復旧：大規模ネット障害でAmazonやメルカリなどダウン、原因はファストリー（Fastly）か - ライブドアニュース
2021年6月8日 19時43分 リンクをコピーする by ライブドアニュース編集部 ざっくり言うと 世界的な大規模インターネット障害が発生した 日本でも.co.jpやなどが影響を受けた その後、原因とみられるファストリーに修正が適用され、復旧したそう Ultima_Gaina via Getty Images世界的な大規模インターネット障害が発生しています。、Reddit、Twitter、Twitchなどの主要サイトをはじめ、日本でも.co.jpやなどが影響を受けています。 503エラーの一部にFastlyと表示されていることから、問題の原因はコンテンツ配信ネットワーク（CDN）のファストリー（Fastly）と思われます。ファストリーのには『私たちは現在、当社のCDNサービスとパフォーマンスへの潜在的な影響を調査している』と記載されています。 Engadgetの姉妹サイトであるTechC
コンサルタントやってた時、重要な対人技術として『「ちがう」と言うな』と習った。
コンサルタントのころ。対人技術を教わった。 様々なものがあったが、その中でも群を抜いて重要な技術の一つは 「会話の時、人の話を否定しない」こと。 具体的には、人に『ちがう』と言ってはいけなかった。 ＊ 若干うろ覚えだが、客先で、こんなことがあった。 プロジェクトで、部門別の目標を立てて、発表してもらった時のことだ。 私：「では、営業部2課の目標の発表をお願いします。」 営業2課：「既存顧客を中心に、前年比10％の売上アップです。」 私はここで、おかしいな、と思った。 先日の経営会議で 「営業2課は、新規開拓を中心にした目標にしてほしい」 との指示があったからだ。 それがなぜか既存顧客中心にすり替わっている。 訂正させなければならない。 が、「その目標、間違ってませんでしょうか？」と否定するのはご法度だ。 私は思案した。 どうすれば担当者を否定せずに済むのだろう。 そこで確認した。 私：「確
Google、オープンソースのモジュール依存関係を分かりやすくグラフ化してくれる「Open Source Insights Project」公開
Google、オープンソースのモジュール依存関係を分かりやすくグラフ化してくれる「Open Source Insights Project」公開 Googleは、さまざまなオープンソースソフトウェアがどのような依存関係にあるかを一覧表示やグラフ化表示などで示してくれるWebサイト「Open Source Insights Project」を発表しました。 Introducing Open Source Insights! This exploratory visualization site provides an interactive view of the dependencies of open source projects, and so much more. See the benefits ↓ https://t.co/CgXUMCeTaZ — Google Open So
機械学習モデルの局所的な解釈に着目したシステムにおける異常の原因診断手法の構想 - Fire Engine
著者 鶴田 博文, 坪内 佑樹 所属 さくらインターネット株式会社 さくらインターネット研究所 研究会 第8回WebSystemArchitecture研究会 1. はじめに インターネットを介して利用するシステムの大規模化に伴い，システムの構成要素数の増大や，構成要素間の関係性の複雑化が進んでいる． そのため，システムの性能に異常が発生したときに，システムの状態を示す指標であるメトリックをシステム管理者が網羅的に目視することや，メトリック間の関係性を把握することができず，システムの異常原因を特定することが難しくなっている． この問題を解決するために，深層学習などの機械学習モデルを用いて，システムの異常の原因を診断する手法が提案されている[1,2]． これらの手法は，システム管理者が異常の根本原因を絞り込むために活用することが期待できる． しかし，原因診断を行うためには，事前に機械学習モデ
Node.js API Table
Static method: Buffer.copyBytesFrom(view[, offset[, length]])
「DX銘柄2021」「DX注目企業2021」を選定しました！ （METI/経済産業省）
