学生エンジニアは時給1000円のベンチャーでバイトをするのをやめろ - 未来永劫
この記事はklis Advent Calendar 2017の24日目の記事です． adventar.org 私はklis13(3編)で，slis17の @ss_shopetan です． アドベントカレンダーエモい日記書こうと思うのですが何読みたいですか?— shopetan (@ss_shopetan) 2017年12月7日 投票により表題の話が最も需要があるらしい． 私自身，再来年には就職をしている予定なので，自分のバイト経験を交えながら昨今の学生エンジニア事情を考えてみる． 一番言いたいこと 低賃金で働くのはやめよう． 給与が低水準なのは私たちにとっても不幸だし，これを良しとし続けるならば今後業界水準も上がらないので長期的に考えても不幸になる． また，現在安い金額で働かなくても，知識と実力をつければ将来的に大きな額で働くことができる．*1 特に地方の人間は搾取されがち． つくば市も例
【Day-23】機械学習で使う"距離"や"空間"をまとめてみた - プロクラシスト
データ分析ガチ勉強アドベントカレンダー 23日目。 ここまでデータをどういう風に処理したり、どういうタスクをこなしていくかについて勉強してきたが、 一度基礎的な事項に戻ってみたいと思う。基礎だから簡単というわけではない。基礎だからこそ難しく、また本質的な内容。 データ分析で使われている手法などをまとめて集約して、簡単な説明を付け加えていく。 しかし、このあたりの数学*1は苦手なので、なるべく直感的に自分のイメージを書いていく。 われわれが生きている空間や、距離は"正しい"のか ユークリッド空間/ユークリッド距離 点の距離 分布の距離 wasserstein計量 カーネル(再生核ヒルベルト空間) Topological Data Analysis(TDA) 次元削減/Embedding PCA(principal component analysis) t-SNE(t-Distributed
データサイエンティスト（本物）は決して幻の職業などではない - 渋谷駅前で働くデータサイエンティストのブログ
かつて拙著出版の際に大変お世話になった技術評論社（技評）さんから、『データサイエンティスト養成読本』改定2版のPRとして以下の記事がリリースされていました。この記事がもう何と言いますか、「読めばそのままデータサイエンティスト（本物）もしくはグローバルにおけるData Scientistのスキル要件になっている」ほどの素晴らしい記事なので、ぜひ皆様にはご一読をお薦めいたします。 ちなみにここであえて「本物」と銘打ったのは、少し前にもどこかで論じられていた記憶があるのですが、要は「なんちゃってデータサイエンティスト」は含まないということです。僕の知る限り、日本国内でデータサイエンティストと言うと「データサイエンティスト（カナ）」と方々から侮られるのが常なのですが、それはそもそも後述するように数年前に大量に発生したデータサイエンティスト（本物）でも何でもない専門的スキルに乏しい人々のことが世間で
総務省｜報道資料｜AIネットワーク社会推進会議 報告書2017の公表
総務省情報通信政策研究所は、平成28年10月から「AIネットワーク社会推進会議」（議長：須藤 修 東京大学大学院情報学環教授・総合教育研究センター長）を開催し、AIネットワーク化をめぐる社会的・経済的・倫理的・法的な課題について検討を進めています。 今般、同推進会議において、『報告書2017 -AIネットワーク化に関する国際的な議論の推進に向けて-』が取りまとめられましたので、公表します。 総務省情報通信政策研究所は、平成28年10月から、社会全体におけるAIネットワーク化の推進に向けた社会的・経済的・倫理的・法的課題を総合的に検討することを目的として、産学民の有識者の参加を得て「AIネットワーク社会推進会議」を開催しています。 今般、平成28年12月28日から平成29年1月31日まで実施した国際的な議論のためのAI開発ガイドライン案の策定に向けて「整理した論点に関する意見募集」で提出され
今学期受けたMITのCSの授業 · GitHub
171222.md 今学期受けたMITのCSの授業 私はこの秋にMITのCSのPhDコースに入学しまして、先日期末試験を終えて冬休みに突入しました。MITは(おそらくアメリカの大学院ならMITに限らないと思いますが)本当に日本人が少なく、興味がある人がいても情報を手に入れづらいと思いますので、受けた授業の感想でも書いてみようかなと思います。ただし、私が受けたのは次に示すように数学っぽいものだけだったので興味の違う人には参考にならないかもしれませんが……。 私が今学期受けた授業は、 18.404/6.840 Introduction to Theory of Computation 6.820 Foundation of Program Analysis の二つです。二つだけというと少ないように聞こえるかもしれませんが、それぞれ週に2回、90分の授業が行われるので4コマ分です。さらに、こちら
