SMTP D4C — SRE寄りのメール配信考察 - /var/lib/azumakuniyuki
メール配信の継続的信頼性を維持する為に必要な要素をまとめたSMTP D4Cという概念があります。 日本語では「いとも容易く得られる(わけではない)えげつない信頼性」となります。 SMTP D4Cを構成するのはつ次の五要素です。 Domain Authentication (ドメイン認証の徹底) Double Opt-in (確実なダブルオプトイン) Delivery (継続的な配信) Don't Change (配信の安定後は変更しない) Check & Change (定期的な確認と状況に合わせた変更) そもそもの背景 京都開催なSREのイベント Road to SRE NEXT@京都でメール系のLTがあると知り、 近所*1でもあるので、自分はSREではありませんが参加してみることにしました。 直前に「懇親会で飛び入りLTもOK」という案内を聞き、背中を押してもらったこともあり、 自分が
あらゆるオペレーションが生成AIによって「代替」されるであろう未来、テクニカルスキルを磨いただけのエンジニアが生き残っていくことは難しいとされる。AIに代替されることなく、AIの担い手となりうるエンジニア像とは、どのようなものだろうか。本セッションには、東京大学工学部在学中にフリーランスエンジニアとして独立、その後株式会社AppBrewを起業し、現在も代表兼エンジニアとして第一線で活躍している深澤 雄太氏が登壇。生成AIによって「代替」されていく世界でエンジニアはどう立ち回るべきか、自身の経験をもとに語った。 生成AIによって「代替」されていく世界 初めに深澤氏は、GPTの出現によって、エンジニアリングだけでなくさまざまなオペレーションが「代替」され始めている現状について整理した。 たとえばある機能を持った関数を作成したいときや、既存のコードはあるものの、それぞれの会社の「お作法」に合わせ
Shared Work Optimizer 少し間が空いてしまいましたが、引き続きHive 4に関するアップデートを紹介していきます。今回はパフォーマンス改善についてまとめてみます。 Hive 4関連記事一覧 Vectorization CBO Shared Work Optimizerの強化 統計情報 ヒストグラム 実行時統計情報の再利用 総評 Hive 4関連記事一覧再掲 Hive 4関連記事一覧 Apache Hive 4: 新しく追加されたUDFの紹介 - おくみん公式ブログ Vectorization Vectorizationは複数行をまとめて処理することでメモリレイアウト含む実行効率を改善する仕組みです。最低限よく使われる機能からvectorizationの対応がスタートし、その後継続的にサポート範囲の拡大やさらなる最適化が行われています。 ざっと見る限り、Hive 3.0.
技術者ならばエクセルはそれなりに使いこなしてほしい なんで分かりきったことを書くの？ 最近エクセルが使えない人が増えた気がするから エクセルがそれなりに使えるって？ エクセルが使える基準は様々ありますが、私が思うには、 関数編（sumif,subtotal,xlookup） グラフ編（散布図、ヒストグラム） 機能編（入力書式、条件付き書式） ショートカット（F2,F4、Ctrl+1、Ctrl+↑↓） わからない人は自分で調べてみてください。 ブログや動画でも勉強できるけど、本を読むことをお勧めしています。 気に入った本を見つけてそれを何周もみることでスキルアップになります。 よくある入門書ではなくて、使いこなしに特化したものが良いでしょう。 ネットは検索が便利なので知りたいことをピンポイントで調べる用と考えると良い。 機能を知るだけでなく、活用できて一人前だね 実際に読んで役になったものを
LightGBM | 用語解説 | 野村総合研究所(NRI)
Light Gradient Boosting Machine の略。機械学習における分析アルゴリズムで、与えられたデータから、目的となる変数を表現する「教師あり学習」と呼ばれる分野のデータ分析方法の1つ。目的変数に応じて、説明変数を「分類」するための手法で、高精度で信頼性が高く、また汎用性も高いことが特徴。マイクロソフトによって2016年頃に開発された。 （読み：ライト・ジービーエム） 「教師あり学習」における手法の1つ 機械学習におけるデータ分析は3種類あります。 説明変数（入力データ）と目的変数（出力データ）が揃っており、データの関係から目的変数を予測する「教師あり学習」 目的となる変数はなく、一連の入力データからパターンや構造をみつける「教師なし学習」 データがなく、試行錯誤により精度を高める学習を行う「強化学習」 さらに、教師あり学習の方法として大きく2種類あります。実績から未知
