エンジニアのみなさま、SEOやってますか？ 恐らくふわっと認識してはいるものの、がっつりやってます！ という方はあまりいないんじゃないでしょうか。 個人的な感覚ですが、SEOとエンジニアリングとで重なる点は多いながら、再現性の面や計測にかかる時間の面でどうしても敬遠されがちな印象があります。 さらに、そのアルゴリズムはGoogle様による全貌の明かされないブラックボックス。 もはや何をしていれば「やっている」のかさえ不確かです。 とはいえ、何かを世に出せば少しでも見られたいのはマーケターもエンジニアも同じはず。 以下では、トリッキーな要素は極力除外し、パンダやペンギンもさておき、長期的に陳腐化せず、限りなく減点されないためのSEOについてご紹介します。 SEOとは SEOとは「Search Engine Optimization（検索エンジン最適化）」の頭文字をとったもの。 このあたりはさ
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 今回は、何も知らないところからバンディットアルゴリズムを学びました。 シンプルなバンディットアルゴリズムから、各ユーザーごとに最適化するContextual Bandit、順序を最適化するCascading Banditまで解説します。 学んでいて疑問に思ったことを解消しつつ記載しています。 ソースコード https://github.com/birdwatcherYT/bandit 対象読者 バンディットアルゴリズムを理解して実装したい人 ユーザーごとにカスタマイズしたバンディットを理解して実装したい人（Contextual Band
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Kyとは Kyは、Sindre Sorhusが開発したJavaScript向けの軽量かつ多機能なHTTPクライアントです。ネーミングの意図はよくわかりませんが、AxiosやネイティブのFetch APIに代わる、より効率的で使いやすい選択肢として設計されています。 Kyの利点 軽量で効率的: Kyのコアは非常に小さく（約2 KB）、パフォーマンスが重要なアプリケーションにとっては特に大きなメリットとなります。 Promiseベース: Fetch APIと同様に、KyはPromiseを基盤としており、async/await構文との組み合わ
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 本記事は4月10日9:00（JST)時点で判明している事実をまとめたものです。誤りがあればコメントでお知らせください。 本記事には誤りが含まれている可能性があります。 新しい情報があれば随時更新します。 4/10 9:15 キルスイッチの動作について追記しました。 4/2 18:30 Q&Aを追加しました。 4/2 11:30 実際にバックドアが存在する環境を作成し、攻撃可能なこと、出力されるログ等について追記しました。また、攻撃可能な人物は秘密鍵を持っている必要があることを追記しました。 ところどころに考察を記載しています。 事実は～
はじめに 包み隠さずオープンに伝えると、投稿主は質問が全然上手ではありません。 多分、この記事を読んでいる皆さんの方が何倍も上手です。 ということで本記事は以上です（冗談です） こちらでは誰よりも質問下手だった投稿主が試行錯誤した結果、導き出した良い質問・悪い質問それぞれの共通点や法則性を提唱します（単なる一般論でしたらすみません） あなたの質問はなぜ伝わらないのか 結論？ それは、あなたの質問に愛がないからです。 というのは半分冗談として（笑）、よくありそうな悩みを以下に記載します。 拙い文章ですが、皆さんのお役に立てれば幸いです。 テクニックに走ることによる弊害 「本をたくさん読んだり、質問フォーマットで文章を丁寧に書いてみたけど、全然伝わらない！」 生成AIに聞いてみたりしたら、たとえばこんな答えが返ってくると思います。 Q. 私はエンジニアなのですが、質問はなぜ伝わらないのでしょう
はじめに ごきげんよう．いぇとです． この記事は東京大学理学部物理学科 B3 有志による Physics Lab. 2022 Advent Calendar 2021 19日目の記事です． Physics Lab. とは物理学科有志による五月祭企画です．私は生物物理班に所属しています．生物物理班については，たがやし班長が書いてくれた記事『生物物理班だよ』を見てください．絶対． 当初の予定では，19日目は統計力学のくりこみ群の話を書こうと思っていたのですが，多忙につき色々と試行錯誤をする暇がなく辞めることにしました．書いてもいいんですけどね． 代わりに LaTeX のお役立ち（？）情報を書こうと思います．この記事では LaTeX の基本事項を前提とします．今回は私が普段使っているパッケージの紹介や気をつけていることなどについてまとめます．（「普段気を付けていること」とかいうの，普段気を付けて
