ドキュメンタリアンとは、役職に関係なく、ソフトウェア業界でドキュメントとコミュニケーションに関心を持つ人のことです。 www.writethedocs.org はじめに これは主に『ユーザーの問題解決とプロダクトの成功を導く エンジニアのためのドキュメントライティング』の書評です。私はSreakeにてSREという役職についています。SREはサービス概要、アーキテクチャの解説や図、各種構成図、各種手順書、ポストモーテム、ポリシー、SLA(SLO) … その他の様々な場面でドキュメントを書く必要があります。しかし、ドキュメントは価値が見えにくく時間と労力がかかり品質担保の面で重要度がとても高いのにその場での価値が見えにくいので浸透しにくいです。そのため、エンジニアとしてモチベーションが保ちづらいです。2021年 State of DevOps 2021 にもドキュメントに関する言及があり今後、

こんにちは！逆瀬川 ( https://twitter.com/gyakuse ) です。 今日はAIの進歩にともなうヒトの役割にかんするポエムを書いていきます！ なにについて書いてある文章か AI※の進歩ってすごいよね AIがなんでもできるようになったら、ヒトは何を思うか ※AIって気軽に使う世界になったのもすごい. なお、MicrosoftはすでにAGI as a serviceについて考えている: https://thegenerality.com/agi/ さいきん思うこと 言語モデルや生成モデルの進歩は凄まじくて、どんどん知的な活動がAIに置き換えられて行きそうな空気を感じます。じっさい、イラストを描くことやプログラミングを実装することなどは、かなりできるようになってきています。 今回は、こうした人間しか出来ないと思われていたことが、どんどんAIができてくることによって、何が起き

こんにちは、_kenshです。 これから年末年始に入っていきますが、お気に入りのゲームを夜通し楽しんでも誰にも文句を言われない冬休みに入る方も多いんじゃないかなと思います！今年も１年お疲れ様でした！ ところで、タイトル回収しないといけないのでそろそろ本題に。 ちょうど、ゲームでマイクロサービスを使っていくことについての Advent Calendar 良記事が上がってました。 マイクロサービスとゲーム マイクロサービスとトランザクション これらの記事に対する Answer Song として "ゲームとイベント駆動アーキテクチャ" について書いてみたいなと思います。 記事 マイクロサービスとゲーム では、いろんなゲーム開発で突き当たる壁について紹介されていました。 スケールの壁 => スケーラビリティの確保 コケた時の壁 => 障害影響範囲の最小化 デプロイの壁 => デプロイ粒度、依存度最

はじめに 2020年にコロナが世界的流行し、同年4月頃には首都圏で緊急事態宣言が発令されました。 同時期にリモートワークで働き始めたものの、様々な理由が重なって鬱病を発症しました。 この記事は自律神経失調症と診断されて地獄を見た元エンジニアの体験談と、そこから療養に専念しつつ何とか社会復帰しようと藻掻いている話です。 取り留めもない文章かつ技術的な話もないので興味の無い方はブラウザバック推奨です。 プロフィール 年齢：26(鬱病発症時) 現在は28 職業：Webエンジニア(SES) 職場：完全リモートワーク 何で鬱になった? 正直以前から自分はエンジニアに向いてないと感じていたのでリモートワークだけが理由ではないと思っています。 とりあえず、要因として大きかったと思うものを書いていきます。 アパート上階の騒音がうるさくて引っ越したら家の隣で建築工事が始まった 元々住んでたアパートの上階に住

前編(こちらを読まなくても問題ないです) サンプル See the Pen 漢気割り勘ツール by terao takumi (@teraotakumi) on CodePen. 金額と参加者を入力し、計算モードを選んで「計算する」をクリックすると、アラートウィンドウが表示されてそれぞれの参加者がいくら支払うのか表示されるようになっています。これを、バニラjavascriptを使ってオブジェクト指向で書いてみた、というのがこの記事の趣旨になります。 登場オブジェクト まずは全体感を理解するため、ざっくり登場オブジェクトとその役割について見ていきます。 ・漢気計算機(OtokogiCalculator) 入力された内容を元に計算を行うオブジェクト。constructorで支払金額と参加者名簿のインスタンスをもらう。 ・支払金額(PaymentAmmount) 入力された支払金額を司る。 ・参

