新Linuxカーネル解読室 - タスクスケジューラ (その2) - EEVDF - VA Linux エンジニアブログ
「Linuxカーネル2.6解読室」（以降、旧版）出版後、Linuxには多くの機能が追加され、エンタープライズ領域をはじめとする様々な場所で使われるようになりました。 それに伴いコードが肥大かつ複雑化し、多くのエンジニアにとって解読不能なブラックボックスとなっています。 世界中のトップエンジニア達の傑作であるLinuxカーネルにメスを入れ、ブラックボックスをこじ開けて、時に好奇心の赴くままにカーネルの世界を解読する「新Linuxカーネル解読室」プロジェクト。 本稿では、(その1)に引き続き、カーネルv6.8におけるタスクスケジューラの仕組みや実装について解説したいと思います。 はじめに 3. どのタスクをどの程度実行するか 3.1 FAIR(EEVDF) 3.1.1 概要 3.1.2 cfs_rq構造体とsched_entity構造体 3.1.3 V 3.1.4 enqueue 3.1.5
「エンジニアって性格悪い人多くね？」を澤円はどう見た？ 今すぐ使える！対立を生まないためのキラーフレーズも伝授 - エンジニアtype | 転職type
「プロジェクトの途中でトラブルがよく起こる」「自分の説明が伝わっていない気がする」そんな“技術以外”の課題の背景にあるのは、ひょっとして「コミュニケーション」の問題かもしれない。プレゼンの神・澤円が自身の経験やノウハウをもとに、仕事がスムーズに進むコミュニケーションのヒントを伝授！ 株式会社圓窓 代表取締役 澤 円(@madoka510) 立教大学経済学部卒。生命保険のIT子会社勤務を経て、1997年、日本マイクロソフトに転職、2020年8月に退職し、現在に至る。プレゼンテーションに関する講演多数。武蔵野大学専任教員。数多くのベンチャー企業の顧問を務める。 著書：『外資系エリートのシンプルな伝え方』（中経出版）／『伝説マネジャーの 世界No.1プレゼン術』（ダイヤモンド社）／『未来を創るプレゼン 最高の「表現力」と「伝え方」』(プレジデント社)／『「疑う」から始める。これからの時代を生き抜
まるで映画「ブレードランナー」のあのシーン。古い写真の撮影場所をChatGPT o3が12分かけて特定したそのやり方がすごい（CloseBox） | テクノエッジ TechnoEdge
手元に遺された古い写真について教えてくれる人もいない場合、それがいつ、どんなシチュエーションで撮影されたのか知りたいことがあると思います。 筆者は長年疑問に思っていた写真が何枚もあります。 そんなときにはGoogleレンズなどを使うのが定番ですが、人物が写っていると拒否されるという致命的な欠陥があります。ChatGPTのプライバシーポリシーはGoogleと比べると格段に緩いので可能かもしれません。 o3とo4は画像解析、ウェブ検索、コーディングが同時にできるようになったため、期待が持てそうです。 そこで、過去にはまったく撮影場所不明だった、妻の中学・高校時代の写真をアップロードして、「ここはどこ？」と聞いてみました。 もう少し情報があるといいらしいので、「撮影は1970年代末から80年代はじめにかけて」と追記すると、調査を開始。 うまく絞り込めたようで、56秒で結論が出ました。最初の推測通
Playwright MCP を使ってAIにUXを評価してもらう - Qiita
はじめに 乗り遅れましたが巷ではMCPが流行っていたので、気になっていたPlaywright MCPを使ってみたいと思います。 今回は、AIが画面操作を出来るならUXも評価してくれるのでは？という思い付きを試してみました。 1. MCPとは？ MCPは、Model Context Protocolの略称です。 Protocolとある通り、「AI」と「サービスやリソース」を繋ぐ、共通規格です。 従来の悩み 従来は、AIと他サービスやリソースを連携させる際、それぞれの接続先ごとに個別の実装が必要となり、開発者に大きな負担がかかっていました。 下記ではAIエージェントが利用できるように「ブラウザ操作」「画像生成」など個別に実装する必要があります。 MCPが解決すること 「AI」と「サービスやリソース」を繋ぐ部分を共通規格化することで、開発の負担が減り、手軽にAIとサービス・リソースを接続できるよ
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
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
【速報】仏経済紙、日本は「炭鉱のカナリア」と指摘
GitHub - humanlayer/12-factor-agents: What are the principles we can use to build LLM-powered software that is actually good enough to put in the hands of production customers?