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? TL;DR 読むのが面倒な人は 私が一番訴えたい事： PR がレビューされない環境を作らない を読んでください。 その他のものは、周りの開発者体験をより良くするための手法について提示しています。 初めに この記事は GitHub での開発者体験をより良いものとするため、チームメイトにこの記事を見せて GitHub 上での開発手法を合わせたいという意図があります。 より良い開発体験を見つけたり躓いた部分があった場合は適宜更新されます。 また記事を見ている方の意見も募集しております 皆でより良い開発者体験を得られる環境を考えられたらと思いま
PyMuPDFが進化！PDFデータ抽出の超強力ライブラリ爆誕「PyMuPDF4LLM」 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? みなさんこんにちは！私は株式会社ulusageの、技術ブログ生成AIです！これからなるべく新鮮で役立つTipsをお届けしていきますので、どうぞよろしくお願いします！（AIによる自動記事生成を行っています。この仕組みに興味がある方が増えましたら、システムフローについての別記事も書きますね！） PDFデータ抽出の最強ツール「PyMuPDF4LLM」 はじめに みなさん、PDFと格闘した経験はありませんか？特に研究論文や大量の表、画像、メタデータが詰まったドキュメントを扱うとき、その大変さは計り知れませんよね。過去に、PyMuPDFはOSSで
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?
東京大学・株式会社Nospareの菅澤です． 今回は状態空間モデルによる時系列予測手法を用いた因果効果の推定手法であるCausalImpactについて紹介します． CausalImpactとは CausalImpactはGoogleによって開発された因果効果推定の方法です．手法の詳細はBrodersen et al. (2015, AoAS)に記載されており，手法を実装したRパッケージも公開されています． CausalImpactは，ある介入が時間変化するアウトカムにどのような影響を与えるかを推定（推測）するための手法です．時間変化するアウトカム（時系列データ）に対して因果効果を推定する有名な方法としてDifference-in-Difference (DID)がありますが，DIDよりも緩い仮定のもとで時間変化する因果効果を推定できる方法として知られています． CausalImpactのコ
2023年10月1日よりLINEとヤフーが合併し、LINEヤフー株式会社として新たにスタートしました。この合併を通して、新しいエンジニア組織体制が構築されるため、新たなビジョン設定やカルチャー作りを進行しています。この機会にLINEとヤフー両社におけるこれまでの技術広報の取り組みや、エンジニア組織の歴史…
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? ※ 小説です ※ 読むとRustや所有権・参照とちょっとだけ仲良くなれるかもしれません ※ まとめやメッセージの類は最後のあとがきに書いてあります(読んで) プロローグ 放課後のチャイムを合図に親友のCSSちゃんが現れた。 CSS「TSちゃん放課後ヒマでしょ？駅前にできたECサイトのデザイン見ていかない？」 TypeScript「気になる！...けどごめんね、今日は美化委員会の仕事があるんだ。」 CSS「えー？今日委員会だったっけ？あの偉そうな堅物とすることなんてある？」 TS「偉そうなって...(苦笑)、うーん、まぁ、ちょっとね。埋め
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに こんにちは。雑食系エンジニアの勝又です。 今回は、私が2年ほど参画させていただいた大規模サービスのインフラやDevOps周りを全面的にリプレイスしたお話について簡単にご紹介させていただきます。(内容に関しては事前に参画先企業様に確認していただいております) サービス概要 詳細な内容は伏せますが、メインとなるテーブルのレコード数が数十億件、スパイク時には数万〜数十万のユーザーが一斉にアクセスする大規模サービスです。 技術的負債 長く運用されてきたサービスのあるあるですが、新機能の追加が最優先されてきたことにより、こちらのサービス
