Reactにおけるパフォーマンス最適化のTips
はじめに React は内部でのパフォーマンス最適化により UI 更新に必要な DOM 操作の数を軽減しています。本記事では、さらに React アプリケーションを最適化するテクニックを紹介します。 前提知識 以下にレンダリングの仕組み等を解説します。すでにご存知の方は飛ばしてテクニックの章をお読みください。 React がどのように UI を更新するのか レンダリングされたコンポーネントを作成した時、React はコンポーネントの要素木に対してvirtual DOMを作成します。コンポーネントの状態が変わるたびに React は virtual DOM 木を作成し以前のレンダリング結果と比較します。それらの違いのみを変更された要素の実際の DOM に反映します。 実際の DOM は操作するのにパフォーマンスコストがかかるため、React は virtual DOM を用いることで再レンダ
React Query のレンダリング最適化を目指した話 - Techtouch Developers Blog
エンジニアの macchii です。この記事はテックタッチアドベントカレンダー 14 日目の記事です。 テックタッチでは React を利用して WEB フロントエンドを開発しています。あわせて、リモートデータの取得、更新、キャッシングには React Query を導入しています。本記事では、簡単なタスク管理アプリを題材に、「React Query の再レンダリングを最適化するテクニック」紹介します。 ja.reactjs.org react-query.tanstack.com TL;DR はじめに React Query は取得データを厳密に比較（deep compare）する 参照していないプロパティの変更でも再レンダリングが発生する notifyOnChangeProps オプション select オプション まとめ TL;DR React Query は取得データを厳密に比較（
パフォーマンス・チューニングには、「こうすれば必ず上手くいく」という方法論や銀の弾丸はなく、地道に試行と計測を繰り返すしかない。 しかしだからこそ、基本的な考え方や仕組みを理解することが大切であり、それがなければ、どのように対処していけばいいのか見当をつけることすら出来ず、的外れな対応をすることにもなりかねない。 React.memoを使った処理の最適化は、React アプリのパフォーマンス改善のための、基本となるテクニックのひとつである。 この記事のコードは React のv16.10.2で動作確認している。 メモ化という概念 React アプリのパフォーマンス最適化を理解するためにはまず、メモ化（Memoization）という概念を把握しておく必要がある。 大雑把に言ってしまうとメモ化とは、何らかの計算によって得られた値を記録しておき、その値が再度必要になったときに、再計算することなく
ウェブ最適化ではじめる機械学習
ウェブサービスの開発に携わるかぎり、ユーザにより良い体験を提供することは無視できない命題です。本書は、ウェブサービスを成長させることを目的に、ユーザの行動を定量的に評価し、改善する手法を学ぶ書籍です。 シンプルなA/B テストを第一歩に、線形モデルの導入、メタヒューリスティクス、バンディットアルゴリズム、ベイズ最適化と、機械学習の知識を紹介しながら、ウェブサイトを最適化するという現実的な問題を解くための数理的な手法を解説します。 Pythonによるサンプルコードと、グラフィカルな図版で表現された数学的なモデルを組み合わせ、機械学習と統計学の基礎を丁寧に解説しています。ウェブ最適化の手法を学びたい、機械学習の基礎を知りたい読者に最適の1冊です。 内容見本 まえがき 2章の冒頭部分 関連ファイル 1章のサンプルコード 2章のサンプルコード 3章のサンプルコード 4章のサンプルコード 5章のサン
はじめに 株式会社QualiArtsのTA室でUnityエンジニアをしています、渡邉です。 2021年6月リリースの「IDOLY PRIDE」（以降、アイプラ）は次世代のグラフィックを目指しMetal, Vulkanを前提とした最適化を行っています。 本記事では、その際に使用した新しい機能についての一部を紹介します。 参考用のライブ動画はこちらになります。解像度が高いこと以外は全て実機の処理と同じものが使用されているので一度見ていただくとより分かりやすいかと思います。 本記事は CA.unity #2 で発表したものに一部追記をして書いております。また、用語や基本的な説明は省略しているためそこはご了承ください。 実行環境 Unity 現在リリース済みのアイプラはUnity2020.3.4を使用しています。 Unity2019辺りから様々な高速化処理が実装されているのですが、バグが多く、リリ
Microsoftがクラウドサービス「Azure」に最適化したLinuxディストリビューション「Azure Linux」をリリース
