あら子 @ara5c シャインマスカットとあまおう、紅まどんなくらいしか知らない私に「死ぬ前にこれは食っとけ」っていうブランド的品種の野菜や果物を教えてツイッター! 2022-05-21 00:02:11
![私に「死ぬ前にこれは食っとけ」っていうブランド的品種の野菜や果物を教えてツイッター!→このレスは永久保存版](https://cdn-ak-scissors.b.st-hatena.com/image/square/fa69cd6f64749df1d54c85cb3750ac4b8ea6eb4a/height=288;version=1;width=512/https%3A%2F%2Fs.togetter.com%2Fogp2%2Fd7fe4dfa98c05270ce4c95d69dc75c35-1200x630.png)
DX(デジタルトランスフォーメーション)を推進するうえで、データを効率よく扱うためのデータ統合は欠かせません。 統合のためのツール選びも重要です。そうした「統合ジョブ管理ツール」の領域はこれまでプロプライエタリー製品およびそれらをクラウドに対応させた製品が多く利用されてきましたが、現在この分野でもオープンソースソフトウエア(OSS)が使われるようになっています。 タスクの依存関係をベースとしたフロー定義が可能で、主要なクラウドプラットフォームとも連係しやすい「Apache Airflow」が注目されています。今回は「Google Cloud」や「Amazon Web Services(AWS)」といった主要クラウドでマネージドサービスとして提供されているApache Airflowを解説します。 なぜ統合ジョブ管理ツールが必要なのか 多くの場合、全てのデータが単一のシステムに保存されている
はじめに スタンフォード大学の John Ousterhout 教授が執筆された “A Philosophy of Software Design”(以下 APoSD と略す) という書籍をご存じでしょうか? 書籍のタイトルを直訳すると、「ソフトウェア設計の哲学」となります。書籍の内容はまさに、ソフトウェア設計について扱っています。 本書籍をベースに、「A Philosophy of Software Design を30分でざっと理解する」というお題で社内ランチ勉強会が開催されました。本記事執筆者である岩瀬(@iwashi86)が発表者であり、勉強会資料は以下のとおりです。 スライド P.4 に記載したとおり、本書籍は John Ousterhout 教授の意見が強く反映されており、ソフトウェアエンジニアであれば、議論を呼ぶ箇所があります。実際、勉強会の実況Slackでは、「これはどうな
エンジニアがFigmaを学ぶ利点 ブラウザ上で共同編集ができるなどの理由から、最近では観測範囲内の多くの企業がFigmaをメインのデザインツールとして採用しています。 一般的にフロントエンドエンジニアはデザイナーがFigma上で作成したデザインファイルを元に実装を進めると思いますが、ここでエンジニア側にもFigmaの知識がある程度あればより円滑かつスピーディにUIの実装が行えるのではないかと考えています。 具体的には、エンジニアにFigmaの知識があることで以下のような利点があります。 デザイナーの意図を汲み取ることができる デザイナーと共通言語で話せる 実装の観点からデザイナーにFigmaの修正依頼ができる ↑の打ち返しを待たずに自分で軽微な修正ができる というわけで、今回はエンジニア目線で実装への応用を交えながらFigmaの基礎知識を解説していきたいと思います。 スタイル Figmaで
Amazon Web Services ブログ 何をどれくらいの価格で売ればいいの? ~SaaS のプライシング戦略 (考え方編) ~ 皆さんこんにちは、SaaS パートナーソリューションアーキテクトの櫻谷です。 初めて SaaS ビジネスに挑戦するお客様の中で、以下のような値付けに関するお悩みをお持ちの方は少なくありません。 「何をどれくらいの価格で売れば利益が出るのか?」 「AWSのランニングコストと帳尻を合わせるためにはどうすれば良いか?」 「サブスクリプションモデルって何?」 「価格は公開せずに顧客ごとに価格交渉したいんだけど…」 プライシングは、将来の SaaS ビジネスの成長の基盤を形作る重要な要素です。この連載記事では、SaaS ビジネスにおける一般的な売上モデルの話から、よくある提供プランのバリエーション、適切な価格設定の方法、陥りがちなアンチパターンなどをご紹介します。
私たちは、世界で最も困難なエンジニアリングの課題を解決できる一番信頼されるパートナーになれるよう研鑽を重ねています。
MLOps(Machine Learning Operations)という言葉をよく耳にする。MLOpsはAI(人工知能)の中核となる機械学習(Machine Learning:ML)モデルを継続的に改良していく取り組みで、いわばMLモデル版のDevOps(Development and Operations、開発と運用を一体化する手法)だ。最近MLOpsに関する特集を担当した際、DX(デジタル変革)の先進企業の間で2021年ごろに急浮上したキーワードの1つだと知った。 MLモデルはほとんどの場合、再学習などのメンテナンスをせずに放っておくと予測精度が下がっていく。そのため運用保守フェーズに入ってから継続的にMLモデルの改良を繰り返すことが必要不可欠だ。 MLOpsに取り組む際に必要な要素は何か。MLモデルを組み込んだSaaS(ソフトウエア・アズ・ア・サービス)などを提供しソフトウエア開発
MLOps(Machine Learning Operations)という言葉をよく耳にする。MLOpsはAI(人工知能)の中核となる機械学習(Machine Learning:ML)モデルを継続的に改良していく取り組みで、いわばMLモデル版のDevOps(Development and Operations、開発と運用を一体化する手法)だ。最近MLOpsに関する特集を担当した際、DX(デジタル変革)の先進企業の間で2021年ごろに急浮上したキーワードの1つだと知った。 MLモデルはほとんどの場合、再学習などのメンテナンスをせずに放っておくと予測精度が下がっていく。そのため運用保守フェーズに入ってから継続的にMLモデルの改良を繰り返すことが必要不可欠だ。 MLOpsに取り組む際に必要な要素は何か。MLモデルを組み込んだSaaS(ソフトウエア・アズ・ア・サービス)などを提供しソフトウエア開発
