Embedded Container Runtime Updates - The container performance issues caused by the cgroup
![Debug-application-inside-Kubernetes-using-Linux-Kernel-tools](https://cdn-ak-scissors.b.st-hatena.com/image/square/091038384e1958a5e3720dac9d8da8265e6e5f7a/height=288;version=1;width=512/https%3A%2F%2Ffiles.speakerdeck.com%2Fpresentations%2F5f2a380272404104a939410b31578acf%2Fslide_0.jpg%3F13959747)
はじめに 『機械学習のための特徴量エンジニアリング』の書誌情報 Kaggleのワークフロー 1. (探索的データ分析) 2. ベースラインモデルの構築 3. Validationの構築 4. 特徴量エンジニアリング 5. ハイパーパラメータ調整 6. アンサンブル 『機械学習のための特徴量エンジニアリング』の貢献箇所 Kaggle観点で本書をオススメする読者 おわりに はじめに このたび、『機械学習のための特徴量エンジニアリング』をご恵贈いただきました。 Kaggleと親和性が高い書籍名で、Twitterのタイムラインなどを見るに、Kaggleに興味がある層を中心に大きな注目を集めているようです。 本記事では本書の発売に寄せて、Kaggleの自分流のワークフローと「特徴量エンジニアリング」の位置づけについての私見を述べます。その上で本書がKaggleのワークフローのどの部分に寄与するかを説
この記事について Google Cloud Platform Japan Blog では日々様々な情報が発信されています。新サービスの発表、事例紹介だけでなく、ポイントを分かりやすく説明した資料、網羅的で重厚な資料、Google の謎テクノロジーについての紹介など、役立つ情報が豊富! ただ、情報量がとてつもなく多いので、分野ごと、項目ごとに整頓して、後で目当ての記事をすぐ見つけられるようにしたいと思い、この記事を書きました。 今年は Google Cloud Platform 10 周年と節目の年。改めて記事を掘り起こしてみると、新たな発見があるかも知れません。 また、時代ごとの変遷を感じ取れる資料として、記事後半にはサービスが公開された時期を年表にしたもの、Google が公開している論文リンク集も付録として作成しました。 各分野の記事 サービス全体を俯瞰する記事 Google Clou
The document contains an unstructured list of numbers, letters, symbols and punctuation with no clear meaning or context. Key elements include: - Random assortment of numbers, such as 58, 2.4, 658, and 0.55 - Letters and letter combinations like A, A2, CCB, and DCG - Symbols such as /, -, ., and : - No identifiable words, names, or other meaningful elementsRead less
この春やGWのおでかけにぴったりの、関東のおすすめ絶景花畑を厳選! 実際に行った旅行記を一緒にご紹介しているので、ぜひおでかけプランの参考にしてくださいね♪
森永です。 最近は大逆転裁判をやりながら寝落ちするという毎日を送っています。 サーバ構築する上で、ジョブをどうするかというのは考慮が必要な点です。 簡単に実現するにはcronを使えばいいのですが、要件によってはジョブスケジューラを使わないと厳しいということがあります。 かと言って、エンタープライズで使われている本格的なジョブスケジューラを使うのも大げさすぎる、というのもわかります。 そこで今回は、簡単に構築ができてそれなりに痒いところには手が届くジョブスケジューラ「Rundeck」を試してみます。 Rundeckとは OSSのジョブスケジューラです。 特徴として以下の様なものがあげられます。 エージェントレス SSH接続できればジョブを実行できます。 なので、別サブネットはもちろん、別VPCでも別AWSアカウントでもはたまたオンプレでもRundeckサーバからSSH接続とジョブを実行できる
- はじめに - 前回の記事でGoogle Cloud VisionのAPIキーを発行しました。 そのAPIキーを使って、Pythonを使った顔検出(Face Detector)をやります。 顔認識じゃないです。顔検出です。 - Google APIのFACE_DETECTIONになげるやつ - 以下Pythonコードです。 変数を変更します。 api_keyに発行したAPIキーを入れます。 とりあえずこのスクリプトでSample.jpgから顔検出が出来ると思います。 #! /usr/bin/python # -*- coding: utf-8 -*- '''Gooogle Cloud Vision APIに画像を投げるやつ.''' import base64 import cv2 from requests import Request, Session import json # ここ
機械学習ブームなどにより、 Python を触り始める Rubyist が増えてきたと思います。その際に問題になりやすいのが環境構築です。Rubyだと rbenv がデファクトスタンダードになっているのに、なぜか Python に… 私の立ち位置もともとは、数年前まで 年に一回Python3でNLTKやらscikit-learnやら機械学習や自然言語処理の環境を作ろうと試みては失敗してPython使うものかと思っていた人でした。それが、Anacondaで環境導入すると、面倒なことは何も考えずに済むということを知り、CookpadではAnacondaを前提に環境構築を勧めていました。 今は、ymotongpooに「郷に入っては郷に従え」と言われたため、pip+virtualenv/venvで全てをこなしていますが、これで困ったことは特にありません。macOS, Windows, Linuxそ
