結城浩の「コミュニケーションの心がけ」2019年7月30日 Vol.383目次・能力の低さにイライラしてしまう - 仕事の心がけ ・小説執筆に憧れているがストーリーが思いつかない - 文章を書く心がけ ・学ぶことのモチベーション - 学ぶときの心がけ ・動機付けの多様性 - 教えるときの心がけ ・心の機微を理解したい - コミュニケーションの心がけ はじめに結城浩です。 いつもご愛読ありがとうございます。 ＊　＊　＊ 映画『天気の子』の話（ネタバレなし）。先日、彼女（妻）と二人で映画『天気の子』を観てきました。 三年前『君の名は。』も彼女と二人で観ましたので、あれから三年も経ったんだなあとしみじみ感じながら、新海誠監督の美しい画面と、RADWIMPSの音楽を堪能してきましたよ。 私たちが観たのはシネコンの中でも小さなスクリーンでしたが、スクリーンの大きさはまったく気にならず楽しめましたね。

Anaconda には conda コマンドがインストールされており、パッケージのインストールや、実行環境の作成・切り替えなどを行います。Anacondaの実行環境は Anaconda-Navigator でも操作できますが、ここでは conda コマンドの使い方を紹介します。 Conda環境¶ Conda環境は独立したPythonの実行環境で、他の環境に影響を与えずにPythonのバージョンを用途によって切り替えたり、パッケージをインストールしたりできます。 Conda環境は、conda activate コマンドで利用を開始します。環境名を指定せずに conda activate コマンドを実行すると、デフォルトのConda環境である base 環境が有効になります。

多くの方がいつも頭のどこかで考えているキャリアのこと。時間のあるGW中に、あらためて自分のこれまで・これからの仕事について、見直そうと考えている方もいるのではないでしょうか。そこで今回はログミーTechが2022年現在までに掲載した記事の中で、キャリアに関連したおすすめ記事を5つピックアップしました。 GWにまとめ読みしたいキャリア記事（1）： 「誰かより優秀であるために、ここに入ったんだっけ？」 入社1～2年目のエンジニアに聴く研修と配属後のリアル 「DeNA TechCon 2021 Winter」は、学生に向けて、DeNAを軸に「エンジニアとして企業で働くこと」について、先輩たちが紹介するイベントです。そこで、2人の入社1～2年目のエンジニアが、研修と配属後にどのような経験を積んできたかを赤裸々に語りました。 新卒1年目、2年目のお2人が、モチベーショングラフをもとに研修・配属後の自

はじめに 最近Kubernetesを習得するにあたり、クラウドネイティブ自体の理解度が不足していると感じたため体系的に学習しました。 今回学んだこと忘れず実務で必要になった時に参照できるよう、記事にまとめました。 クラウドネイティブとは 単にAWS等のクラウドサービスを利用すること = クラウドネイティブと認識していたが、少し違っていた。 正しくは、クラウドサービスの利点を徹底的に活用することで、アプリ開発とリリースを迅速・柔軟に行うことを意味している。クラウド利用は手段であり、昨今ニーズの高まってきた高速開発が目的にあるといえる。 つまり、単にクラウドサービスツールを使うだけではなく、組織文化や開発プロセスも含めて迅速・柔軟性を持たせることでクラウドネイティブが実現できる。 CNCFではクラウドネイティブ技術の代表例として以下を挙げている。 コンテナ マイクロサービス サービスメッシュ

インフラエンジニアBooks 30分でわかる「Dockerコンテナ開発・環境構築の基本」登壇資料です。

TL; DRCloud Run にバッチ処理などを実行するのに便利な機能「Cloud Run jobs」が追加されました。従来の Cloud Run と違い、HTTP リクエストに依らず、任意のタイミングでコンテナ(Task)を実行可能で、より長時間の実行、 明示的な並列処理を行うことが可能です。 Cloud Run jobs とはCloud Run jobs とは Cloud Run で、バッチ処理などを行うための機能です。Cloud Run の第二世代の実行環境で動作し、「CPU を常に割り当てる」が適用されます。 従来の Cloud Run との違いは以下の通りです。 HTTP リクエストに依らない実行より長時間の実行 ( 複数の Task を組み合わせることにより 60 分以上の実行を実現 )明示的な並列処理注意: 2022 年 5 月 13 日現在、Cloud Run jobs

HashiCorp社が提供するTerraformは、マルチクラウド上のコンピュータやネットワークの構築を自動化する、エンジニアにとても人気のあるツールです。 Terraformをご存じなかった方にも、その「成り立ち」と「何を目指しているのか」についてご理解いただけるよう、今回は「5分で分かるTerraform（Infrastructure as Code※1）」と題した記事を日本語訳してお届けします。著者のMehdi ZedはモントリオールでDevOpsバックエンド開発に携わっており、DevOpsについてSNSで積極的に発信しています。その発信内容は非常に分かりやすく、今回の記事についても本人の了解を得て日本語化しました。 ※1 インフラの構築・運用に関わる作業をコード化、自動化するアプローチ。設定変更作業をコードで管理することで手作業による間違いを防ぎ、設定変更を履歴として管理できる。ま

Infrastructure as data in PostgreSQLInspect and provision cloud infrastructure via a PostgreSQL database Get started How IaSQL worksIaSQL is an open-source developer tool that maintains a 2-way connection between your AWS account and a PostgreSQL database. The rows in the database tables represent the infrastructure in your cloud account.