「DX銘柄2021」「DX注目企業2021」を選定しました！ デジタル技術を前提としたビジネスモデル・経営変革に取り組む上場会社を選定 【2021年6月11日発表資料差し替え】企業名に一部誤植がございました。お詫び申し上げます。経済産業省は、東京証券取引所と共同で「デジタルトランスフォーメーション銘柄（DX銘柄）」を選定し、本日、「DX銘柄2021」選定企業28社と「DX注目企業」20社を発表しました。これらの企業は、単に優れた情報システムの導入、データの利活用をするにとどまらず、デジタル技術を前提としたビジネスモデルそのものの変革及び経営の変革に果敢にチャレンジし続けている企業として選定され、デジタル技術を最大限に活用した活躍が期待されています。加えて、今年度は、新型コロナウイルス感染症を踏まえた対応に関して、デジタル技術を利活用し、優れた取組を実施した企業を「デジタル×コロナ対策企業」
【論文紹介】ベイズ分析のワークフローにおける視覚化について - Qiita
こんにちは，株式会社Nospareリサーチャー・千葉大学の小林です． 今回はJournal of Royal Statistical Society Series Aにも掲載されたGabry et al. (2017)（arXiv版）の紹介をします．この論文では次の挙げられるベイズ分析のワークフロー 探索的データ分析 分析前のモデルチェック アルゴリズムの動作チェック モデル推定後のモデルチェック において視覚化をどのように使っていくかについて書かれており，実証分析や実務においてベイズ分析を行うにあたってとても有用な内容になっています．本記事で掲載する図などは著者がgithubにポストしてあるコードを使って作成しました． データ分析例の設定 この論文では終始PM2.5に関するデータ分析例を取り扱っており，この例では以下の設定があります． PM2.5は人体に対して影響があると考えられ，本当は
DevOpsで自動化やAIの活用増加--今何が課題か
ソフトウェアがリリースされるペースは加速する一方であり、そのスピードアップをDevOpsの普及が支えている。最近では、人工知能（AI）と機械学習も開発のペースアップに重要な役割を果たし始めている。 これは、GitLabが開発者とマネージャーら4300人を対象に行った最新の調査で得られた知見だ。この調査では、DevOpsによって一部の企業が以前の調査の時よりも10倍速いペースでコードをリリースしていることが明らかになった。回答者の大半（84％）が以前よりもコードをリリースするペースが上がったと答えており、リリースのペースが以前の2倍になっていると答えた人の割合は、1年前の35％から57％に増加した。また5人に1人近くの19％が、コードのリリースが10倍速くなったと回答した。 興味深いことに、リリース前にAI／機械学習やボットを使ってコードのテストやレビューを行うようになったと答えた回答者は、
グラフ理論入門 | DevelopersIO
こんにちは、ドイツのモナでございます〜 いろんなサイエンスにおいてグラフ理論がとても重要な用具となっていますが、グラフ理論ってそもそも何なのかご存知ない方も少なくもないですね。 ということで、今日は簡単にグラフ理論の基本や用語など紹介したいと思います！なお、入門のため誰にでも分かるように数学的な定義は避けるようにします。 また、グラフ理論の応用は別の話ですので今回は応用の話しません〜 なぜグラフが面白いのか 具体的な応用の話はしませんが、たくさんの分野においてグラフ理論が重要となっています。 ネットワーク（例：トポロジー、ルーティングアルゴリズム） AI（例：ニューラルネットワーク） コンピューターサイエンス（例：ファイルシステム） 社会科学（例：ソーシャルネットワーク分析） 皆さんの生活の中（例：カーナビの最短ルートの計算） グラフ理論とは？ ここで議論するグラフというのは、よく思い浮か
2021年に今更コンテナ入門した僕の最初の一歩
はじめに 最近までコンテナは使うだけだった僕が2021年に真面目にコンテナ入門をしたので、どうやって入門し始めたか、結果今どうなったかを書いておこうと思います。 今となってはコンテナと1口に言ってもKubernetes Docker podman runcなどなど様々な難しい単語が飛びかっています。CloudNativeという単語もよく聞きますね。コンテナだけあってコンテナ界隈は海のように広いですね。 壮大なコンテナ界隈の海を僕がどうやって最初にチャレンジしてみたか参考に慣れば🙏 結論として入門した結果はこちらです。 コンテナ入門するきっかけ 2020年くらいまでの僕はDockerを使う程度の知識、namespaces(7)とcgroups(7)というLinuxカーネルの機能が使われているらしいということしか知りませんでした。Kubernetesも略し方や発音で時々話題になることを知って
