なかなか撲滅できないSQLインジェクション、その原理と対策を知る【伏石ちゃんは意図に反したい】CodeZine編集部では、現場で活躍するデベロッパーをスターにするためのカンファレンス「Developers Summit」や、エンジニアの生きざまをブーストするためのイベント「Developers Boost」など、さまざまなカンファレンスを企画・運営しています。
マイナンバーカードの仕組みはどうなっている？ RustでAndroidアプリを作ってみて分かったこと【デブスト2021】
2020年コロナ禍の特別定額給付金では、マイナンバーカードがあればオンライン申請できて早めに給付金を受け取ることができた。少しずつマイナンバーカードを持つメリットが増えてきた。将来的には健康保険証や運転免許証の代替として利用できるという話もある。しかしもっと大きなメリットがあるという。ゆめみ 池口直希氏がRustを使ったマイナンバーカードを操作するアプリの作成を通して解説する。 株式会社ゆめみ マーケティングソリューション事業部 サーバーサイドエンジニア 池口 直希氏 マイナンバーカードの仕組みはどうなっている？ 国立豊田高専を中退し、2021年4月にゆめみに入社した池口直希氏。サーバーサイドエンジニアでPHP、TypeScript、C#、Go、Rustといった言語のほか、AWS、Terraform、Dockerなどを使う。「なんでも屋なので、フロントエンドにも手を出したりもしています」と
物体検知アプリと機械学習APIを作りながらFlaskの基本が学べる『Python FlaskによるWebアプリ開発入門』
PythonのWebアプリ開発フレームワークであるFlaskの使い方を学べる『Python FlaskによるWebアプリ開発入門』が、CodeZineを運営する翔泳社から1月24日（月）に発売しました。Webアプリ開発に興味があるエンジニアやデータサイエンティストのための入門書です。 『Python FlaskによるWebアプリ開発入門 物体検知アプリ&機械学習APIの作り方』は、Webアプリ開発のフレームワーク「Flask」の使い方をひととおり学べる入門書です。 Flaskは軽量でシンプルな使い勝手から初めての人でも扱いやすく、フルスタックなDjangoと同様に人気があります。その一方でFlaskの基本的な使い方に関する日本語情報は多くなく、FlaskでWebアプリ開発をやってみようと思った人は手探りで取り組まなければならない場合も。 そこで、本書では最小限の機能を持つアプリから、問い合
おすすめ書籍を決める「ITエンジニア本大賞 2022」のベスト10が選出！上位3点はプレゼン大会へ
翔泳社が主催する「ITエンジニア本大賞 2022」にて、一般投票の結果、技術書部門とビジネス書部門のベスト10が選出されました。各部門の上位3点は2月17日（木）の「Developers Summit 2022」内で開催するプレゼン大会に臨み、ITエンジニアが最もおすすめしたい書籍を決定します。 ITエンジニア本大賞 2022は、ITエンジニアが1年間で読んだ書籍のうち、最もおすすめしたい書籍を決めるイベントです。 今回、一般投票を終えて技術書部門とビジネス書部門のベスト10が選出。各部門上位3点の書籍が2月17日（木）の「Developers Summit 2022」内で開催するプレゼン大会（オンライン）に進出し、視聴者の皆さんの投票によって大賞を決定します。 プレゼン大会では各書籍の読みどころや著者・編集者の狙いなどが語られますので、ぜひご視聴ください！ プレゼン大会の詳細・視聴応募は
『データサイエンスの無駄遣い』著者が解き明かすデータ分析の面白さ――「人間にとってのわかりやすさを超越する」ということ
「データサイエンス」と聞くと、難しそうな印象を持つ人は多いだろう。そんな人に読んでいただきたいのが、この1冊、博報堂ＤＹメディアパートナーズの篠田裕之さん著『データサイエンスの無駄遣い 日常の些細な出来事を真面目に分析する』である。現役のデータサイエンティストが分析するのは、「飲み会での孤立」「LINEの既読スルー」など、日常生活において起きそうな事象ばかり。読み終えた頃にはデータサイエンスがぐっと身近に感じられるに違いない。果たしてエンジニアに「データ分析」という視点が加わったらどうなるのか。期待を寄せつつ、本を書いた目的やデータサイエンスの醍醐味を篠田さんに伺った。 ごく自然にデータ分析をコンテンツ開発に融合させ、相乗効果を出せる仕事へシフト ――篠田さんはデータサイエンティストとしてどんなお仕事をされていますか。また、どういった経緯で現在のお仕事に就かれたのですか？ 現在は広告会社
機械学習ライブラリ「TensorFlow 2.7」がリリース
「TensorFlow 2.7」では、デバッグエクスペリエンスを大幅に改善し、スタックトレースの簡素化、カスタムKerasレイヤから発生したエラーでの追加のコンテキスト情報の表示、KerasとTensorFlowのすべてのエラーメッセージの幅広い監査といった変更が行われている。 スタックトレースの簡素化では、エラー時に表示されるスタックトレースをデフォルトでフィルタリングし、TensorFlow内部コードに由来するフレームを非表示にすることで、重要な情報のみを表示する。これによって、スタックトレースがより単純かつ短くなり、コードの問題を理解した修正が容易になる。なお、TensorFlowコードベース自体を実際にデバッグしている場合は、tf.debugging.disable_traceback_filtering()を呼び出すことでフィルタリングメカニズムをオフにできる。 カスタムKera