近年、最新技術を用いた華々しいデータ活用が注目される一方で、データ活用のための基本的かつ重要な技術である「データモデリング」について、その重要性が再認識されつつある。 本稿では、DWHをとりまく歴史を踏まえ、様々なデータモデリング技法を紹介する。 目次なぜ今、データモデリングに注目すべきなのかDWHの誕生と発展に貢献した二人の偉大なアーキテクトクラウドDWH時代の最新データモデリングDX時代にデータを使いこなすためになぜ今、データモデリングに注目すべきなのかAIやBI、データドリブン、データ民主化、DX、デジタルサクセス。データ活用業界には様々なトレンドが渦巻いています。しかし、これらの根本を支える技術として、不変のものもあります。リレーショナルモデルとSQLです。 NoSQLやデータレイクの流行によって隅に追いやられていた時代もありましたが、データを分かりやすく扱う上で未だにリレーショナ

【Core Web Vitals】Webパフォーマンスを改善するなら、まずは重要な指標について理解しようフロントエンドパフォーマンスCoreWebVitals パフォーマンス改善について連載します！ QiitaにてWebパフォーマンスの改善に取り組み始めました！ そこで、パフォーマンス改善をするためにどんな観点で分析をして、どのように改善をしようとしているかを記事にまとめてみようと思います。 ただ、パフォーマンス改善と言っても、関連する領域が広く、とても1記事にまとめられないので、複数記事に分けて連載していくことにしました。 今想定しているのは以下ですが、分量によっては記事がさらに分割されてしまうかもしれません。 シリーズ内容 (予定) Core Web Vitals/指標について 【←これ】 Lighthouse CI + Datadogを使ってパフォーマンスを継続的に計測する - Qi

まずV8は普段自分たちが書いたコードをいくつかのスレッド上で実行するっぽい。 1つはソースコードを取ってきてそれを実行するやつ。それ以外に最適化を行うためのスレッド、プロファイラ、GCなどがあるようだ。 この最適化というのが今回調べたいJITってやつ。 そもそもインタプリタとの差を把握したい。 今の自分の把握の中では、インタプリタは逐次実行をするもの、JITは実行よりも前の段階でコンパイルをしてコンパイル済みのコードを実行すると言った差があるように思える。 このため一般的にはJITが効いたものの方がパフォーマンスが良いとされており、V8もインタプリタで実行するのではなくJITをベースに実行して行っているっぽい

こんにちは、今年の1月に会員事業部から技術部データ基盤グループへ異動した佐藤です。先日、京まふ2019前夜祭イベントに参加するために人生で初めてピカピカ光る棒を買いました。 新卒で入社してから2年ほど分析作業をしていた身から、データ活用基盤を作る側へ立場を変えました。今回は新たに身を移したデータ活用基盤の外観を説明したいと思います。 2017年にも同内容の記事が投稿されていますので、当時との違いを中心に説明していきます。 外観図 以下が2019年10月現在におけるクックパッドのデータ活用基盤の全体像です。 クックパッドのDWH外観図 masterデータのインポートがMySQL以外にも複数種対応し始めたことと、PrismとSpectrum（S3＋Glue）周りと、Tableau Serverが大きな変更点となっています。2017年の図にDmemoはありませんでしたが、記事本文にある通り当時か

こんにちは。クックパッドでエンジニアをしている @morishin です。Bdash Server というデータ分析 SQL を共有するアプリケーションを作って社内で使い始めたのでその紹介をします。 クックパッドのサービス開発は「仮説を立てる」→「作ってリリース」→「効果検証」の繰り返しで進んでいます。ここで言う効果検証というのは作ったサービスが狙い通りの使われ方をし、ユーザーに価値を提供できているかどうかの確認のことです。その手段は複数あり、実際に使っていただいたユーザーさんにインタビューをさせていただく場合もあればアプリケーションから送信されたアクセスログ等を分析することで評価する場合もあります。この記事では後者の定量分析を効率化するためのツールを作った話をします。 アプリの概要 まずはアプリの機能を紹介します。Bdash Server は、Bdash という同僚 (@hokaccha

PHPerKaigi 2022 スポンサーセッションのスライドです。 https://fortee.jp/phperkaigi-2022/proposal/5a260e4e-542d-4d82-849d-ef3d6cb7c854

はじめに 主に、機械学習をやろうと思い、google colab からまずは始めてみよう、と思った人向けに、ちょっとした tips や例題を紹介しておきたい。著者は宇宙天文分野なので、少し宇宙寄りな tips も書き留めておきます。 宇宙天文学に限らないと思いますが、特に最近は機械学習を捉えるときに、deep な neural net だけ知っていれば良い場合はほとんどなく、古典的なデータ解析や基礎的な手法から現状の機械学習の限界まで幅広く見渡せる視野の広さが大切になってきてる気がします。 その意味で、基礎技術(この記事はtensorflowの基礎に終始しますが基礎も大切という意味)の習得も大事にしつつ、高い視点、遠い未来を想像できる力もつけておくとよいはずです。 参考資料とか 特筆して紹介するまでもないとは思いますが、 物理と機械学習の関係については、「ディープラーニングと物理学　オンラ

Recommendations The journey to build an explainable AI-driven recommendation system to help scale sales efficiency across LinkedIn Authored byJilei Yang Staff Software Engineer, Machine Learning at LinkedIn | PhD in Statistics April 6, 2022 Co-authors: Jilei Yang, Parvez Ahammmad, Fangfang Tan, Rodrigo Aramayo, Suvendu Jena, Jessica Li At LinkedIn, we have the opportunity to work with many differe