かつてMicrosoftの社内用Linuxディストリビューションとして開発されていた「Azure Linux」が、2022年10月からのパブリックプレビューを終え、ついに正式リリースとなりました。Azure LinuxはMicrosoftのクラウドサービス「Azure」に最適化されており、軽量で安全性や信頼性が高いことを特徴としています。 Introducing the Azure Linux container host for AKS https://techcommunity.microsoft.com/t5/azure-infrastructure-blog/introducing-the-azure-linux-container-host-for-aks/ba-p/3824101 Azure Linux released at Build – where Microsoft r
Tue Feb 09 2021 00:00:00 GMT+0000 (Coordinated Universal Time) 昨年の 11 月にオライリー・ジャパンから『ウェブ最適化ではじめる機械学習』という本を出版しました。大変ありがたいことに、いくかのブログで取り上げていただけているようです。 出版してから少し日が経ちますが、まだギリギリ新刊かなということで、書籍の紹介と舞台裏の話を書きたいと思います。 何の本？ ひとことで言うと、ウェブエンジニア／ウェブマーケターこそ機械学習に入門するのに最適な役職なんだよ！という本です。 私は普段ウェブサイトのフロントエンドエンジニアとして仕事をしていますが、仕事の中で機械学習との接点はあまりないように感じます。ひとことでウェブエンジニアリングと言ってもその範囲は広いので一般化は難しいですが、基本的には HTML / CSS / JavaScrip
Workers Tech Talks #1 リンククリックできなくて不便だったので、別途 marp のソースコードをアップロードしました https://gist.github.com/mizchi/78aeed1947f87eded74b20ad8d9cb8b3
Intro WebBundle を用いてサブリソースのみを Bundle する、 Subresource Bundle の策定と実装が進んでいる。 これを用いると、複数サブリソースの取得を一回の fetch で行うことができ、 RTT を減らしつつも個別に取得したかのようにキャッシュを制御できる。 現時点での仕様と実装を解説する。 Intent to Prototype: Subresource loading with Web Bundles Subresource Bundling WebBundle の初期の仕様は、 HTML を頂点としたページ全体をまとめる方向で始まった。 WebBundle によるコンテンツの結合と WebPackaging | blog.jxck.io これをサブリソース(JS, CSS, Img etc)に対して利用できるようにする仕様だ。 HTML 自体は
はじめに 本書は，筆者が長年書き溜めた様々な実務的な最適化問題についてまとめたものである． 本書は，Jupyter Laboで記述されたものを自動的に変換したものであり，以下のサポートページで公開している． コードも一部公開しているが，ソースコードを保管した Github 自体はプライベートである． 本を購入した人は，サポートページで公開していないプログラムを 圧縮ファイル でダウンロードすることができる． ダウンロードしたファイルの解凍パスワードは<本に記述>である． 作者のページ My HP 本書のサポートページ Support Page 出版社のページ Pythonによる実務で役立つ最適化問題100+ (1) ―グラフ理論と組合せ最適化への招待― Pythonによる実務で役立つ最適化問題100+ (2) ―割当・施設配置・在庫最適化・巡回セールスマン― Pythonによる実務で役立つ
※この投稿は米国時間 2019 年 12 月 6 日に、Google Cloud blog に投稿されたものの抄訳です。 すべてのクラウドのデプロイメント環境には、データを転送するネットワークが必要です。ネットワークがなければ、猫の動画を視聴したり、自撮りをアップロードしたりすることはできません。マイクロサービス間のやり取りも不可能です。 Google Cloud には、クラウドベースのワークロードとサービスのためにスケーラブルで柔軟なグローバル ネットワークが用意されています。そのネットワークの利用方法が、デプロイの 4 つの重要な側面、つまり、費用、セキュリティ、パフォーマンス、可用性に影響を及ぼします。 信頼性と安全を備えた費用対効果の高いネットワーク アーキテクチャを設計するには、社内に複数のチームを用意して、こうした 4 つの要素に重点を置きながら、優先順位を決める必要があります
