前提知識 Rails アプリにおいて、テーブルの追加やカラムの追加は簡単なものの、カラムの削除やリネームは慎重に行う必要がある。たとえアプリからそのカラムを参照してないとしても、いきなりカラムを削除するとエラーになる可能性が大いにある。 というのも Rails にはスキーマキャッシュというものがあり、テーブルのカラム情報をモデルがキャッシュしているからだ。このキャッシュはたとえばいわゆる N+1 クエリ問題を避けるために includes (eager_load) するときに参照される。 SELECT 句で t0_r0 のような機械的に別名が振られるようなクエリを見たことがある Rails エンジニアは多いと思う。 機械的に全カラムを取得するためにスキーマキャッシュを利用しているため、このようなクエリが実行されてる中でカラムを削除したりリネームしたりすると、スキーマキャッシュをもとに並べら

皆さん、気づきましたか？ GitHubプロフィールにActivity Overview(ベータ版)のレーダーチャートを追加できるようになったことを。 GitHubでの活動をグラフ化 GitHubでよく使う機能として４つがありますよね。 コミット(Commits) プルリクエスト(Pull requests) イシュー(issues) コードレビュー(Code review) これらの活動をグラフ化してくれるようになりました。下記画像のContribution settings（右上）でActivity overview(Beta)にチェックを入れると、上の4つの機能の中でどの機能をよく使っているかの割合を示すグラフを表示してくれます。（右下の赤の囲み線） 詳しくはこちら（英語） グラフによる可視化はモチベーション維持につながる 業務時間外にコードを書くことは、人によってはモチベーション維持

こんにちは。Findyで副業をしている、@k-kuwaharaです。 様々なツールのソースコードが公開されることが、今や当たり前になってきています。代表的なもので言うと、Swift, Ruby などのプログラミング言語、Angular、React, Vue.js などのJavaScriptフレームワーク、Linux, Android などのOSやディストリビューションが挙げられます。 有償のサービスの多くはクローズドソースではありますが、無償のサービスですとオープンソースのものが増えてきており、オープンソースの文化はより主流になって行くのではないかなと感じています。 エンジニアのキャリアやステップアップを考える上で、コミュニティ活動やOSS活動をすることをおすすめされることはないでしょうか？これにはもちろん理由があります。今回はその理由やメリットをご紹介したいと思います。 ※注意：本記事は

こんにちは、フリーランス・副業エンジニア向け単価保証型の案件紹介サービスFindy Freelance社会人インターンの高橋（＠YuukiTakahasi79）です。 今、日本では「働き方改革」があらゆるところで叫ばれています。大企業でも副業解禁を行うところが増えてきていますよね。そのため今後、働き方は多様となっていくことが個人的な予想です。 私自身、公務員からエンジニアへ大きくキャリアチェンジを行いました。働き方も180度変わり、現在は、Findyで社会人インターンとしても働いています。 今回は、私の働き方について書きたいと思います。 公務員時代の働き方 私は、金融庁という役所にいました。よく「金融庁ってどんなことをしているの？」と聞かれるのですが、「半沢直樹に出てくる片岡愛之助さんがやっていることだよ」と冗談交じりに答えています(笑)。 仕事内容は「自分で決める」というよりは「仕事が降

早いもので、2017年12月にKyashに入社してから半年が経ちました。 最近は 「勢いある」「Kyashよさそう」と言っていただくことも増えてありがたいなぁと思うと同時に、中にいるとちょっと過大評価されているなと感じることもあります。 自分自身も後で見返せるように、実際どうなの？という話を自分の視点から書いておこうと思います。Kyash実際はこんな感じなんだーというのがなんとなく伝われば嬉しいかぎりです。 ちなみにこういう話は思いもしないところ思いもしないツッコミを受けるものなので結構緊張しています。何か気になる表現があれば@konifarまで直接連絡をもらえるとありがたいです。 入社直後の感想 2017年12月に入社した時、Kyash社内はめちゃくちゃ忙しい時期でした。開発もマーケも全員修羅場で、「オッやっとるな」という感じでした。 自分が入った時にすでに佳境だったので、そのプロジェク

前回は TensorFlow のチュートリアルを触ってみたわけですが、当然のごとく手元のノートPCではさほど速度を出すことができません。DNNをあつかう宿命としてGPU上で動作させることは避けては通れないものです。 というわけで、GPU で TensorFlow を動かすために AWS のインスタンスをたてようと試みたわけですが、Chainer の時のようにさくっとは行かず。。。 どうやら依存している CUDA のバージョンの関係で、AWS の NVIDIA インスタンスでは動作させることができないようです。じゃあ適当なインスタンスに CUDA 入れればいいだけじゃんと油断したのが裏目に出てしまい、色々と手こずってしまったので、個人的な備忘録としてGPU インスタンスで TensorFlow を動作させるまでの手順を残しておきたいと思います。 TensorFlow ってどういうことができる

