サイバーセキュリティ情報インプット集 第1.0版 - Qiita
定期的に更新・追加していきます。 セキュリティガイドライン、フレームワーク集 サイバーセキュリティガイドラインやフレームワーク等を参照することは、自組織でのセキュリティステータスを把握し、実際にセキュリティ施策を打つうえで非常に重要となります。 ただ、これらの文書の要件を満たすような施策を実施するためには、 1. 自組織が適用（組織・技術的に対策）したい各種ガイドラインやフレームワーク等を選定する 2. これら文書における抽象的な要件を具体的な要件へ落とし込む 3. 具体的な要件を満たすために最適なセキュリティ策を実施する のような流れを踏む必要があります。 2、3についてはセキュリティ策や技術動向に精通したセキュリティ専門家による対応が求められますが、1については自組織が目指す目的に依存するため専門家の手を借りずともある程度は対応することができます。 また、業界や技術等の軸で存在感のある
中国の出生数が「7年間で半分」に急減 その根底にある根深い「不信感」とは 次世代中国
中国の昨年2023年の出生人口は902万人。今世紀以降のピークだった2016年の1786万人から、わずか7年間で約半分に減った。 この事実が与える影響は甚大だ。中国社会ではこれから数十年かけて幼稚園から小・中学校、高校・大学への進学、新卒就職、結婚・出産など、人の生活にかかわる、さまざまなイベントが順番に「7年で半分」のペースで縮小していくことになる。 出生数急減の背景には、出産や子育て、進学などの費用の高さに加え、子供を育てやすい社会・労働環境の不足などの問題がある。しかし、それ以上に大きいのは、政府の人口政策に対する庶民の不信感だ。ついこの間まで非人道的と思われるまでの措置を講じて子供の数を減らしてきたのに、いつの間にか「出生数の減少は国家的危機」と、多産奨励の方向に転じた。国策としての「計画生育」は破綻したのに、政策の過ちを認める様子もない。過去に泣く泣く出産を断念した親たちの思いは
高校生が1カ月で英単語を2400覚えた方法 覚える＆戻って復習で効果的に学習｜高校生新聞オンライン｜高校生活と進路選択を応援するお役立ちメディア
私は1カ月で英単語を2400語覚えました。途方もない数のように思えるかもしれませんが、効果的な暗記法に取り組むことで、確実にインプットできました。（高校生記者・はな=2年） 例文を読み上げ覚えてるかチェック 私が使っていた単語帳は『出る順で最短合格！ 英検準1級単熟語EX』（ジャパンタイムズ出版）です。全体が20のユニットに分かれていて、ひとつのユニットに120単語ほど載っています。かなりの量の単語と熟語が1冊で学べるのですごくおすすめです。 左ページに単語と意味、右ページに例文と和訳が載っていて、意味と和訳は赤シートで隠せる仕様です。 まず1ユニット分の単語を暗記したら、そのまま次のユニットに進みます。暗記したら、ひとつ前のユニットに戻り、例文を読み上げながら復習します。人間の脳は、何もしないと覚えたことをどんどん忘れていってしまいます。必ず前に戻って復習してから次に進むことが大切です。
もっと調べる技術 国会図書館秘伝のレファレンス・チップス2 | 皓星社（こうせいしゃ） 図書出版とデータベース
本書の使い方 第1講 NDLデジタルコレクションは国会図書館のDXである 第2講 国会図書館にない本を探す法 第3講 リニューアルされたNDL サーチを使ってみる 第4講 デジコレの2022 年末リニューアルをチェック！ ファミリーヒストリー編 第5講 デジコレの2022 年末リニューアルをチェック！ 官報編 第6講 ネット上で確からしい人物情報を探すワザ 現代人編 第7講 推し活！ アイドルを調べる 第8講 小さなお店の歴史を調べる ある模型店を事例とした生活史 第9講 分類記号（NDC）を使って戦前の未知文献を見つける 第10講 予算無限大の理想のコレクションから、現役のレファ本を見つけるワザ 第11講 洋書はCiNii。それって常識？ 出たはずの本を見つける 第12講 風俗本（成人向け図書）を調べるには 国会図書館の蔵書を中心に 第13講 「ナウい」言葉が死語になる時 第14講 言葉
【2024年版】WSL2+Ubuntu24.04+Docker＋GPUでつくる機械学習環境
はじめに WSL2（Windows Subsystem for Linux 2）は、Microsoft Windows上でLinuxカーネルを直接実行できるようにする機能です。 この記事ではWSL2環境にDockerを導入しGPUを用いた機械学習環境を構築する手順を紹介します。 構築イメージは以下の図の通りです。NvidiaGPUを搭載したマシンにWSL2環境を構築します。Dockerを用いてコンテナを用意し、CUDAは各コンテナ内のCUDA Toolkitを用いて利用します。 今回開発するPCのスペックは以下の通りです。 Windows 11 Windows version: 22H2 GPU：NVIDIA Geforce RTX 3060 12GB 設定 1. WSL2を有効化 デフォルトではWSL2環境が無効化されている可能性があるので、始めに有効化しておきましょう。 「コントロール
