B! 3 0 0 0 GitHubでのPythonのレポジトリ用のテンプレートの作成。 GitHub Template python-template GitHub Template テンプレートリポジトリを作成する - GitHub Docs GitHubのレポジトリのSettingsGeneralで 一番上にあるRepository nameの直下にあるTemplate repositoryのところに チェックを入れるとそのレポジトリはテンプレートとして使えるようになります。 レポジトリの中身は特に特別なものはなく、通常のレポジトリでもなんでも出来ます。 テンプレートにすると こんな感じのUse this templateなボタンが現れるので、そこから create a new repositoryを選ぶとそのテンプレートの中身を初期状態として 新しいレポジトリの作成ができます。 この
前提 この記事は内製開発をしているSaaSの中の人であるエンジニアが、SaaSの内製ソフトウェア開発をする上での話として書いています。 前ふり 「スクラムで生産性は上がらないしリリーススケジュールが狂いまくりなんですよ」 「何が原因なんですか?どうすればいいんですか?」 という相談を受けました。 NDAを書いてから、どれどれとチームの状況を見てみました。 該当チームのスプリントゴール 該当チームのスプリントゴールはこんな感じでした。 QAフェーズのプロジェクトAを、QA作業を完了してリリースできる状態まで進める 実装フェーズのプロジェクトBを、フィーチャーの実装率を50%まで進める 設計フェーズのプロジェクトCを、要確認な点を除いて実装レディーな状態まで進める スプリントゴールが3つありますね。とても面白いですね。 思わずボンドルド卿みたいな反応をしたくなりますがここは先に進みましょう。
Androidアプリ開発で【APIのリファレンス】を参照する方法を初心者向けに解説した記事です。「Androidデベロッパーサイト」で確認する方法と「Android Studio」で確認する方法の2つがあるので、1つずつ紹介していきます。 テックアカデミーマガジンは受講者数No.1のプログラミングスクール「テックアカデミー」が運営。初心者向けにプロが解説した記事を公開中。現役エンジニアの方はこちらをご覧ください。 ※ アンケートモニター提供元:GMOリサーチ株式会社 調査期間:2021年8月12日~8月16日 調査対象:2020年8月以降にプログラミングスクールを受講した18~80歳の男女1,000名 調査手法:インターネット調査 Androidアプリを開発していると、使用しているAPIの引数や戻り値、対応しているAPIレベルなど、確認が必要な場合あります。 そこで、Androidアプ
先日サーバントワークスさんが公開した 計測によるスクラムチームのパフォーマンス向上 を読んで、 以前自分が書いた 開発の改善はKPIに翻訳しなければいけないのか をもうちょっと言語化することができそうだったのでメモ。 TL;DR 結論としては、開発の改善はKPIに翻訳しなければいけないのか でも書いた通り 開発組織はビジネスの実現を担っている職能であり、理想的には 「永久に持続性がある状態」で 「0秒 でしかも 並列数を無限」 でモノが実現されて、「不具合やパフォーマンスの劣化は 0」 であってほしい。もちろん現実世界ではどれも実現できないのでそこにいかに近づけるかということを目的に改善を実施すればよく、売上などのKPIに翻訳する必要性は必ずしもない から考え方は変わってないが、改めて整理して 開発組織は、Ability to Innovate と Time to Market 2つのケイ
ソフトウェア開発における品質のメトリクスについて、新旧2冊の本を比べてみました。 1冊は、『初めて学ぶソフトウェアメトリクス』。 原著『Five Core Metrics: The Intelligence Behind Successful Software Management』(Lawrence H. Putnam、Ware Myers著)は、2003年に出版されています*1。 初めて学ぶソフトウエアメトリクス~プロジェクト見積もりのためのデータの導き方 作者:ローレンス・H・パトナム,ウエア・マイヤーズ日経BPAmazon もう1冊は、『アジャイルメトリクス』。 原著『Agile Metrics in Action: How to measure and improve team performance』(Christopher W. H. Davis著)は、2015年に出版されて