この記事では，自分が最適化コンパイラの研究をする上で読んできた論文をまとめていこうと思う． まとめることで，自分のためにもなるだろうし，読んだ人のためにもなれたら嬉しい． 以下，随時更新． 部分冗長除去法(Partial Redundancy Elimination, PRE) 部分無用コード除去 (Partial Dead Code Elimination, PDE) スカラ置換(Scalar Replacement) レジスタ促進(Register Promotion) 質問伝播(Question Propagation) 演算子強度低減(Strength Reduction) ループ最適化(Loop Optimization) 手続き間最適化(Inter-procedural Optimization) 解析系 参考書籍 部分冗長除去法(Partial Redundancy Elim
Azure利用時の設計原則をまとめた「Microsoft Azure Well-Architected Framework」を読み解く 。クラウドだからこそしっかり抑えておきたい、コスト最適化のポイント - Qiita Zine
タイアップ トピックス Azure利用時の設計原則をまとめた「Microsoft Azure Well-Architected Framework」を読み解く 。クラウドだからこそしっかり抑えておきたい、コスト最適化のポイント クラウドの力を生かしてデジタルトランスフォーメーションを推進したいが、具体的にどこからどのように手を付ければいいのかーーそんな悩みを抱える企業にとって1つの指針となるのが、企業戦略の策定、実装の道筋を示す「Microsoft Cloud Adoption Framework for Azure」であり、それをAzure上の具体的な設計原則に落とし込んだ「Microsoft Azure Well-Architected Framework」です。 Microsoft Cloud Adoption Framework for Azureがテクノロジ以外の領域も包含した包
Amazon Web Services ブログ AWS におけるパブリック IPv4 アドレスの使用状況の特定と最適化 この記事は、Identify and optimize public IPv4 address usage on AWS を翻訳したものです。 本日、AWS は2024 年 2 月 1 日から始まるAWS提供のパブリック IPv4 アドレスに対する新しい費用請求について 発表しました 。このブログ記事では、アイドル状態及び使用中のパブリック IPv4 アドレスの追跡と監視、将来のコストの見積もり、最適化の機会の特定に役立つ、本日リリースされた 2 つの新機能を紹介します。これらの変更が AWS の費用請求にどのような影響を与えるかをよりよく理解していただくため、本日より AWS Cost and Usage Report (CUR) に、パブリック IPv4 アドレスに関
Small String Optimization で Rust ライブラリ ratatui を最適化した話 - はやくプログラムになりたい
最近 ratatui という crate に Small String Optimization を利用した最適化を入れたので，その話を書きます． 目次 Small String Optimization (SSO) とは（SSO を既に知っている人は読み飛ばして大丈夫です） Rust で SSO を適用した文字列型を提供する crate 比較 SSO を利用して ratatui のメモリ効率と実行効率を最適化した話 compact_str crate の実装の最適化の話 インラインストレージに24バイト全てを使える理由 隙間最適化のための工夫 説明を簡潔にするため，特に断りが無い場合 64bit アーキテクチャを前提とします． Small String Optimization (SSO) とは Rust の可変長文字列型 String は文字列バッファへのポインタ，文字列の長さ，バッフ
Nintendo Switch版『ホグワーツ・レガシー』は、ホグズミードなど一部オープンワールドを崩しエリア化することで最適化。執念の無茶移植 - AUTOMATON
WB Gamesは11月14日、Nintendo Switch版『ホグワーツ・レガシー』を発売した。幾度の延期を経てついに発売されたNintendo Switch版。移植不可能との声も見られた同作は、他ハードではオープンワールドだったエリアを分割にすることで実現されているようだ。 『ホグワーツ・レガシー』は人気小説・映画「ハリー・ポッター」シリーズを題材としたゲームだ。開発を担当したのは、WB Games傘下スタジオAvalanche Software。プレイヤーは5年生として、ホグワーツ魔法魔術学校に入学。授業や探索に励みつつ、世界をめぐる大きなしがらみに巻き込まれていく。ゲーム内には広大なフィールドが存在。学校および学校周辺のエリアを冒険し、誰かの悩みを解決したりしながら、戦いなどを介して成長するのだ。 本作は今年2月10日にPC/PS5/Xbox Series X|S向けに発売された
