社内インフラの管理者が「好みの女子社員のネットワークだけ切断」していた話→「動機が異常者」「防ぎようがない」
まりあ丼 @mariadon_34 これ座席変わっても自分達だけ接続切れるのおかしくない？と気づいた女子の一部が対象者を調べつつインフラ担当を監視した結果、若い女性しか切れておらずインフラ担当がいる＋女子がトイレから戻ってきて確実に席にいるタイミングにしか起きていないことを突き止めて初めて明るみに出たんよな... 2023-03-17 12:00:02 まりあ丼 @mariadon_34 その結果を持ってインフラ責任者のおじさんに調査要請したけど最初はそんなまさか～と相手にされなくてキレたし調べるまで１ヶ月待たされた挙句、いざ調べたら履歴ですぐに判明したらしく即日で青い顔した上層部と責任者に連行されて翌日から出勤不可になったのまじで草だった 2023-03-17 12:05:32
AWS 東京regionに一体何個のAZがあるのか？ - Qiita
東京リージョンでは、ap-northeast-1a から ap-northeast-1dまでの4つのAZがあるという記述はよく見かけると思いますが、 実際にAZ bが使えないような話もよく耳にしています。 一体どういうことなのかよくわからないため、いろいろ調べました。 実際に試してみる 新しいVPCを作る時に、該当のVPCが使えるAZが選択できます。 が、なぜか最大３つまでしか選択できず、AZ bはそもそも選択肢としても出てこないんだ。 調査 以下のコマンドを実施し、自分のAWSアカウントが使えるAZ一覧を確認 やはりap-northeast-1bが使えない。 $ aws ec2 describe-availability-zones --output text AVAILABILITYZONES ap-northeast-1 available ap-northeast-1a AVAIL
AIが永遠に奪えない仕事の共通点
黒坂岳央です。 オックスフォード大学をはじめ、様々な大学やシンクタンクが発表した「AIが代替できない仕事リスト」がある。2023年はChatGPTはじめ、様々なAIチャットボットが世の中に出ており「自分の仕事はAIに奪われるのか？」と戦々恐々と不安の声も聞こえてくる。 こうした「AIが代替できない仕事リスト」は発表する時期や研究機関は異なれど、その内容はほとんど変わらない。筆者はコンピューターサイエンスの専門家ではないが、その共通点を考えたい。 感情を動かす仕事 人の感情を動かす仕事は依然として残ると考える。なぜなら、AIは便利なツールに過ぎずどれだけ驚異的な利便性を出すことができても、人の感情を動かすことは難しいと考えるからだ。代替不可能と予測が出ているものとしては、学校教師やアスリート、保育士、芸術家や心理学者や心理セラピストなどがある。これらの仕事の共通点は「相手の心を動かす」ことに
「1日4分間、週2回」で最大の効果…「日本の研究者」が考案した「スゴすぎるトレーニング」（田畑 泉）
著者に聞く 「科学的なトレーニングをしたい！」 第7回――『1日4分 世界標準の科学的トレーニング』の著者 田畑 泉 さん タバタトレーニングは、20秒間の疲労困憊に至るほどの運動を10秒間の休憩を挟みながら8回繰り返す「高強度・短時間・間欠的トレーニング」である。1日合計4分間、週2回行うことで最大の効果を得られるという。 そのため、海外から火がつき、日本でもスポーツ選手のトレーニングの他、最近は忙しい人が体力をつけるために取り入れやすい運動として耳にするようになった。しかし、非常にきつく、一般人は効果を得られるところまで追い込めないとも聞く。 スポーツ科学の研究者、田畑 泉さん（立命館大学スポーツ健康科学部教授）は、タバタトレーニングの名前の由来となった人物である。タバタトレーニングと自身の研究生活について話を聞いた。 世界中で通用する「TABATA・TRAINING」 ――タバタトレ
Google OCS Apollo: The >$3 Billion Game-Changer in Datacenter Networking
Networking is a critical part of any datacenter, especially with the rise of networking-intensive large language models. As such, it was a clear target for Google’s infrastructure optimization efforts. Over the last year at conferences such as OFC and SIGCOMM, Google disclosed their custom networking stack, Jupiter, from in-house switches all the way through to custom reconfigurable software. This
ラズパイで動く大規模言語モデルがGitHubで公開 性能は“GPT-3相当”、Metaの「LLaMA」派生