この記事の概要 Google Sheetsで以下のようなものを作りたくなったのですが、苦労したので記事にしました。 いわゆるスキルマップ 期ごとにスナップショットをとり、前の期と比べてどの項目が上がったかが分かる 社員番号順に並べたとしても異動や退社で繰り上がりが発生するため、メンバーリストの順番はアテにできない 完成イメージ 現在の期（2023） 前の期（2022） 鈴木がリストから消え、渡辺が追加された これによりリストの並びが同一でなくなった スキルが上がったものは背景色がついた 実施したこと 大雑把に言えば、完成イメージの現在の期（2023）のシートに条件付き書式を設定しただけです。 範囲はB2:F6（スコアの記載されている領域）で、書式ルールは次より大きい、式は以下です。 （本当はインデントなんかありませんが、1行だとあまりにも見づらいのでこのように記しました） =INDEX(

SaaSを初めとするサブスクリプション型の多くのビジネスでは、顧客に有料プランを利用してもらうために無料のトライアル期間を設けたり、無料バージョンのサービスやプロダクトを提供します。 このとき、「どれだけ早く」顧客にサービスやプロダクトの価値に気付いてもらえるかがビジネスの成長スピードに影響するため、「タイム・トゥ・バリュー（Time to Value/TtV）」という指標が使われます。 しかし、なぜ「タイム・トゥ・バリュー」という「早さ」の指標が重要になるのかや、その測り方を説明できる人は多くはいません。 そこで、「タイム・トゥ・バリュー」という指標がなぜ、ビジネスにおいて重要なのか、そして、その測り方を紹介するブログポストがありましたので、こちらに要訳として紹介します。 Time to value – What is it and how does it affect user act

const hoge = (name) => { console.log(name); } どちらも「関数を定義する」という点で同じことができるように見えます。 違いもよくわからないし、どちらを利用するか迷ってしまう場面も初学者にはあるかもしれません。 普段はどちらを利用するのがよいでしょうか？ まずは結論 アロー関数を採用すれば、基本的に困る場面は少ないはずです。 （ただし、オブジェクトのメソッドを定義する際などは、従来の関数宣言を使いましょう。） 実際には、関数宣言とアロー関数で機能に違いがあり、それによるメリット・デメリットがあります。 以下では、これらの機能を比較し、アロー関数を利用するメリットを考えていきます。 アロー演算子のメリット 機能が少ない アロー関数は後発ですが、従来の関数宣言から機能を間引いて作られています。 機能が少ないことは一見デメリットに見えます。 しかし、普段

@hokaccha です。こんにちは。最近は主にプロダクト基盤チームで組織的な開発生産性の改善に取り組んでいます。この記事では開発生産性を改善の一環として、現在取り組んでいるシステムアーキテクチャの改善や技術的負債の返却の取り組みについて紹介します。 なぜアーキテクチャを改善するのか 最初に、なぜ我々がアーキテクチャ改善に取り組んでいるかの背景について説明します。 最終的にやりたいことは開発生産性を改善することにより、事業の成長速度を最大化することです。アーキテクチャの改善はそのための手段の一つであり、他にも開発プロセスの改善や開発組織の最適化など、開発生産性の改善のために並行しておこなっている施策は多岐にわたります。 ではアーキテクチャの改善がどう開発生産性に影響を与えるかという話ですが、これについては Martin Fowler の Design Payoff Line の図を引用しま

ソフトウェアエンジニアとして安定した成果を出したいと思っている人は多いでしょう。妥当な方針を危なげなく定め、素早く的確に実装し、滞りなく仕事を片付けていきたいものです。しかし、いつでもそのように成果を出せるようになるのは簡単ではありません。言語、ミドルウェア、クラウド、アーキテクチャと、身につけるべき知識が無限に並んでおり、それら全てに習熟する日は永遠に来ないとすら思えてきます。 にもかかわらず、この記事を読むみなさんの同僚には、安定して成果を出せるエンジニアが相当数いるだろうとも思います。これは一体どういうトリックなのでしょう。彼ら彼女らは全てを勉強しているのでしょうか。もちろんそれに近い研鑽を積んでいる人もいるでしょうが、多くの人はそこまでしていないと予想します。少なくとも僕はそこまでやっていませんが、技術面でもそこそこバリューを出して、テックリードを1年勤め上げました。この記事では、