これらの変換はビルトインなhookに対してconst [a, b] = useState(...)をconst {0: a, 1: b} = useState(...)にするが，これが一体何を意味しているのかわからなかったtosuke.icon
Cloud Financial Management ～AWSコストの可視化・最適化・予測・FinOps～ / Cloud Financial Management Overview
JAWS UG 情シス支部 第28回 (https://jawsug-sysad.connpass.com/event/261308/) でお話しした、AWSのコスト管理 (Cloud Financial Management) の全体像についての資料です。 資料内のURL Amazon Web Services 企業導入ガイドブック https://www.amazon.co.jp/dp/4839970114 Baseline Environment on AWS (BLEA) https://github.com/aws-samples/baseline-environment-on-aws QuickSightを使った AWS Cost & Utilization Report (CUR)の可視化 https://aws.amazon.com/jp/premiumsupport/kn
[速報] コードレビューの自動化！パフォーマンスやコストの最適化まで出来ちゃう Amazon CodeGuru が発表されました！#reinvent | DevelopersIO
こんにちは、大阪オフィスの丸毛（@marumo1981）です！ ただいま開催されている、re:Invent 2019のキーノートにて、コードレビューの自動化サービス「Amazon CodeGuru」が発表されました。 Amazon CodeGuru とは？ CodeGuru は機械学習に最適なパフォーマンスと、ベストプラクティスに沿ったコードをユーザに提供するための自動化されたコードレビューサービスです。以下の2つの機能を提供します。 CodeGuru Reviewer CodeGuru Profiler CodeGuru Reviewer コードレビューの自動化 - ソースコードのプルリクエストを自動的に分析して重要な問題を見つけ、プルリクエスト内でコードの欠陥を直接解決するためのインテリジェントな推奨事項を提供 高速で信頼性の高いコードの問題検出 スレッドセーフの問題、非サニタイズされ
![[速報] コードレビューの自動化！パフォーマンスやコストの最適化まで出来ちゃう Amazon CodeGuru が発表されました！#reinvent | DevelopersIO](https://cdn-ak-scissors.b.st-hatena.com/image/square/a298426174d5914a0e9708095c8dd40c4722cc0d/height=288;version=1;width=512/https%3A%2F%2Fdevio2023-media.developers.io%2Fwp-content%2Fuploads%2F2019%2F12%2Freinvent2019_newservice_eyecatch.jpg)
Amazon ECS Fargate/EC2 起動タイプでの理論的なコスト最適化手法 | Amazon Web Services
Amazon Web Services ブログ Amazon ECS Fargate/EC2 起動タイプでの理論的なコスト最適化手法 この記事は、 Theoretical cost optimization by Amazon ECS launch type: Fargate vs EC2 を翻訳したものです。 本ブログは Julia Beck, Thomas Le Moullec, Kevin Polossat, and Sam Sanders によって投稿されました。 お客様から、 Amazon Elastic Container Service (Amazon ECS) のベストプラクティスについてご質問をいただくことがよくあります。特に、 Well-Architected Framework の コスト最適化 の柱に注目されるケースがあります。こちらに関する大きな要因の 1 つには
React for Web/React Native両対応のUIフレームワーク「Tamagui 1.0」正式リリース。最適化コンパイラで高速なレンダリングなど実現
