ソフトウェアアーキテクチャの基礎: Software Architecture in a Nutshell『ソフトウェアアーキテクチャの基礎』 - Techmee vol.2 での発表資料です https://timeedev.connpass.com/event/254336/ 動画: https://youtu.be/ydQ2xoc49Lc #Techmee
クラウドネイティブ環境におけるJavaチューニングの進め方 〜 20,000rpsをさばく超PayPay祭の事例
ヤフー株式会社は、2023年10月1日にLINEヤフー株式会社になりました。LINEヤフー株式会社の新しいブログはこちらです。LINEヤフー Tech Blog こんにちは、ショッピング統括本部の川口です。 本記事では、2022年2月から3月にかけて開催された超PayPay祭の事例をもとに、クラウドネイティブ環境におけるJavaチューニングの進め方について解説します。 本記事の内容は2022年6月19日に開催された、JJUG 2022 Springで発表した内容をベースにしています。 Yahoo!ショッピングにおける超PayPay祭は高負荷 超PayPay祭は全国のPayPay加盟店とオンラインショップでお得に買い物をお楽しみいただける大規模キャンペーンです。Yahoo!ショッピングにおいても、PayPayポイントがもらえるキャンペーンなどさまざまなお得な施策が実施されます。超PayPay
CPI正式開始のお礼と現状報告 - rice_Placeの日記
こんにちは、りせ（@rice_Place）と申します。 IIDX SP☆12の難易度推定サイト、CPIの運営を行っています。 cpi.makecir.com 2020年8月の正式サービス開始以降、現時点で900人以上の方がユーザー登録されています。 アンケートやSNS上で、モチベーションの維持・向上に繋がったという声を目にして、開発者冥利に尽きる気持ちです。 加えて、本記事の執筆時点で4名の方から開発者支援を頂いております。CPIの運営にはサーバー代等の費用が少なからず生じているので、このようなご支援は持続的なサービス提供において大変助けになっています。改めてお礼申し上げます。 今回は、正式開始から初めてのデータベース更新に合わせ、改善を繰り返してきた難易度推定手法の現状を整理していきたいと思います。 難易度推定手法の現状 以下にはnote等にも公開してきた情報が含まれますが、課題点を考え
AtCoderの問題難易度を項目反応理論を用いて推定する - rmizutaの日記
はじめに AtCoderは競技プログラミングのサイトです。ほぼ毎週のようにコンテストが開催され、参加者が複数の問題を解き、解いた問題数とその早さから順位がつきます。また各参加者はレーティングを持っていて、そのレーティングが順位によって変化するというシステムになっています。 コンテストの問題には100,200,300などの得点がついており、これが難易度の目安となるのですが、同じ400点の問題でもこれは簡単すぎでは？というときから絶対無理…となるときもあるので、実質の難易度は得点とは少しずれが生じていると考えられます。 特にAGC(AtCoder Grand Contest)や企業コンテストは通常のABC(Atcoder Beginner Contest)やARC(Atcoder Regular Contest)と同じ得点でも難易度が結構異なるように感じます。 今回はこのテーマに対し、項目反応
項目反応理論やってみよう
1 項目反応理論て？ 項目反応理論自体の説明は，加藤・山田・川端 (2014)が非常に丁寧にしてくれています。書籍なので購入する必要がありますが，お薦めです。また，項目反応理論やitem response theoryでググるとタダで読めるいろんな資料もヒットしますのでそれらを読むとよいでしょう。 特にStanで項目反応理論を実施する様々な例を清水さんがご紹介下さっているので、そちらも参照ください。 項目反応理論をStanで実行するときのあれこれ 展開型項目反応理論をStanで推定する 2 いろいろな項目反応理論 この記事では，Leo & jiao (2017) に沿って，項目反応理論の中でもちょっと複雑な，かゆい所に手が届くかもしれない以下のモデルについて紹介します。 3パラメタ(以下，PL)モデル 段階反応モデル(graded response model: GRM; Samejima
StanでAizu Online Judgeの難易度・習熟度を推定したい（３：IRTモデルによる習熟度推定） - くじらにっき++
シリーズ一覧 kujira16.hateblo.jp kujira16.hateblo.jp はじめに 前回までの記事を公開したところ，Twitterで「問題に取り組んだときの正答確率の部分を項目応答理論でモデリングしないのはなぜか」というコメントをいただきました。 …すいません，項目応答理論というものを知りませんでした。 指摘を頂いてから勉強したのですが，この方法でモデリングするほうが自然だと感じたので，これからは正答確率の部分を項目応答理論でモデリングしていきたいと思います。 モデル式 項目応答理論の1パラメータロジスティックモデルでは，習熟度 の人が 難易度 の問題に正答する確率 を以下のようにモデリングします*1。 ここで はロジスティック関数 です。 項目応答理論では被験者の習熟度と問題の難易度を同時に推定しますが，今回の記事で使うデータでは一部の問題については難易度が既に付与さ
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
The Software Pro's Best Kept Secret.