仕様 フルスペック を読んでください。このセクションでは概要だけを抽出しています。 デフォルトでは pam_systemd によって XDG_RUNTIME_DIR だけが設定されます。既存のディレクトリの絶対パスを使って明示的に他の変数を定義するかどうかはユーザー次第です。 変数の定義に関する情報は 環境変数#グローバル を参照してください。 ユーザーディレクトリ XDG_CONFIG_HOME ユーザー個別の設定が書き込まれるディレクトリ (/etc と類似)。 デフォルトは $HOME/.config です。 XDG_CACHE_HOME ユーザー個別の重要でない (キャッシュ) データが書き込まれるディレクトリ (/var/cache と類似)。 デフォルトは $HOME/.cache です。 XDG_DATA_HOME ユーザー個別のデータファイルが書き込まれるディレクトリ (/
chat-hatenablogをpip installでインストール可能にした - $shibayu36->blog;にてchat-hatenablogをpip installできるようにするとき、ユーザー設定ファイルやデータをどこに配置するかに迷った。このツールでは、環境変数の設定として.envファイルを、ブログデータのインデックスとしてindex.pickleファイルを使っている。 これらのファイルの置き場所について少しだけ調べたので、現状分かったことをメモしておく。 まず選択肢としては二つありそうだった。 ~/.chat-hatenablog/.envと~/.chat-hatenablog/index.pickle 例) ~/.asdf、~/.docker、~/.gemなど XDG Base Directoryの仕様に沿って、~/.config/chat-hatenablog/.en
BPStudy#188〜要件定義を学ぼう。ChatGPTを添えて https://bpstudy.connpass.com/event/281289/ にてお話した際のプレゼン資料です。 みなさん、プロジェクトは順調ですか? システム開発プロジェクトにおいて、要件の不明瞭さやリソース不足などの課題はつきものですよね。 我々は要件定義をシフトレフトして見積りすることで、そういった課題にアプローチしてプロジェクト精度向上ができないかと挑戦しています。 実施している取り組みを紹介し、皆さまのプロジェクトにお役立ちできればと思います。 今回は、イベントタイトルに「ChatGPTを添えて」と記載されたので、 いつもとはスライドの雰囲気を変えて、高級フランス料理店をイメージしてみました。 さて、伝わるクオリティになったかどうか。 #要件定義 #RDRA #コアドメイン #設計 #ChatGPT #BP
ゲーム開発者が、自らの作品をSteamなどのストアにてリリースする際には、さまざまな作業が求められる。そのなかでは、消費者によりアピールするためのテクニックが存在するようだ。業界のベテラン開発者であり、パブリッシャーValadriaの共同設立者でもあるMatt Hackett氏が4月24日、Steamで作品をリリースする場合に役立つ「開発者向けチェックリスト」を公開。ゲーム開発者から多くの注目を集めている。 Steamでは原則、誰でもゲームを出すことができる。Steamworksに開発者登録をし、100ドル相当を支払う。その後諸々書類手続きを終えて、ストアページ作成していくなどすれば、パブリッシャーなどのサポートを受けていない個人でも、ゲームをリリースできる。しかしながら、出すことそのものは可能だとしても、ゲームがたくさん売れるかどうかは別問題。そこで、そうしたビギナー販売者向けのテクニッ
この記事は、GitHub Blogに4月7日に掲載された「What developers need to know about generative AI」の翻訳記事です。 昨今のニュースを席捲する「生成系AI(Generative AI)」ですが、厳密にはどのようなものでしょうか? 生成系AIについて知っておくべきこと、また開発者にとってどのような意味を持つのかについて説明します。 皆さんはこれまでに、ChatGPT、DALL-E、GitHub Copilotといった生成系AI(人工知能)ツールについて聞いたことがあるかと思います。生成系AIツールを利用すると、メールの件名からプログラミングコードの関数、アートに至るまで、誰でも瞬時にコンテンツを作成できるため、幅広い関心を集めています。 様々な業界のコンテンツ制作に革命をもたらす可能性があることから、生成系AIとは何か、どのように利
はじめに みなさんこんにちは、物流業界の価値最大化をミッションに掲げるアセンド株式会社で取締役CTOを務めている丹羽です。 私たちはレガシー産業である運送会社さんのDXを実現すべく、運送管理SaaS「ロジックス」を開発しています。運送業にまつわる業務の全てをデジタル化・プロダクト化し繋がる世界を実現しようとしています。そのためにアセンドでは開発生産性にこだわり投資をしています。 そんなアセンドのプロダクトチームでは週間平均 8.20deploys/day を実現するなど、1段高い生産性を実現しています。今回はこの生産性を支える仕組みの1つである Feature Flag についてご紹介します。 (毎日SlackBotでデプロイ状況などのレポートを通知するようにしています) Feature Flag とは? Feature Flag とは、プロダクト開発時に新機能の公開(リリース)や変更を簡