機械学習のパラメータチューニングを「これでもか！」というくらい丁寧に解説 - Qiita
はじめに 私はこれまで機械学習のパラメータチューニングに関し、様々な書籍やサイトで学習を進めてきました。 しかしどれもテクニックの解説が主体のものが多く、 「なぜチューニングが必要なのか？」 という目的に関する記載が非常に少なかったため、体系的な理解に苦労しました。 この経験を後世に役立てられるよう、「初心者でも体系的に理解できる丁寧さ！」をモットーに記事にまとめたいと思います。 具体的には、 1. パラメータチューニングの目的 2. チューニングの手順とアルゴリズム一覧 3. Pythonでの実装手順 (SVMでの分類を例に) の手順で解説を進めます。 独自解釈も含まれるため、間違っている点等ございましたら指摘頂けると有難いです。 なお、文中のコードはこちらのGitHubにもアップロードしております。 2021/9/6追記：LightGBMのチューニング実行例追加 以下の記事に、Ligh
SentencePieceでの日本語分かち書きをTransformersのパイプラインに組み込む - radiology-nlp’s blog
背景 PyTorchでHugging Face Transformersを使って自然言語処理を行うとき，文章をモデルに入力するためにはまず単語単位に分かち書き (tokenize) しなければなりません． この前処理が思ったよりもやっかいなのです． 事前学習済みのモデルをTransformers公式から提供されているものから選んでしまえば，ここはあまり問題になりません．Transformers付属のtokenizerを使って一発で分かち書きできるからです． 実際，東北大からTransformersを通じて日本語BERT事前学習済みモデルが公開されて久しいので，日本語BERTモデルを使うのはだいぶ楽になりました． huggingface.co しかし，別の事前学習済みの日本語BERTモデルで，Transformersのプラットフォームに載っていないものはいくつか存在します． これらのモデルを
機械学習のパラメータチューニングを「これでもか！」というくらい丁寧に解説 - Qiita
はじめに 私はこれまで機械学習のパラメータチューニングに関し、様々な書籍やサイトで学習を進めてきました。 しかしどれもテクニックの解説が主体のものが多く、 「なぜチューニングが必要なのか？」 という目的に関する記載が非常に少なかったため、体系的な理解に苦労しました。 この経験を後世に役立てられるよう、「初心者でも体系的に理解できる丁寧さ！」をモットーに記事にまとめたいと思います。 具体的には、 1. パラメータチューニングの目的 2. チューニングの手順とアルゴリズム一覧 3. Pythonでの実装手順 (SVMでの分類を例に) の手順で解説を進めます。 独自解釈も含まれるため、間違っている点等ございましたら指摘頂けると有難いです。 なお、文中のコードはこちらのGitHubにもアップロードしております。 2021/9/6追記：LightGBMのチューニング実行例追加 以下の記事に、Ligh
「デジタルトランスフォーメーション銘柄（DX銘柄）2021」および「DXグランプリ2021」に選定
SREホールディングス株式会社（以下「SRE HD」）は、本日、経済産業省と東京証券取引所より「DX銘柄2021」に選定されました。加えて、DX銘柄選定企業の中から“デジタル時代を先導する企業”として「DXグランプリ2021」に選定されましたので、お知らせいたします。 当社は「A DECADE AHEAD 今の先鋭が 10 年後の当たり前を造る」をミッションに掲げており、2014年の創業当初より実業（リアルビジネス）である不動産事業を自ら手掛けながらその知見・データを蓄積し、不動産/金融業界などへ実務有用性の高いAIソリューション・ツールを提供するユニークなビジネスモデルを構築してきました。 この「リアル×テクノロジー」の掛け合わせを通じて、今後も不動産テック事業を内包したSaaSプロバイダーとして、不動産/金融をはじめとした多様な業界のDXや事業拡大を推進し産業の活性化に貢献してまいりま
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
東京大学や滋賀大学らの無料学習コンテンツまとめたサイト、Python R データサイエンスなど充実 | Ledge.ai