Glibc malloc internal
2. 今日は何の話？ libc でもっとも良く使われる関数、 malloc と free の実装の解説 もっと一般的に言うと、プロセスのアドレス空間のうち、 heap 領域とよばれる、場所を操作する関数の説明 解説というと聞こえはいいが、そんな大層なものじゃない 3. Linux での process address space model kernel stack text mmap data bss heap 矢印はデータ量の増加と ともに、伸びる方向 使用中 使用中 使用中 今日は、ここ、 heap と呼ばれる領域のお話 low high free free free 4. 古典的 malloc プログラミング言語 C （いわゆる K&R) で紹介された初期の Unix の malloc 実装 使用中 使用中 使用中 free listの head 使用中 ・ free list を
mallocを再実装した話 - abcdefGets
C++ AdventCalendarの12日目 普段私はWEBのフロントエンドを仕事にしている。 つまり使う言語はjavascript/typescript等のScript言語だ。 ただ前職や趣味、OSS等でC++によく触っていたので昔実装したmallocの話をすることにした。 mallocとは mallocとはC言語のstdlib.hに含まれるメモリ割り当て関数のことで、 C++やその他の多くの言語で内部的に利用されている。 ヒープを割り当てる方法はいくつかあるが、このmallocがもっともメジャーといえるだろう。 mallocを再実装した 今回はmallocを自分で再実装してちょっと早くした話を書く。 再実装した理由は色々あるが最も大きな理由はただの好奇心。 yatscというtypescriptのコンパイラをC++で書こうと思って実装を始めたときに作った。 ただしyatsc自体は未完で
定番のConvolutional Neural Networkをゼロから理解する
Convolutional Neural Networkとは何か CNNで解決できる問題 Convolutional Neural Networkの特徴 畳み込みとは 合成性 移動不変性 Convolutional Neural Networkの構成要素 ゼロパディング（zero padding） ストライド Fully Connected層 Fully Connected層の問題点 Convolution層 Pooling層 TensorFlowによる実装 TensorFlowのインストール CNNでMNIST文字認識する 参考 近年、コンピュータビジョンにおける最もイノベーションと言えるのはConvolutional Neural Networkといっても過言ではない。 コンピュータビジョンの業界におけるオリンピックとも言えるコンペティションがImageNetである。 そのコンペティシ
Wantedlyのデザイナーインターンで変わったこと。｜アサヌマヒナコ
先週末、約3ヶ月間のWantedlyでのインターンが終了しました。短い期間でしたがとても濃い時間を過ごさせていただいて、たくさんの学びがありました。 ふりかえってみると3ヶ月前と今とで色々変化があったのでまとめてみます。 デザイナーの仕事に対する認識が変わったそもそも今回のインターンは元々知り合いだったデザイナーさんに、「デザイナーになりたいんです！」と相談したことがきっかけで始まりました。 その方に「デザイナーと一緒に働いたこともなくてデザイナーって何してるのか全然わからないのにデザイナーになりたいの？」と問いかけられて、たしかにそうだよなあと悩みそうになったところ、「1週間だけインターンしてみたら？」と誘っていただきました。 それまでデザイナーは「視覚的に問題解決する人、格好いい見た目を作る人」というイメージが強かったのですが、Wantedlyのデザイナーさんの仕事を近くで見させていた
サポートエンジニアが経験から語る、論理的文章によるコミュニケーションのススメ
俺はこれまで一貫してIT業界でエンジニアとしてのキャリアを進んできたのだが、これまでのキャリアでもう一つ一貫していることがある。それは、ずっとサポートエンジニアであるということだ。実はサポート職というのはかなり論理的なコミュニケーションを必要とする職種であり、如何に論理的な文章を上手に書くかということが、如何に良い仕事をするか（短い時間で成果＝顧客満足度を得られるか）ということに繋がるという側面がある。（もちろん高い技術力が必要なのは言うまでもないが。）サポートエンジニアはメールや報告書という形で日々論理的な文章を書かなければならないので、サポートの経験を重ねることによって論理的にコミュニケーションをする能力というのは徐々に磨かれよう。しかし、論理的にコミュニケーションをするというのは意外と皆出来ているようで出来ていないし、筋が悪いといつまで経っても身につかないこともあり、上手にお客さんを