アジャイル生誕20年──平鍋氏と及部氏が、エンジニアとアジャイル開発の関係を考えてみた【デブサミ夏2021】
日本におけるアジャイル開発の第一人者であり、ソフトウェア開発手法の必読書『アジャイル開発とスクラム』の共著者である平鍋健児氏と及部敬雄氏。2001年の「アジャイルソフトウェア開発宣言から20年を迎える2021年は、アジャイル開発歴10年の及部氏とアジャイル開発歴20年の平鍋氏にとっても、節目の年である。そこで、今回のセッションはアジャイル開発生誕20周年を記念し、両者のこれまでの軌跡とともに、なぜ自分がアジャイル開発と関わっているのか、その熱い想いが語られた。 株式会社永和システムマネジメント 代表取締役社長 平鍋健児氏（左上）、株式会社デンソー デジタルイノベーション室 及部敬雄氏（右下） アジャイル開発に「もっとよい世界があるかもしれない」と気づかされた 及部氏が楽天に新卒で入社したのは、2009年。エンジニアとして初めて書いたコードや最初のプロジェクト、初リリースで感動し、やりがいを
作図って大変？ AWSシステム構成図生成アプリで作図作業を効率化しよう
本連載では、DX（デジタルトランスフォーメーション）、その中でも特に業務効率化をテーマに、プロトアウトスタジオの生徒や関係者が日々の生活や業務で発生している課題を見直し、技術を活用しながら解決していく方法をご紹介していきます。第7回となる本記事は、作図作業を効率化すべく作成した「AWSシステム構成図生成アプリ」（以後、図生成アプリ）を紹介します。 面倒な作図の作業を楽にしたい こんにちは、プロトアウトスタジオ卒業生の周防（スオウ）です。普段はクラウドサービスAWSを使いインフラの設計／構築などをしているインフラエンジニアです。 突然ですが、IT業界では図をかく仕事があることをご存じでしょうか。自社サービスの魅力を分かりやすく伝えるために図をかくことがあります。また、システムのネットワークや構成を関係者と共有するために構成図を作成します。 この作図作業は、時に多くの時間を費やす大変な仕事にな
PythonとCythonによる自然言語処理ライブラリ「spaCy 3.1」がリリース
「spaCy 3.1」では、トレーニング中に予測ドキュメントに注釈を設定するパイプラインコンポーネントを指定できるようになり、パイプライン内の前のコンポーネントの予測を、後続のコンポーネントの機能として簡単に使用可能になっている。 また、任意の重複する可能性のあるテキストのスパンにラベルを付けられ、重複する場合と重複しない場合があるスパンの候補を提案するsuggester関数と、各候補の0個以上のラベルを予測するラベラーモデルで構成される、SpanCategorizerが追加された。 さらに、EntityRecognizerが既知の不正な注釈で更新できるようになり、部分的でスパースなデータを利用可能になったほか、カタロニア語の新たなコアファミリとdanish-bert-botxo重み付けを使用したデンマーク語の新しいトランスフォーマーベースのパイプラインなど、5つの新たなパイプラインパッケ
シフト管理サービス『Airシフト』アプリ開発のこだわりとは――若きフロントエンドエンジニアに聞く
リクルートが開発し、2018年4月より公開されているシフト管理サービス『Airシフト』。当初はWeb版のみでの提供だったが、2019年9月よりスマホアプリ版がリリースされた。その実装をメインで担当したのが、入社4年目の辻健人さんである。入社して即『Airシフト』のチームに配属され、Web版の開発に従事してきた。その辻さんがスマホアプリの知見のないWebフロントエンドエンジニアばかりのチームで、どうやって技術選定をし、ユーザーのニーズに応えるスマホアプリを開発していったのか。開発の背景、および開発における苦労や工夫した点について、辻さんに話を聞いた。 入社1年目からシフト管理サービス『Airシフト』の開発をリード 『Airシフト』は、リクルートの業務・経営支援サービス「Air ビジネスツールズ」の一つで、‟やりとりも作成もラクになるシフト管理サービス“である。スタッフの希望を収集してシフト表
開発者が知っておきたいSQLの実行モデル～アプリからデータベースへのアクセスを高速化するには？
データベースのデータ・モデルは解決したい問題に合わせて使い分けることができ、昨今ではドキュメントやグラフなどのリレーショナル以外のモデルも注目されています。また、トランザクション系が生成した大量のデータをリアルタイムで分析するというような、性質の異なるワークロードを扱うことも求められています。これら性質の異なるデータ・モデルやワークロードを扱うにはどのような実装が必要でしょうか。この連載では、開発者の皆様がシステム・アーキテクチャやアプリケーション・コードをより洗練させるのに役立つデータベース・マネジメント・システム（DBMS）の基本を振り返り、実装に合った技術の組み合わせを解説します。 第1回はデータベースにアクセスするAPIで最も広く使われているSQLという言語の実行モデルを再確認します。なぜこの言語がリレーショナル・モデルのみならず他のデータ・モデルに対しての操作にも使われるようにな
