New Web History API Proposal
IntroductionThe widely available History API is difficult to use even for the most basic use cases. This has become an impediment for custom-built web apps and shared libraries. The description below explains why and how it can be changed to address these issues. Status-quoHistory API has been around for a few years and implemented in all major browsers. It defines methods and properties that incl
Slides API コードラボのご紹介
.app 1 .dev 1 #11WeeksOfAndroid 13 #11WeeksOfAndroid Android TV 1 #Android11 3 #DevFest16 1 #DevFest17 1 #DevFest18 1 #DevFest19 1 #DevFest20 1 #DevFest21 1 #DevFest22 1 #DevFest23 1 #hack4jp 3 11 weeks of Android 2 A MESSAGE FROM OUR CEO 1 A/B Testing 1 A4A 4 Accelerator 6 Accessibility 1 accuracy 1 Actions on Google 16 Activation Atlas 1 address validation API 1 Addy Osmani 1 ADK 2 AdMob 32 Ads
Advanced API Calling in Go
Go 1.9 Release Party in Tokyo での発表資料です by @__timakin__
S3 APIでマルチクラウドのデータを一括管理するOSS、Zenkoとは
S3 APIでマルチクラウドのデータを一括管理するOSS、Zenkoとは：クラウド間でのデータ移行にも対応 クラウドのストレージサービスのネイティブな利用を確保しながら、いつでも別のクラウドにデータを移動でき、あるいは別のクラウドにデータの複製を維持しておけるようにして、ユーザー組織側がデータをコントロールできるツールはないのか。こうしたニーズに応えるオープンソースソフトウェア「Zenko」を解説する。 ハイブリッドクラウドやマルチクラウドに関する多くの議論は表層的だ。あるアプリケーションについて特定のクラウドを選択し、その後未来永劫そのクラウドで運用し続けることを議論の前提としているからだ。 ユーザー組織やアプリケーションによっては、そうしたいこともあるだろう。だが一方で、例えばデータを特定のパブリッククラウドに配置しながら、いつでも他のパブリッククラウドに移行できるようにしたい、あるい
FFmpeg API の使い方(1): デコードしてみる - Fixstars Tech Blog /proc/cpuinfo
このブログは、株式会社フィックスターズのエンジニアが、あらゆるテーマについて自由に書いているブログです。 FFmpeg APIの使い方を解説してみます。FFmpegは、様々な動画の変換に対応したツールです。コマンドラインからバイナリを叩くのもいいですが、ライブラリAPIを使えば、もっと色々なことができるようになります。ただ、チュートリアル的なものがなかったり、あったとしても古いAPIで書かれていたりしていて、とっつきにくいところがあります。長年開発されてきたOSSなだけあって、APIとしては洗練されているので、分かってしまえば使い方は簡単です。 他の記事 FFmpeg APIの使い方(2): シークやAVFrameなど FFmpeg APIの使い方(3): エンコードしてみる FFmpeg APIの使い方(4): エンコード他 FFmpegは現時点で最新の3.3.3を使っていきます。開発環
ReduxでAPIから取得したデータを保持するのが嫌になったのでaxiosで保持してみた - Qiita
ReduxのGlobalStateでAPIのデータを保持するか否か Reduxではredux-thunkやredux-sagaを用いてaction内でAPIリクエストした結果をGlobalStateに保持するのがお約束になっていますが、そもそも action作成 ↓ reducerにcase追加 ↓ containerのmapStateToPropsで受け取る というプロセスが非常にめんどくさい。 しかもGlobalStateにAPIデータが保持されているかどうかで分岐もさせないといけない。 それならaxiosのPromiseをキャッシュしておいて、2度目以降同じaxios.getリクエストをした場合にそのキャッシュを返せばいんじゃね？ ということでaxios.getをキャッシュする仕組みを作ってみました。 注意点として、この中でキャッシュと呼んでいるものは永続的なものでなくリロードすると
Microsoft、Azureの使用状況詳細を取得できるAPI「Azure Consumption and Charge API」を公開
Microsoft、Azureの使用状況詳細を取得できるAPI「Azure Consumption and Charge API」を公開：クラウドの使用状況や課金状況の詳細分析に Microsoftは、「Microsoft Azure」と「Azure Marketplace」のリソースの使用状況と課金状況のデータを取得できる「Azure Consumption and Charge API」を正式リリースした。 Microsoftは2017年8月1日（米国時間）、「Azure Consumption and Charge API」の正式版を公開した。 Azure Consumption and Charge APIは、「Microsoft Azure」と「Azure Marketplace」のリソースの使用状況や課金状況のデータを取得できるようにするAPI（Application Prog