人類は気づいていた。この勉強の仕方が1番早いということを。 - Qiita
はじめに 多くの勉強方法を試してきて、最後にたどり着いたのが問題駆動プログラミング法という学習方法でした 世の中では独学大全という本がベストセラーになるなど、学習内容ではなく、「勉強方法」を学びたいという人はとても増えています。 せっかく勉強するなら効率よくやりたいと考えるのは当たり前のことです。 成果を出したいならその分野の努力の仕方を学ぶのが１番効率的で賢い それは誰もが理解していることだと思います。 「では、プログラミングの勉強の仕方を学んだことはありますか？」 おそらく多くの人が自分なりに勉強をしていると思います。 なぜかというと勉強方法などの経験的な記事を書こうとすると「考え」を書くことになるため記事を書くのがとても大変でなかなか世の中には「これをやれば確実」という勉強方法を紹介している記事は少ないです。 これはエンジニアが基本的に「技術」を発信することが多くなるので仕方がないと
Javaで最低限おさえておいてほしいクラス・インタフェース35 - 2024年版 - きしだのHatena
ま、このくらい知っておいてもらわないと&とりあえずこんだけ知ってればだいたいの処理が書けるクラス・インタフェースをまとめてみました。2024年版。 詳しく知りたい人は「プロになるJava」を！ java.lang.Class java.lang.Exception <- new java.lang.Integer java.lang.Object <- new java.lang.Runnable java.lang.String java.lang.System java.lang.Thread java.nio.file.Files <- new java.nio.file.Path <- new java.io.InputStream java.io.InputStreamReader java.io.BufferedReader java.io.OutputStream java.
whisper、whisper.cpp、faster-whisperの比較
現状のwhisper、whisper.cpp、faster-whiperを比較してみたいと思います。 openai/whisperに、2022年12月にlarge-v2モデルが追加されたり、色々バージョンアップしていたりと公開からいろいろと進化しているようです。 CPU向けにC/C++で書かれたバージョンです。Core ML supportだそうですので、Mac向け感が強いです。 CTranslate2でWhisperモデルの書き直して、オリジナルと同等の精度で4倍速く、メモリ使用量も少ないそうです。 以降、すべてGoogle Colabで実行しています。 サンプルは、アナウンスの音声（WAV）の場合(48秒)を試しました。 結果 faster-whisperのGPUは噂通り爆速でした。 本家whisperはCPUが速いです。GPUでも初期に比べて85.62s → 23.9sに高速化してま
100人以上の資料を読んで見つけた伝わりやすい成果報告書の書き方 - CARTA TECH BLOG
TL;DR 自身の成果をアピールするために、1)Before/After、2)自分の寄与度、3)数字的インパクトを過不足なく伝えることが重要 説明の冒頭では、課題と解法の全体感と成果を述べ、詳細は後に肉付けすると伝わりやすい 課題を伝える際は"誰から見た課題か"を明確にする。課題は解法の前提であるためブレないように はじめに 技術広報のしゅーぞーです。この記事では、過去100人分程度の成果報告書を読み、気付いた "自分の成果をわかりやすく伝える書き方"をまとめています。 仕事をしていると自身の成果を的確に伝える機会は数多くありますよね。 評価期、転職面接、昇格面談など 評価者に自分の成果をどう分かりやすく伝えるか は自分のキャリアを伸ばす上でとても大事なスキルです。 しかし、自分の頑張りや成果を上手く言語化し、相手に正しく理解してもらうのは簡単ではありません。 特に、経験の浅い若手にとって
Kubernetesクラスターを「クラウド↔自宅ネットワーク」間で作る（Tailscale編） - Qiita
はじめに 「Kubernetesクラスターを異なるプライベートネットワーク間で構築」するのが目標。 以前に試行錯誤して実現した記事を以下のように書いたのだが、手順が非常に面倒臭い課題があった... Kubernetesクラスターを「クラウド↔自宅ネットワーク」間で作る（前編） Kubernetesクラスターを「クラウド↔自宅ネットワーク」間で作る（後編） そんな中、最近Tailscaleという端末間でVPN接続してくれるサービスがあることを知り、「これを使ったらもっと簡単にできるんじゃない！？」と思って試してみた内容をまとめる。 クラスターに追加したいノードの情報 Control Plane(Master)にしたいマシン OS : Debian GNU/Linux 10 (buster) 所属するネットワーク 自宅 プライベートIP : 192.168.1.4/24 Workerにしたいマ