React for Web/React Native両対応のUIフレームワーク「Tamagui 1.0」正式リリース。最適化コンパイラで高速なレンダリングなど実現 React for WebとReact Nativeの両方に対応しオープンソースで開発されているクロスプラットフォーム対応のUIフレームワーク「Tamagui 1.0」が正式にリリースされました。 Tamaguiを用いると、レスポンシブデザインに対応し高速にレンダリングされるアプリケーションのルック＆フィールやUIをシンプルなコードで記述できるなどの利点が得られます。 Glad to finally get 1.0 out the door, definitely the hardest thing I’ve shipped. Proud!!https://t.co/d6M9KUWJYD — Nate (@natebirdman
流入・コンバージョン7倍！「ユーザー行動の最適化」でSEO成果を上げるには？ | 【レポート】Web担当者Forumミーティング 2019 Autumn
SEOでいま重要なのは「ユーザー行動の最適化」前田氏は、ファッション雑誌の編集者として社会人キャリアをスタート。その後、Web業界に入り、オウンドメディア編集長を経て、現在はFaber CompanyでSEOプラットフォーム「MIERUCA」のカスタマーサクセスやマーケティングを担当している。 コンテンツを作成・拡散する編集長、さらにそのメディア編集長を支援するコンサル・ツールベンダーという、どちらの面も経験してきたことが前田氏の大きな武器だという。 ECサイトのオウンドメディア例前田氏は、中古トラックECサイト「トラック王国」のオウンドメディアで編集長を務めていた経験をもつ。今回の講演では、SEOの最新動向を解説しつつ、担当オウンドメディアで流入、CVともに7倍近い結果を出した事例から、その成功のコツを紐解いていった。 中古トラックは安くても200万円、高いものでは2,000万円を超える
こんにちは。フロントエンドエンジニアの @sakamuuy です。 私たちのチームではエラートラッキングに Sentry というサービスを利用しています。この運用を開始して半年が経過しました。 今回は私が所属するフロントエンドチームでのSentry運用について、苦労したこととその打ち手についてお話したいと思います。 はじめに エラーを検知し重大なバグなどに早めに気づくことは、Sentryを運用する一つの目的だと思います。 そのためには未解決のエラー件数をなるべく少なくし、発生したエラーを監視できている状態を保つことが必要だと考えています。この状態を保てるように運用で工夫していることについてお話します。 チーム チームでの運用についてお話する前に、私の所属しているtara学習コアチーム (taraとはスタディサプリ中学講座のリニューアルプロジェクトの通称です) についてお話します。 tara
人間によるKubernetesリソース最適化の”諦め”とそこに見るリクガメの可能性 | メルカリエンジニアリング
Platformチームでエンジニアをしているsanposhihoです。メルカリのPlatformチームでオートスケーリング周りの課題の解決を担当しており、Kubernetes UpstreamでもSchedulingやAutoscaling周りの開発に参加しています。 メルカリでは全社的にFinOpsに取り組んでおり、Kubernetesリソースは最適化の余地があるエリアです。 メルカリではPlatformチームとサービスの開発チームで明確に責務が分かれています。Platformではサービス構築に必要な基礎的なインフラストラクチャを管理し、それらを簡単に扱うための抽象化された設定やツールなどの提供を行っています。サービスの開発チームは、それらを通してサービスごとの要件に応じたインフラストラクチャの構築を行います。 サービスやチームの数も多く、そのような状況での全社的なKubernetesリ
燃え尽きエンジニアを救う「オンコール最適化、5つの教訓」|インシデント管理プラットフォーム│PagerDuty
DevOpsチームの中で、業務としての「オンコール対応プロセス」はよく話題に上ることがあります。では一方で「オンコール対応に従事するチームメンバーが抱える個人的な悩みや問題」についてはどうでしょうか？ 「オンコールシフト中のストレスや不安にどう対処したらよいか？」 「オンコールローテーションと子供の世話といったメンバーの個人的な事情を両立させるにはどうしたらよいか？」 「燃え尽きや離職といった問題は、チームメンバー同士の思いやりで解決できるのか？」 オンコール対応のプロセスが適切にマネジメントされていたとしても、オンコール対応チームにおけるこういった悩みは尽きません。そこでPagerDutyでは、2021年11月から12月にかけて、9つのチームからオンコール担当のエンジニアを集め「担当者の現場目線から見たオンコール対応についてのディスカッション」を実施しました。チームメンバーがオンコール対
数理最適化勉強会: Optimization Night #1 を開催しました - Platinum Data Blog by BrainPad