ChatGPTがすごく、社会から過大評価を受けているような気がしてならない。 ということをうまく言語化している記事を見つけた。 www.businessinsider.jp しかし、筆者の感想は実は真逆だ。 むしろ、ChatGPTの成果によって｢会話AIが人間を超える存在になれないことは、ますます色濃くなった｣と感じている。 2020年ごろにParlAIを知った時は、筆者にも｢この先、会話AIはどう進化していくのか｣というワクワク感があった。ParlAIは短い返答しかしなかったから、長文で会話する未来に想像力を広げる余地があったのだ。 ChatGPTは、ある意味でParlAIの｢この先｣を全部やった。 その結果、ChatGPTのアプローチでは極めてつまらない人間、つまり“それっぽいことを、それっぽく話せるだけの人間”と、同じような振る舞いしかできないのだとわかった。 Google検索の時代

宣伝 (本を作成しました) この記事についての発展的研究内容を以下の本としてまとめました。この記事を読んで興味が湧いたら、ぜひ読んでみてください。 はじめに 前回の記事 では TypeScript における型の拡大 (Widening) について解説しました。Narrowing の記事を書く前に (Widening を深く理解するためにも) 必要な知識や考え方がいくつかあると思ったので、今回は型の集合性と階層性について見ていきたいと思います (短いですが内容的に切り出してもかなり興味深いので)。 この記事の最後で別の型の変数同士で代入できるかどうかを示す「Assignability (代入可能性あるいは割当可能性)」について解説しますが、集合と階層の概念で考えることで見通しが非常によくなり、型一般についてもスッキリと理解できることが多くなります。また、never や unknown といっ

フロントエンドテストにおける知見の宝庫を発見！「javascript-testing-best-practices」JavaScriptテストフロントエンド はじめに JavaScriptにおけるテストのベストプラクティスをまとめた「javascript-testing-best-practices」というGitHubレポジトリが大変勉強になったため、特に参考になった内容をまとめて共有したいと思います。 （補足）本レポジトリにはfrontendのみならずbackendのテストに関する情報もありますが、今回はfrontendに焦点を当てて共有します。そのため扱うSectionは以下の4つです。 Section 0: The Golden Rule Section 1: The Test Anatomy Section 3: Frontend Section 4: Measuring Test

Rust and Haskell don’t shy away from powerful features. As a result, both languages have steep learning curves when compared with other languages. Trying to learn Rust or Haskell can be frustrating, especially in the first couple of months. But if you already know Rust, you have a head start with Haskell; and vice versa. In this article, we want to show how knowledge of one of these languages can

SELECT * ( select distinct c_p.oid as tbloid, n_p.nspname as schemaname, c_p.relname as name, n_c.nspname as refbyschemaname, c_c.relname as refbyname, c_c.oid as viewoid from pg_catalog.pg_class c_p join pg_catalog.pg_depend d_p on c_p.relfilenode = d_p.refobjid join pg_catalog.pg_depend d_c on d_p.objid = d_c.objid join pg_catalog.pg_class c_c on d_c.refobjid = c_c.relfilenode left outer join pg

早く始めなければ意味がない。 そんなふうに考えていた時期が俺にもありました。 その呪縛から解き放つ。 私がとらわれていた「しなきゃ」 早く始めなければ意味がない。特別お題キャンペーンを見て真っ先に思い浮かんだのがこれだった。 なぜそう思うようになったのかは覚えていないが、子供の頃の俺はそう考えていた。より正確に言えば、「前からやっていた人には勝てない。勝てないならやらない方がいい」である。 一つ印象に残っている例を挙げよう。昔、コロコロに『K-1 ダイナマイト』という漫画が連載されていた。小学5年生の主人公が空手を始め、様々なライバルたちと戦いながら成長する物語である。 K-1ダイナマイト (1) (てんとう虫コミックス―てんとう虫コロコロコミックス) 作者:坂井 孝行小学館Amazon 俺はこの作品が好きだったが、その一方で「現実的ではないな」とも思っていた。主人公は空手に憧れがあったが