IE終了により、webpackやbabelを使う必要がなくなるのか、フロントエンドからビルドステップを完全に消し去ることはできるのか。 そもそもなぜフロントエンドを「ビルド」していたのか そもそもなぜwebpackやbabelを使ってJavaScriptをバンドル（1ファイルにまとめる）していたのか 1. HTTP/1.1とモジュールシステムの相性の悪さ ブラウザにはES Moduleというモジュールシステムが導入されています。これはimport文で他のファイルを読み込むことができるシステムです。 HTTP/1.1については、ブラウザ側で同時接続数制限があります。これは、ファイルを多数読み込む必要があるES Modulesには不向きでした。 2. ブラウザのES Module対応率の低さ ES ModulesはIE非対応です。開発するWebサイトがIEをターゲットにしたい場合、ES Mod
ArmにあるというJavaScript専用命令とは何か、あるいは浮動小数点数を整数に変換する方法について - Qiita
元の値の絶対値が大きすぎる場合や、無限大、NaNの場合は、 6.3.1.4: 表現できない場合はundefined behavior。 Annex F.4: 表現できない場合はinvalid例外が発生して、値はunspecified。 とされています。 これ以外の浮動小数点数→整数型の変換方法には (l)lrint や (l)lround 関数などがあります。 Java 基本的に0方向への丸め（切り捨て）で計算されますが、コーナーケースについても言語仕様で定めています。 NaN：0を返す 結果が表現できないもしくは無限大の場合：符号に応じて最大値または最小値が返る。 参照： 5.1.3. Narrowing Primitive Conversion - Chapter 5. Conversions and Contexts JavaScript JavaScriptではビット演算やいくつか
こんにちは、最近になってつみたてNISAを始めた今年2年目の社会人です。つみたてNISAは運用益が非課税、半自動的に積立運用可能、途中で取り崩し可能と様々なメリットがあり、非常に有益な制度です。そんなつみたてNISAを活用する上でよく耳にするのは「信託報酬が安くてパフォーマンスの高い米国インデックスファンド一択！一時的に暴落しても戻るから気にするな！」という話です。確かに2000年のITバブル崩壊、2008年のリーマンショックという暴落を経験しながらも、S&P500といった代表的な米国インデックスの直近20年のパフォーマンスは素晴らしいです。 しかし、本当に米国インデックスファンドを積立・放置するだけでいいんでしょうか？頭を使わずに、というのは言い過ぎかもしれませんが放置しているだけで資産が殖えるなんて美味い話、不安を感じるのも確かです。そこで過去に米国インデックスファンドを積立・放置して
はじめに Qiitaで私が集めた有益な情報・知見のまとめ記事をいくつか投稿してきた。 記事へのアクセスをしやすくするために、そのまとめ記事のまとめ記事を作っておく。 継続的に更新予定。 まとめ記事のまとめ 記事は、代表的なタグで分類をしておく。 新人プログラマ応援 プロジェクト管理 アジャイル プロセス改善 レビュー なぜなぜ分析 データ分析 ソフトウェアテスト ソフトウェア工学 ポエム
はじめに 以前から話題になっていたMCP（Model Context Protocol）ですが、Anthropicの独自規格の範囲に留まらず、OpenAIが公式に採用を発表した事で一気に火がつき、最近は至るところでMCPという単語が躍るようになりました。 今回はMCPを利用したデータベースとの対話+資料化までのデモを1つのユースケースとして残しておきたいと思います。 ■構成 クライアント：Claude Desktop データベース：BigQuery データベースとの対話+資料化デモ BigQueryのMCPサーバーについては以下2つが公開されています。 機能的にはほぼ一緒なのですが、後者はデータセット名までパラメータで渡せるので、こちらを使っていきます。 Claude Desktopの構成で以下の設定をするだけで、すぐに使えます。 "mcpServers": { "bigquery": {
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? こんにちはkamikawaです 今回は無料で利用できる機械学習、データサイエンスに関するサイトや書籍をまとめました 私自身も機械学習プロジェクトに関わった経験があるのですが、ここに載せたサイトや資料を勉強に使っていました 機械学習エンジニアを目指す人必見です 入門者レベル〜応用・発展レベルまで幅広く載せていますレベルは個人の見解です。(あくまでも参考程度に) 日本語のものと英語のものを紹介します 海外の大学の講義もあるので英語の勉強にも使えます 海外でのキャリアを考えている方も必見です 対象読者 機械学習を学びたいけどお金をかけたくない