LLaMAは米Metaが独自開発した大規模言語モデル。LLM分野の研究推進を支援するため、研究者向けに2月にリリースした。大規模インフラを利用できない研究者のために小規模ながら性能の高いことが特徴で、7B（＝70億）、13B、33B、65Bの4種類のパラメーターを用意している。13Bモデルはベンチマークで米OpenAIのLLM「GPT-3」を上回るという。 米スタンフォード大学は、LLaMAの7Bモデルを派生させ独自のLLM「Stanford Alpaca」を開発。このモデルは研究や学術目的でのみ利用でき、娯楽や商用での利用は禁止している。Alpaca LoRAでは、Stanford Alpacaが生成するトークン（単語列）を再現できるという。 関連記事 Meta、独自大規模言語モデル（LLM）の「LLaMA」を限定リリース Metaは独自の大規模言語モデル「LLaMA」（Large La
複雑性に立ち向かうためのサーバーサイドコード分割 - Cybozu Inside Out | サイボウズエンジニアのブログ
初めに kintoneチームの前田です。 kintoneはサーバーサイドがJavaで書かれていて、最近ではこれが結構な分量になっており開発上の障壁となっています。 その解消のため、kintoneチームではコード分割を進めています。 今回は、コード分割の目的や具体的方針、取り組みをチームでうまく進めていくための工夫、 これまでに得られたことや今後の見通しについてご紹介します。 コード分割とは kintoneがリリースされてから10年経過し、その間に継ぎ足し継ぎ足しでコードが追加されてきました。 最近ではコード行数が35万行を超えてなお増えており、それに伴い複雑性も増している印象があります。 このまま何もしないと、コードの調査や影響範囲を確認するのがどんどん大変になっていったり、 新しくチームに参加した人がコードを把握するのにいままで以上に時間がかかってしまうことが懸念されます。 このような問
AWS CDKで各種ログに対するAmazon AthenaのPartition Projectionを実装する - mazyu36の日記
Amazon AthenaにPartition Projection（パーティション射影）という機能があります。 dev.classmethod.jp ざっくりいうとパーティション管理を自動化して、高速にクエリが実行でき、お財布にも優しいというものです。個人的にはめちゃくちゃ便利だなと思い、特にログの調査に活用しています。 ログ調査対象のサービスの内、大体どのプロジェクトでも使っているものがいくつかあります（ALB、VPCフローログ、CloudTrail....）。 これまではPartition Projectionの設定を行うCREATE文を毎回実行していたのですが、少し面倒なのでAWS CDKで実装し使いまわせるようにしました。 今回の実装の全体像は以下です。 1. 概要 対象のログ 実装方法 2. 実装詳細 プロジェクト構成 実装の流れ 入力のインタフェース Glue データベースを
Zapier Natural Language Actions API(beta)とLangChainの統合をやってみた | DevelopersIO
はじめに こんにちは、筧( @TakaakiKakei )です。 本ブログは下記ブログの続きです。 Zapier Natural Language Actions (NLA) API と LangChain の統合が発表されました。 これによって、Zapier プラットフォーム上の5,000以上のアプリと20,000以上のアクションを、自然言語で組み込めるようになります。 実際にやってみて理解を深めていきましょう。 なお、2023/03/17時点では、Zapier Natural Language Actions API は beta なので予めご了承ください。 やってみた Zapier NLA API の準備 Zapier NLA API の利用には申請が必要です。 下記フォームから必要情報を入力して申請します。 申し込み後、承認されると下記ページの User の Information
AIとブレスト - やぎポエム
毎日AIとチャットしている。 AIはそのままだと関連度の高いことを言うようにできているようで、あまり面白いやつではない。 寒い→風邪をひかないようにしましょう、とかそんなパターンだ。 寒い→海水浴に行った気分になってみる、と言って欲しい。 デイリーポータルZっぽい。というか、おれか。 だが、考えてみればデイリーっぽい発想とは関連のないこと・対立することを探してくっつけているだけである。 そういう前提を指示するとAIは俄然よくなってくる。 方法：わざと関連のない言葉から共通点を見出す --- 林：「網戸にいちばん関係が薄い言葉はなんでしょうか」 AI：「航空母艦のように巨大な物体や概念に関連する言葉と比べると、網戸は比較的小さく身近なものであるため…」 林：「航空母艦と網戸の類似点」 AI：「両者とも軍事用途に使われることがあるという点でも共通しています。」 --- もっと強引に指示してみる