ヒストグラムの作成に使用するデータ 前回の連載では、グラフ作成機能を使ってヒストグラムを作成した。このほかにもExcelには、「分析ツール」を使ってヒストグラムを作成する方法が用意されている。こちらの方が自由度が高く、ヒストグラムの基となる集計表も確認できるので、あわせて使い方を覚えておくとよいだろう。 今回も前回と同じく、新人研修のテスト結果をまとめた表を例にして、ヒストグラムの作成方法を解説していこう。 テスト結果の平均値と最大値、最小値 分析ツールのアドイン 「分析ツール」はExcelの追加機能となるため、最初にアドインを行っておく必要がある。まずは、「分析ツール」をアドインする方法から紹介していこう。 Excelを起動し、「ファイル」タブを選択する。続いて、「オプション」の項目をクリックする。 オプション画面の表示 Excelのオプション画面が表示されるので、「アドイン」の項目を選
チャンネルの複製、分割、および統合
最終更新日 : May 24, 2023 09:28:05 AM GMT | 次にも適用 : Adobe Photoshop CS6 Photoshop ユーザーガイド Photoshop の概要 夢をカタチに Photoshop の新機能 初めての写真編集 ドキュメントの作成 Photoshop | よくある質問 Photoshop の必要システム構成 Photoshop とは Photoshop とその他の Adobe 製品およびサービス Photoshop で Illustrator アートワークを作業する InDesign での Photoshop ファイルの操作 Photoshop 用 Substance 3D マテリアル Photoshop の Capture アプリ内拡張機能の使用 Photoshop iPad 版（中国本土ではご利用いただけません） Photoshop iP
回帰を改善するための残存プロットの解釈
観測値、予測値、残存値を使用してモデルを評価および改善します。 観察値と予測の正確性の理解 このような単純なモデルでは、2つの変数のみを使用して、「温度」と「収益」を関連付けるだけで、モデルの精度を把握することができます。2つの異なるレモネードスタンドで同じ回帰が実行されます。1つはモデルが非常に正確で、もう1つはモデルが正確でない場合です。 どちらのレモネードスタンドについても、「温度」の高さと「収益」の高さが関連付けられることは明らかです。しかし、所定の「温度」では、左のレモネードスタンドの「収入」の方が右のレモネードスタンドよりもはるかに正確に予測していることから、モデルがより正確であることがわかります。 ただし、ほとんどのモデルには複数の説明変数があり、そのようなチャートでより多くの変数を表すのは実用的ではありません。そこで、これらの同じデータセットの予測と観察値をプロットしてみま
はじめに Kaggleに挑戦してみたいけれど、どのような準備をすれば良いのかわからない方も多いでしょう。さらに、単にモデルを作るだけでなく、その精度を向上させ、業務に活かせるスキルを身に着けるためには、何を意識すべきかも重要です。この記事では、Kaggleに挑戦する前に押さえておきたい基礎知識と、モデルの精度を上げるためのポイントについて解説します。 Kaggleの事前準備 1. Pythonの基本的な知識 まずはPythonの基本的な知識が必要です。以下の項目を理解しておくと良いでしょう。 変数、データ型（リスト、タプル、辞書など） 制御構文（if文、forループ、whileループ） 関数の定義と呼び出し 2. データ操作と分析の基礎 データを扱うためのPandasやNumpyの基本操作を学びます。 Pandas: データの読み込み・書き出し（CSVファイルなど）、データのフィルタリング
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
"代替"されないエンジニアになるために──生成AI時代に求められるスキルポートフォリオとは
Apache Hive 4: パフォーマンス改善まとめ - おくみん公式ブログ
エクセルくらいそれなりに使ってほしい - 【メカトロ】【マイコン】【エクセル】【VBA】技術者応援
Excelデータ分析の基本ワザ (53) 分析ツールを使ったヒストグラムの作成
Kaggle挑戦のための事前準備とモデル精度向上のためのアプローチ - Qiita