国税庁は14日、国税電子申告・納税システム「e-Tax」がつながりにくい状況になっていると発表した。同庁によると、接続障害の原因は不明だが「外部からの不正アクセスではない」としている。接続障害は同日午後9時現在、解消されていない。同庁が復旧作業を急いでいる。同庁によると、14日午前11時半ごろ、e-Taxで確定申告書を提出する際などで接続に遅延が生じる障害が確認された。15日が2021
![e-Taxで接続障害、国税庁「原因不明」 申告期限直前に - 日本経済新聞](https://cdn-ak-scissors.b.st-hatena.com/image/square/ab992de826806db6473b872f863e7bba99b4f5e0/height=288;version=1;width=512/https%3A%2F%2Farticle-image-ix.nikkei.com%2Fhttps%253A%252F%252Fimgix-proxy.n8s.jp%252FDSXZQO1703617014032022000000-1.jpg%3Fixlib%3Djs-3.8.0%26auto%3Dformat%252Ccompress%26fit%3Dcrop%26bg%3DFFFFFF%26w%3D1200%26h%3D630%26fp-x%3D0.5%26fp-y%3D0.5%26fp-z%3D1%26crop%3Dfocalpoint%26s%3D31fab5c19c41fe7337c1d58d0e909967)
こんにちは、データシステム部推薦基盤ブロックの寺崎(@f6wbl6)です。現在、推薦基盤ブロックではデータサイエンス部MLOpsブロックのメンバーと協力しながらMLOps基盤の構築を進めています。本記事ではMLOps基盤構築の一環として進めているVertex Feature Storeの機械学習システムへの導入に関する知見およびVertex Feature Storeを導入する上での制限や課題をご紹介します。 MLOps基盤に関する取り組みについては以下のテックブログでも取り上げていますので、こちらもご参照ください。 techblog.zozo.com techblog.zozo.com techblog.zozo.com 推薦基盤ブロックが抱える機械学習システムの課題 機械学習システムの課題に対する取り組み Feature Store 概要 Feature Storeの選定 Vertex
Googleの親会社・Alphabet傘下のAI企業であるDeepMindが開発した碑文解読AIにより、断片化していてとても読めない古代ギリシャの碑文を最大72%の精度で復元できたとの論文が発表されました。碑文の内容だけでなく、それが書かれた年代や地域まで高い精度で推測できるAIにより、古代文明への理解が進むと期待されています。 Restoring and attributing ancient texts using deep neural networks | Nature https://www.nature.com/articles/s41586-022-04448-z DeepMind’s new AI model helps decipher, date, and locate ancient inscriptions - The Verge https://www.theve
世の中には将棋やチェスなどさまざまなボードゲームがありますが、これらが駒を動かして「王(キング)を取った方の勝ち」であるのに対して、囲碁は石を置いて「多くの陣地を取った方が勝ち」というルールであるため、素人目では盤上で何が起きているのか理解するのが難しいもの。そんな囲碁の詳細なルールを理解していなくても、プレイするだけでなんとなくルールがわかるようになるのが「ぷよ碁」です。初心者が囲碁を楽しみながら理解するにはピッタリなゲームということで、さっそく囲碁初心者がプレイしてみました。 ぷよ碁 - 無料囲碁ブラウザゲーム https://puyogo.app/ 「ぷよ碁」の画面は以下の通り。上部に5×5の盤面が配置されており、その下に白石と黒石の数が表示されています。さらにその下には「パス」と「降参」というボタンが配置されており、文字通りパスと降参が可能。 初期状態だと白石の下に「対 AI」と表
脳科学若手の会ワークショップ(2022.3.13) 神谷之康(京都大学・ATR) 概要 概念や仕組みをよく理解しないまま実験データの解析で使っている統計手法はありませんか。神経科学では大規模で多様なデータ取得が可能となり、統計解析の重要性が増しています。昔なら比較的無害だった統計の誤用が致命的な偽陽性を生み、論文を「フェイクニュース」にしてしまうことがあります。このワークショップでは、実験データ解析で最近よく使われるが授業ではあまり学ばない、効果量、サンプルサイズ設計、多重比較補正、交差検証、混合モデル、ベイズ推論、因果推論などの考え方のキモを、演習を交えて解説します。その後、参加者が作成する実験の事前登録(プレレジ)のサンプルについてディスカッションし、オープンで再現可能な研究実践法を身につけることを目指します。
Rust力を高めたいけれども、特に作るものが思い当たらなかったのでデザインパターンを真似して書いてみようと思った. 解釈間違い、表現間違い、などなど、コメントお願いします. Githubにも同じコードを上げています Github - mopp/CodeGarage/rust/design_patterns/ 追記 κeenさんが大変良い記事を書いてくださいましたのでリンクを貼らせていただきます Rust風にデザインパターン23種 以下の例では不十分な部分を補足、修正してくれています。 ありがとうございます。 結論 真似して書いてみました。が理解できたという実感が伴っていない おそらく格好のマサカリの的であろう 何かを作るときに実際の問題を考えながら使わなければ覚えられないし、体に馴染まない パターンがあるから覚えるのではなく、問題を解決したいからパターンを参照する、ではないと駄目だなと思っ
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