Erlang/OTP で WebRTC と QUICYou signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
Erlang & Elixir Fest 2019 で発表してきました
資料は Erlang/OTP で WebRTC と QUIC です。Erlang/OTP 自体の話はほとんどせず、どんなミドルウェアパッケージを Erlang/OTP で開発しているのか、どんな体制で開発してるのかあたりをざっくりと話させていただきました。 今回の発表は初めて「自社製品」と「Erlang/OTP」と「WebRTC」を組み合わせた発表です。この全部合わせたテーマでの発表はこれが最初で最後になると思います。普段はそれぞれ独立して発表しています。 そもそも自分は自社製品が何でできているかとか興味なくて、今まで自社製品が Erlang/OTP を利用しているということはアピールしてきませんでした。そもそも何で作られていようがいいものはいいという考えです。 ただ数年前に から「自社製品が Erlang/OTP で作られていることをアピールしてほしい」という相談をされたことがありました
シスコがWi-Fi 6対応アクセスポイントと、Cat6K後継スイッチを発表
シスコシステムズは2019年5月30日、「Wi-Fi 6（IEEE 802.11 ax）」に対応したWi-Fiアクセスポイント5機種と、キャンパスコアスイッチの新シリーズ「Cisco Catalyst 9600」を国内発表した。ほぼ全ての製品が提供開始済み。 シスコはキャンパスネットワーク製品群全体のリフレッシュを進めており、今回発表の製品によってこれが完結すると、同社執行役員（エンタープライズネットワーキング事業担当）の眞崎浩一氏は説明した。 Catalyst 9600シリーズは、「最も成功したイーサネットスイッチ」ともいわれる「Cisco Catalyst 6000シリーズ」（Cat6K）の後継であり、新製品発表のインパクトは大きい。これを含めて新Catalystの有線ネットワーク製品は同社開発の「UADP-ASIC」を共通に搭載し、OSも「IOS-XE」で統一されている。 一方、Wi
無限
・集合はそのある真部分集合と一対一対応があるとき，無限集合と呼ばれる ・集合間の大小関係は，その集合間の写像の存在に基づいた濃度で表す ・集合はその全ての要素を並べることができるとき，可付番集合と呼ばれる ・自然数，整数，偶数，奇数，有理数，自然数の直積集合などは可付番集合 ・実数は可付番集合ではない（カントールの対角線論法） ・実数の濃度は自然数の濃度よりも高く，自然数の冪集合の濃度に等しい ・冪集合の濃度はもとの集合の濃度よりも高くなる ・可付番無限集合の濃度をアレフ・ゼロと呼ぶ ・可付番無限集合は濃度が最小の無限集合である
Nuxt.js × Atomic Designのサービスデザインフロー
2019/6/1 初夏のJavaScript祭りで使用したスライドです。 Atomic Designの考え方をNuxt.jsのコンポーネント分割に取り入れてサービス開発してみました。フロントエンドエンジニア、デザイナー両面からの視点でやってみて良かったことやハマりどころをご紹介します。
認定スクラムマスターになりました | おそらくはそれさえも平凡な日々
https://www.scrumalliance.org/community/profile/mmatsuki2 アトラクタ社の認定スクラムマスター研修を受け、テストも合格し、晴れて認定スクラムマスターとなりました。だからなんだというわけでもないですが、スクラムに関する交流や雑談などしたいとかあれば、ご相談ください。 受けたのは以下の研修で、Gabrielle Benefieldさんと原田騎郎さんが講師でした。 https://www.attractor.co.jp/info/csm-201905/ 比較的長年アジャイルやスクラムに関わってきたので、良い知識の再整理の機会になりました。ありがとうございました。 私とスクラム 意外かもしれませんが、僕はそれなりにアジャイルやスクラムを経験してきました。とはいえ、今の開発者が押さえておくべき技術分野の一つなので、人並みくらいかもしれません。M
業務で機械学習を使うためには、まず課題を洗い出す～『現場で使える！Python機械学習入門』より
本記事は『現場で使える！Python機械学習入門』の「CHAPTER2 機械学習を実務で使う」からの抜粋です。掲載にあたり、一部を編集しています。 2.1 業務で機械学習を使う 業務で機械学習を用いる際には、「課題を明らかにし、定式化する」ことが重要です。課題を機械学習で解決できる段階まで落とし込む例について解説します。 2.1.1 機械学習について 近年ではデータ処理技術の向上や計算機の処理能力の向上の影響、さらには活用可能なデータの増加に伴い、「AI」、「人工知能」などの用語が一般大衆の人たちにも広がっています。そのため、「AIを使いたい」という要望が、技術者や研究者に限らず、経営層やその他非技術職から出ることも多くあるという話を耳にします。筆者も実体験として、人工知能や周辺技術と関わってこなかったような方々から「人工知能（AI）を用いて面白いことをしたい」などの相談を受けたことがあり
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
Erlang/OTP と ejabberd を活用した Nintendo Switch(TM)向け プッシュ通知システム 「NPNS」の 開発事例
追い詰められた29歳子持ち無職が公務員試験と支援措置のおかげで死なず殺さずに済んだ話