I'm not A Professional PAPA
【その2】妻・夫を愛してる ITエンジニア Advent Calendar 2016 で My Wife Is A GitHuber を書きました。 今も夫婦で GitHub の issue をやっています。 今年の1月2日に新しく家族が増え、子ども関係の issue が多い1年でした。 上のは調乳する際の温度。生まれたばかりは、2-3時間に一回ごはんを食べるため、ある時ふと気になって調べた。 結論としては、世界保健機関（WHO）及び国連食糧農業機関（FAO）による 「乳児用調製粉乳の安全な調乳、保存及び取扱いに関するガイドライン」 があって、 日本用に厚生労働省医薬食品局食品安全部が「乳児用調製粉乳の安全な調乳、保存及び取扱いに関するガイドラインについて」にまとめてあった。 読んだ上で結局やるしかないという感じになったけど。(海外だと、液体のミルクが販売されているのでまた変わってくる)
11ヶ月間でTOEICスコアを300点から835点に上げた英語学習法 - Qiita
ということで11月で835点を取ることができました。 2017/09でいったんスコアが下がったのは結構へこみました。(まあTOEICの点数は運もあるのでプラスマイナス50点くらいの揺れはでると思います。) 学習戦略 英語上達完全マップ 実は英語上達完全マップどおりには勉強しませんでした。英語上達完全マップではボキャビルの勉強は後のほうでいいと書かれていましたが、TOEICのスコアを順調にあげるためにはボキャビルは最初の方にやったほうがいい気がして、4ヶ月後くらいにはTOEICの教材を中心に勉強しました(英語上達完全マップ的にはTOEIC用の勉強するのは邪道なのですが、まあ私はTOEICさんに身を委ねることに決めたので…)。 ただ、英語上達完全マップで掲げられている、瞬間英作文、音読、精読、文法、多読、ボキャビル、リスニングといった体系別トレーニング方法はとても理にかなっていると思いますし、
もうすぐ Ruby 2.5 がリリース！Rubyのバージョンアップのメリットを見つめ直す為に Ruby 2.4 へ上げた時のことを振り返ってみた | Wantedly Engineer Blog
もうすぐ Ruby 2.5 がリリース！Rubyのバージョンアップのメリットを見つめ直す為に Ruby 2.4 へ上げた時のことを振り返ってみた こんにちは、Wantedly でエンジニアをしている南です。 そろそろクリスマスです。Ruby の新しいバージョンがリリースされる時期ですね！！ という事で、来たる Ruby 2.5 に向けてバージョンアップの意欲を高める為に、 Ruby のバージョンを上げるメリットについて、過去にバージョンアップした時のことを振り返りながら少し考えてみたいと思います。 以前、Wantedly は Rails アプリケーションの Ruby のバージョンを 2.3 から 2.4 に上げました。その結果、平均 response time が 29% 高速化し、パフォーマンスが劇的に改善しました。当時はある程度の高速化は期待していましたが、ここまで劇的な変化は予想して
AtCoderでの競技プログラミングがもっと楽しくなるサイトまとめ - NoiminのNoise
この記事は情報系を勉強する女子大生 Advent Calender 2017の16日目の記事です． qiita.com 16日目担当のNoiminです． 情報系学科の学部4年で，自然言語処理の研究室に所属しています(自然言語処理は本アドベントカレンダーでもasai0304さんが取り上げてくださっていますね)． 去年から趣味として競技プログラミングをかじっています．実力はまだまだですが楽しくやっています． 今日はその競技プログラミングを話題にしたいと思います． 競技プログラミング/AtCoderとは 各サイト紹介 AtCoder Problems AtCoder Scores AtCoder Rating Estimator AtCoderRatingGraphComparison AtCoder Stats Rating History AtCoder Finder AtCoder Rat
ほぼ日刊イトイ新聞 - おとなの小論文教室。