2019年10月15日（火）に当社のCDTOが主催した、数理最適化に興味のある人が集まる有志イベント「Optimization Night #1」が開催されました。 本ブログでは、運営者目線でのイベントの取り組み内容について紹介します！ こんにちは。CDTOの太田です。先日Optimization Night #1という数理最適化に関するイベントを開催したので、運営者側の目線で、会の内容や開催の経緯を紹介したいと思います。なお、当日の様子はYoutubeでご覧いただけます。 開催の経緯 私はTFUG (TensorFlow User Group)の運営もやっているのですが、全国8箇所あるTFUGのオーガナイザーが集まって議論していたときに、「（TensorFlow関係ないけど）数理最適化のイベントをやりたい」という発言をしたのがきっかけです。 なぜ数理最適化のイベントをやりたいと思ったかと
反復練習によって記憶を最適化し認知エネルギーを使わずにできることを増やし、空いた認知エネルギーをより難しいことに回す... というのが、人間のやってること
naoya @naoya_ito いろいろスポーツの本とかも読んでみて、やはり反復練習によって脳の記憶を最適化し認知エネルギーを使わずにできることを増やしていって、空いた認知エネルギーをより難しいことに回す... というのが、人間のやってることなんだなというのがわかる 2023-12-16 23:39:58
機械学習における
ハイパーパラメータ最適化の理論と実践
/ hpo_theory_practice
ランダム欠損データに依存しない推薦システムのバイアス除去 / towards-resolving-propensity-contradiction-in-offline-recommender-learning
キール on Twitter: "メンタリストDaiGo、めっちゃ叩かれてるし叩かれ当然の発言なんだけど、ここ30年くらいの駅や公園や図書館といった公共からの排除や、街の至る所に排除アートを置いてホームレスを排除する行政と、それを許してる社会の雰囲気や空気に最適化… https://t.co/s1aVRVfe2M"
メンタリストDaiGo、めっちゃ叩かれてるし叩かれ当然の発言なんだけど、ここ30年くらいの駅や公園や図書館といった公共からの排除や、街の至る所に排除アートを置いてホームレスを排除する行政と、それを許してる社会の雰囲気や空気に最適化… https://t.co/s1aVRVfe2M
当ブログで行ったGoogle Fontsの読み込み最適化を紹介します。CLSを大幅に改善できたので個人的にはこれが最適解だと思っています。 結論いきなり結論ですが、次のHTMLのhrefの値を使用しているGoogle Fontsのそれに変更し、head内で読み込んでください。 <link rel="preconnect" href="https://fonts.googleapis.com" /> <link rel="preconnect" href="https://fonts.gstatic.com" crossorigin /> <link rel="preload" as="style" fetchpriority="high" href="{href}" /> <link rel="stylesheet" href="{href}" media="print" onload='
Kubernetes Meetup Tokyo #57 アーカイブもあります: https://www.youtube.com/watch?v=DczWeNL-4-A
なお上記の「大量配信」とは、「1～3月分の四季版を4月15日から配信開始し、1週間で全家族に配信完了する」などのように、「新しい期間の1秒動画をはじめて配信してから、その時点で条件を満たす全家族への配信が完了するまで」の期間を指します。1秒動画の生成・配信の大部分はこの大量配信期間に行っていることから、これを「大量配信」と呼んでいます。 生成・配信の流れ 1秒動画の生成・配信は、図1のとおり(1)対象家族抽出、(2)素材選択、(3)動画エンコード、(4)配信、の4段階で実現しています。以下ではその詳細を説明します。 図1 1秒動画の生成・配信の流れ (1)対象家族抽出 1秒動画の生成・配信処理は、基本的にはバッチ処理として毎日実行しています。そのはじめに行うのは、「その日、どの家族に、どのバージョン・どの期間の1秒動画を生成・配信するか」を取り出す対象家族抽出です。この処理は四季版
リアルタイム検索最適化：Reactアプリにdebounce処理を組み込む - Techtouch Developers Blog
