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? はじめに 今回は有名企業の公開されているエンジニア新人研修資料をまとめました。 昨今、新人向けの研修資料を公開する企業が増えています。 またクオリティーがかなり高いものが多く、初級者~中級者でも学びがある資料となっています。 資料の作り方も勉強になるので「勉強会で登壇している人」「企業の研修担当の人」にも有益な資料になっています。 この記事の主な対象者 有名企業の研修資料を網羅的に見たい人 エンジニア初級~中級者の人 独学で学習をしている人 研修資料の作成を今後していきたい人 ミクシィ まずはじめに紹介するのは、毎年新人向けの研修資料を
担当しているITサービスなどに何かしらのインシデントや障害が発生した時に、対処後のアクションとして報告書を提出して事象の内容を報告(レポート)する場合がある。 提出先は会社の偉い人だったりクライアントだったり。場合によってはユーザー向けに発表したり。事の顛末を報告して「今後同様のことを起こさないように努力します、ごめんなさい」をするのだ。どのように再発防止の努力するのかを書くものでもある。 主にクライアント向けのビジネス内容ではあるが、自分が使っているテンプレパターンを共有するので参考にしてもらえればと思う。1 全般的なポイント 心得のようなもの。次の点は留意してて欲しい。 淡々と冷静な説明をこころがける 当然のことながら事実は脚色しない。無駄な修飾も要らない。客観的な事実を簡潔に述べる。 例: ❌「一生懸命頑張って対応したが…」 ❌「寝ないで対応したが…」 ❌「本当の原因は…」 できるだ
概要 開発中のAPIを試したり、サードパーティのAPIをサクッと叩いてみたいといった時に皆さんどのようにしますか? 私は、curlコマンドやPostmanをよく使っています。 ただ、もっと楽にHTTPリクエストを投げ、かつその時使用した情報を残すことができる方法を以前のチームメンバーに教えていただいたので、記事にしました。 REST Client 今回、紹介するのはVS CodeのエクステンションにあるREST Clientというものになります。 このREST ClientというのはVS Code上でHTTPリクエストを送信し、レスポンスを確認できる拡張機能となっています。 使用方法 使用方法はすごく簡単で、拡張子が「.http」か「.rest」というファイルで決められた構文に従いHTTPリクエストを記述するだけです。 下記にcrudの例を載せていきたいと思います。 また今回はREST A
「スクレイピング 入門」でググるとやたら Python が勧められますが、それは情報と優秀なライブラリが充実しているためであって Python じゃないとスクレイピングできないわけではありません。昨今の Web 事情から、スクレイピングはヘッドレスブラウザを併用するのが当たり前になっているので、ブラウザを操作するスクリプトが作れれば言語は何だって構いません。 PHP でのスクレイピングに関してはあまりやる人がいないのか、調べても情報が古くて (あるいは古臭くて) あまり参考にならなかったので片手間に実装した例を書いておきます。 目標 PHP でスクレイピングによって Web サイトから情報を取得するクローラーを開発する。 使用するライブラリ Guzzle : HTTP クライアント PHP DOM Wrapper : DOM 操作 Chrome PHP : ヘッドレス Chrome 操作
この記事の対象 ngx_http_hls_moduleを試してみたい方 HLSに興味があるのでとりあえず試して見たい方 自分なりに調べたまとめという内容ですので、ただシンプルにHLSの動作を確認してみたいという方は以下のページを参考にし、本内容は読まなくて良いです。 HLS(HTTP Live Streaming)で動画を配信・再生してみよう | YAZ技術ブログ 動画をストリーミング配信する方法 | IT SKILL MAP ffmpeg を使い、HTTP Live Streaming(HLS)をファイルに保存し、保存したファイルからストリーミングを行う方法について - Qiita HTTP Live Streamingを試してみた - UUUM攻殻機動隊(エンジニアブログ) HTTP Live Streaming 動画配信のやり方 (実践) | ビズバレーブログ ffmpeg で mp
はじめに 今回は本当に備忘録な記事です。 ただ、あとあと「こうすれば解決するけど、なぜそうなるんだろう?」みたいなところは追記したいと思います。 また、晴れてChrome 75がリリースされた後でも、この方法が使えるかどうかは確認しようと思います。(20190603 追記) 追記:20191006 設定が最初に記載した時点でも有効かどうか確認、一部修正して、ソースコードをGitHubに上げました。 https://github.com/akiko-pusu/qiita-article-chrome-python 今回やりたかったこと Python3のDockerイメージを利用して、サッとPython+Seleniumの環境を作りたい headlessモードで動かせればいいので、できるだけシンプルにしておきたい ChromeはGoogleのリポジトリを追加して安定版をインストールする chr
ブログやってます。更新などはこちら。地方エンジニアの学習日記 背景 curlコマンドを使う際に毎回調べて実行しているのですがさすがに面倒なのでまとめてみました。 自分のevernoteからの転載なので誤記などあったら教えてください。 curl(カール)コマンドとは サーバから、もしくはサーバへデータ転送を行うコマンド。 FTP,SFTP,LDAP,TELNETなど多くのプロトコルに対応している。 F5アタックなんかもワンライナーでさくっとできる。(悪用禁止) 一番基本的な使い方はHTTPリクエストを実施し、 その内容を標準出力するといった使い方でしょうか。 jsonをパースしてくれるjqは必須なので入れておきましょう。 書式は下記 # HTTPリクエストを実施し結果を標準出力へ $ curl http://対象のURL #コンマや[]を使って範囲指定も出来る $ curl 'http://
