Java Day Tokyo 2015 jBatch実践入門セッションのスライドです。Read less
Private content!This content has been marked as private by the uploader.
プラチナ社会研究センター 自治体分科会 地方創生シリーズ第4回 地方発ITベンチャーの挑戦 株式会社アラタナ 土屋有Read less
- The document discusses optimizing Java performance on hardware by leveraging features like AES-NI, transparent huge pages, and compiler intrinsics. - It provides examples showing performance improvements from using these features, such as faster encryption times when enabling AES-NI and fewer TLB misses with transparent huge pages. - It also discusses Java VM options, garbage collection, and the
2013.9.30 Geckoと仲良くなりたい人主催 FxOS Gecko勉強会の資料「�Gecko入門」です。 Firefox OSのGeckoをまとめました。
2015/03/01のグラフィックレコーディングのワークショップのお手伝いをしてきた。HTML5 Conferenceでグラフィックレコーディングしてくれた和波さんが声を掛けてくださって、カメラスタッフとして写真を撮っていた。 グラフィックレコーディングをやってみよう!ワークショップ | eventon(イベントン) 当日のレポートがとてもよくまとまっていてすてき。 グラフィックレコーディングをやってみよう!ワークショップ 開催レポート〜「3つの筋肉」の鍛え方 : DeNA Creator(クリエイター) Blog 資料とか グラフィックレコーディングをやってみよう!ワークショップ資料 150301 from Azumi Wada ワークショップの資料も公開されている。すばらしい。 グラフィックレコーディングをやってみよう!成果物・グラフィックレコーディング集 150301 from Az
(ADV402) Beating the Speed of Light with Your Infrastructure in AWS | AWS re:Invent 2014 With Amazon Web Services it's possible to serve the needs of modern high performance advertising without breaking the bank. This session covers how AdRoll processes more than 60 billion requests per day in less than 100 milliseconds each using Amazon DynamoDB, Auto Scaling, and Elastic Load Balancing. This pro
日本情報オリンピック (JOI) の主催する、 JOI 2021 夏季セミナーでの講義資料です。 拙著『問題解決力を鍛える!アルゴリズムとデータ構造』 の 5.6 節に相当する内容を掘り下げた講義です。 「区間分割の仕方を最適化する動的計画法」を題材として、さまざまな問題に対して汎用的な見方をする数理工学の考え方を紹介しました。
Video: https://www.youtube.com/watch?v=JKYktDRoRxw Pycon 2015 Montreal Nina Zakharenko Technical Debt - The Code Monster in Your Closet Description Technical debt is the code monster hiding in everyone's closet. If you ignore it, it will terrorize you at night. To banish it and re-gain your productivity, you'll need to face it head on. Abstract I've worked at many institutions with many programmin
This document discusses generative adversarial networks (GANs) and their relationship to reinforcement learning. It begins with an introduction to GANs, explaining how they can generate images without explicitly defining a probability distribution by using an adversarial training process. The second half discusses how GANs are related to actor-critic models and inverse reinforcement learning in re
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