はじめに そもそも debounce 処理って？ 本題 今回作りたかったもの 検討したこと useDebounce useDebouncedValue 実装したもの 最後に はじめに テックタッチのフロントエンドエンジニアの ozaan (@shzawa) です。関西 (兵庫県姫路市) 在住のため、普段はフルリモートのメンバーとしてサービス開発に取り組んでいます。 最近はスクラム開発の一環でバックエンドのコード (golang) を触らせてもらっていました。golang だと書き方が統一されているためか GitHub Copilot の補完機能がかなり効くので書いていて面白かったです。 そもそも debounce 処理って？ 対象のイベントが発生してから指定した時間が経過するまでは、同じイベントの発生を抑制する仕組みです。 input 要素の onChange イベントのような短い間隔で連
▲前回の鶏ムネ肉を使った鍋料理が、とても美味しかったのですが、いくつか改良点もあったので、第二回にチャレンジしてみました。 ▲まず、キャベツとモヤシとシメジ。この3つは一緒です。白だしを大さじ1杯、日本酒を100cc入れます。 二段階方式 ▲鶏肉を入れずに、野菜だけで先に蒸します。 ▲3分ぐらい加熱したらこんな感じ。 ▲それから下味＋砂糖で保水処理をした鶏ムネ肉を投入。まんべんなく敷き詰めて、蒸気を無駄なく使えるようにします。 ▲その上に、小松菜を載せて、フタをして5分ほど加熱。 ▲こちらが出来上がりの様子。 ▲蒸すと鶏肉がくっついてしまいますけど、お箸で簡単に剥がれます これを前回と同じく一味＋刻みネギ＋ポン酢醤油でいただきました。 鶏肉は5分以上蒸すと保水処理をしてもパサパサになってくるけど、野菜は5分以上蒸さないとちゃんと火が通らないので、先に野菜だけで蒸して、後で鶏肉を投入…という
はじめに この記事では、当社内で開発した最適化フレームワークである「 Codable Model Optimizer 」について紹介します。 リクルートでは、機械学習のビジネス活用に長く取り組んできましたが、機械学習によって将来の予測が正確にできたとしても、その予測を元に良い選択を決定できなければならない問題に直面することが増えてきています。 例えば、商品に対する購入率が予測できたとしても、購入率の高い商品をたくさん表出させれば良いというわけではなく、実際には商品の在庫などを考慮してどのように表出させるのか意思決定する必要があります。 膨大な選択肢からより良い選択を見つけ出す問題を"最適化問題"とよび、様々な解法があります。解法としては、数理最適化（主に厳密な最適解を見つけるのに使われる）やメタヒューリスティクス（厳密最適解ではないが、大規模な問題において良い解を見つけるのに使われる）など
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
React.memo を使ったパフォーマンス最適化について - 30歳からのプログラミング
「IDOLY PRIDE」における描画最適化術 | QualiArtsエンジニアブログ
Radeon上でStable Diffusionの性能を9.9倍にする最適化手法。AMD公開
「Microsoft Teams」のパフォーマンスが改善、2020年比で電力消費を最大半減／きめ細かな分析とピンポイントな改善。今後もCPU/GPU最適化を継続へ
『ウェブ最適化ではじめる機械学習』を出版しました。 — Shuhei Iitsuka
Server Side JavaScript のためのバンドル最適化
Webbundle によるサブリソース取得の最適化 | blog.jxck.io
Windows 10 2004のSSD最適化に不具合か
Python言語による実務で使える100+の最適化問題 | opt100
ネットワーク コスト最適化のベスト プラクティス | Google Cloud 公式ブログ
コンパイラのコード最適化や解析手法の論文のサーベイ - Jicchoの箱
AWS におけるパブリック IPv4 アドレスの使用状況の特定と最適化 | Amazon Web Services
モズローのSEO欲求7階層でブランドボイスを最適化する方法（前編） | Moz - SEOとインバウンドマーケティングの実践情報
Next.jsのReact Hookへの最適化は一体何をしているのか - tosuke
Sentry の運用を最適化して継続していく - スタディサプリ Product Team Blog
【令和最新版】Google Fontsの読み込み最適化の結論 ｜ TAKLOG
MercariにおけるKubernetesのリソース最適化のこれまでとこれから
1秒動画のつくり方 ― 「家族アルバム みてね」における動画エンコードパイプラインとその最適化事例 | gihyo.jp
「CCleaner」とは違う ～無償・シンプルなシステム最適化ツール「System Ninja 4.0」／Windows 11とHiDPI環境に対応
コロナ時代に最適化した食事（7）鶏ムネ肉と野菜の蒸し鍋 - 黒色中国BLOG
Codable Model Optimizer: 最適化問題を気軽に解くためのPythonフレームワーク