アプリケーション開発エンジニアが、OAuth 1.0 や OAuth 2.0、および OpenID Connect を活用したユーザ認可と認証機能を実装するにあたって、いろいろ調べた情報をベースに作成したものです。 これから認可・認証技術を学びたいという、特にアプリ開発エンジニアの助けになれば幸いです。
アクセスランキング トピックス 楽天モバイルが1年以上実質無料、爆裂お得なキャンペーン なんと再契約者も対象です ホビー バンダイナムコの入社式にお邪魔してきました。本当に楽しそうな会社だ! トピックス 格安スマホ、キャリアより「シンプルで安い」とふたたび注目 Apple アップル新型「Apple Watch」血圧測定機能を搭載か トピックス トコジラミ問題、旅先でどう防衛する? PC 無料で使えるExcelにWord、Microsoft 365のウェブ版を調べた AI AI検索「Perplexity」がかなり便利だったので紹介します スマホ スリムになったOPPOの主力スマホ「Reno11 Pro 5G」海外版を前モデルと比較レビュー スマホ 同じmineoやIIJmioでもネットワークによる違いはあるのか? 実際に試した トピックス レノボとAmazonベーシックのお勧め「ラップトップ
こんにちはソウゾウ社な@vvakameです。 TypeScript 2.8.1がアナウンスされました。 What's new in TypeScriptも更新されているようです。 破壊的変更もあるよ! 今回からこの辺に僕が試した時のコードを投げておくことにしました。 変更点まとめ Conditional types(条件付きの型) Conditional types T extends U ? X : Y みたいなの書ける Conditional typesでの型推論 Type inference in conditional types infer の導入 ある型に式を当てはめた結果、得られた型推論の型を新たな型パラメタとして利用可能 type ReturnType<T> = T extends (...args: any[]) => infer R ? R : T; こういう R が新
本ブログは、混合ガウス分布を題材に、EMアルゴリズムという機械学習界隈では有名なアルゴリズムを丁寧に解説することを目的として書いています。 また、この記事は、「数学とコンピュータ Advent Calendar 2017」の24日目の記事です。 そして長いです。 1. はじめに 観測した確率変数 $X$ をよく表現する、モデル $p(x|\theta)$ のパラメータを求めることが確率分布の推定ではよく行われます。つまり最尤法ですね。より複雑な分布になるとその分布の構造に潜在変数(Latent Variable) $Z$ があると仮定してモデル化を行うと、シンプルな組み合わせで $X$ の分布を表現できることがあります。今回扱う混合ガウス分布もその一つです。 のちに説明しますが、データセットの種別を完全データ集合と不完全データ集合に分けた場合、不完全データ集合に属するようなデータセットはデ
さくらのクラウドのマネージドなL4ロードバランサーをKubernetesから使えるようにCloud Controller Managerを実装してみました。 Kubernetesでserviceを作成する際にtype: LoadBalancerと指定することで動的にマネージドロードバランサーを作成してくれます。 GitHub: sacloud/sakura-cloud-controller-manager 今回はこの仕組みをどう実現しているか/どう使うのかについてご紹介します。 3/30 追記: コメントで「ループバックへのVIP設定は不要」とのご指摘をいただきました。 改めて0からクラスタを再構築して試したところ上手くいきましたのでVIP関連の記述を修正しました。 id:masaya_aoyama さんご指摘ありがとうございました! Kubernetesでtype: LoadBalanc
■ エンジニアリング組織論への招待を読んだ 最近話題になっているので二日くらいでシュシュっと読んだ。 エンジニアリングの本質を「不確実性の削減」と位置付けて、それをテーマにエンジニアが常々大事だと感じているプロダクト開発やコミュニケーションの中の様々なプラクティスや考え方について、何故これらのエンジニアリングが重要なのか、ということを幅広く取り扱っている大変良い本だった。 不確実性コーンであるとか、経験主義やスクラムであるとか、技術的負債などプロダクト開発が特に難しいとされている昨今だと前提知識となっているようなトピックをよくこれだけ全部詰め込むことができたなあと感心するくらいちゃんとストーリー立てているのがすごかった。 個人的に良かったトピックは 認知フレームとリフレーミング 内心は見ることができないが、行動は見ることができる OKR による目標の透明化 というあたりかなあ。最近の仕事の
技術開発の進展により加速度的に進化しているAI(人工知能)。このAIという言葉とともに語られているのが、機械学習やディープラーニングだ。AIと機械学習、そしてディープラーニングの違いとは何なのか。 1.はじめに 最近、ニュースや書籍などでAIという言葉を見聞きすることが多い。人手不足の救世主のように扱われたり、人の仕事を奪う悪魔のように書かれるが、その実体はいまひとつ分かりにくい。ましてや、自分の携わっている仕事に対して、具体的に何をしてくれるのかが分からないという声をよく聞く。 もう1つややこしいのは、その呼び名である。AI、機械学習、ディープラーニング、それぞれが何のことなのか、どんな関係なのか不明なまま、なんとなく人に聞けなくて腑に落ちない。この記事では機械学習を中心に、その実体を説明したい。 2.AIとは AIとはArtificial Intelligenceの略、日本語にすれば人
