はてなブックマーク

Trivyを使用した構成が、全体的にバランスが良かったため、今回はそちらを採用することにしました。 Vuls（FutureVuls）については、脆弱性の管理機能が充実していることから、組織全体で導入するようなケースで適していると感じました。 また、ECRのイメージスキャン機能に関しては、導入が特に容易なため、スピード感を重視する場合に適していると感じました。 評価項目ごとの詳細は、下記の通りです。 必須要件を満たしているか 「実現したいこと」で挙げた項目を満たしているかの評価です。ECR（ベーシック）に関して、「検査対象にアプリケーションが依存するフレームワークやライブラリを含める」と「脆弱性の対応状況をWeb画面上で管理する」の要件を満たすことが難しいため、×としました。その他のツールは全ての要件を満たしているため、○としています。 導入の容易さ ECRのイメージスキャン機能に関して、A

こんにちは、タノシムスタジオテックリードの吉谷です。タノシムスタジオでは2011年ごろからクライアントアプリケーションの開発にUnityを利用し始め、いろいろ試行錯誤をつづけた結果、現在ではクリーンアーキテクチャの考え方を取り入れています。 今回は、Unityを利用したゲーム開発にクリーンアーキテクチャを適用した例として、導入理由、具体的な構成、実際に感じたメリット、デメリットなどを紹介したいと思います。 クリーンアーキテクチャとは クリーンアーキテクチャはRobert C. Martin氏が自身のブログにて発表した、すべてのソフトウェアアーキテクチャが守るべき考え方やアプローチがまとめられた概念です。以下のような同心円状の図で説明されることが多いかと思います。 出典： The Clean Architecture クリーンアーキテクチャの説明自体は、検索していただければ優れた記事や書籍な

今回のエンジニアブログは大橋が担当します。 初登場です。よろしくお願いします。 さて、Unityにはコルーチンの仕組みが標準搭載されています。 コルーチンを使うと、 「処理１」→「一定時間待つ」→「処理２」→「一定時間待つ」→「処理３」 のような一連の処理を１つの関数で直感的に書けます。 ここでは、コルーチンがどういったものかという詳細は割愛させてもらって、 実際の使い方をまとめたいと思います。 動作確認環境 Unity 4.5 C# コルーチンの書き方 コルーチンは、IEnumeratorを返す関数として実装します。 そして、StartCoroutineメソッドで実行します。 StartCoroutineの引数には、実行したいコルーチンの関数名を指定します。 public class Test : MonoBehaviour { void Start () { // コルーチンを実行 S

こんにちは、CTO村田です。前回に引き続き Zoom についてです。 今回は、Zoom Rooms をもっと楽しく、便利に使う方法を公開したいと思います。 前回の Zoom に関する記事をご覧になられていない方は、ご一緒にどうぞ！ ワンダープラネットにおける Zoom の導入背景と使い方 その前に... Zoom Rooms 設定画面の基本的なこと Zoom Rooms に関する設定は、「ルーム管理」メニューより行います。 その中でも主に使うのは「Zoom Rooms」です。「カレンダー統合」は一度設定すれば、あまり触る事は無いと思います。 そして Zoom Rooms の設定は、全体に反映する設定と、ルームごとの設定があります。 ■ 全体に反映する設定 アカウント名の隣にある「アカウント設定」リンクから設定します。 ■ ルームごとの設定 「ルーム」タブ内のルーム一覧より、設定したいルーム

こんにちは。アドバンストテクノロジー部のR&Dチーム所属岩原です。 今回はファインチューニングについて色々と調査しました。 ファインチューニング(fine tuning)とは 既存のモデルの一部を再利用して、新しいモデルを構築する手法です。 優秀な汎用モデル(VGG16など)を使い、自分たち用のモデルを構築したり出来ます。 少ないデータ(といっても数十〜数百ぐらいは必要ですが)で、結構精度の良いモデルが構築できたりします。 全く違う方向性(写真画像系のモデルを元に、イラストの判定モデルを作るなど)だと余り効果が出てこないようですが、 元のモデルより更に詳細な特徴を抽出したい、などの用途だと効果が高いようです。 転移学習(transfer learning)という呼び方もされるみたいですが、使い分けとかどんな感じなんでしょうね？ 実際にやってみた 環境 Ubuntu16.04(GTX1080

アドバンストテクノロジー部の近藤です。 Amazon EchoやGoogle Homeなどのスマートスピーカーが最近テレビCMするなどしていて普及し始めています。 今回はGoogle Homeにも利用できるDialogflowを使ってちょっとしたチャットボットのようなものの作り方を紹介します。 必要なもの ・Googleアカウント（DialogflowとActions on Googleのログインに利用） ・連携したいメッセージアプリのアカウント ・Google Homeで動かしたい場合はその実機 Dialogflowとは https://dialogflow.com Dialogflowは音声およびテキストベースの自然言語での会話型インターフェイスを構築するためのサービスです。 たとえば「誕生日おめでとう」という呼びかけに対して、「ありがとう」という返答をさせるようなものを作ることができ