こちらの記事は、2019年 8月に公開された『 Data Scientists, The 5 Graph Algorithms that you should know』の和訳になります。 本投稿は転載であり、本記事はこちらになります。 はじめに 私たちデータサイエンティストは、Pandas、SQL、他のどんなリレーショナルデータベースに対しても、かなり満足しています。 私たちは、ユーザーの属性を列で表現し、ユーザを行として並べることに見慣れています。 しかし、現実の世界は本当にそのようになっているでしょうか? コネクテッドワールドでは、ユーザーを独立したエンティティと見なすことはできません。 ユーザーはお互いが一定の繋がりをもっているため、機械学習モデルを構築するときに、関係性を含めたい場合があります。 リレーショナルデータベースでは、異なる行(ユーザー)の間でこのような関係性を使用する
はじめに google apps scriptの情報はそもそも少ないと思っていますが、その中でも ローカルのCSVファイルを読み込んで、シートに書き込む事例はかなり少なかったのでまとめてみました。 (googleドライブ上のCSVファイルをインポートする例はまぁまぁあるんですけどね) 各種事例の中でネックだったのは、SJISのCSVがNGだった事と、大きなサイズのCSVファイルだと遅すぎて 実用性の面で難ありだったことです。 ですので、これらを解決しました。 CSVファイルの文字コードについて 巷にあるgoogle apps scriptでCSVインポートする例は、CSVファイルがsjisだと文字化けするorフリーズしちゃいました。 読み込んだテキストをsplitする前に、文字コード変換したり色々考えましたが、 よくよくAPIのドキュメントとにらめっこすると、 Class Blob - G
[ec2-user@ip- ~]$ df -h ファイルシス サイズ 使用 残り 使用% マウント位置 devtmpfs 463M 0 463M 0% /dev tmpfs 480M 0 480M 0% /dev/shm tmpfs 480M 404K 480M 1% /run tmpfs 480M 0 480M 0% /sys/fs/cgroup /dev/nvme0n1p1 8.0G 6.9G 1.2G 86% / tmpfs 96M 0 96M 0% /run/user/1000 [ec2-user@ip- ~]$ lsblk NAME MAJ:MIN RM SIZE RO TYPE MOUNTPOINT nvme0n1 259:0 0 150G 0 disk ├─nvme0n1p1 259:1 0 8G 0 part / └─nvme0n1p128 259:2 0 1M 0 par
個人用メモです。 機械学習は素材集めがとても大変です。 でもこの素材集め、実は無理してやらなくても、元から良質な無料データベースがあったようなのです。 URLはこちら YouTube8-M https://research.google.com/youtube8m/explore.html 提供されているサービスは以下の通り 800万個の動画 19億個のフレーム 4800個の分類 使い方はExploreから画像セットを探し、ダウンロードするだけ。 他の方法も見つけた open images dataset 「すごい神だな」と思ったのは これもう完成されてますよね もちろんこの認識前の画像もセットでダウンロードできます。 Youtube-8Mとは、画像数を取るか、精度で取るか、という違いでしょうか。 他にも良い素材集を教えていただきました (はてなブックマーク情報 @sek_165 さん )
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 今DL for NLP界で、BERTというモデルが話題です。PyTorchによる実装が公開されていたので、日本語Wikipediaコーパスに適用してみました。 コードはこちらに公開しております。 2018/11/27 作成したBERTのモデルを使って内部動作の観察とその考察を行いました。単語の潜在表現獲得の部分で感動的な結果を見せてくれました。ご興味あればご覧ください↓ https://qiita.com/Kosuke-Szk/items/d49e2127bf95a1a8e19f この記事ではBERTのポイントの解説と、ポイントごとの実
はじめに このエントリーについて この記事は「Laravelでウェブアプリケーションをつくるときのベストプラクティスを探る」シリーズの一編です。 他の記事は目次からアクセスしてください。 Eloquent は色々できることが多すぎて、とても1エントリーで済ませられそうになかったので、概略だけまとめました。 環境 PHP 5.6 Laravel 5.5 公式リファレンス Eloquent: Getting Started - Laravel - The PHP Framework For Web Artisans Eloquent: Relationships - Laravel - The PHP Framework For Web Artisans Eloquent: Mutators - Laravel - The PHP Framework For Web Artisans 詳細 ガ
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