7月29日開催 July Tech Festa 2018基調講演スライドです。 大村伸吾「Preferred Networksの機械学習クラスタを支える技術」 https://2018.techfesta.jp/ Slides of Keynote in July Tech Festa 2018.Read less
Jupyter Notebook が変える、 あなたのチームの運用作業 2018年7月29日 11:15-12:00 国立情報学研究所 クラウド基盤研究開発センター 特任研究員 長久 勝
あまりにバズってしまったので、前書きを追加 ここまでバズってしまって正直すまんかった。 この記事はもともと愚痴記事をマイルドにして投稿しただけなので「テストを勧める」とか「テストを信奉する」とかそこまで強い意図は特にありません。(私がテスト好きなのは否定しません) 「テスト書こう」に対して「そんなコストはない」と言いながら、いろいろ問題が生じる現状を愚痴りたかっただけです。愚痴るだけだと生産性がないから、なんでこんなに認識が違うんだろうと原因を考えた結果、テストを書くことに対する技術で実際にコストが大きく異なるなと気づいて書いた次第です。 この記事の対象は「テストを書く技術がなく、テストを書く気がない」組織に所属する人です。 アジャイル開発において「テストコードは当然」なのか?という記事で(私の記事をきっかけとして)テストコードの「徹底」とか「カバレッジ100%」とかを批判し、トレードオフ
CI/CD してますか? Google Cloud Build (以下、Cloud Build)は、フルマネージドなCI/CD platformです。Google Cloud Next ‘18でContainer Builderから名称が変更されましたが、コンテナイメージをビルドするサービスというイメージを持たれている方も多いのでは無いでしょうか? Cloud Build を利用することで、コンテナイメージやアーティファクトのビルドから、VM、サーバレス、Kubernetes、Firebaseなどの複数環境へのデプロイまで、カスタムワークフローを定義して管理することが可能です。 本記事では、カスタムビルドステップを利用して、Firebase HostingへのContinuous Delivery を実現してみましょう。 (その他のユースケースについては、概要ページをご参照ください。また、
BigQuery MLは、機械学習を利用した売上の予測や顧客セグメンテーションの作成といった予測分析を実現する、シンプルなSQL拡張セット。 BigQuery MLのバックエンド開発にあたっては、BigQueryサーバから、機械学習アルゴリズムを実行する専用サーバへの大量のデータ転送には時間がかかり、セキュリティやプライバシー面での問題もあった。しかし、機械学習アルゴリズムの最適化手法において主流である最急降下法のコアコンポーネントが、一般的なSQL処理によって実装できたため、既存のBigQuery SQL処理エンジンを機会学習用に再利用することが可能だったという。 BigQueryのエンジンは、ランダムなサンプルの抽出よりも巨大なデータセットのスキャンに適した設計なので、BigQuery MLは確率的勾配降下法ではなく、バッチ最急降下法を採用している。なお、大規模機械学習システムにおいて
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