RedisとElastiCacheを分かりやすくまとめてみた - Qiita
はじめに 今までなぁなぁにしてきたRedisをいまさらながらに勉強してまとめました。 Redisって聞いたことあるけど中身はよく知らないとか、プロジェクトでなんとなく使っているけど実はよく分かっていないなどの人向けのページです。 NoSQL Redisの前にまずはNoSQLから。 背景 ビッグデータの登場により、従来のRDBだけでは充分な処理ができなくなってきたことがNoSQL登場の背景にある。 ビッグデータの定義は色々ありますが、ここでは3V(Volume/Velocity/Variety)を満たすものをビッグデータと呼びます。 VolumeとVelocityの問題を解決するためにNoSQLが必要 Volume(大量データ)とVelocity(秒単位で大量データ)に関する問題を対処する場合、スケールアップ(メモリ増加、コア数増加、SSD化)とスケールアウトの2通りの方法がある。 しかしな
【OpenStack入門】OpenStackを0から理解するためのページ！主要な新旧コマンドもまとめました。【兼OPCEL対策】 - Qiita
【OpenStack入門】OpenStackを0から理解するためのページ！主要な新旧コマンドもまとめました。【兼OPCEL対策】openstackOPCEL はじめに クラウドで有名なOpenStackはまだまだ枯れてきたとまでは言えませんが、主要機能に関してはだいぶ成熟してきました。 今から始めても全然遅くない、むしろ今から始めても旬（？）な技術なので、まだな方はこのページで概要を理解していただければなと思います。 当方、バージョンはKiloからOcataまで触っております。 ところどころイメージを掴みやすくするために雑な絵がありますがご容赦下さい。 コマンドのオプションは必須オプションとよく使う（使いそう）なものだけ書きました。 バージョンによって無効なコマンドもありますのでご注意下さい。旧コマンドはmitakaバージョン、新コマンドはpikeバージョンのリファレンスを参照してまとめま
【OpenStack】awkを駆使してリソースのUUIDだけを取得するメモ - Qiita
はじめに OpenStackコマンドで複数のリソースのUUIDのみを抽出する方法をメモしておく。 OpenStackのバージョンが変わると使えなくなるかもしれません。このやり方はNewtonバージョンでは有効でした。 やり方 仮想インスタンスのUUIDを取得したい場合 openstack server list | awk -F " " '$2 !="" && $2 != "|" && $2 !~ /^ID/{print $2}' Register as a new user and use Qiita more conveniently You get articles that match your needsYou can efficiently read back useful informationWhat you can do with signing up
バックエンドエンジニアがscikit-learn入門しました【精度を高めるための前処理編】 - Qiita
はじめに 機械学習ライブラリのデファクトスタンダード的存在であるscikit-learnの"精度を高めるための前処理"をまとめる。 数学レベルでの理解は途中で挫折したため、まずはライブラリから概要を理解しようと思いまとめました。 教師あり学習編はこちら 教師なし学習編はこちら 前処理とは 本記事で対象とする"前処理"は、scikit-learnに入力データを食わせるためにデータをNumPy配列(多次元配列)に変換する方法ではなく、NumPy配列データに対して精度を向上させるための処理のことを指す（一部one-hot-encodingは除く）。したがって、本記事でまとめる前処理を実施しなくてもひとまずは機械学習アルゴリズムを動かせる。しかし、実際の業務や研究では精度を求めることは必須なので、そのステージにあれば本記事は役立つかと思います。 前処理は、データの全ての特徴量に実施するのではなく一
バックエンドエンジニアがscikit-learn入門しました【教師なし学習編】 - Qiita
はじめに 機械学習ライブラリのデファクトスタンダード的存在であるscikit-learnの"教師なし学習"とその定量的評価手法をまとめる。 数学レベルでの理解は途中で挫折したため、まずはライブラリから概要を理解しようと思いまとめました。 教師あり学習編はこちら 前処理編はこちら 教師なし学習とは 教師なし学習とは、入力データのみが与えられ正解ラベルがない状態で学習を行う手法である。 教師なし学習を使う場面は以下。 正解ラベルを用意できないケース 教師あり学習や他の教師なし学習の前処理をするケース データを可視化するケース データをなんとなく理解したいケース 教師なし学習は、次元削減とクラスタリングの2つの大きなタスクに活用される。 次元削減 次元削減とは、データを表現する特徴量の数（次元数）が多すぎる場合に、その特徴量の数を減らすことである。 本記事では、アルゴリズムとして以下をまとめる。
1
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
処理を実行中です
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