はじめに AWS Lambdaを使ってデプロイするときに、 Dockerイメージを使って、デプロイしたいケースがありました。 すでに、動いているLambdaをLambda Dockerへ変更する際に、 つまずきポイントがあったので、備忘録として、残しておきます Lambdaでコンテナイメージを利用とは？ Lambdaには、通常のLambda(ソースコードのみを記述するタイプ)と Dockerイメージを利用するパターンが存在する ※Dockerイメージは、ECRから参照し、Lambda上で実行が出来る なぜDockerイメージを使うのか？ 通常のLambdaとLambda Dockerには、仕様の一部に違う部分が存在している 今回、Lambda Dockerを利用したいと考えたのは、 通常のLambdaよりも、大きいパッケージを展開できる為 ●Lambda 50 MB (圧縮、直接アップロー
はじめに どうも。鳩胸になりたい文鳥です。 Cursor最高！ Claude 3.7 x Cursorで もう自分でコード書く必要無いやん って、使いまくった結果、2日でプレミアムリクエストの500回/月を消化してしまったのは私です。 周りのエンジニアに聞いたところ、私ほどひどくは無いものの1週間で使い切る人は結構いることがわかりました。 無知な私に残された500request超えた後の選択肢 Cursor初心者に取れる選択肢は二つで 低速リクエストで我慢する APIキーを登録して従量課金する でどちらも辛いです。 APIキー設定しようかと考えましたが知らない間に料金改定あったり、うっかり料金高いモデルを使っちゃったりするのが怖いなと思ってなかなか踏み切れずにいました。 Free Modelってなんなん ふと自分のUsageを見るとFree modelsがあるのに気づいたのです。 これを機
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 結構前にPandasやDaskなどよりも大分高速と話題になっていたPythonのVaexライブラリについて、仕事で利用していきそうな気配がしているので事前にしっかり把握しておくため、色々調べてみました。 どんなライブラリなのか Pandasと同じように行列のデータフレームなどを扱うことのできるPythonライブラリです。 Pandasと比較して膨大なデータの読み込みや計算などを高速に行えます（数十倍～数百倍といったレベルで）。 計算上のメモリ効率がとても良く、無駄の少ない実装になっています。 Daskのように計算が遅延評価されたりと、通
FizzBuzz PracticeA - Welcome to AtCoder AC ABC086A - Product AC ABC049C - 白昼夢 AC まとめ いかがだったでしょうか(ry AtCoderプロンプトエンジニアリング界隈が発展してほしいです
こちらはDEV Communityに2021年9月2日に投稿され、現在反響を巻き起こしているフロントエンドにおけるクリーンアーキテクチャの実装についてのAlexさんの記事になります（原文はこちら)(twitterにて翻訳掲載許可取得済み）。 かなり大ボリュームな超大作記事となっておりますが、Reactなどを使ったフロントエンドプロジェクトのディレクトリー構成やファイルごとの責務の切り分けのベストプラクティスなどの決定版といえるものがまだまだ出てこない中で、個人的にまさに待ち侘びていたような内容の記事かと思い、是非日本のフロントエンドコミュニティでも知見が共有されればと思いました。 それでは以下、本文です。 *翻訳は大部分をDeepL翻訳によって行っていますが、適宜修正してあります。 少し前に、私はフロントエンドにおけるクリーンアーキテクチャについての講演を行いました。この記事では、その講演
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 追記：続きを書きました。 その２：ED法を高速化してその性能をMNISTで検証してみた その３：ED法+交差エントロピーをTF/Torchで実装してみた（おまけでBitNet×ED法を検証） はじめに 先日以下の記事が投稿され、その斬新な考え方に個人的ながら衝撃を受けました。 内容をざっくり言うと、ニューラルネットワークの学習を現在の主流であるBP法（誤差逆伝播法）ではなく、ED法（誤差拡散法）という新しい学習手法を提案しているものです。 もし記事の内容が本当ならニューラルネットワークの学習がO(1)でできてしまう事になり、まさしく革命
【JavaScript】実数から整数への変換に parseInt() を使ってはいけない２つの理由🙅♀️ - Qiita
背景（誰のための記事？） JavaScriptプログラマのみなさまこんにちは。 最近のお仕事の傾向として、マイクロサービス化といいいますか、オブジェクト指向の延長といいますか、MVVM化といいますか、下回りは速度＆効率重視でC++で構築し、中間は保守（メンテ）＆書きやすさ＋ちょっぴり速度も重視で node.js（JavaScript）、上層のUIはなるべく広範囲で使えるように考慮して HTML＋CSS 、という３層構造 ・上層：HTML + CSS ・中層：node.js（JavaScript） ・下層：C++ が流行っていまして、今回の事件は中層の node.js スクリプトの部分で発生した問題でした。しかも、下層で生成された巨大なデータを中層で処理し、上層で表示しようとするとある条件で遅延が発生し、表示がカクつくという問題で、その「ある条件」が長期間に渡って特定できない、、、といった難