CVPR 2017でのコンピュータビジョン研究の最新動向
コンピュータビジョンとパターン認識の国際会議CVPR 2017に、CyberAgentからアドテク本部AI Lab所属の山口、大田、谷口の3名が聴講参加してきました。CyberAgentアドテク本部ではエンジニア、リサーチ関連職の技術レベルの向上を目的に、学術会議への参加や論文投稿を行なっております。今回の記事では今年のCVPRでの研究の最新動向についてお伝えします。 CVPRについて 研究動向 物体検出 深層学習モデルの解釈 マルチタスク学習 広告応用 クリエイティブ VQA対話モデル おわりに CVPRについて CVPR 2017 公式サイト CVPRはICCV/ECCVとともにコンピュータビジョン研究のトップ会議で、世界中の研究者が毎年一堂に集まり研究討論を行います。学術関係者だけでなく、近年は企業向けにトレードショーのようなEXPOも併催されるようになっています。 CVPR 201
自力で機械学習の訓練画像データを収集する(Google Custom Search API ピカチュウ編) - Qiita
※ 詳細は最後に書いてありますがこの方法は100枚しか画像を収集できないという致命的な欠点があります。 はじめに 画像中にある物体認識の機械学習モデルを作成するに当たってまず必要になるのが大量の訓練画像の収集です。 犬や車といった一般的なものであればImageNetなどのサービスからダウンロードすることができますが、例えばピカチュウやアンパンマンと言ったキャラクターの画像はありません。そこで思いつくのがGoogle検索を使って画像を集める方法です。 今回はそのGoogle Custom Search API を使って機械学習用の画像データを集める方法をご紹介します。 Tumblr API編はこちら カスタム検索エンジンの作成 まずCSEでカスタム検索エンジンを作成します。 まず検索エンジンの編集の下にあるAddをクリックします 次にフォームに適当に値を入れていきます。ここで注意点として「検
Spajam2017優秀賞「嫌われAIの命名」の発想プロセスからiOSアプリ実装まで - Qiita
このようなプロセスを経ます。それぞれ以下のような仕様を考えました。 あだ名をつくる材料はツイート TwitterKitを使って、あだ名をつけたい人の直近500文字のツイートを集めます。これがあだ名をつけるための材料。 TwitterKitのAPIを使って取得する様子 let client = TWTRAPIClient.withCurrentUser() let dataSource = TWTRUserTimelineDataSource(screenName: screenName, apiClient: client) dataSource.loadPreviousTweets(beforePosition: nil, completion: { result in guard let datas = result.0 else { self.showAlert() return }
ぎんざRuby会議01にて、「マイクロサービス指向 Rails API 開発ガイド」という発表をしました
技術開発本部の qsona です。 先日、 ぎんざRuby会議01 というミートアップが開かれました。これは、弊社の技術顧問のwillnetさんを含む3人の方によって運営されている Ginza.rb というコミュニティの50回目を記念して開かれたものです。 このミートアップにCFPを投稿し、採択いただきました。かなりの高倍率の中、目にとどめていただけたこと、また普段お世話になっているコミュニティの節目の会での発表の機会を頂けるということで、非常に有り難いことでした。 発表資料以下がその発表資料です。また、引用した文献をこの下に列挙したので、適宜ご参照ください。 引用文献p3 マイクロサービス時代に捧ぐ、Railsでの中規模APIサーバ開発のための技術構成 — qsona (Qiita) p27 step-by-step BFF — Yosuke Furukawa (Speaker Deck
音声認識をカスタマイズできるMicrosoftのCustom Speech Serviceの使い方 - Qiita
はじめに インターネットを探し回ったのですが、Microsoft Cognitive Serviceの１つであるCustom Speech Serviceの使い方をかみ砕いてブログなどで書いてくれているサイトが日本語では存在しませんでした。 結構よくできたサービスなのに、そんなに人気ないんだっけ？ 最近本気でこのサービスを検証する機会があり、理解を深めることができたので、使い方を共有しようと思います。 Custom Speech Serviceの概要 MicrosoftのAIサービス的な位置づけのCognitive Serviceの中の一つであるCustom Speech Serviceは、音声の言葉をテキストに変えてくれるサービスです。別のCognitive Serviceである普通の音声認識サービス（Bing Speech API）は世の中一般的な用語しか取り込まれておらず、特定の商品
Microsoftの音声認識技術を本気で検証してみた - Qiita
はじめに Microsoftの音声認識技術を機会あって本気で検証したので、共有しようと思います。 音声認識技術はAIキーワードに含まれる技術の一つなのでAIが流行りだした２年前くらいから話題になり始めたのですが、特にHotになったのは去年2016年の年末にGoogleとMicrosftが立て続けにニューラルネットワークベース（ディープラーニングベース）のAPIを、誰でも使えるサービスとしてリリースしてからだと思います。 GoogleとMicrosoftが発表したニュースのキャッチコピーは認識精度が「人間並みに到達」だったので、かなり強いインパクトを世間に与えたのだろうと思います。私もこのニュースに驚き、強く惹かれました。 ●当時のニュース記事 ・Microsoft http://jp.techcrunch.com/2016/10/19/20161018microsoft-hits-a-sp
