニングは、学習の過程でデータ内の特徴それ自体を学習するのが得意という特性があります。これにより「人が特徴を抽出する必要がない」と言われたりもしますが、逆に言えばどんな特徴を抽出するかはネットワーク任せということです。抽出された特徴はその名の通りディープなネットワークの中の重みに潜在しており、そこから学習された「何か」を人間が理解可能な形で取り出すというのは至難の業です。 例題：このネットワークが何を根拠に猫を猫として判断しているか、ネットワークの重みを可視化した上図から答えよ(制限時間:3分) image from CS231n Visua

8月は異様に忙しく、ブログの更新を怠っていた。月も変わったことだし、ここからまた更新ペースを上げていこうと思う。 更新しないでいる間にやや古い話題となってしまったが、はてな元CTOである伊藤直也氏の不倫騒動というのがあった。 不貞相手の女性であるA氏が伊藤氏に対しての怨恨からか、自らのブログで不貞関係を詳細に、画像付きで暴露したことに端を発した騒動だ。 相手女性A氏のブログは、現在は非公開になっているようだが、伊藤氏自身による釈明ブログは現在も公開されている。 d.hatena.ne.jp 弁護士であり、日頃から不貞に絡む紛争を多数扱っている私は、このブログを読んで、「あるあるだなあ」「不貞男が相手女性から恨まれる典型的なパターンだなあ」という感想を持った。 以下、伊藤氏ブログの記述を引用しながら、不貞カップルにありがちなパターンを示していきたい。 1. 精神的に不安定な当事者が不貞関係に