賃金と物価の好循環の幻想 ～実質賃金プラスのみで個人消費の活性化は困難～ | 永濱 利廣 | 第一生命経済研究所
経済分析レポート 日本、米国、欧州、アジア、新興国経済に関する様々な分析レポート 経済指標レポート 世界各国の経済指標に関するタイムリーな情報、解説レポート 経済見通しレポート 日本、米国、欧州、アジア経済に関する今後の見通しレポート 金融市場レポート 株価・金利・為替マーケットおよび金融政策に関するレポート ライフデザインレポート 主に生活に関連した研究レポート、調査結果のプレスリリース 第一生命経済研レポート 経済・金融市場に加え,様々な話題を取り上げた月次レポート ビジネス環境レポート 労働、環境、技術、外交などビジネス・社会環境に関する研究レポート 1分でわかるトレンド解説 注目のトレンドワードについて、わかりやすく1分で解説したレポート
GASでスプレッドシートにズンドコキヨシを出力する - Qiita
ここ数日、「ズンドコキヨシ」の投稿が何件かあったので、 休憩がてらに作成してみました。 ズンドコキヨシをLINQでゴリ押してみる 1行で書く『「ズン」「ドコ」のいずれかをランダムで出力し続けて「ズン」「ズン」「ズン」「ズン」「ドコ」の配列が出たら「キ・ヨ・シ！」って出力した後終了』 元ネタはこちら Javaの講義、試験が「自作関数を作り記述しなさい」って問題だったから 「ズン」「ドコ」のいずれかをランダムで出力し続けて「ズン」「ズン」「ズン」「ズン」「ドコ」の配列が出たら「キ・ヨ・シ！」って出力した後終了って関数作ったら満点で単位貰ってた — てくも (@kumiromilk) 2016年3月9日 実行結果 実装 function doKiyoshi() { //キヨシ定数 const kiyoshi = "KI・YO・SHI !!"; //ズンドコ定数配列 const zundoko =
Comparing Meilisearch and Manticore Search Using Key Benchmarks | HackerNoon
Too Long; Didn't ReadSearch engines play an increasingly crucial role in powering search functionalities across various platforms. Choosing the right search engine for your project requires a thorough understanding of their performance, use cases, and limitations. This article aims to provide a comparison of Meilisearch and Manticore Search, focusing on their feature set and data ingestion.
進化的アルゴリズムをもちいたChatVector加算の最適化｜はち
はじめにこれまで何度かChatVectorやそれに類することを施行してきましたが、元のモデル+ChatVectorの加算はいつも1:1で実施してきました。それでもある程度上手くいっていましたが、この加算比率をSakanaAIのEvoLLMのように最適化するということができるらしいです。 ただ、調べた限りコードが落ちていなかったので自分なりに調べて試してみたというのが本記事の内容になります。 1. ライブラリの準備とりあえずGoogle Colabで試しました。 進化的アルゴリズムを使用するために、optunaとcmaesをinstallします。 （その他はLLMを動かす用） !pip install optuna cmaes openai !pip install -U accelerate transformers !pip install torch datasets2. モデルとCh
プロダクトマネジメントクライテリア
プロダクトマネジメントを体系化したクライテリアです。企業がプロダクトを成功に導くために必要な要素を多角的かつ具体的に記載してあります。対象はプロダクトマネージャー個人ではなくプロダクトを取り巻くチームとし、プロダクトマネジメント全体をスコープにしています。
「時間をかけて勉強→すぐに忘れる」虚無学習から卒業できる。効率のよい学び方4選 | ライフハッカー・ジャパン
PayPayカードのメリット・デメリット|怖いと言われる理由と評判レビュー。ゴールドと一般どっちがおすすめ?
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
How to Route an Incoming URL to a Rack Application in Rails
｢井戸掘ったらアフリカ人に『水汲みの時間だけが労働から開放されていたのに！』って怒られた｣ という話は日本でも実は起きているんじゃないか
Dockerに疲れた人のためのLXDではじめるシステムコンテナ入門
｢自炊は節約のための道具じゃねぇ！｣コスパ度外視、見栄え無視の最強自炊飯No.1を決める戦いがXで大流行、関連バズツイートまとめ