Kaggle GPU用Win11(HOME)+WSL2+nvidia-dockerの構築(2023.03.18版) - Qiita
対象範囲 🏃♂️ Win初期化された状態からスタート 💻 GPUは3060(Laptop) 🚩 ゴールは、ローカルでKaggle公式のDockerImageでGPUが使えるところまで [任意]Win初期化-WindowsUpdate 綺麗な状態からスタートしたい方はここからがよいかと思います。 Winの初期化は「設定」->「回復」->「PCをリセットする」で可能です 初期化完了後はひたすらWindowsUpdate。 NVIDIA Driverのダウンロード(CUDA) CUDAのバージョンはローカルとKaggleKernelをできるだけ合わせておきたいので、確認します KaggleKernelのCUDA Versionの確認 PS C:\Users\hoge> nvidia-smi Sat Mar 18 12:58:39 2023 +-----------------------
ZOZOFITにおけるADRを利用した意思決定を残す文化作り - ZOZO TECH BLOG
はじめに こんにちは。計測プラットフォーム開発本部バックエンドチームの佐次田です。普段はZOZOMATやZOZOGLASSなどの計測技術に関わるシステムの開発、運用に携わっています。去年の夏に、ZOZOFITというサービスを北米向けにローンチしました。 本記事では、ZOZOFITのローンチまでに遭遇した意思決定における課題と、ADRというドキュメンテーション手法を用いた解決までの取り組みについて紹介します。 目次 はじめに 目次 計測プラットフォーム開発本部 バックエンドチームとは ZOZOFITとは 開発中に直面した課題 過去の背景が分からず決断しにくい 意思決定の結論が追いにくい 意思決定の認識合わせに時間がかかる ADRの導入 ADRとは 展開 ADRのフォーマット 使用ツール チームへの展開 ADRの一例 振り返り 課題はどう解決されたのか メリット デメリット 最後に 計測プラッ
Kubernetes CPU リクエスト & リミット VS オートスケーリング
本文の内容は、2023年3月16に JASON UMIKER が投稿したブログ（https://sysdig.com/blog/kubernetes-cpu-requests-limits-autoscaling）を元に日本語に翻訳・再構成した内容となっております。 以前のブログ記事で、Kubernetesのリミットとリクエストの基本について説明しました：これらは、クラウド環境のリソースを管理するために重要な役割を果たします。 このシリーズの別の記事では、クラスターに影響を与える可能性のあるOOMとCPUスロットリングについて説明しました。 しかし、全体として、リミットとリクエストはCPU管理のための銀の弾丸ではなく、他の選択肢の方が良い場合があります。 このブログポストでは、次のことを学びます： CPUリクエストの仕組みCPUリミットの仕組みプログラミング言語別の現在の状況リミットが最適
OpenAPIからコードを自動生成！『Orval』のメリットと選定理由
はじめに 本記事ではOpenAPIからclientコードを自動生成するライブラリ『Orval』を紹介します。そしてOrvalの強みを明らかにし、どのような場合に選定するべきかを提案できたらと考えます。 いきなりですが簡潔に結論を述べます。 これはOrvalの作者自身がswagger codegenといった他の自動生成ライブラリに物足りなさを感じ、特定の技術の上で最適なコード生成をしたいというモチベーションが根底にあります。 Orvalとは？ 改めてOrvalはOpenAPIからclientコードを自動生成するライブラリです。（公式によると）その特徴は、大きく3つ挙げられます。 Productivity Save time to drink a 🍺, get your api ready out of the box in a few seconds. Prevent human erro
TypeScriptの型を指定してJSONダミーデータを出力させる｜INOUT
ChatGPTにJSONの型をTypeScriptで指定すればそのフォーマットでダミーのJSONデータを作成してくれるのではと思い、試してみました。 作成したJSONファイルをそのままコピーするだけで使えるので便利かも? INPUT 日本にある会社10社のダミーデータのJSONファイルを作成してください。 フォーマット: {id: number, name: string, address: string, foundedIn: Date}[] AIへのインプットをコピーする 以下は、日本にある会社10社のダミーデータのJSONファイルです。実際の企業情報ではないことに注意してください。 ```json [ { "id": 1, "name": "株式会社サクラ", "address": "東京都港区六本木1-1-1", "foundedIn": "2000-04-01" }, { "id