「ミドルウェアにmrubyを組み込む方法」についてまとめた - Kentaro Kuribayashi's blog
ミドルウェアの設定を書いたり運用したりしている時に、リクエストに対して動的にあれこれしたいなーという気持ちになったことは一度や二度ではないと思います。たとえば、nginxにおけるngx_mrubyのような感じで、リクエストに応じてmrubyで処理を書くみたいな。 自分自身もそういう気持ちに何度かなったのでそういうコードを書き始めたのですが、その過程で、ミドルウェアにmrubyを組み込む方法について簡潔にまとめられた資料を見つけられなかったので、できるだけわかりやすくまとめてみようと思って以下のようなスライドを作成しました（これを用いて、社内の技術勉強会で話しました）。 speakerdeck.com mrubyの組み込みをやってみようと意気込んでみたところで、いきなりnginxなどのような大きなミドルウェアに対峙してしまうと、Cやmrubyの知識に加えて、そもそもそのミドルウェアの内部仕様
Cに組み込んだmrubyのコードのエラーハンドリングについて - Kentaro Kuribayashi's blog
「ミドルウェアにmrubyを組み込む方法」についてまとめた - Kentaro Kuribayashi's blogの続き的な話題。Cのプログラムに組み込んだmrubyのコードを評価した時に、そのコードがなんらかのエラーを起こした時にどうするか。 mrubyのコードを評価するAPI まず、mrubyのコードを評価するAPIには、コンテキスト（実行するコードのファイル、行などを示す情報）をわたさないものとわたすものとの2種類があります。 コンテキストをわたさないもの 例: mrb_value mrb_load_string(mrb_state *mrb, const char *s) コンテキストをわたさすもの 例: mrb_value mrb_load_string_cxt(mrb_state *mrb, const char *s, mrbc_context *c) とりあえず、まずはm
APIセキュリティチェックリスト（APIの設計, テスト, リリース時における、重要なセキュリティ対策チェックリスト） - もた日記
API Security Checklist github.com GitHubのトレンドリポジトリを眺めていたらAPIセキュリティチェックリストというものがあった。 日本語訳も最近追加されたみたい。 API-Security-Checklist/README-jp.md at master · shieldfy/API-Security-Checklist · GitHub 内容は、 API Security Checklist これはAPIの設計, テスト, リリース時における、重要なセキュリティ対策チェックリストです。 認証(Authentication) Basic認証を使用してはならない。標準的な認証を使う。(例 JWT, OAuth) 認証, トークン生成, パスワードの保管において車輪の再発明をしてはならない。 最大ログイン試行回数 (Max Retry) と、jail fe
Test CloudStack API Using Simulator - Qiita
In this post, I am going to test how to CloudStack API works using Simulator. Environment OS: Ubuntu 16.04 Java: openjdk version "1.8.0_131" Scala: 2.10 Build Tool: Apache Maven 3.5.0 IDE: IntelliJ CloudStack(simulator): 4.9 Run CloudStack simulator on a docker container It is very easy to run CloudStack simulator on a docker container. https://hub.docker.com/r/cloudstack/simulator/ Just execute t
numpyやchainerでのベクトル、行列、テンソルの積関連演算まとめ - verilog書く人
年末年始にテンソル積と格闘しわけがわからなくなったのでメモ。 numpyのいわゆる積と呼ばれるAPIには、 numpy.multiply, numpy.dot, numpy.vdot, numpy.inner, numpy.cross, numpy.outer, numpy.matmul, numpy.tensordot, numpy.einsumとまあ結構たくさんあります。 特にnumpyについてまとめますが、chainerやtensorflowで同名のAPIが存在する場合、numpyと同じインターフェイスで設計されていますのでほぼ同じ計算をします（はずです）。 コンテンツ 要素ごとの積(*,numpy.multiply) ベクトルの積(numpy.dot, numpy.vdot, numpy.inner, numpy.cross, numpy.outer) 行列積(numpy.matm
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
HTTP Prompt: ls and OpenAPI/Swagger specification - asciinema
GitHub - shieldfy/API-Security-Checklist: Checklist of the most important security countermeasures when designing, testing, and releasing your API