会社にデバッグの早い人と遅い人がいる。 二人を観察していると、色々な違いが見れて勉強になる。 いくつかまとめてみる。 ・デバッグが早い人はコードに着手する前に状況を整理する 期待動作はどのようなものか、現状の動作(バグ)はどんなものか、どんな条件でバグが生じるか、生じないかを整理する 他人からアサインされたタスクの場合、手早くこれらを質問して状況を確認する。 デバッグが遅い人は何も考えずにコードを触り始める。 「何をデバッグしているの?」と聞くと言語化出来ない。 場当たり的、五月雨式に質問する。 ・デバッグが早い人は仮説を持っている。 ざっくりと全体像を把握し、当たりをつけてから作業する。 全ての作業が仮説の検証作業。結果が出た時に次に何をすべきかも把握している。 デバッグが遅い人は自分でも何をやっているか分かっていない。 「よくわからないけど一応2回試してみた」とか言う。 「それは今何を
このセッションでは、組織のサイロを打破してエンジニアが幸せにコラボレーションするための考え方である "インナーソース" について紹介します。 サイロ化した組織においてはコラボレーションが困難となり車輪の再発明が繰り返されることになってしまいます。そんな組織ではソースコードの共有やオーナーシップ確立が不十分であるため、コードの管理やメンテナンスに関する情報が不透明になっていることでしょう。 これらの課題に対処するため、アメリカやヨーロッパの大手企業が2015年から取り組み始めた活動が インナーソース です。この取り組みは、オープンソースのコラボレーションモデルを企業内に導入することで、エンジニアたちが風通しの良い環境で働けるようにし、エンジニア文化や組織の改善を促すものです。 インナーソースが実践されているのは Microsoft や Adobe などの Tech企業だけにとどまらず、ボッシ
エンジニアとして経験を積んでいくと、「技術に深く潜っていくこと」と「開発をうまく進めること」はイコールではないとぼんやりと感じ、モヤモヤする時があります。「Meets Professional #5」のゲストは、『エンジニアリング組織論への招待』の広木大地氏。モヤモヤの原因となる「不確実性」への向き合い方について語りました。全3回。2回目は、「悩んでいる状態」と「考えている状態」の違いについて。前回はこちら。 体重計に乗る・テストを受ける・締め切り直前の仕事に取り掛かる…これらに向き合う時に生まれる感情は? 広木大地氏:仕事や今までの人生の場面で、どうすると不確実性、ファクトなどに向き合っていけるのかをイメージするのにちょうどいい例を2つ挙げると、1つが「体重計に乗る」、もう1つが「テストを受ける」です。 自分自身がダイエットしようと思っている時に体重計に乗ることは、事実と向き合うことなの
こんにちは、Ubie(ユビー)株式会社のUbie Discoveryという組織で、ソフトウェアエンジニアとして働いている八木(@sys1yagi)です。 ChatGPTが賑わっていますね。正確にはGPT-3.5やGPT-4といった大規模言語モデルのブレークスルーが賑わっているわけですが、一般的にはChatGPTを通して大規模言語モデルに触れるというケースがほとんどだと思います。 ChatGPTの業務利用のリスクChatGPTを使った業務効率化のアイデアなどが散見されますが、ChatGPTの場合、Open AI社によって入力内容を学習等に利用される場合があります。 基本的に会社で契約を結んでいないWebサービス等に対して、業務に関連するデータを入力するべきではないわけですが、便利さのあまりについつい入力してしまうケースもあるかもしれません。各社においては法務等と連携して利用に関する注意喚起等
どうもこんにちは。最近、大規模言語モデル(LLM)の個人開発に取り組んでいる@kun1em0nと申します。この度、最近話題のChatGPTの最新モデルGPT-4を無料で使用できるアプリを作成したので公開いたします。今回アプリを無料で公開する意図についてこの記事で説明したいと思います。 Japanese-Alpaca-LoRAの作成前回の記事ではスタンフォード大学が作成したStanford Alpacaの日本語対応モデル Japanese-Alpaca-LoRAを作成し公開した話を紹介しました。 このモデルの作成に使ったデータの大元(Alpacaデータ)はText-davinci-003というOpenAIサービスで出力した結果になりますが、OpenAIの利用規約ではコンテンツ生成者はOpenAIサービスで出力した結果を競合モデルの開発用途に使用してはならないと記載されています。ただ、コンテン
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