【勉強メモ】プロンプトデザイナーになるために変数を理解する。今回は、無限に専門ブログが作れる方法のプロンプトを紹介｜だいち
なぜ？この動画を取り上げたのかというと汎用性の高いプロンプトを作るためには、変数という概念を理解する必要があるためです。 さらにこちらの動画が一番、変数について理解しやすいと思ったからです。 変数とは、プログラムや数学の世界でよく使われる概念の一つです。変数は、ある値や情報を保存するために使われる「箱」のようなものです。 たとえば、あなたが宿題をしているとき、問題文に「x + 3 = 7」と書かれていた場合、ここでの「x」が変数です。つまり、「x」はどんな数でもいいという意味です。この場合、正しい答えは「x = 4」です。 例え話をすると、あなたがお金を持っている場合、財布は変数のようなものです。財布にはいくらでもお金が入れられるため、持っているお金の量によって財布の中身が変わります。同様に、変数にはどんな値でも入れることができ、その値によって変数が保持する情報が変わります。 変数とはなぜ
ラズパイで動く大規模言語モデルがGitHubで公開 性能は“GPT-3相当”、Metaの「LLaMA」派生
LLaMAは米Metaが独自開発した大規模言語モデル。LLM分野の研究推進を支援するため、研究者向けに2月にリリースした。大規模インフラを利用できない研究者のために小規模ながら性能の高いことが特徴で、7B（＝70億）、13B、33B、65Bの4種類のパラメーターを用意している。13Bモデルはベンチマークで米OpenAIのLLM「GPT-3」を上回るという。 米スタンフォード大学は、LLaMAの7Bモデルを派生させ独自のLLM「Stanford Alpaca」を開発。このモデルは研究や学術目的でのみ利用でき、娯楽や商用での利用は禁止している。Alpaca LoRAでは、Stanford Alpacaが生成するトークン（単語列）を再現できるという。 関連記事 Meta、独自大規模言語モデル（LLM）の「LLaMA」を限定リリース Metaは独自の大規模言語モデル「LLaMA」（Large La
Stable Diffusion WebUI（1111）をGoogle Colabで使うノートブック【画像も設定も自動保存】 - ただいま村
いきなり追記（4月22日） Google Colaboratoryの無料プランではSD/WebUIを使えなくなったようです。以下の記事をご覧ください。 Google Colabの無料プランでStable Diffusionを使えなくなったらModalへ行こう? （追記は以上） パソコンにGPUがない人向けに、AUTOMATIC1111版Stable Diffusion WebUI（以下SD/WebUI）をGoogle Colaboratoryで使うノートブックを作りました。下のGithubからどうぞ。 imamurayusuke/SD1111_colab: AUTOMATIC1111/Stable Diffusion WebUIをGoogle Colaboratoryで使うためのipynb この種のノートブックはいろいろあるのですが、自分が考える仕様を満たすものがなかったため自分で作った次
ChatGPTで解説にぴったりなプロンプト見つけました「ゆっくりしていってね！」「何かが見える何かが聞こえる」
三崎律日 @i_kaseki Alt+F4の名前で「世界の奇書をゆっくり解説」等のゆっくり解説動画を作っています。アイコンは畠山モグ先生。書籍化した上に続編がでました→「奇書の世界史2」 amazon.co.jp/dp/404605168X youtube.com/channel/UC_kiS…
AWSのAZ間レイテンシを測定してみた(2023年東京/大阪)
TL;DR 東京リージョンを利用する際に2AZの冗長化で良い場合のAZ選定 「apne1-AZ1, apne1-AZ2」の組み合わせで利用するのが、レイテンシ観点からは良い。 レイテンシ: 800μs程度 大阪リージョンを利用する際に2AZの冗長化で良い場合のAZ選定 「apne3-AZ1, apne3-AZ2」の組み合わせで利用するのが、レイテンシ観点からは良い。 レイテンシ: 200μs程度 東京リージョンの方がAZ間レイテンシが平均的に高い(大阪リージョンと比較して) 大阪リージョンの方がAZ間レイテンシが平均的に低い(東京リージョンと比較して) おことわり この記事は注意を払って記載しておりますが、測定結果を利用して生じた一切の責任は負いません。 実際に測定を行いたい方はGitHubに今回測定を行った環境を再現できるTerraform(IaC)がありますので、ご参考になれば幸いです
AWSエンジニアロードマップ2023 - Qiita
