Unified governance for all data, analytics and AI assets
<アップデート情報 ポイント!> ■生成されるビデオの品質が大きく向上しました! ■生成するコマンドに更新がございました! ■ビデオの生成速度が向上しました!
文部科学省が中心となって推進している校務DXは、「個別最適な学び」と「協働的な学び」の一体的な充実を支える基盤であるとともに、教員の働きやすさにもつながります。 本ダッシュボードでは、各自治体における校務DXの取組の進捗を「教員と保護者間の連絡のデジタル化」、「教員と児童生徒間の連絡等のデジタル化」、「学校内の連絡のデジタル化」、「その他」に分類し公開しています。 デジタル庁は、データと根拠に基づいた政策判断・効果の可視化を日本政府内で推進する役割を担っているため、校務DXの見える化と公開に協力しています。 目次全国の校務DXの取組状況都道府県ごとの校務DXの取組状況市区町村ごとの校務DXの取組状況留意事項1. 全国の校務DXの取組状況各項目に関する詳細な説明はデータの定義をご覧ください。
機械学習をクラウドで実行できるGoogle Colab機械学習を行うのに、メモリやCPU/GPUを増強が必須ですが、Googleがブラウザ上で動作するJupyter notebook環境Google Colabを無料でリリースしたことで、機械学習の実行がとても容易になりました。 正直、非常に重い機械学習でなければGoogle Colabで十分です。 Google Colabの問題点は制限時間「Google Colabが最強」と思うかもしれませんが、問題点もあります。それが制限時間です。 ノートブックのセッションが切れてから90分経過新しいインスタンスを起動してから12時間経過という2つの制限時間があります。 2つ目の12時間については、学習データや中間データをGoogle Driveに一時的に格納することで、学習を再開することが可能です。 また、1つ目の90分については、定期的にブラウザで
はじめに あなたはブラウザからデータベース(DB)に情報が行き着くまでにどんな技術が使われているか説明できますでしょうか? どのようなプロトコルが用いられ、どの技術を駆使してサーバと通信しているのか、Webサーバでは何が行われ、どのようにして負荷が分散されているのか、トランザクションはどのように管理されているのか、そしてデータベースではシャーディングや負荷対策のためにどのような対策が取られているのか… なんとなくは理解しているものの、私は自信を持って「こうなっている!!」とは説明ができません。 そこで今回は「大規模サービス」を題材としてブラウザからデータベースに至るまでの、情報の流れとその背後にある技術について、明確かつ分かりやすく解説していきたいと思います。 対象としてはこれからエンジニアとして働き出す、WEB、バックエンド、サーバーサイド、インフラ、SREを対象としております。 1.
フィードバックを送信 SQL ワークフローの概要 コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 このドキュメントは、Dataform での SQL ワークフローのアーキテクチャと実行を理解するのに役立ちます。 Dataform を使用して BigQuery で実行し、分析目的でデータを変換できる SQL ワークフローを開発、テスト、バージョン管理できます。SQL ワークフローは、Dataform コアで、SQLX ファイルと、必要に応じて JavaScript ファイルを使用して、または JavaScript で開発できます。 SQL ワークフローは、次のオブジェクトで構成できます。 データソースの宣言 Dataform テーブル定義と SQL オペレーションでこれらのデータソースを参照できる BigQuery データソースの宣言。テーブル 宣言されたデ
はじめに こんにちは、株式会社カケハシでエンジニアリングマネージャーをやっている小田中( @dora_e_m )です。 今回は、タイトルの通り「日報を書くといいよ!」、とくに「組織のニューカマーにはオススメだよ!」という話を書きます。 日報って何? まず、日報とは何でしょうか。一般には、日々の業務内容や進捗などを報告する文書を指します。 この定義に従えば、受益者は報告される立場の上長であり、日報を作成する当の本人にはあまりメリットがありません。 私自身、ただ進捗を共有するだけの日報にはあまり意味を感じません。たとえばJiraなりTrelloなりで進捗管理している現場であれば、そのうえで進捗報告のための日報を作成することは作業の重複、情報の二重管理の発生を意味します。 ですが、日報を以下の目的で作成するようにすると、それは作成者本人にとって役立つものにできます。 毎日のふりかえり 思考プロセ
OGP設定のテスト用に作ったページのURLをX(旧Twitter)にpostしたところ、twitter cardをsummary_large_image形式で指定したはずなのにOGP画像が表示されなくてハマりました(図1a)。以前は同じやり方で大きな画像が表示されていたのですが……。表示されなくなった原因を探りました。 図1a. 同じURLをfacebookに投稿した場合はOGP画像も表示されます。1 図1b. facebook この違いはどうして起きるのでしょうか? 図1aのカード2のリンク先にある問題のページでog:imageプロパティに指定していたのは、Lorem Picsum経由で取得する画像のURLです。 <meta property="og:image" content="https://picsum.photos/id/689/1200/630"> <meta name="t
「データベースについてを学びたいけど、本を読んでもわからない」…そんなあなたは必読です。本書は、「データベースが動作する仕組み」を、実際に自宅PCで確認しながら学習を進めていきます。「データベースのアーキテクチャ」「トランザクションの仕組み」などを体感しながら学べるので、初心者でも無理なく学習できます。またデータベースのバックアップとリカバリ、パフォーマンスの向上など、現場で役立つ技術についても解説しました。データベースについてゼロから学びたい人だけでなく、現役のエンジニアやプログラマーにも幅広く読んでもらいたい1冊です。 第1章 データベースって何だろう-その用途と役割- 第2章 リレーショナルデータベースって何だろう-最も代表的なデータベース- 第3章 データベースにまつわるお金の話-イニシャルコストとランニングコスト- 第4章 データベースとアーキテクチャ構成-堅牢かつ高速なシステム
先に結論 nDCG@all はどんな予測値やモデルであっても 1.0 に近づくので注意したほうが良さそうです. 疑問 機械学習モデルにおける予測値の評価にはさまざまな指標が用いられます. RMSE prec / recall / f1-score negative log-likelihood 二値分類ではとくに ROC-AUC (Area Under the Receiver Operating Characteristic Curve)1が用いられることが多いでしょう. ランダムな予測値に対する ROC-AUC はその定義上からも 0.5 になることが知られています.これは非常に便利で,ROC-AUC の厳密な定義を知らない人でも「この予測結果はコイントスよりどれだけ優れているのか」がすぐに把握可能です. (ちなみに ROC-AUC については Quality Metrics in R
データアナリスト/データサイエンティストのためのカジュアルな勉強会「Data Gateway Talk」。「GBDTアルゴリズム」というテーマで登壇した工学院大学情報学部コンピュータ科学科のYasshieeee氏は、勾配ブースティングの基本、そしてアルゴリズム「XGBoost」「LightBGM」「CatBoost」の違いについて説明しました。 趣味はWebプロ・ゲーム・マインクラフト Yasshieeee氏:場違い感がすごいですが、一応、僕は大学生です。LTには若干慣れている予感はするんですけど、大学生なりのクオリティなのでご了承ください。 題名には「XGBoostについて」と書いたんですが、そもそも最初からXGBoostのすごく深いところまでいくのは、ちょっと初心者向けではないかなと思って……。今回は、XGBoostであるGradient Boost Decision Treeのア
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