JSのコードの自動整形に Prettier が便利だったので、�eslint とAtomから使えるように設定したESLintprettier
このドキュメントの目的 自分は趣味でFlowをずっと使っていて、またプロダクションでも今まで3プロジェクトほどにFlowを導入した。その知見。 「Flow は便利そうだけど、怖い」「いれてみたら色々ハマったからクソ」「わからん、なにもかも…」という人に対し、自分がいままで出くわしたパターンや、聞かれた疑問について、メジャーな解法を提示する。 なぜFlowを導入するか Babel から段階的に導入することが出来る React の JSX にも推論を入れることができる 部分的に適用できる ASTがES準拠であり、ESLintなどがツールが使える(TSは独自AST) それ自身ランタイムに全く影響はないので落とすのも簡単 実際にはReactと一緒に使うのが、エコシステムもユースケースも揃っていて、一番効果を発揮するだろう。それか、小さい npm モジュールを自分で書くとき。 型のメリット/デメリッ
いきさつ 請負開発だった案件に問題があって、終いには人質的に派遣に出されてしまった若手がいる。 一人ぼっちで関わりが無いままなのは余りに可哀想なので、派遣先を退勤するときにはSlackで連絡を入れるようにしてもらっている。で、単におつかれーと返すだけでは味気ないので、その返信には「これ読んでみてね~」的な記事を送ることにした。 請負案件のときには既に疲弊していたので、仕事や開発者としての振る舞いに関する記事から、改善プロセスの記事、開発の原則的な記事を送ってみた。 こういう情報は、目を通してすぐに何かというわけにはいかないですね。頭の片隅に留めておいて、そういえばあんな話があったな~とか、問題解決にTOCを使ってみるか~とか思ってくれれば良いかなと。技術者たるものアンテナを立てていかないといけないですから。 記事一覧 “仕事が面白くない”症候群とたたかう三つの方法 http://brevi
リクルートのAI リクルートが無料のAIを公開しました https://a3rt.recruit-tech.co.jp/ その中に会話AI(TalkAPI)があります https://a3rt.recruit-tech.co.jp/product/talkAPI/ 少し触ってみましたが、完成度は低いと感じました。 ドコモのAI だいぶ前ですがドコモも雑談対話のAPIを公開しています(2013年頃) https://dev.smt.docomo.ne.jp 雑談対話APIがあります https://dev.smt.docomo.ne.jp/?p=docs.api.page&api_name=dialogue&p_name=api_usage_scenario 比較してみるか...あっ、どうせなら会話させちゃえ ということで、ドコモとリクルートのAPIを叩いて会話させてみました コード #!/
前々から「日本にソフトウェアエンジニアって何人ぐらいいるのかな?」「ソフトウェアエンジニアだと定義が曖昧だけど、例えば"Githubアカウントを持ってる日本人"は何人いるんだろう」と気になっていました。 最近ふとそれを調べる方法を思いついたので、調べてみた結果を書きます。 ちなみに 政府統計無いのかな?と調べたら「IT人材を巡る現状について」という資料がありました。 ここでは「情報サービス業とインターネット付随サービス業の総人数」は「約100万人」と書かれていますが、その内コードを書く人が何人いるのかは依然不明です。 調べ方 Githubのユーザー検索を使います。 調べ方1: Locationの存在比で調べる 「ユーザー検索でlocation:Tokyoを調べた結果が18000人だった。東京の人口:日本の人口=1:10なので、日本人Githubユーザーは約18万人!」という考え方です。 し
optimizer-pluginを使って、es6(es2015)でserverless frameworkのコードを書くNode.jsAWSlambdaAPIGatewayserverless もう2016年なので、皆さんは息をするようにes6を使われていることだと思います。 当然、serverless frameworkのコードもes6で書きたいですよね。 もちろん、普通に自分でbabelでトランスパイルしてもいいのですが、公式にserverless-optimizer-pluginというものが準備されているので、これを使ってみようと思います。 以下の説明はすべてmacを前提にしていますが、windowsでも雰囲気で大体いけるはずです。 コードはこちらにあります。 (リポジトリ名とproject名が合ってないですが気にしないでください...) そもそもserverless framewo
Kerasの作者@fcholletさんのCVPR'17論文XceptionとGoogleのMobileNets論文を読んだDeepLearningKeras はじめに 最初は、軽量なConvNetに興味があったのでGoogleから出ているMobileNets 1 を読んでいたのだが、その過程でCholletさんのXception論文 2 を(後者は今更)読んだので合わせてまとめる。Cholletさんの論文はなんとなくカジュアルな雰囲気がして面白い。 どちらの論文もpointwise convolutionとdepthwise (separable) convoutionを用いて精度を保ちながらCNNのパラメータ数を削減している。すなわち、精度とパラメータ数のトレードオフを改善していると言える。 Xceptionは、パラメータ削減により、同一のパラメータで大規模な画像認識の高精度化を実現し、