・AWSの学習順序を「路線図風」にまとめました。 ・黄色の丸は重要な項目です。 ・「AWS完全未経験」の方であれば、目安は「3ヶ月」の学習期間で「SAA資格に合格」が標準です。 （経験者であれば、より短い期間で合格が可能です。） ・SAA合格後は他資格の学習と合わせて、ハンズオンを中心に手を動かす学習を推奨します。 ChatGPTでも、ここまでのロードマップは出せないはず⛅️ 1週目：AWS基礎知識(AWS Basics) まずは「AWS」と「従来型のITインフラ環境」について整理していきましょう。 なぜAWSがこれほど世間から求められているのか？AWSのどのような点がメリットなのかについて理解するのが大切です。 オンプレミスのデメリットは ・多額の初期費用が必要 ・キャパシティの予測が必要 ・通常、サーバー購入から設置まで1ヶ月程度かかる などがあります。 一方、AWSは利用した分だけ支
「怠惰・短気・高慢」であれ、ChatGPTを使って業務効率化しよう(要件定義編)
例として読書記録アプリをつくります！ 筆者が欲しいサービスを作ろうと思い、今回は「読書記録アプリ」をつくります。 最低限の要件は、次のように設定しました。 デモアプリの要件（読み飛ばしてOK） 読書記録アプリを作る目的 読書が苦手なエンジニアが読書記録をし、記録を共有することで、継続して技術本を読めるようになること ターゲット 新人、中堅のWebエンジニア おおまかな要件 ユーザーは新規登録することで、読書記録アプリにログインできる ユーザーは読む本を登録できる ユーザーは本を何ページ読み終えたかを記録できる ユーザーは本を読み終わったら次の本を登録できる ユーザーは他の人がどの本を読んでいるのか、また何ページ読み終えたかを閲覧できる 質問する前に... また、ChatGPTに業務で使用するコードを渡す場合、環境キーやサービスを特定できる情報を送信しないでください。入力内容が他の人に渡って
樋口尚文の千夜千本 第195夜『シン・仮面ライダー』（庵野秀明監督）（樋口尚文） - エキスパート - Yahoo!ニュース
原作のクールさとテレビのキッチュさへの濃すぎる愛 1960年代、予算もかけ作品内容も練った円谷プロ＝TBSの『ウルトラマン』『ウルトラセブン』に夢中だった子どもにとって、71年4月に始まった東映＝毎日放送の『仮面ライダー』は、安づくりの映像をスピード感とキッチュな風味で乗り切らんとするジャンクフード的な魅力の塊だった。『ウルトラ』シリーズには時として文明批判、社会批判のようなテーマ性さえ含まれてまことにハイブロウであったが、テレビ映画の『仮面ライダー』にはそんな高尚なものはなく、ひたすら秘密結社ショッカーが繰り出す数々の怪人たちを同じく改造人間である仮面ライダーが必殺技で倒してゆく勧善懲悪モノだった。金のかかるミニチュアや合成などはほとんどなく、ひたすらライダーや怪人が等身大の生身の闘いを演ずるだけなのだが、その安さが子どもには親しみに映り、まんま公園や広場で「仮面ライダーごっこ」に転用で
東京で食べられる絶品グルメ
【チョコスイーツ一覧】 ①loger cafe(恵比寿) ②Minimal The Baking(代々木上原) ③カフェミクニズ(四ツ谷)【閉店】 ④Ralph’s coffee Omotesando(表参道) ⑤ピエール・エルメ・パリ(表参道) ⑥ケンズカフェ(新宿御苑) ⑦鷰 en(蔵前) ⑧MAT COFFEE(渋谷) ⑨ダンデライオンチョコレート(蔵前) ⑩アタッチメント(新宿) ⑪WHITE GLASS COFFEE(渋谷) ⑫bubo BARCELONA(表参道) ⑬デリーモ(目白) ⑭ジュウニブンベーカリー(渋谷) ⑮teal(日本橋) ⑯カカオストア(代々木公園) ⑰梟書茶房(池袋)
ChatGPTに要件定義をお願いしたらハンパなかった | DevelopersIO
架空の営業管理システムを作ってもらう前提で、ChatGPTに要件定義をお願いしてみました。 実験として軽く試すレベルで始めてみたのですが、予想を超えるクオリティでしたので、一部始終を皆様にもご紹介します。 ChatGPTとのやりとり まず、ざっくりと必要な機能の洗い出しをお願いしてみました。 あっという間に必要な機能を網羅的にリストアップしてくれまた。私自身、SFA/CRMをいくつか触った経験がありますが、適切な内容だと思います。 中には、「データのインポート・エクスポート機能」のように、検討初期段階ではつい忘れそうな機能も含まれています。さらに頼んでもいないのにオススメの検討プロセスまで教えてくれました。気が利いてます。 機能ベースだと要件の妥当性が判断しにくく思ったので、画面ベースで要件定義してもらことにしました。 「図で教えて」とできないことをお願いしたところ、やんわり断りつつ、意図
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
ソフトウェアエンジニアリングサバイバルガイド: 廃墟を直す、廃墟を出る、廃墟を壊す、あるいは廃墟に暮らす、廃墟に死す
ジョブキューシステムFireworqのアーキテクチャ設計と運用時のベストプラクティス
Modern Font Stacks
https://twitter.com/naoya_ito/status/1636910624096800768
https://twitter.com/naoya_ito/status/1637219501388464128
書籍『ゲームの歴史』全3巻（2022年11月刊）について - News - 青い鳥文庫
ChatGPT と自然言語処理 / 言語の意味の計算と最適輸送