2025年国際博覧会（大阪・関西万博）の運営主体「日本国際博覧会協会」は22日、公式キャラクターとなる最優秀賞のデザインを発表した。赤い円形が輪のように連なる細胞をイメージした万博ロゴマークと、「水の都」とも呼ばれる大阪を連想させる青い体で構成する。4月下旬から愛称の一般募集を始める予定で、早ければ今夏にも決まる。一般公募の1898作品から絞り込んだ3つの最終候補から、

みずほフィナンシャルグループは米グーグルと提携し、デジタルサービスをてこ入れする。2022年度中にも、グーグルのクラウド上で顧客の取引データを分析し、投資信託や住宅ローンの提案など顧客ごとに適したサービスを提供する。グーグルのシステム開発のノウハウも取り入れ、システム障害への対応で出遅れたデジタルトランスフォーメーション（DX）で挽回をはかる。日本法人のグーグル・クラウド・ジャパンとDXを巡る

(社内用ドキュメントの公開版) テストのポリシー 前提として、ユニットテストを導入するコストを、限界まで低くすることを目指す。テストが根付いていない言語環境や文化では、放っておくとテストが書かれないまま実装が進行し、結果としてテスト不可能な巨大な雪だるまが完成する。こうなるとメンテコストが高いE2Eを大量に書かないといけなくなり、テストの実行時間が膨れ上がっていく。 そうなる前に、ユニットテストを書きやすい環境を維持し、ユニットテストとして問題を切り分けられるような環境を維持する。とにかく書きやすさを重視し、一つのユニットテストを書くオーバーヘッドを限界まで下げる。 最初の一つを早い段階で書く 自分の経験的には、ユニットとテストの最初の一つを書いたらあとは自然とその周辺で増えていく。サンプルがあったら人はコピペする。逆にいうと最初の一つを書かない限り一切書かれない。まず一つ用意するのが大事

Google Forms APIが正式リリース。Googleフォームの作成や編集、集計などをプログラミングで制御可能に アンケートやクイズなどを簡単に制作できるGoogleフォームをAPI経由で作成、編集できる「Google Forms API」が正式版となったことを、Googleが発表しました。 Introducing the new Google Forms API! Developers can now build powerful integrations on top of Forms. Here's how you can use the new Forms API and what’s in it → https://t.co/zLcaEw2ru1 What will you build for Google Workspace? pic.twitter.com/oSkPqx

先週行われた県内の公立中学校の卒業式。 ある中学校の卒業式までを追いかけました。 第6波の最中に行われた卒業式には、教職員たちの思いが込められていました。 2月末。 卒業式を2週間後に控えた富山市の芝園中学校では、3年生の担任教師たちが卒業式に向けた打ち合わせをしていました。 連日、1日の感染者数が過去最多を更新していたこの時期。 議題の一つとなっていたのは、146人いる3年生全員がマスクを外して式に参加できないか…。 その可能性を模索していました。 ＊3年Ｄ組　高瀬優子教諭「去年までは完全にマスクをつけた状態の卒業式だったが、晴れ舞台なので、いい顔を保護者にも見てもらいたく、マスク取れないかという（議論）になっている」 3年Ｄ組での取材を許されたのは、県立高校の一般入試が終わった今月11日。 卒業式まで、あと4日でした。 ＊3年Ｄ組の生徒「試験、終わりました。合格します。気力で。まだ落ち

modules: jmeter: version: 5.4.1 # ここに書いてあるバージョンを勝手にダウンロードしてくれる properties: log_level.JMeter: WARN log_level.JMeter.threads: WARN system-properties: org.apache.commons.logging.simplelog.log.org.apache.http: WARN 既存ツールのラッパーとして動作 デフォルトでは内部的にJmeterが実行されますが、以下のようなツールで作成されたスクリプトを流用することが可能です。 JMeter Gatling Locust Selenium Vegeta つまり、さきほどはYAMLでシナリオが記述可能とは言いましたが、もちろん既存のスクリプトを流用できるってことです。 いままで作り上げてきたスクリプトや

はじめに: 本講座は「機械学習ってなんか面倒くさそう」と感じている プログラマのためのものである。本講座では 「そもそも機械が『学習する』とはどういうことか?」 「なぜニューラルネットワークで学習できるのか?」といった 根本的な疑問に答えることから始める。 そのうえで「ニューラルネットワークでどのようなことが学習できるのか?」 という疑問に対する具体例として、物体認識や奥行き認識などの問題を扱う。 最終的には、機械学習のブラックボックス性を解消し、所詮は ニューラルネットワークもただのソフトウェアであり、 固有の長所と短所をもっていることを学ぶことが目的である。 なお、この講座では機械学習のソフトウェア的な原理を中心に説明しており、 理論的・数学的な基礎はそれほど厳密には説明しない。 使用環境は Python + PyTorch を使っているが、一度原理を理解してしまえば 環境や使用言語が