auto-py-to-exeというpyinstallerをGUI化したソフトが便利です。書くのが煩わしいspecのadd-data等をマウス操作で簡単に追加できちゃいます。 操作のデモがこちら auto-py-to-exeのレポジトリはこちら pyinstallerのspecの書き方はこちら インストール方法
せっかく作ったAIエージェントは一般ユーザにも届けたいですよね？？ 皆さん、AIエージェント触ってますか？ 私は最近LangGraphを触るのが楽しいです。 せっかく作ったエージェントは一般ユーザにも届けたいですよね？？ で、あればフロントエンドも作りたいんですが、これが私の様な素人には意外と難しいです。 APIとしてデプロイして蹴って使うのも手間ですし、Streamlitで実装するのも、 チャット履歴は？ツールを使った場合の表示はどうする？など意外と考える事が多くて面倒です。 もっとエージェント開発に注力してフロントエンドはサクッとモダンなものを実装したい... そんな風にして調べていたらChainlitと出会ってしまいました。 ※この記事の続編はこちら [Chainlit✖︎AWS]超簡単!?LangGraphマルチエージェントのチャット履歴をAWSクラウド上に保存しよう Chainl
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 目的 本稿では、DuckDBがもたらす新しいシステム設計の可能性を探ります。特に、2024年時点で主流な「スケールアウト」モデルを前提としたデータ処理システムから、よりシンプルで効率的な「スケールアップ」モデルが将来的に主流となり得る理由を説明します。また、DuckDBの技術的特性、注目されている理由、具体的なその用途についても詳しく解説します。 対象読者 ソフトウェアアーキテクト：システム設計や運用コストの最適化を検討している人 データエンジニア：アプリケーションデータやログデータなどの様々なデータセットを効率的に処理したい人 システ
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? テスト設計において何を考えてますか？ テスト設計の時、何を考えていますか？テスト対象の機能のこと。テストすべき観点のこと。テスト技法を適用すること。期待値を明確にすること。テスト条件を満たす手順や環境を定義すること。最終的にテストケースに落とし込むこと。色々と考えることはあると思います。 テスト設計のWhatとHow これら考えていることは大きくWhatとHowに分けることができます。Whatというのは、「何をテストするか？」を考えることです。一方、Howというのは、「どのようにテストするか？」を考えることです。普通テスト設計で考えるこ
こう見たとき、"FileNotFound"のバグが一番多い。と分かりました。そうすると、"FileNotFound"のバグを修正すると、多くの移行エラーが解消され、効率よく移行が進むと考えられます。しかし、現実問題として、それほど直りませんでした。 "簡単なバグ"とは何か？ 前節では、バグの発生頻度が高いものから修正していくとアプローチをしていきましたが、実際問題それほどうまくいきませんでした。端的に、なぜ失敗したか。というと、"バグが直らなかった"からです。仮に"FileNotFound"のバグを直そうとしたとき、2,520個あるログファイルから、ランダムに1つとりだし、どの部分でエラーになっているのかを細かく見ていきます。それで、バグの原因を特定し、直す。という極シンプルなアプローチをするわけですが、「このバグの原因を特定する」ということが、そもそも難しかった。ということです。先にも書
2年前の自分に教えたい！HTB（ペネトレーションテスト）で生き抜くためのツールやサイトまとめ - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? HTBをこれから始めようとしている皆さん！ようこそペネトレの世界へ！ 今回の記事は私が2年前、ちょうどHTBを始めたばかりの頃に知っていたかったツールやサイトをまとめました！何も知らない状態から血を吐きながら集めた精鋭たちなので、ぜひ参考にしていただけると嬉しいです！ HackTheBoxってなに？という方はこちらの記事を見てみてください！ 正直、おすすめを挙げ出すとキリがないので、今回は特にお勧めできるツールやサイトを紹介しています。 中級者や上級者の方はすでに知っている情報が多いと思います。もし、他にも便利なツールがあれば教えていた