Data PlatformAccelerate data, AI and analytics projects, manage costs and deliver enterprise growth with the Progress Data Platform. Digital ExperienceReal solutions for your organization and end users built with best of breed offerings, configured to be flexible and scalable with you. Infrastructure ManagementProgress infrastructure management products speed the time and reduce the effort require
Data Mesh Vs. Data Fabric: Understanding the Differences In your quest to build the best data architecture for your organization’s current and future needs, you have many options. Thanks to the mailability of software, those options are nearly infinite. But luckily for you, certain patterns have emerged from the maw that can help you on your data path, including data fabrics and data meshes. At fi
AWS Glue とはAWSマネージドなETLサービスですが、AWS Glue Databrewというのもあります。このAWS Glue DatabrewはAWS Glueの派生のようなサービスで、少々使い勝手が違います。今回はこのAWS Glue DataBrewを実際に使って解説したいと思います。 はじめに AWS Glue DataBrewとは? AWS Glue DataBrewとAWS Glue Studioの違いは? 実際につかってみた データ データセット作成 プロジェクト作成 レシピ作成 レシピ発行 レシピのインポート ジョブ作成 ジョブ実行 結果を確認してみる まとめ はじめに 以前に下記のようなブログを記載し、AWS Glue データカタログと AWS Glue Studioを利用したETLジョブ作成について紹介しました。AWS Glue Studioはビジュアルでかな
AWS Glue Discover, prepare, and integrate all your data at any scale Preparing your data to obtain quality results is the first step in an analytics or ML project. AWS Glue is a serverless data integration service that makes data preparation simpler, faster, and cheaper. You can discover and connect to over 70 diverse data sources, manage your data in a centralized data catalog, and visually creat
動画クリエイターにとって、主要な動画投稿サイト「ニコニコ動画」と「YouTube」のどちらが稼げるのか。長く議論されてきた事柄の一つだ。そうした論争に関して、ニコニコ動画の代表で、ドワンゴの栗田穣崇COO(最高執行責任者)が自身の公式Twitterアカウントで示した見解が「めっちゃ真理説いてる」などと注目を集めている。 「ニコニコで人気になってからYouTubeにいくか、伸びるまではどちらもやるのが賢い」 栗田COOは5月26日の午前1時44分ごろ、日本国内のTwitterトピックを扱うまとめサイト「Togetter」の「ニコニコ動画とYouTube、収益格差がすごい」とする記事を引用する形で、自身の公式Twitterアカウントで見解を投稿。「めっちゃ人気のある人だけがめっちゃ儲けられるのがYouTube。一定層に一定の人気がある人がそこそこ稼げるのがニコニコ。好きなことだけして生きていく
最初に タイトルは煽りで釣りです。ごめんね。 この記事の結論を先に書くと タイトルは釣り スクラムチームは導入当初はスムーズに成功できるように感じる。しかし途中でどこに進むべきかの方角を見失い、迷走してスクラムバットに陥る スクラムに求める効能はベロシティの安定が必須なものが多いのに、ベロシティの安定を意識すらしないままスクラムをやるので、迷走に陥る じゃあどうしてそうなってしまう?という話を個人の経験をもとに書いていこうと思います。 前提として この記事を書いた人はWebサービスの内製開発をしているアプリケーションエンジニアだったので、基本的に内製開発のWebサービスでのスクラム導入について語ります なぜこの記事を書いたか やっとむさんのツイートを見て思いつきました。 スクラムの導入をしたいというチームは数多く見ますが、かなり中途半端なところでスクラムのレベルアップをやめて、小手先の「改
AIや機械学習アルゴリズムの開発手法の一つである「MLOps」(エムエルオプス)という手法が、いま注目を集めている。ソフトウェア開発者と運用担当者がお互いに協力することで開発を迅速に進める取り組みや文化である「DevOps」の「ソフトウェア」の部分を「機械学習」に置き換えたものをMLOpsと称し、AIを自社開発する企業での導入が始まっている。 MLOpsでは、AI開発に関わるデータサイエンティストや機械学習エンジニアなどが連携し、AIの開発、運用を行う。そうすることで、複雑なワークフローを構築しても管理や自動化が容易になり、開発が加速化するなどの利点が生まれる。 ただし、企業の体制によってはこの実施が難しい場合もある。エンジニア側に工数が集中することもあれば、データサイエンティストが機械学習モデルの作成に集中できないこともあるからだ。 こうした課題を解決する方法として、「Light MLO
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