In this article, I will share with you some very useful HTML tips. Enjoy! * Post will be updated regularly with new tips! But first, what is HTML? Hypertext Markup Language (HTML) is the standard markup language for documents designed to be displayed in a web browser. It can be assisted by technologies such as Cascading Style Sheets (CSS) and scripting languages such as JavaScript. Let’s start!

この記事の概要 HottyDB（検索エンジンとレコメンドエンジンを搭載したRDBMS）という、筆者が個人開発したソフトウェアのレコメンド機能について紹介したいと思います。 前回の記事でHottyDBの検索エンジン機能について解説しているので、そちらも是非参照してみてください！ レコメンド機能 レコメンド機能では、「この商品を購入した人は、この商品も購入しています」や「この記事にイイネしている人は、この記事にもイイネしています」などのアイテムベースのレコメンデーションを実現します。 SQL LIKEなコマンドで、これらを自動的に計算する使い方を紹介します。 前提 本記事では、「この記事にいいねしている人は、この記事にもいいねしています」というレコメンデーションを実現するための例を紹介したいと思います。 事前に、下記のような「いいね管理テーブル(likes)」という「どのユーザーがどの記事にい

HottyDB[1]は、検索エンジンとレコメンドエンジンの機能を搭載したRDBMS（リレーショナルデータベース）です。 本記事では、HottyDBを使ってAI検索システムを実装する方法を解説したいと思います！ AI検索システムとは？ AI検索システムとは、機械学習を使って検索結果のランキングを最適化する[2]ことができるシステムのことです。 AI検索システムの作り方 本記事の構成は下記のようになっております。 【準備】テーブルの作成 転置インデックスを用いた全文検索 機械学習による検索結果のランキング改善(AI検索) 0. 【準備】テーブルの作成 最初に、本記事で検索対象テーブルとして用いる「記事テーブル（article）」を下記コマンドで作成します。 id と titleは説明不要だと思います。 likes_count は記事のいいね数を表します。 機械学習によるランキング改善で並び順を

導入事例 # Hotty技術書検索 # Hotty技術書検索 〜 HottyDBを使った技術書の検索サービス Hotty技術書検索は、技術書の検索とレコメンデーションのサービスです。 HottyDBという次世代型RDBMSを利用して作られており、その機能を紹介するために作られたサイトです。 技術書のキーワード検索、関連書籍のレコメンデーション、あなたにおすすめの書籍などの機能があります。

HottyDB という検索エンジンとレコメンドエンジンの機能を搭載したRDBMSを開発し、α版を公開しました！ ので、この記事ではHottyDBの概要と導入事例について紹介したいと思います！ 概要 HottyDBとは？ HottyDBとは、検索エンジンとレコメンドエンジンの機能を搭載したRDBMS（リレーショナルデータベース）です。 SQLを用いた通常のデータ操作に加え、文書の全文検索や検索結果の機械学習ランキング（MLR）・アイテムレコメンデーションのロジックなどを全て1つのソフトウェアで担います。 1つのソフトウェアでこれらを実現することで、面倒なデータ伝送システムの構築を一切不要にし、利用者は機械学習などの知識がなくてもSQL LIKEな命令だけでこれらを実現することができます。 3つの機能が同じソフトウェアになることで何が嬉しいか？ 従来の機械学習システムの場合 検索エンジンなどを

HottyTech検索は、Tech記事の検索とレコメンデーションのサービスです。 HottyDBという次世代型RDBMSを利用して作られており、その機能を紹介するために作られたサイトです。

HottyDBは現在α(アルファ)版のリリースとなります。 安定版ではないため、その辺りご理解いただいた上でお試しください。 HottyDBとは？ # HottyDBとは、検索エンジンとレコメンドエンジンの機能を搭載したRDB（リレーショナルデータベース）です。 SQLを用いた通常のデータ操作に加え、文書の全文検索や検索結果の機械学習ランキング（MLR）・アイテムレコメンデーションのロジックなどを全て1つのソフトウェアで担います。 1つのソフトウェアでこれらを実現することで、面倒なデータ伝送システムの構築を一切不要にし、利用者は機械学習などの知識がなくてもSQL LIKEな命令だけでこれらを実現することができます。 従来システムの場合 # 検索エンジンを利用して、機械学習ランキングを実現するシステムを作成しようとすると、従来のシステムでは最低でも下記の様なシステム構成になると思います。 ま

検索システムとは？ 本記事で紹介する検索システムは、テキスト検索システムのことです。 テキスト検索システムは、Google検索に代表されるような、キーワードを入力するとそのキーワードに関連するアイテム（Google検索の場合はWebページ）を検索することができるシステムです。 本記事では、 テキスト検索の基本的な実装方法や、HottyDB を用いてそれを実装する方法などを紹介したいと思います。 HottyDBとは？ HottyDBとは、検索エンジンとレコメンドエンジンの機能を搭載したRDBMS（リレーショナルデータベース）です。 SQLを用いた通常のデータ操作に加え、文書の全文検索や検索結果の機械学習ランキング（MLR）・アイテムレコメンデーションのロジックなどを全て1つのソフトウェアで担います。 1つのソフトウェアでこれらを実現することで、面倒なデータ伝送システムの構築を一切不要にし、利