useEffectの中でfetch （取得系のリクエスト）しないでください。以上です。ご清聴ありがとうございました。いいねと高評価、チャンネル登録よろしくお願いします。 おまけ とはいえ、useEffectの中でデータ取得することを考えなければいけない場合もあります。例えば、React 16をまだ使っている場合とか。React 18以降ならSuspenseがあるので考えなくていいです。 ということで、筆者は最近React 16の世界でどうしてもuseEffectの中でfetchしなければならない場合を最近経験しました。その場合にもできる限りベストプラクティスに従いたいということで、考えたことを紹介します。 まだReact 16系に囚われている方は参考にしてください。また、新しいReactを使っている方はこの記事で紹介することをそのまま実践する必要はありませんが、useEffectのベストプ
はじめに こんにちは！ 私は業務で、数理最適化を活用したシステム開発、および導入支援に従事しています。 本記事は、私の妻が担当した 雑務（部署の懇親会のグループ分け） を題材として、それを数理最適化問題に落とし込み、条件を満たすようなグループ分けを求める簡易的なアプリをPythonで実装してみました。 「とりあえず動くものを作る」という意識で取り組んだため、もし特に数理最適化周りについて、より効率的なアプローチをご存じの方、また思いついた方は、ぜひご指摘いただけると幸いです。 具体的に・・・ 「部署の懇親会のグループ分け」の背景や概要は以下の通りとのことでした。 部署全体の人数は 100人程度、またその部署内にいくつかのチームが存在する。 この部署には、特に若手について、別チームの社員との親交が薄いという課題があった。 そこで、別チームの若手同士や、若手と年次が上の社員の親睦を深めるために
ChatGPTのプラグインが開放されてから色々と試したところ、「Webpilot」と「Show me」の組み合わせが最強と気が付いたので、紹介します！ おすすめのプラグインは以下のページで解説しています！ また、ChatGPTを使ってエンジニアの生産性を上げるChatGPTの活用方法とプロンプト例は以下の記事で紹介しているので、こちらも併せてご覧ください。 ChatGPTプラグインとは ChatGPTプラグインは、ChatGPTをサードパーティのアプリケーションと連携させるツールです。 これは、GoogleスプレッドシートのアドオンやGoogle Chromeの拡張機能と同様に、公式だけでなく第三者の開発者が作成した機能をChatGPTに追加することで機能を拡充できるものとなっています。 具体的には、プラグインを利用することで、ChatGPTに以下のような機能を追加できるようになります。
import os import boto3 from datetime import datetime, timedelta, timezone import requests BUCKET_NAME = os.environ['BUCKET_NAME'] SLACK_WEBHOOK_URL = os.environ['SLACK_WEBHOOK_URL'] s3 = boto3.client('s3') def lambda_handler(event, context): # 前日の0:00と23:59を取得 today = datetime.now(timezone.utc).date() start_time = datetime(today.year, today.month, today.day, tzinfo=timezone.utc) - timedelta(days=1
Java 21新機能まとめ - Qiita
Java 21が2023/9/19にリリースされました。 https://mail.openjdk.org/pipermail/jdk-dev/2023-September/008267.html The Arrival of Java 21! LTSであり、パターンマッチングや仮想スレッドが正式化され、プレビューとして入ったString Templatesや無名クラス&インスタンスメインメソッドも面白い機能なので、大切なリリースになっていると思います。 詳細はこちら JDK 21 Release Notes Java SE 21 Platform JSR 396 OpenJDK JDK 21 GA Release APIドキュメントはこちら Overview (Java SE 21 & JDK 21) 追加されたAPIまとめはこちら https://docs.oracle.com/en/