ITエンジニアの理想の開発環境に関するツール・サービス調査、9割がWindowsと回答
同調査は、全国のITエンジニアを対象に、3月30日～4月7日の期間に実施され、403名から有効回答を得ている。 「Q. ビジネスやプロジェクトにおいて、自分に決定権がある場合、どちらのPCを使いたいですか？」と質問したところ、「Windows」と回答した人は90.1％、「Mac」と回答した人は9.9％という結果になった。また、「Q. PCを選ぶ上で最も重要視するポイントはどれですか？」と聞いたところ、「操作性の高さ」が28.5％と最も多かった。 「Q. ビジネスやプロジェクトにおいて、自分に決定権がある場合、どのビジネスチャットツールを選びますか？」という質問では、「Microsoft Teams」と回答した人が55.6％と最も多い結果となった。また、「Q .ビジネスチャットツールを選ぶ上で最も重要視するポイントはどれですか？」と質問したところ、最も多かったのは「セキュリティ性の高さ」の2
SQLで機械学習モデルを作れる「Amazon Redshift ML」が一般提供に
Amazon Redshift MLは、Amazon Redshiftクラスタから直接機械学習モデルを作成、トレーニング、デプロイすることが可能で、単純なSQLクエリを使用してモデルのトレーニングに使用するデータと、予測する出力値を指定することで、機械学習モデルを作成できる。 機械学習モデルの作成後は、指定されたデータをAmazon RedshiftからS3バケットへエクスポートし、Amazon SageMaker Autopilotを呼び出してデータを準備し、適切なビルド済みアルゴリズムを選択してトレーニングを行う。 トレーニングやコンパイルなど、関連するすべての処理が、Amazon Redshift、S3、SageMakerの連携によって行われ、モデルのトレーニングが完了すると、Amazon Redshift MLはSageMaker Neoでモデルをデプロイ用に最適化し、SQL関数と
「楽しく働きたい」と思って環境を変えたらキャリアが広がった――プレイド池上さんが語るエンジニアが楽しく働くためのコツ
元々は大手SIerのシステムエンジニア、現在は株式会社プレイドでSaaSの開発やテクニカルサポートを行っている池上純平さん。社外活動として、エンジニアのキャリアチェンジについて語ったり、非エンジニアに向けてわかりやすく技術解説を行ったりする活動を続けている。YouTubeはもちろん、書籍やnoteなどにも活動の場を広げ、「Developers Boost 2019」での登壇セッションでも大きな反響を得た。なぜ、池上さんが他人のキャリアチェンジについて語り、「非エンジニア職種の人にエンジニアリングスキルを教える」という少し手の込んだことを行うようになったのか。それまでに至った経歴や、活動に込められた思いなどについて伺った。 「楽しく仕事をしたい！」という思いから、転職・個人活動へ ――まずは現在のお仕事や個人活動についてお聞かせください。 現在は、BtoBのCXプラットフォーム「KARTE」
機械学習の運用が実装例でわかる！『AIエンジニアのための機械学習システムデザインパターン』発売
機械学習をビジネスで活用するにはシステムに組み込んで運用するノウハウが欠かせません。CodeZineを運営する翔泳社では、そのための実装モデルをまとめたデザインパターンを解説した『AIエンジニアのための機械学習システムデザインパターン』を5月17日（月）に発売しました。 『AIエンジニアのための機械学習システムデザインパターン』は、Pythonで開発した機械学習モデルをビジネスに組み込み、効果的に運用するための方法論をまとめたデザインパターンを解説しています。 著者はメルカリ等で大規模システムの開発・運用に携わり、現在は自動運転技術を開発するティアフォーでMLOpsエンジニアとして活躍する澁井雄介さん。機械学習の開発・運用に関するプロフェッショナルです。 言語は機械学習の開発で人気のPython、プラットフォームにはコードの再現実行を重視してDockerとKubernetesを活用。多くの
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
Dockerはプロの開発者にとって基本的なツール――Stack Overflow「2022 Developer Survey」調査結果より
Google、機械学習モデルにおける意思決定の解釈に役立つ「BigQuery Explainable AI」を一般提供
伏石ちゃんは意図に反したい一覧
GitHub上での翻訳作業を支援する「GitLocalize」が無料提供開始
Linux向けDocker CLIで「docker scan」が利用可能に
