チームの成長を促すためのスプリントレトロスペクティブの活用法 / How to use sprint retrospectives to promote team growth
WorkFlowEngine Digdagの導入
チームの成長を促すためのスプリントレトロスペクティブの活用法 / How to use sprint retrospectives to promote team growth
H2O x mrubyで人はどれだけ幸せになれるのか
4. Copyright © DeNA Co.,Ltd. All Rights Reserved. H2Oとは ! https://h2o.examp1e.net/ ! Google翻訳いわく ! おおむねこの通りです（⾚字部分を除いて） ! みんな⼤好き某kazuho sanが開発 ! 現在の最新verはv2.2.0-beta1 4 H2Oは、古い世代のWebサーバーと⽐較して、 CPU使⽤率が低いユーザーに迅速な応答を提供する、 新しい世代のHTTPサーバーです。 基盤から設計されたサーバーは、優先コンテンツ配信と サーバープッシュを含むHTTP / 2機能をフルに活⽤し、 Webサイトの訪問者に有望な経験を提供します。
『try! Swift: Type Erasureのユースケースを考えてみた話』
try! Swift: Type Erasureのユースケースを考えてみた話 | サイバーエージェント 公式エンジニアブログ こんにちは Ameba事業本部でiOSエンジニアをしている @tasanobu です。 先日(3/2～4)、弊社にて try! Swift を開催しました。 try! Swift 世界中のSwiftデベロッパーが一堂に会し、知識や技術を互いに共有し高め合うことを目的としたカンファレンスです。 各セッションは国内外の著名なエンジニアがスピーカーを務めたこともあり、深い話が多く、満足度が高かったです。 反面、一度聞いただけでは使いどころがイメージできないものがありました。 そこで、このエントリではGwendolyn Westonさんによる Keep Calm and Type Erase On にて解説されていた Type Erasure を題材とし、具体的なユースケー
【読書メモ】ゼロから作るDeep Learning - 緑茶思考ブログ
ゼロから作るDeep Learningを読んだ。 ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装 作者: 斎藤康毅出版社/メーカー: オライリージャパン発売日: 2016/09/24メディア: 単行本（ソフトカバー）この商品を含むブログ (11件) を見る その読書メモのまとめ。 1章 Python入門 2章 パーセプトロン 3章 ニューラルネットワーク 4章 ニューラルネットワークの学習 5章 誤差逆伝播法 6章 学習に関するテクニック 7章 畳み込みニューラルネットワーク 8章 ディープラーニング この後、自分は本書のネタ元である（と思われる）CS231nとMichael NielsenのNeural Networks and Deep Learningに取り組んだ。
AudioSet
A sound vocabulary and datasetAudioSet consists of an expanding ontology of 632 audio event classes and a collection of 2,084,320 human-labeled 10-second sound clips drawn from YouTube videos. The ontology is specified as a hierarchical graph of event categories, covering a wide range of human and animal sounds, musical instruments and genres, and common everyday environmental sounds. By releasing
ユーザの平均継続期間が「1/解約率」で求められることの数学的証明 - it's an endless world.
グロース分野においてユーザがそのサービスを平均でどのくらいの期間使ってくれるか？という数値は重要な値です。 例えば、広告の費用対効果を見るためにも計算するLTV(Life Time Value)。 LTVはユーザを1人獲得することで平均でどのくらいの売上に繋がるかという値ですので、平均継続期間×ARPUという算出方法になります。 ここで、ARPU(Average Ravenue Per User)のほうの計算は簡単です。 1ユーザあたりの売上を表す数字ですので一定期間の売上/ユーザ数、以上です。 しかし、ユーザの平均継続期間はどのように計算するべきでしょうか？ 離脱したユーザのデータを基に算出しようとしても、それはあくまでも「離脱したユーザ」の平均値となり全体の平均とは異なる明らかに誤ったサンプルから得られた結果となってしまいます。 そしてもちろん、多くのユーザはまだそのサービスを使ってい
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
https://jp.techcrunch.com/2017/03/09/20170307google-is-acquiring-data-science-community-kaggle/
GitHub - brave/muon: [DEPRECATED] Build browsers and browser like applications with HTML, CSS, and JavaScript![GitHub - brave/muon: [DEPRECATED] Build browsers and browser like applications with HTML, CSS, and JavaScript](https://cdn-ak-scissors.b.st-hatena.com/image/square/f35757ccdb27512a426ecca68f0472f93833f20c/height=288;version=1;width=512/https%3A%2F%2Fopengraph.githubassets.com%2Fc6a5a7c737242f8fe0e59fc6ed718c9a86300cc0695bc77c69a5bc64f93cca83%2Fbrave%2Fmuon)
地デジの放送波を計測して“ゲリラ豪雨の予測”に活用。NICTが新手法開発
GitHub - Yalantis/DisplaySwitcher: Custom transition between two collection view layouts