モチベーション 世の中には様々な負荷試験ツールがあり、それらは大概シナリオを組めたり複数ノードからリクエストを送れたりと高機能です。無論それは素晴らしいことなのですが 新しく実装したAPIで目標RPSを達しているかざっくり確認したい インデックスの追加前後でパフォーマンスに大きな影響が出ないか見てみたい 等といったシンプルな要件においてはセットアップ諸々の手間を考慮すると少々億劫な面があると思います。かといって自分で即席ツールを実装しようとすると 試験パラメーター取得処理 パフォーマンスを意識した実装 並行処理の排他制御 統計情報の出力 等々地味に面倒な実装が多くこちらもそれなりの労力を要します。或いはもっと簡便な試験ツールを使おうとすると微妙に痒いところに手が届かなかったりもするでしょう。 こうしたケースで簡単に負荷試験ツールを実装できるライブラリがあればもっと気軽に負荷試験を行え便利な

最近は新品でも安価に入手できるデバイスが増えてきた。こうしたデバイスに最新のLinuxを入れると、小型パソコンとして利用できるようになる。それぞれのデバイスの特徴に合わせた用途に使えるようLinux化する方法を紹介する。 キーボード一体型モデルのPC「Raspberry Pi 400」に、「Chromium OS」をインストールして持ち運べるクラウド端末としてLinux化します。 小型PCボード「Raspberry Pi」（以下、ラズパイ）は、本体に「GPIO」と呼ぶデジタル信号の入出力端子を備えているため、電子工作の用途で使われることの多いデバイスです。けれども、UbuntuやManjaro、LibreELEC、Volumio、RetroPiなど多くのLinuxディストリビューションがラズパイ向けのイメージファイルを提供しており、Linux PCとしても活用できます。 ラズパイには、スペ

最近は新品でも安価に入手できるデバイスが増えてきた。こうしたデバイスに最新のLinuxを入れると、小型パソコンとして利用できるようになる。それぞれのデバイスの特徴に合わせた用途に使えるようLinux化する方法を紹介する。 手のひらサイズのPCをLinux化して、リビングのテレビにつないで動画配信サービスを楽しめるようにします。操作にはリモコンを使います。 Part1では、中国のPCメーカーであるCHUWI（ツーウェイ）社が発売した超小型PC「CHUWI LarkBox Pro」（以下、LarkBox Pro）をLinux化します。販売価格は通販サイト「Amazon.co.jp」で2万2800円（2022年7月14日時点）、割引クーポンを使えば2万円以下と格安に購入できます。特徴は、6.1×6.1×4.3cmと手のひらに収まるほどコンパクトなサイズです。 Linux化するデバイス 超小型PC

Hybrid search is now in closed beta. Discover more and sign up for early access!

※この物語はフィクションです

Good Data Analysis Stay organized with collections Save and categorize content based on your preferences. Author: Patrick Riley Special thanks to: Diane Tang, Rehan Khan, Elizabeth Tucker, Amir Najmi, Hilary Hutchinson, Joel Darnauer, Dale Neal, Aner Ben-Artzi, Sanders Kleinfeld, David Westbrook, and Barry Rosenberg. History Last Major Update: Jun. 2019 An earlier version of some of this material

テキストエディタのデータ構造 Gap method Piece Table method Piece Table の構造 Piece Table の実装 Piece Table のメソッド まとめ テキストエディタのデータ構造 テキストエディタで採用されているデータ構造にはいろいろあります。 こちらの論文 Data Structures for Text Sequences では各種データ構造について比較検討されています。 多くは、Gap method や Piece table method をベースにしたものが多いのではないでしょうか(図で言う最下部の中心の丸印に当たります)。最近では Rope なども有名ですね。 Gap method Gap method では、現在のカーソル位置で、テキストバッファを2つに分割し Gap を間に挟み、カーソル位置に対する編集(テキスト追加/削除)を

You 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

Amazonが社内で開発し、サービスで利用しているDynamoというストレージサービスがあるのだけど、これについての論文が公開されていたので読んだのでまとめてみる。 この論文を書いたメンバーにはAmazonのCTOであるWerner Vogelsや、AWSでDynamoDBやElastiCache、SQS、SNSなどの製品のマネージメントをしているSwami Sivasubramanianらが含まれている。 Dynamoをひとことで表すと分散型でKey Valueストレージで、データの一貫性に関しては結果整合性を保証するサービスだ。なお、AWSで提供されているDynamoDBとは別物なので注意。 原文はこちらから参照できる。今回のポスト中の引用(図や文問わず)はすべてこちらから引用している。 また、既に日本語訳をされている方もいらっしゃるので原文をそのまま日本語でよみたい人はこちらを参照の

Dynamo: Amazonの高可用性Key-value Store.markdown Dynamo: Amazonの高可用性Key-value Store[和訳] 原題：Dynamo: Amazon’s Highly Available Key-value Store 原文: Amazon's Dynamo - All Things Distributed (PDF Version) This article is translated by @ono_matope. Please contact me if any problem. Giuseppe DeCandia, Deniz Hastorun, Madan Jampani, Gunavardhan Kakulapati, Avinash Lakshman, Alex Pilchin, Swaminathan Sivasubram

Rules of Machine Learning: Stay organized with collections Save and categorize content based on your preferences. Best Practices for ML Engineering Martin Zinkevich This document is intended to help those with a basic knowledge of machine learning get the benefit of Google's best practices in machine learning. It presents a style for machine learning, similar to the Google C++ Style Guide and othe