自然言語処理に前処理は不可欠です。テキストは文字の羅列であり構造化されていないため、そのままでは処理するのが難しいです。特にWebテキストの中には HTMLタグ や JavaScript のコードといったノイズが含まれています。このようなノイズは前処理して取り除かなければ期待する結果は得られないでしょう。 出典: Deep learning for computational biology 本記事では自然言語処理における前処理の種類とその威力について説明します。説明順序としては、はじめに前処理の種類を説明します。各前処理については、1.どんな処理なのか、2.なぜその処理をするのか、3.実装方法(なるべく) という観点から説明します。種類について説明した後、前処理の威力を測るために前処理をした場合としなかった場合での文書分類の結果を比較します。 前処理の種類と実装 この節では以下に示す5つ
この記事はSelenium/Appium Advent Calendar 2016の10日目の記事です。 はじめに freee株式会社でアプリエンジニアをしている @kompiro と申します。普段は selenium をガリガリ動かしているエンジニアではないのですが、SitePrism というgemを使って PageObjects パターンを実装してみたら、想像以上に捗ったのでご紹介します。 SitePrism の特徴 SitePrism とは PageObjectパターンをCapybaraを使って実装するためのDSL です。 例えば google.com のページオブジェクトを SitePrism を使って定義すると下記のようになります。 # Pageの定義 class Home < SitePrism::Page set_url 'http://google.com' element
この記事ではPython 2.7を使いました。 Tesseract-ocr OCRエンジンです。Tesseract-ocr3.0.4を使いました。MacOS Xでインストールする場合はtesseract-ocrのtraining toolsをMacOS Xにインストールするもご覧ください。 pyocr PythonからOCRエンジンを使うためのラッパーです。探すと同じようなラッパーがたくさんあるのですが、いくつか試してみて、コードを書きやすそうなものを選びました。リポジトリはこちら。 $ pip install pyocr PIL Pythonで画像を扱うためのライブラリです。Pillowをインストールして使いました。 $ pip install pillow コード例 サンプルのコードを元にした、画像からテキストを読み取って出力するコードはこんなかんじです。 from PIL impor
ESLintのようなconfigでPostCSSプラグインとして動くstylelint。 唐揚げチャーハンのような「美味いものと美味いもの組み合わせたら絶対おいしいじゃん!」みたいなプロダクトが実際とても良かったので色々利点を記載。 導入についての手順などはすでに記事があったので、そちらへリンクしたい CSSのLintをstylelintにする ESLintっぽくて良い所 javascriptのLinterとしてスタンダードになってきたESLintに非常に良く似て作られているので、一度そちらを導入していればstylelintの導入はおそらくすんなり出来る。 また、ESLintの持っていた良い所をそのまま持ってきたような良さがある。 config周りがESLintにすごく近いので覚えることが少なめ 肝となるstylelintのconfigは、だいたいこんな感じで、ESLintにかなり近く作ら
1. はじめに 週刊少年ジャンプ(以下,ジャンプ)は,日本で最も売れている漫画雑誌1です.言うまでもなく,私は大ファンです. ジャンプ編集部の連載会議は非常にシビアです.ジャンプ作家の奮闘を描いたフィクション漫画「バクマン。」では,編集部が毎号の読者アンケートをもとに各漫画の人気を評価し,掲載順や打ち切り作品を決定する様子が描かれています2.連載開始から10週以内(単行本約1冊分)で連載が打ち切られてしまうことも珍しくありません.とても厳しい世界です. 本記事では,機械学習を使って,短命作品(10週以内に終了する作品)の予測を行います.究極の目標は,ジャンプ編集部より先に打ち切り作品を予測し,好みの作品が危ない場合はアンケートを出して打ち切りを回避することです3.我々は読者アンケートの結果を知ることができないので,掲載順の履歴を入力とし,短命作品か否かを出力する多層パーセプトロン4をTen
品質についてちょうどいい考え方 品質についてのモデルとして「狩野モデル」というのがあります。 魅力品質・性能品質・当たり前品質の3軸となっています。 魅力品質が高いと顧客満足度が上がりますが、 堅実なユーザーはそこまで求めないこともあります。 当たり前品質は高くしたからといって顧客満足はあがりません。 当たり前なので。 しかしこの品質が悪いと一気に使えないものという烙印が押されてしまいます。 まずは当たり前品質を満たすように計画・活動しなければなりません。 Register as a new user and use Qiita more conveniently You get articles that match your needsYou can efficiently read back useful informationYou can use dark themeWhat y
オプション パッケージを作る際、柔軟性を持たせるためにオプションを持たせたい時がしばしばあります。 しかしオプションは知っての通り設定しないことが少なくありません。 単にコンストラクタに並べるようでは無用な複雑さをはらむことになります。 JavaなどではOptional Parameterなどのように、デフォルト値が指定できる機能があります。 機能の厳選されたgo言語ではそのような機能はありませんが、 "Self Referential Functions Design"というテクニックがあり、 それについての記事がRob Pike氏の記事を筆頭にいくつか説明されています。 オプションと相性が非常に良いため、合わせて"Functional Option Pattern"とも呼ばれています。 Dave Cheney氏の記事を参考におおまかに説明したいと思います。 様々な解決策 あるServe
