●●WebGL(PIXI.js + glsl)と物理演算(matter.js)で可愛い絵本風タピオカ作ったので解説●● - Qiita
こんにちは。WebGLのお勉強1週間目くらいの絵描き系エンジニア「ゆき」です。最近Qiita界隈でもタピオカが流行っているらしいので、今日は勉強中の技術をフルに活用してタピオカを作ってみました。 ここで試せます（スマホ未対応）： https://tapioca-pixi.firebaseapp.com この記事の内容と想定読者 この記事ではJavaScriptの描画エンジンの定番の一つであるPIXI.jsと、物理演算ライブラリのmatter.jsを使って、タピオカを可愛くふわふわさせる表現のアプローチとポイントを解説します。 物理エンジンと描画エンジンの連携方法 シェーダーによるオリジナルの表現 物理演算で表現したいものを作るためのチップスいくつか シェーダー(glsl)周りは結構独特なので別途もうちょっとちゃんとした解説記事を書く予定です。この記事はどちらかというと駆け足のネタ記事になっ
Gunosy MLチームでのABテストの設計と運用 - Gunosyデータ分析ブログ
こんにちは、Gunosy Tech LabのMLチームでマネージャーをしている id:skozawa です。 今日はMLチームで取り組んでいるABテストの設計と運用について紹介したいと思います。 MLチームはプロダクト横断のチームです。メンバーはグノシー、ニュースパス、LUCRAなどのプロダクトチームにも属しながら、開発を進めています。 ABテストについては以前も少し書いたことがあり、基本方針は同じなのですが、横断チーム、ロジック開発だからこそある難しさもあり、そのあたりで少し工夫していることなどを書きたいと思います。 tech.gunosy.io ABテストの設計について ABテスト開始のために、タスク、KPI、拡大判断基準の設計をするようにしています。 タスク設計 仮説を立て、タスクのゴールを設定します。 ここでは、controlとtreatmentの差分を明確にすることと、contr
bash の危険な算術式 - どさにっき
■ bash の危険な算術式 _ 使ってる人がいちばん多いだろうからタイトルでは bash としてるけど、ここで取り上げることは zsh および ksh 一族(本家 ksh、pdksh、mksh)にも該当する。ash、dash などでは該当しない。 _ 以下のシェルスクリプトには脆弱性がある。わかるだろうか。 #!/bin/bash # "品目,単価,個数" の形式の CSV を読んで、"品目,合計金額" の形式で出力する csv="foo.csv" while IFS=, read item price num; do echo "$item,$((price*num))" done < "$csv" これ、細工された CSV ファイルを食わせることで、任意コードの実行ができてしまう。数ある脆弱性の中でもとくにヤバいやつだ。どこが穴なのかというと、タイトルにもあるとおり算術式なのだが、し
ブラウザ上で音楽編集ができるソフトをNuxt.js+WebAudioAPIで作った話 - Qiita
この記事はNuxt.js #2 Advent Calendar 2018 13日目の記事です。 近年のWebアプリの発展は凄まじく、多くのブラウザベースのアプリが誕生しました。 従来はデスクトップアプリが担当するような高度な処理も、どんどんブラウザ上で実装できる時代になってきました。 友人も、最近はブラウザベースのアプリしか使っていない、とぼやいています。 このビッグウェーブに乗るべく、もともとデスクトップアプリで作る予定だったものをWebアプリで作ることにしました。 その名もMusicCutterです。 つくったもの ブラウザ上で音楽を切り貼りできるアプリ、MusicCutterを作りました。 紹介動画はこちら 特徴 音楽の切り貼りに特化したアプリ 曲のテンポを自動解析し、拍単位での編集を可能にする ブラウザ上で処理を完結させるため、サーバーに音声ファイルをアップロードする必要がない 上
ユーザの平均継続期間が「1/解約率」で求められることの数学的証明 - it's an endless world.
グロース分野においてユーザがそのサービスを平均でどのくらいの期間使ってくれるか？という数値は重要な値です。 例えば、広告の費用対効果を見るためにも計算するLTV(Life Time Value)。 LTVはユーザを1人獲得することで平均でどのくらいの売上に繋がるかという値ですので、平均継続期間×ARPUという算出方法になります。 ここで、ARPU(Average Ravenue Per User)のほうの計算は簡単です。 1ユーザあたりの売上を表す数字ですので一定期間の売上/ユーザ数、以上です。 しかし、ユーザの平均継続期間はどのように計算するべきでしょうか？ 離脱したユーザのデータを基に算出しようとしても、それはあくまでも「離脱したユーザ」の平均値となり全体の平均とは異なる明らかに誤ったサンプルから得られた結果となってしまいます。 そしてもちろん、多くのユーザはまだそのサービスを使ってい
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