あっさりと、おいしさを満喫できるのが「ゆで豚」。ゆでることで程よく脂が落ち、程よい甘みが残ります。 写真: 大山 克巳

クリエイターに出会ったり、もっとファンになったり、noteで創作をつづけたくなるようなイベントを開催する「noteイベント」。今回は「チャットAI使いこなし最前線」をテーマに、黎明期からチャットAIを活用しているnote CXOの深津貴之氏が登壇しました。こちらの記事では、OpenAIがChatGPTを公開した理由や、ChatGPTの精度を上げる質問の仕方などが語られました。 OpenAIがChatGPTを公開したわけ 徳力基彦氏（以下、徳力）：ということで今日のメインテーマの、「僕らはChatGPTをどう使っていけばいいのか」という話をしたいです。まだ自分ごとになっていない方がおられるかもしれないので、僕の昔話をさせていただきます（笑）。 僕は、深津さんが「世界変革の前夜は思ったより静か」というnoteの記事を書いたのを、めちゃめちゃよく覚えているんですよね。 深津貴之氏（以下、深津）：

はじめまして、sonesuke(https://twitter.com/sonesuke)です。 LLMにどっぷりハマっています。 TL; DR 16のプロンプトパターンを日本語の例をつけて、まとめてみた。 読んだ論文はこれ。 https://arxiv.org/pdf/2302.11382.pdf より高度なプロンプトエンジニアリングの話題はこちら プロンプトパターン 1. メタ言語パターン: The Meta Language Creation いつ使うか？ 自然言語ではない方が、より簡潔で明確に表現できるとき プロンプトコンセプト 例 原文プロンプト “From now on, whenever I type two identifiers separated by a “→”, I am describing a graph. For example, “a → b” is des

「GPT-4」発表　日本語でもChatGPT英語版より高性能、司法試験で上位10％、「この画像何が面白いの？」にも回答（1/3 ページ） 米OpenAIは3月14日（現地時間）、大規模言語モデル「GPT-4」を発表した。テキストでのやりとりだけでなく、新たにユーザーから画像を受け取り、適切な情報も返せるようになったという。司法試験の模擬問題を解かせたところ、現在の「ChatGPT」が採用しているGPT-3.5では受験者の下位10％ほどのスコアしか取れないのに対し、GPT-4では上位10％のスコアで合格するとしている。 ChatGPTの有料版「ChatGPT Plus」やAPI経由ですでに利用できるようになっている。 専門的領域なら人間レベル　日本語でもGPT-3.5の英語版より高性能に GPT-4の性能について、同社は「現実世界のシナリオにおいては人間に劣ることも多いが、（司法試験の模擬問

以前にも書いたように。「いいとも！」が終わったのをきっかけに、伊集院光のラジオをネット経由で聞くようになった。一人で食事するのが嫌いなので、なにか音源が欲しかったからだ。 伊集院光のラジオが面白いというのは、小林信彦のエッセイで読んでいた。聞いてみたら、なるほど、面白い。基本、くだらないこと、シモネタ、バカバカしいことを中心にしゃべっているのだが、その根底に、とても強いものがある。真面目すぎるほどの誠実、知性、寛容と頑なさ。 高校中退で、落語家出身、130kgの巨漢にしてスポーツ好き。野球は芸人でチームを組んで定期的に試合をしているし、ランニングは小さな駅伝大会に参加 するほど。自転車は、東京の自宅から出発して日を分けて掛川あたりまで走って行ってしまうほど。雑学王として名を轟かせながら、番組で「インテリ軍団」に 組み入れられることには抵抗を感じる。実力とコンプレックスが微妙に絡み合ったこの

We’ve created GPT-4, the latest milestone in OpenAI’s effort in scaling up deep learning. GPT-4 is a large multimodal model (accepting image and text inputs, emitting text outputs) that, while less capable than humans in many real-world scenarios, exhibits human-level performance on various professional and academic benchmarks. We’ve created GPT-4, the latest milestone in OpenAI’s effort in scalin