まだ終わらない。 ここから手作業でコーナーの切り替わりシーンの部分とか、音楽流すコーナーとか、他の人の声が入ってる部分とかを手作業で削除していった。 ただ、バックで小さな音楽が常に流れているのはもうどうしようもないので無視。 このバックの音の影響を最小限、もしくは無くすにはどうすればいいんだろうか・・。 とりあえず、これでデータ収集は完了! 2.データから特徴量を抽出する 周波数強度を特徴量にしたらいいんじゃない?高速フーリエ変換だ!となるが、 オライリーから出てる実践機械学習システムにはそれよりメル周波数ケプストラム係数(MFCC)ってやつを使った方がいいよ!と書いてたので今回はそっちを使うことにする。 色々見てみたところ、現在の音声認識ではMFCCが代表的な特徴量として用いられていて、人間の音声知覚の特徴を考慮してるらしい。 しかし、MFCCにはピッチの情報が含まれないようだ。 ケプス
タイトル通りで、詳しくはこちらのApple公式ドキュメントに載っています: Monitoring Reviews on the App Store Responding to Reviews on the App Store - Apple Developer Ratings, Reviews, and Responses - App Store - Apple Developer 少し前からプレリリース版のドキュメントとして公開されていましたが、今朝のiOS 10.3リリースのタイミングで、iTunes Connect上で実際に操作できるようになり、かつドキュメントも正式版になりました。 ちなみに、リリース日は25日にTweetした予想が当たりました( ´・‿・`) iOS 10.3は3/28に正式リリースな気がする👃 — 🐶ブレス オブ ザ イッヌ🐶 (@_mono) March
去年ですがmediumで話題になっていた記事にHype(誇大宣伝) Driven Development(HDD)というものがあります。 国内でもこれで失敗している例をよくみかけますし、とても共感したので紹介できればと思います。 翻訳ではなく、自分なりに噛み砕いて個人的な考えなども入れています。 概要 HDDとは一言でいえば、技術選定という重要なプロセスを他人任せにしてはならないという啓蒙です。 誰かが良いと言っているという理由で技術選定をしてはいけません。 例えば以下を理由に技術選定するのは Hype Driven Development(HDD)です。 ・すごく偉い人がおすすめしていた ・カンファレンスですばらしい技術だと紹介されていた ・新しい技術だ ・人気が急上昇している ・超有名企業のA社が導入した その技術は自分たちのどんな問題を解決してくれるのか。 開発の規模に、自分たちのス
(この記事は Dave Cheney さんの Why Go? の翻訳です。) 数週間前、友人に「Goに注目に値するのはなんで?」と聞かれました。 彼は私がGoに情熱を注いでいることを知っていましたが、なぜ私が他の人もGoを気にするべきだと思っているのかを知りたいようでした。 この記事は、私がGoを重要なプログラミング言語だと考える、3つの大きな理由を紹介します。 メモリ安全 個人としては、私もあなたもC言語でメモリリークも危険なメモリの再利用もしないプログラムを書く事ができるでしょう。しかし、40年以上の経験から、集団としてのプログラマーはC言語で信頼できるプログラムを書けない事がはっきりしています。 コードの静的解析、 valgrind, tsan (訳注: たぶん ThreadSanitizer), -Werror といったツールは10年以上前から使えますが、それらのツールが広く認知さ
概要 2017年1月18日にリリースされた Docker v1.13 以降(今日現在の v17.03.0-ce )は、 docker コマンドラインの命令体系が再編成されました。本記事では変更に至った背景と、新旧コマンド体系の比較情報を整理します。 新しいサブコマンド体系の導入と背景 新しいコマンド体系の導入に至ったのは、docker のトップレベル・コマンド群が 40 を越える状況(当時)となったためです。コマンドには頻繁に使うものもあれば、使わないものもあり、再編成されることになりました。 v1.13から論理オブジェクト単位にコマンドが再編成されました。これは、「何」(コンテナやイメージ、ネットワーク)を、「どうするか」(作成、一覧、起動、停止)で扱います。そのため、従来よりもコマンドの利用目的が分かりやすくなります。たとえば、コンテナを管理する docker container サブ
はじめに 昨日、AWSのOfficial Blogに 「New – Access Resources in a VPC from Your Lambda Functions」 という記事がアップされました。 遂にAWS LambdaがVPC接続に対応したのです。 そこで、早速どうやってVPC接続するのかみていきたいと思います。 事前条件 以下の記事のように事前にLambdaからRDSに接続できるところからスタートします。 http://qiita.com/yoshidasts/items/53918d2586d55bd0856a Lambda側の設定 まず、LambdaのConfigurationタブに「VPC」の欄が追加されました。 ここでVPCを設定できるようになりました。 しかし、ここでVPCの設定をしても、権限エラーではじかれます。 というのもVPC接続の機能はEC2の機能を利用し
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