mkrのサードパーティプラグインインストール機能について - Mackerel ブログ #mackerelio
先週のリリースで mkr コマンドへのプラグインのインストール機能が追加がアナウンスされました。これは、ユーザーが自作したサードパーティプラグインをより簡単にシステムに導入しやすくするものです。 これまで、ユーザーが自作したプラグインをシステムに導入するためには、自前でインストールの仕組みを整えるか、以下の中央リポジトリにコードを寄贈いただく必要がありました。 https://github.com/mackerelio/mackerel-agent-plugins https://github.com/mackerelio/go-check-plugins 今回のプラグインインストール機能を利用することで、自身のGitHubリポジトリで作成したプラグインを mkr コマンドを用いてインストールすることができます。これにより、プラグインを作成者自身が継続的にメンテンナンス可能になります。 ま
特異スペクトル変換法による時系列データの異常検知（Python） - Fire Engine
はじめに 今回は、特異スペクトル変換法というアルゴリズムをPythonで実装します。このアルゴリズムは時系列データの異常検知に対して非常に強い力を発揮します。また、ハイパーパラメータ（人が調整する必要のあるパラメータ）が少なく、比較的チューニングが容易であることも特徴の一つです。数学の理論については深追いはせず、アルゴリズムの概要と実装まで書いていきたいと思います。 【目次】 はじめに 時系列データについて 時系列データの異常と変化点検知 特異スペクトル変換法の概要 履歴行列とテスト行列 特異値分解 変化度の定義 Pythonによる実装 特異スペクトル変換法の課題 おわりに 時系列データについて 時系列データとは、時間の推移ととともに観測されるデータのことです。昨今、様々な企業がデータ活用を推進していますが、世の中の実務の現場に貯まっていく多くのデータは時系列のデータです。 データ分析にお
異常検知ライブラリを作ってみた - Fire Engine
今回の記事は、前職消防士でゼロからプログラミングを始めた超未熟者の私が、異常検知ライブラリを作った話です。 なぜ作ったか マインド的背景 消防士を辞めてエンジニアに転職してから1年、いろんな技術に触れました。TensorFlow、scikit-learn、Dockerなどなど、必死になって使い方を覚えました。しかしだんだん、「これ、コマンド覚えてるだけで自分に何も技術身についてなくない？」という疑問や焦りが湧いてきて、自分は便利なツールを使いこなせるようになりたいんじゃなくて、いつの日かみんなが使って便利なツールを作る側になりたいんだ、ということに気づきました。そのような思いから今回初めてライブラリを作り、公開してみました。 データサイエンス的背景 世の中は時系列データで溢れています。ビジネスの場において、データの何かしらの変化の兆候を捉えて、いち早く意思決定をしたいという場面がよくありま
Elastic Stack 6.0.0 GA is Released
Search and analytics, data ingestion, and visualization – all at your fingertips.
Golangのエラー処理とpkg/errors
GoConでは毎回エラー処理について面白い知見が得られる．Go Conference 2014 autumn においては（実際のトークではないが）居酒屋にて@JxckさんがRob Pike氏から以下のようなテクニックを紹介してもらっていた． Errors are values - The Go Blog Golang Error Handling lesson by Rob Pike これはWrite（やRead）のエラー処理が複数続く場合にerrWriter を定義して複数のエラー処理を一箇所にまとめてコードをすっきりとさせるテクニックであった． そして今回の Go Conference 2016 spring のkeynoteにおいてもDave Cheney氏から（僕にとっては）新たなエラー処理テクニックが紹介された． Gocon Spring 2016 実際に使ってみて/コードを読ん
pkg/erorsを使ったGo言語でのエラーハンドリング - nametake-blog
tl;dr エラーを返すときにはpkg/errorsのerrors.Wrapでラップして返すとエラーの原因を返せる エラーを受け取るときにはpkg/errorsのerrors.Causeで原因を見れる 前置き 以前の記事の 「エラーをチェックするだけでなく、それらを正常に処理しなさい」の項目の話を知ってから、 業務で書いているコードでも以下のようにバシバシfmt.Errorfを使っていた。 package main import ( "fmt" ) func foo() error { err := bar() return fmt.Errorf("foo error: %v", err) } func bar() error { err := buz() return fmt.Errorf("bar error: %v", err) } func buz() error { return
数十万の選択肢の中から適切な解を 世界最速かつ高精度に予測するAI技術をOSSとして公開 / プレスルーム - ヤフー株式会社
ヤフー株式会社は、2023年10月1日にLINEヤフー株式会社になりました。LINEヤフー株式会社のコーポレートサイトはこちらです。 当ページに記載されている情報は、2023年9月30日時点の情報です。 ～従来技術の約58倍の速度を記録、コマースや広告のパーソナライズ精度向上へ～ ヤフー株式会社（以下、Yahoo! JAPAN）は、数十万の選択肢の中から適切な解を、世界最速かつ高精度に予測するAI（機械学習）技術「AnnexML（アネックスエムエル）」を開発し、11月15日（水）よりオープンソースソフトウェア（OSS）として公開しました。 「AnnexML」（以下、本技術）は、“ユーザーのサービス利用情報”などのビッグデータと、“そのユーザーがクリックした広告”などの数十万の選択肢との組み合わせを効率的に学習でき、“サービス利用情報のあるユーザーに対して、どの広告がクリックされやすいか”と
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