こんにちはアドバンストテクノロジー部の@y-matsushitaです。 今回は高度な知識や大量の教師用データが不要で始めることができる、 Google Natural Language APIを使った感情解析を試してみたのでご紹介します！ Google Natural Language APIとは Googleが提供する自然言語処理の機械学習モデルです。テキストの構造と意味を解析できます。 SNSやECサイトに寄せられたコメントから製品に対するセンチメント（感情）を把握したり、顧客満足度を分析したりすることができます。 動作サンプル WEB上で動かせるサンプルがあります。 ひとまず「Try the API」の箇所に任意のテキストを入れて試してみましょう。 現在は下記の3つ、Entities, Sentiment, Syntaxが日本語で利用可能です。 （Categories（テキストのカテ

こんにちはアドバンストテクノロジー部の@y-matsushitaです。 今回は機械学習を使った取り組みとして、手始めにfastTextを使ったテキストの分類について触れたいと思います。 fasttext.cc fastTextとはFacebookが提供する単語のベクトル化とテキスト分類をサポートした機械学習ライブラリです。 fastTextという名前の通り動作が軽く早いのが特徴です。試しに使ってみたところ精度も良好で動作も軽かったのでご紹介させていただきます！ 今回は試しに様々な情報が入り混じったTwitterの投稿内容を分類して「美容系」「エンタメ系」「暮らし系」情報の3パターンに分類してみます。 なお今回の記事ではPython 3.6.1を使用します。 fastTextを使ってできること まず最初にfastTextを使った結果をお見せします。 『分類前』が処理前で『分類後』がfastT

こんにちはアドバンストテクノロジー部の@y-matsushitaです。 最近はAmazon Echo、Google Home、Clova WAVEと次々に新しいスマートスピーカーが出ていますね。 私も流行りに乗ってAmazon Echo用のAlexaスキルの作成を試してみたのでご紹介します。 作成するAlexaスキル 今回はクラッシュフィーバーのクイズを出題するスキルを試作します。 予め設定した問題を出題しユーザの回答(番号)によって正解か不正解かを返します。 流れとしては以下のような形です。 Alexaから問題を出題 ユーザが1番〜n番までの番号で回答 Alexaから「正解」or「不正解」を返す 1に戻る（最後まで出題し終えたらAlexaから正解数を発表） それでは早速始めます。 必要な事前登録 以下への登録が必要です。 developer.amazon.com aws.amazon.c

こんにちは、アドバンストテクノロジー部の長谷川です。 今回はワンダープラネットで利用している、会議室予約システムの Robinについてご紹介していきます。 robinpowered.com Robinとは Robin は会議室の予約や管理するためのサービスで G Suite、Office365、Exchange などのスケジューラとの連携もできます。 Robin を利用することで、予約した会議室の利用状況が可視化できるため、より効率的な会議室の運用が可能になります。 Robinの導入背景 今まで、会議室の予約にはGoogleカレンダーと連携して利用するrakumoカレンダーを利用していたのですが、各会議室に Zoom を導入したことで会議室の利用頻度が上がり以下の問題がありました。 問題点 ・ 会議が予定より早く終わったが、予約をしたままの状態になっている ・ 予定していた会議がキャンセル

いよいよiPhone Xの発売日が迫ってきてウキウキしているアドバンストテクノロジー部の近藤です。 先日のWWDC 2017でiPhone Xが発表されました。 破壊的アップデートがなされることが発表されて、世界中のアプリエンジニアの皆さんは今から胃の痛い思いをしているかと思います。 iPhone Xにアプリを対応する上で主に画面の変更による注意点を、発売前にわかっている情報を元にまとめていきます。 iPhone X はこうなる iPhone Xはパッと見てもわかるようにディスプレイの形がかなり変わっています。 センサーハウジング（ディスプレイ上部の出っ張り） Face ID用のセンサーやフロントカメラなどが収まっているエリアです。この部分が画面の内側までせり出しています。 その両側が従来のステータスバーとなり時計やバッテリー残量などが表示されます。 ホームボタンの代わりにホームインジケー

coremltoolsの環境構築 大まかな手順は以下の通りです。 virtualenvでPythonが動く環境用意する。 pip install -U coremltoolsでツールをインストールする。 coremltoolsを利用するために必要な下記のツールをpipでインストールする。 ・numpy (1.12.1+) ・protobuf (3.1.0+) ・Keras (1.2.2+, 2.0.4+) ・Tensorflow (1.0.x, 1.1.x) ・Xgboost (0.6+) ・scikit-learn (0.15+) ・libSVM 詳細なインストール手順はcoremltoosのドキュメントを参照してください。 変換の例（.h5 → .mlmodel） TensorFlowとKerasで作成した犬と猫の画像をどちらか判別する学習モデル「model.h5」をXcodeで扱える