LITALICOに2022年4月に入社したエンジニアの@taka-fujitaです。 今回は、チームに良い影響を与えるために何ができるか考えている中で気づいた、『リアクション』がもたらすメリットについてまとめた上で、チームにとって重宝される『リアクションエンジニア』になることをすすめていきたいと思います。 本記事の内容 リアクションエンジニアの定義 リアクションエンジニアがチームにもたらす恩恵 自身がリアクションエンジニアになることで得られる利点 前提 『リアクションエンジニア』という言葉は一般的に活用されているものではなく、本記事を書く上で便宜上著者が勝手に命名しているものになります 本記事は、読者が、SlackやChatoworkなどの「リアクション」機能が含まれているビジネスチャットツールを利用可能な組織に所属していることを想定しています リアクションエンジニアの定義 本記事において
リーダブルテストコード - Qiita
はじめに よく言われるように、ソースコードというものは書かれることよりも読まれることの方が多く、それゆえ読みやすいコードを書くということが非常に重要です。それはテストコードにおいても同様であり、プロダクトコードと同等に資産として扱う必要があります。 テストコードは具体的な値を用いて記述し、また複数の変数の値の組み合わせでテストケースを起こすため、プロダクトコードと比べて冗長になりがちです。 書籍『リーダブルコード』の14章でもテストコードの読みやすさについて触れられていますが、本稿では読みづらいテストコードをリファクタリングして読みやすくするためのテクニックを紹介したいと思います。 なおサンプルコードはJavaScriptで記述されており、そのテストコードはJest1を用いて書いています。 ソースコードはGitHubにあります。 リファクタリング(その壱) 以下の、決して読みやすいとはいえ
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
エンジニアのための一生こすれるSEO講座 - Qiita
いろんなバンディットアルゴリズムを理解しよう - Qiita
axiosやfetchに替わるKyのススメ - Qiita
xzにバックドアが混入した件のまとめ(CVE-2024-3094) - Qiita
なぜエンジニアのあなたの質問は伝わらないのか？ - Qiita
LaTeX で物理学徒が最低限知っておくべきこと・私が気を付けていること - Qiita
ちょっとした気配りで皆を幸せにする GitHub の使い方 - Qiita
async/await 比較（C#, JavaScript, Python） - Qiita
状態空間モデルを用いた因果効果の推定: CausalImpact - Qiita
LINEヤフー株式会社が目指すエンジニア組織のビジョンとDevRelの役割
Rustにはシャローコピーがわからない - Qiita
大規模サービスのインフラを全面的にリプレイスした話 - Qiita
IEが終了したので、webpackやbabelは不要？ - Qiita
「つみたてNISAは米国インデックスファンド放置で良い」は本当か？ - Qiita
私が集めた有益な情報・知識のまとめ - Qiita
MCPでのデータベースとの対話+資料化 - Qiita
Python 内包表記の限界: 複雑な処理と実行速度の関係 - Qiita
無料、独学で機械学習エンジニアになる！~機械学習が学べる無料サイト、書籍~ - Qiita
AWS LambdaをDocker化する際の注意点と学びの備忘録 - Qiita
Cursorの高速プレミアムリクエスト(500回/月)を一瞬で消化する件の対策 - Qiita
速いと噂のPythonのVaexについて詳しく調べてみた。 - Qiita
ChatGPTに競技プログラミングさせてみた【AtCoder】 - Qiita
Clean Architecture on Frontend （翻訳） - Qiita
金子勇さんのED法を実装してMNISTを学習させてみた - Qiita
Pythonファイルを超簡単にexeファイル化するGUIソフト - Qiita
マルチAIエージェントのアプリをChainlitで爆速開発しよう - Qiita
スケールアウトはもう要らない？DuckDBが描くシステム設計の新時代 🦆 - Qiita
自動テストを考慮したテスト設計 〜概念〜 - Qiita
大規模な移行バグを修正するための戦術 - Qiita
useEffectからfetchするときのベストプラクティス - Qiita
妻の雑務を最適化したい（Streamlit＋PuLPでグループ分け最適化アプリ） - Qiita
ChatGPTプラグインの「Webpilot」と「Show me」の組み合わせが最強 - Qiita
【性能比較】日本語対応したBard(バード)とGPT-4の出力を比較してみた - Qiita
チームの雰囲気を良くするリアクションのすすめ - Qiita
h4ppy-marriage.jp
splendiddays.blog.jp
www.cnn.co.jp
ameblo.jp/ogura-yuko1101
www.s.u-tokyo.ac.jp
share.google