データサイエンティストの中村です。VASILYではファッションに特化した画像解析エンジンを開発しています。本記事では、スナップ写真からファッションアイテムを検出するシステムを紹介したいと思います。 概要 このシステムの入力はスナップ写真です。スナップ写真が入力されたとき、システムは以下のタスクを解きます。 写真中からファッションアイテムに該当する領域を検出する 検出したファッションアイテムのカテゴリを予測する 検出したファッションアイテムに似ているアイテムをDBから検索する 各タスクを解く方法は様々ありますが、弊社のシステムでは2種類のネットワークを使ってこれを達成しています。 ファッションアイテムの検出とカテゴリ予測 検出は画像認識の基本的なタスクで盛んに研究されていて様々な手法が提案されていますが、今回はSingle Shot MultiBox Detector (SSD)*1 と呼ば

諸事情でElasticSearchの事ばっかり書いてますが、Solrの方が好きです。 ElasticSearchのインデクシングを高速化するためにやった事を残しておきます。 基本的には↓に書いてあることばかりです。 Performance Considerations for Elasticsearch Indexing | Elastic データ投入方法 データの投入にはBulk APIを使います。 なお、公式では1つのbulk Importのサイズは5~15MBにすることを推奨しています。 curl -XPOST http://localhost:9200/_bulk --data-binary @databatch.json >/dev/null メモリ関係 ES_HEAP_SIZEに実メモリの半分程度を割り当て、mlockall:trueでElasticSearchのメモリがスワッ

OSS のログ収集管理ツールFluentdを用いてログを統合管理している場合の懸念点として、ログの収集漏れが考えられます。 Fluentdでは、バッファ機能を活用することでログを収集漏れすることなく確実に収集することができます。 このバッファ機能のメカニズムを理解すべく動作検証した結果を紹介します。対象とするFluentdのバージョンは0.10.30です。 Fluentdとは Ruby実装のOSSのログ収集管理ツールです。 Fluentdは、Input、Buffer、Outputの3つのコンポーネントで実現されています。 様々な場所からログを収集、JSON形式に変換し(Input)、蓄積(Buffer)、様々な出力先にデータ出力(Output)します。 例として、あるサーバ(server01)のApacheのアクセスログを別のサーバ(server02)内にファイルとして出力する場

ECzine Day（イーシージン・デイ）とは、ECzineが主催するカンファレンス型のイベントです。変化の激しいEC業界、この日にリアルな場にお越しいただくことで、トレンドやトピックスを効率的に短時間で網羅する機会としていただければ幸いです。

2. ⾃自⼰己紹介 l  海野 　裕也 (@unnonouno) l  プリファードインフラストラクチャー l  情報検索索、レコメンド l  機械学習・データ解析研究開発 l  Jubatus l  分散オンライン機械学習フレームワーク l  専⾨門 l  ⾃自然⾔言語処理理 l  テキストマイニング 2

We asked all learners to give feedback on our instructors based on the quality of their teaching style.

TensorFlow Hub is a repository of pre-trained TensorFlow models. This tutorial demonstrates how to: Use models from TensorFlow Hub with tf.keras. Use an image classification model from TensorFlow Hub. Do simple transfer learning to fine-tune a model for your own image classes. Setup import numpy as np import time import PIL.Image as Image import matplotlib.pylab as plt import tensorflow as tf impo

概要 畳み込みニューラルネットワークによる画像生成モデル（DCGAN）に弊社のワンピース画像10万枚を学習させました。 得られた生成モデルを使って、乱数で作った100次元ベクトルからワンピース画像を生成しました。 逆に、一枚のワンピース画像を100次元ベクトルに圧縮し、可視化しました。 可視化したことで、モデルがワンピースの【色】【形】【柄】【モデルやマネキンの有無】など、基本的な特徴を捉えられていることがわかります。 この技術は、自動タグ付けや類似画像検索に応用することができます。 はじめに はじめまして。データサイエンスチームの後藤と申します。現在、アイテム画像のカテゴリ判定モデルを作ったり、各部門のKPIの日々の変動やシステムの異常を知らせるダッシュボードを作る仕事をしています。 また、最新の研究論文にもアンテナを張り、提案手法の検証にも取り組んでいます。今回は、去年の暮れあたりから

成果を創出し続ける状態を作ること。 それがグッドスパイラル Sprocketのコンサルタントが施策を立案・実行・検証していくから、顧客の理解が深まっていく。 顧客の理解が深まると、より精度の高い施策を生み出すことができる。 精度の高い施策が蓄積されることで、成果が着実に上がっていく。 Sprocketのタグを入れるだけで 御社のWebサイトがOne to One仕様になります！ サイト訪問者一人ひとりに対し、必要な情報を必要なタイミングでコミュニケーションできます。 まるで店舗での接客をデジタル化したかのように、Webサイトに訪問した顧客をもてなします。 サービス内容

KARTEプロダクト概要 資料KARTEの機能やお客様の声、活用事例を紹介しています。Webサイト/アプリ内でのCX向上、サイト内外での顧客データ活用と事例集のセットです ダウンロードする