Reference documentation CLI reference docker (base command)docker build docker builder docker builderdocker builder builddocker builder prune docker buildx docker buildxdocker buildx bakedocker buildx builddocker buildx createdocker buildx debugdocker buildx debug builddocker buildx dudocker buildx imagetoolsdocker buildx imagetools createdocker buildx imagetools inspectdocker buildx inspectdocker
ポーランド生まれ。2000年に来日。ベルリッツ、モルガン・スタンレーを経て、2011年Googleに入社。アジアパシフィックにおけるピープルディベロップメント、2014年からグローバルでのラーニング・ストラテジーに携わり、人材育成と組織開発、リーダーシップ開発などの分野で活躍。現在は独立し、モティファイ株式会社で新しい働き方と良い会社作りを支援する人事ソフトを開発・提供。『0秒リーダーシップ』『世界一速く結果を出す人は、なぜ、メールを使わないのか グーグルの個人・チームで成果を上げる方法』著者 データが導き出したGoogleの「最高の上司」 —Googleが考える「最高の上司」とはどのような人でしょうか。 前提として、私やGoogler(グーグラー、Google社員のこと)は「上司」という言い方が好きではありません。 たしかに多くの企業はピラミッド型組織で、命令は上から下へと伝わるようにな
こんにちは!freee で モバイルアプリ 開発を担当している RyoAbe です。 freee Developers Advent Calendar の10日目として、Google Cloud Vision API の導入 〜 OCR 機能の検証の結果についてまとめた記事になります。 Google Cloud Vision API とは? Google Cloud Vision API とは GCP が提供するサービスの一つで、機械学習により画像から分析情報を抽出する以下のような機能を提供します。 乗り物や動物など、画像に写っているさまざまなカテゴリの物体(「ヨット」や「ライオン」、「エッフェル塔」など)を検出 アダルト コンテンツから暴力的なコンテンツまで、さまざまなタイプの不適切なコンテンツを検出 著名人やロゴ、ニュース イベントなどの時事的なエンティティを検出 光学式文字認識(OC
はてなエンジニア Advent Calendar 2017の2日目です。 昨日は、id:syou6162 さんによるAWS Lambda上で鯖(Mackerel)の曖昧性問題を機械学習で解決しよう - yasuhisa's blogでした。 この記事は、人工知能学会 合同研究会2017 第3回ウェブサイエンス研究会の招待講演の内容を加筆修正したものです。 講演のテーマは、「自然現象としてのウェブ」ということでそれに合わせて、「自然のごとく複雑化したウェブシステムの運用自律化に向けて」というタイトルで講演しました。 一応、他の情報科学の分野の研究者や技術者に向けて書いているつもりですが、その意図がうまく反映されているかはわかりません。 概要 1. ウェブシステムの信頼性を守る仕事 2. ウェブシステム運用の現状 国内のウェブシステムの運用技術の変遷 クラウド時代 コンテナ型仮想化技術 サーバ
フィードバックを送信 gcloud compute コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 Google Cloud CLI では、gcloud compute コマンド グループを使用して Compute Engine リソースを管理できます。gcloud compute は、Compute Engine API の代わりに使用できます。 gcloud CLI は Google Cloud CLI の一部であり、ステートメントの予測入力、インプレース更新、コマンドライン ヘルプ、人間が読める形式およびマシン解析可能な出力形式、Google Cloud CLI との統合などの機能を含む統合コマンドライン ツールです。 これまでに Compute Engine を使用したことがない場合は、最初に Linux クイックスタートまたは Windows ク
«Even though Borgmon remains internal to Google, the idea of treating time-series data as a data source for generating alerts is now accessible to everyone through those open source tools like Prometheus [...]» — Site Reliability Engineering: How Google Runs Production Systems (O'Reilly Media) Open Source Prometheus is 100% open source and community-driven. All components are available under the A
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