Ｌｅｓｓｏｎ８５４ 就職の選択―先入観をわるための３つの問い 就職のとき、 自分の先入観を割るために、 考えてみてもよかったのになと今になって後悔する、 「３つの問い」がある。 私は就職のとき、なーんも考えてなかった。 考えない良さもあるだろう、 現に私もこうして今なんとか働けているのだから。 ただ、私のような世間知らずの人間が、 なにも考えずにいる状態は、白紙ではない、 かならずそこに、 「先入観」 が入り込んでいる。 いつのまにか思い込みにとらわれて、 未来を狭めていたなという私の失敗から、 より自由になるために、 すごくあたりまえだけど、 多くの人が正面きって考えたことがないだろう、 ３つの問いをあげてみる。 就職の選択で、 私が後から考えておくべきだったと思う１番は、 このコラムで何度もとりあげた、 「就職か、就社か。」 私は、今年５つの大学で教えているが、 いちばん驚いたのが、
手っ取り早くウェブアプリケーションにOAuth2認証を導入する - その手の平は尻もつかめるさ
bitly/oauth2_proxyを用いて，ウェブアプリケーションに手っ取り早くOAuth2認証を導入するという話です． oauth2_proxyは良い感じでOAuth2による認証を肩代わりしてくれる君で，何らかのリバースプロキシの認証機構と組み合わせて利用すると簡単にOAuth2ログインを実現することができます． 今回は例としてKibanaにGoogleのOAuth2ログインを導入してみたいと思います． 構成 Kibana bitly/oauth2_proxy nginx +------+ +-------+ +--------------+ +--------+ | | | | ----auth----> | | | | | user | --request--> | nginx | | oauth2_proxy | <--auth--> | Google | | | | | <--
Big Sky :: net/http でレスポンスの内容を確認したいなら io.TeeReader を使おう
« Golang で物理ファイルの操作に path/filepath でなく path を使うと爆発します。 | Main | VimConf2017 に参加してきた。 » printf デバッグは便利だ。技術の後退と言われようと printf でないと解決できない事はまだまだたくさんあります。 今日は net/http でクライアントが得たレスポンスの JSON を確認したいといった場合に、どうデバッグしたらいいかを書いてみたいと思う。 Go のインタフェースは大よそ io.Reader もしくは io.Writer を使う様に設計されている。こうする事でプログラムがメモリを一度に沢山確保してしまわない様にしています。 package main import ( "encoding/json" "fmt" "log" "net/http" ) type Foo struct { ID
Goを遅くしないための地味な話 – haraheniku – Medium
この記事はGunosy Advent Calendar 2017の13日目の記事です。 広告技術部の@harahenikuです。 主な業務はGoによる広告配信APIの開発です。たまにPythonとかDjangoとかもやってます。 Goは速いですが遅いコードをかけば当然遅くなってしまいます。 この記事ではGoのプログラムを遅くしないために、実際に行ったチューニングを幾つか紹介したいと思います。 スライスの処理長さを指定するスライスの初期化は次のようなコードはappendでallocが発生します。 feature := []VectorEntry{} for i, v := range vec { e := VectorEntry{ ID: i+stride, Value: v, } feature = append(feature, e) }appendでallocされないように、makeで
高次元ベクトルデータにおいて高速な近傍検索を実現するNGTの公開
Yahoo! JAPAN研究所の岩崎です。 私は主に特定物体認識の研究開発を行っていますが、その一方で特定物体認識において必須技術である高次元ベクトルデータの近傍検索の研究開発も行っています。近傍検索の一種であるk最近傍検索とは、クエリとしてベクトルデータが与えられた時に、クエリと空間内に点在するベクトルデータとの距離に基づき近い順にk個のデータを検索する、ことです。kが5の場合の最近傍検索の例を図1に示します。図中の数字は距離の順位で、青い点が検索結果となるデータです。 空間内のすべてのデータとの距離を計算すると時間がかかるので、高速化のためにインデックスを利用します。インデックスを用いることにより数次元といった低次元のベクトルデータ空間では高速な検索が比較的容易に実現できます。しかし、インデックスを用いても100次元を超えるような高次元ベクトルデータの場合には高速に検索することが困難と
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
Goのサーバサイド実装におけるレイヤ設計とレイヤ内実装について考える
