Amazon Web Services Japan
aws amazon aws black belt online seminar 2021 aws black belt online seminar 2020 aws black belt online seminar 2019 aws black belt online seminar 2018 awsblackbelt aws black belt online seminar 2017 iot game awsloft jawsug ctonight rds ec2 iotloft aurora amazon web services redshift startup machine learning aws black belt online seminar 2016 blackbelt serviceupdate database security iot@loft jawsd
社内の精鋭たちを集めて3週間でAmazon Goっぽい仕組みを作った | DevelopersIO
渡辺です。 米中で無人コンビニ沸騰 機動力の良さ日本でも - 日経電子版で弊社の取り組みが紹介されました。 筆者が参加した小売り関係者の勉強会では、米中の視察の報告会に加え、アマゾン・ゴーを実際に再現したシステムの体験会があった。 企画した会社は、クラスメソッド（東京・千代田）。アマゾン・ウェブ・サービス（ＡＷＳ）で国内有数の実績をもつシステム会社で、なんと３週間で疑似的な体験システムを完成させた。 本日は、こちらの記事で紹介されたAmazon Goの再現システム（以下、Yokota de Go）について、技術的な部分を紹介します。 なお、このエントリーは、上記2018年7月のデモ時点の実装に基づきます。 また、3週間程度で、試行錯誤しながら、実験をしている段階であることをご理解ください。 Amazon Goに関しては、Amazon Go体験ツアーを参照ください。 発端 ある日、ボスが「A
Amazon Machine Learningを理解するために3つの方法で天気予測をしてみた（二項分類編）
今回は天候データをAmazon Machine Learningに流し込み3つの方法（二項分類、多項分類、回帰分析）で天気予測をしてみます。 記事の目的 記事の目的は以下の3つです。 ・もっとも簡単な機械学習サービスであるAmazon Machine Learningを理解する ・同一データに対して3つの方法を利用することで3つの違いを掴む ・機械学習に対する属性情報の重要性を掴む 同じデータを複数の方法で利用することで、3つの違いや使い方がわかりやすく理解できると思います。 今回利用するデータは気象庁が提供する過去の天候データです。 http://www.data.jma.go.jp/obd/stats/etrn/ 項目が多く載っている東京都のデータを利用しています。 http://www.data.jma.go.jp/gmd/risk/obsdl/index.php Amazon Ma
AWS 導入事例：任天堂株式会社、株式会社ディー・エヌ・エー| AWS
Super Mario Run の配信を開始した当日は、待ちわびた世界中のユーザーからのアクセスが一気に集中しましたが、AWS のインフラは十分なレスポンスを返し続けてくれました。ここまで何も大きな障害が発生しないケースは、大量のアクセスが想定されるゲームの配信開始時では極めてまれなことですし、2017 年 3 月時点で 8,000 万ダウンロードを突破する規模になっても AWS で特に問題は起こっていません。 任天堂株式会社は「任天堂に関わる全ての人を笑顔にする」ことを目指し、ホームエンターテインメント分野において、世界中のユーザーにかつて経験したことのない楽しさ、面白さ、驚きを持った娯楽を提供することを最も重視しています。任天堂ではこれまで、ホームエンターテインメントのビジネスを主にゲーム専用機の提供で推進してきました。 さらに任天堂では、先進国が中心となっているゲーム専用機の利用者に
1
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