概要 突然開発中のiOS,AndroidマルチプラットフォームUnityアプリでアイテム課金を任された場合に知っておいた方が後々楽できそうな知識をまとめておきます。嘘ついてたら教えてください。 また、ステージ買い切りとかサーバプログラマ無しでのインディーゲームなどは考慮しません。 その場合は普通にUnityIAP sampleを使うのが良い気がします。 普通のUnityIAPはちょっと古いけどこのサンプルプロジェクトが参考になると思います。 https://github.com/unity3d-jp/UnityChanBallRoll 更新履歴 3/31 : Autoyaの中の人からフィードバックを受けた情報を追加 4/4 : iOSテスト課金周りの情報を追加 Unityアイテム課金のための各ストアへのアイテム登録 AppStoreおよびGooglePlaystoreのアプリ登録を済ませて
「Ruby on Railsとは何?」 「Rubyとはどう違うの?」 「Rubyで作られたサービスを知りたい」 こう考えていませんか? 本記事では日本で生まれたプログラミング言語Rubyと、Rubyによる開発で使われるWebアプリケーションフレームワーク「Ruby on Rails」について解説。 Rubyで作られたWebサービス・アプリケーションの実例も紹介しますので、これからRubyを勉強する方は必見です。 この記事は現役エンジニアによって監修済みです。 Ruby on Railsとは?Rubyとの違いを解説 プログラミング初心者の方にはRubyとRuby on Railsを混同している場合があります。 1995年に公開されたRubyですが、広く知られるようになったのは2004年に登場したRuby on Railsによるものが大きいです。 RubyはRuby on Railsという、短
gokrazy を試してみました。 gokrazyとは https://gokrazy.org/ "gokrazy is a pure-Go userland for your Raspberry Pi 3 appliances" Linuxのユーザーランドをinitから全てまるごとgolangで書いてあるシステムで、しかもコマンド一発でRaspberry Pi 3用にビルドして、ブートするSDカードを作成してくれます。 Quick startの手順通りにSDカードを作って動作することを確認しました。 (ただし、host名gokrazyの解決ができなったので、別の方法でラズパイのIPアドレスを特定してIPアドレス直接指定で、そこで動くWebサーバに接続しました。) びっくりする小ささ SDカード上に作られたルートファイルシステムを見てみました。 $ df -h . Filesystem S
コンソール まずは、JavaScriptのコンソールを使用して、「Hello World!」を表示します。 コンソールの表示方法 Edge F12 Chrome command+option+J (win: ctrl+shift+J) Firefox command+option+K (win: ctrl+shift+K) Safari command+option+C Safariの場合はショートカットが他のアプリ(Alfred)に使用されている場合があるので、環境設定から「メニューバーに開発メニューを表示」をチェックすると、メニューバーからコンソールを表示できます。
先日飲み会で技術的負債についての雑談をしていた。結構いろいろな側面の話をしていたのだけど、技術的負債って一括りにしているのが今はあんまり良くなくて、負債の性質によって技術的奨学金、技術的FX、技術的年金などと言葉を変えると良いのではみたいな半分冗談で会話をしていた。 いろんな問題が技術的負債という一言にまとめられてしまっているので、負債の性質に合わせて、技術的奨学金、技術的FX、技術的年金、など用語を分けると良いのではないか、という話をした— 趣味はマリンスポーツです (@hitode909) 2018年3月27日 技術的負債について - hitode909の日記 それで技術的負債のパターンを見つけて、それによりどういう悪影響があるか、それがなぜ起こるのか、どう返却するかについて考えておくと良いのではと思ったので、今日思いついた3つのパターンをメモしておく。 思いついたパターンは3つ。 変
自己対戦と深層学習でマシンにコネクトフォー(Connect4:四目並べ)の戦略を学習させましょう。 この記事では次の3つの話をします。 AlphaZeroが人工知能(AI)への大きなステップである2つの理由 AlphaZeroの方法論のレプリカを 作って コネクト4のゲームをプレイさせる方法 そのレプリカを改良して他のゲームをプラグインする方法 AlphaGo→AlphaGo Zero→AlphaZero 2016年3月、DeepmindのAlphaGo(アルファ碁)が、囲碁の18回の世界王者、李世乭(イー・セドル)との五番勝負で、2億人の見守る中、4-1で勝利しました。機械が超人的な囲碁の技を学習したのです。不可能だとか、少なくとも10年間は達成できないと思われていた偉業です。 AlphaGo 対 李世乭の第3局 このことだけでも驚くべき功績ですが、DeepMindは、2017年10月、
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