Regional Scrum Gathering Tokyo 2020 の資料です。
![見積りしないスクラム/No Estimates Scrum JP](https://cdn-ak-scissors.b.st-hatena.com/image/square/21b9b13cbc2dbd8a60ea91ea3dfd0999287c7c76/height=288;version=1;width=512/https%3A%2F%2Ffiles.speakerdeck.com%2Fpresentations%2F4e2925ef31bb4da8960a9322686577e4%2Fslide_0.jpg%3F14588320)
This note is my analysis on YouTube channels which are especially in a programming topic in Japan towards considering a strategy for making my YouTube channel. どうもTAKUYAです。拙作アプリのマーケティングの一環として、1年ぐらい前から自分もYouTubeで情報発信を始めた。ありがたいことに購読者数が1,400人を超えた。普通は「毎日沢山投稿しろ」と言われるが、動画はクオリティ重視で日本語と英語合わせて10本しかアップしていない。手応えありと言える。 さて、今後も続けていくにあたって既存の日本のプログラマー系YouTuberの分析をする。戦わないために。今後YouTubeチャンネルを作ろうと考えている人にも参考になれば幸いである
自分のところでは、社内の様々なログをfluentdで集めているのだけど、それらをElasticsearchに入れて、Kibanaで見えるようした話を書いてみる. Fluentd, Elasticsearch, Kibanaな組み合わせは既に多くの人が使ってるし、ブログ等の記事も沢山ある. けど、いくつか 引っ掛かった点などもあるので、それらを書き留めて置こうと思う. 要件 fluentdでストリームで集めてるログを、リアルタイムに近い鮮度でKibanaで見たい. 見たい、というのは検索したり、集計・可視化したり、ということ Kibanaでは短期(2日とか)のログが見えれば良い 規模感的には、ログの種類(=fluentdのtag数)が200くらい、流量はピークで2万メッセージ/秒くらい. が、実際には最も流量の多いログは除いたので、この半分〜3分の1くらいの流量 10shard/index
はじめに 最近はAIや機械学習などの単語がビジネスで流行っていて、世はAI時代を迎えている。QiitaやTwitterを眺めているとその影響を受けて、世の多くのエンジニアがAIの勉強を始め出しているように見受けられる。 さらに、近年では機械学習のライブラリも充実しており、誰でも機械学習を実装することができる良い時代になってきた。 その一方で、特徴選択を行い精度を向上させたり、機械学習の出した答えがどの特徴に基づいて判断されたのかを理解したりするには、モデルに対する理解やテクニックが必要となる場合も多々ある。複雑なモデルになると人間には解釈が困難で説明が難しい。近頃流行りのDeep Learning系のモデルだと頻繁に「なんかよくわからないけどうまくいきました」となっていると思う。 一般的なエンジニアとしては、この点が割と課題なんじゃないかと勝手に思っている。というか、私が課題に感じている。
大阪在住のフリーライター。酒場めぐりと平日昼間の散歩が趣味。1,000円以内で楽しめることはだいたい大好きです。テクノラップバンド「チミドロ」のリーダーとしても活動しています。(動画インタビュー) 前の記事:「餅は餅屋」は本当だったし、さらに「米屋の餅」もおいしかった 私が持っている「シマダス」を見てください さてその「SHIMADAS(シマダス)」、正式には「日本の島ガイド『SHIMADAS(シマダス)』」というタイトルなのだが、これから文中に何度もタイトルが出てくることになるので、ここでは「シマダス」という表記に統一させていただきたいと思う。 シマダスは1993年に初めて作られ、その後、改訂版が数冊出ている。私の部屋にあるのがこれ。1998年版だ。 1998年に刊行されたシマダス。1,152ページある。 150ページぐらいの文庫と比べてみる。デカい ズシッと重たいこの1998年版シマダ
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