最近はお客さんとの勉強会でDockerのドキュメントをつまみ食いして読むというのをやっていますが、改めて最新版を読んでみて、いろいろ思考が整理されました。2020年の20.10のマルチステージビルドの導入で大きく変わったのですが、それ以前の資料もweb上には多数あり「マルチステージビルドがよくわからない」という人も見かけるので過去の情報のアンラーニングに使っていただけるように改めて整理していきます。 仕事でPythonコンテナをデプロイする人向けのDockerfile (1): オールマイティ編で触れた内容もありますが改めてそちらに含む内容も含めて書き直しています。 本エントリーの執筆には@tk0miya氏から多大なフィードバックをいただきました。ありがとうございます。 基本的なメンタルモデル現代的な使い方を見ていくために「Dockerを使ってビルドする」というのはどのようなものか考えを整

会社ごとに「流れる時間の速度」は違う。30年かけて「100」の事業を作るのか？ それとも3年で「100」の事業を作るのか？ この時間軸をどちらに設定するかで、日々の仕事のスピードは変わってくる。急成長するスタートアップを作り上げるには、時間軸を後者に設定し、日々のプロジェクトをとにかく速く速く速く進めなければならない。経営者の役割は、この「会社に流れる時間」をコントロールすることなのだ。 これはいわば「メトロノーム」に近いかもしれない。4ビートなのか8ビートなのか、会社におけるメトロノームのピッチを決めるのがCEOであり創業者である。 創業期の会社は、まだメトロノームが小さいため、速く動かすことが可能である。しかし、メトロノームが大きくなるにつれ、同じペースを保つのが難しくなってくる。会社の規模が10人になり20人になり30人、100人、300人……と増えてくると、メトロノームがどんどんど

「ANAプレミアムメンバーステイタス獲得チャレンジ」がアップデートされ、2024年も「ライフソリューションサービス利用でのプレミアムメンバーステイタス獲得条件」が展開されます。 継続的にフライト以外のサービス利用によって、少ないフライトANA上級会員になれる制度が継続！ 当初はキャンペーンという位置づけでしたが、2021年12月16日以降は、期間を設けない制度として位置づけられています。 2020年12月までは、ANA上級会員になるためにはフライトでプレミアムポイント（PP）を貯めるしか手段がありませんでした。 しかし、ライフソリューションプログラムでは、ANAグループのサービス利用、ANAカード・ANA Payの決済で所定の条件をクリアすると、通常よりも少ないPPでANAステータスを得られます。 チャレンジの結果、得られるステータスの有効期限は翌年度となります。

税率が高い国の企業や資産家などの中では、課税が免除または軽減される国（タックスヘイブン）へ資金を移動させて節税を行うケースがよく見受けられる。日本では特に上場企業の経営者が、海外に資産管理会社を設立するという方法が増えているようだ。 たとえば、ユニクロの創業者として知られるファーストリテイリングの柳井正氏は、オランダに資産管理会社を設立し、自身が保有していた株式を譲渡したとされている。 またドンキホーテ創業者で、パン・パシフィック・インターナショナルHDの安田隆夫氏も同じくオランダに資産管理会社を設立している。 所得税は所得が多いほど税率が高くなる「累進課税（最高45％）」であるのに対し、法人税は「税率が一定（約30％）」だ。つまり、所得が多い富裕層は資産管理会社を設立した方が、税金の面で有利になるケースが多い。 さらに、法人税が低いタックスヘイブンに資産管理会社を設立すればなお有利になる

外を走るのがツラい寒い冬こそ、セルフメンテナンス＆自転車DIYをやってみよう。今回編集部の西山が挑戦するのはチェーンのメンテナンス。あまり乗れないタイミングだからちょっと手間のかかるワックスコーティングもやってみよう！ チェーンのワックスコーティングに挑戦してみた サビたチェーンは、サビを薬剤などでムリに落とすと強度が落ちてキケン。こうなったら交換が正しい選択だ この際なので、わが家の汚れた＆サビついたチェーンを一掃する作戦。汚れたチェーンは洗浄、サビてみずぼらしくなったチェーンは交換する。今回は、さらにひと手間かけた処理として、チェーンをワックスコーティングする。これで、よりスムーズかつ、汚れがつきにくいチェーンとなる。 ワックスコーティングの秘訣は、なんといっても事前のクリーニング。チェーンをキレイにして、しっかり脱脂しておく。これがコーティングのよし悪しを決定するポイントなので、これ

0. この記事の趣旨 この記事では BTYD モデルの一種として提案された 周期的な購買行動に対応した顧客の 生涯価値の導出と顧客維持介入戦略への応用(阿部 2020) について、その数理構造を解説することを目的としています。一応 python を用いた推定の実装についても触れるつもりではありますが、私は数値最適化や計算の高速化については十分な知見がないので、ご利用の際はご注意ください。ソースコードは以下にあります。 1. モデルの概要 本章では、以下の 2 点について解説したいと思います。 シンプルな BTYD モデルが何をしようとしているのか 阿部(2020) ではどのような提案がなされているのか 本章を通じて、まずはこれらのモデルのアイデアについて理解していただければ幸いです。 1.1. BTYD モデルとは おそらくこの記事を見ている人に BTYD モデルを全く知らない方はいらっし

さて、久しぶりにかなりマニアックに振った記事を書きましたｗ もちろん公的には互換なぞないのですが、現実的にどのような問題があるのか、どうして互換性がないのか、どうすればどうにか運用できるのか、を整理しておく。 もう少しゴールを明確にしておきます。 シマノ、スラムの混在ドライブトレインに関してネットは「動いたよ」「ダメだった」という曖昧な情報に溢れています。 これらの情報は機材や条件、判断基準が曖昧であり、鵜呑みにしても思うような効果が得られない場合があります。加えて、どのようなリスクを包括しているのかは理解しておいた方がいいでしょう。 メーカーの情報だけが正しい、純正部品の使用のみが正義である、という言い分だけでは（正くはあるものの）解決できない問題に現実にはちょくちょくぶつかります（歯数の組み合わせといった先鋭的なものから、在庫や資金、スケジュールあるいは好奇心に関するものまで） この記

こんにちは! SmartHR プロダクトエンジニアの @sakata と @hypermkt です。 SmartHRではほぼすべてのチームでスクラム開発を行っています。スプリントプランニングとスプリント進行中における課題に対し、私たちのチームでは「予言の書」という取り込みを行っています。本記事では、この「予言の書」の概要とその効果についてご紹介します。 予言の書が必要な背景 スクラム開発で、チームが消化できるキャパシティからタスクを選定したにも関わらず、すべてのタスクの消化ができなかったという経験はありませんか？ 私たちはたくさん経験したことがあります。そこにはスプリントプランニングにおける計画とスプリント進行の難しさがありました。 すべてのタスクが終えられるか不安がある まだ作業タスクには何も着手していないので当たり前ではありますが、チームが消化可能なキャパシティからタスクを選定し、優先

背景 & Disclaimer DuckDB 概念や代表的なユースケース 使ってみる 1週間〜一ヶ月などある程度の期間、分析で使いたい場合 便利なCLIツールとして使う 所感 参考 Dataflow 代表的なユースケース 具体例 参考 背景 & Disclaimer BigQueryは非常に便利で、BigQueryにさえ上がってしまえばSQLで巨大なデータを簡単に相手にできます とはいえ、BigQueryに行きつくまでが大変な場合もありえます 例: 個人情報を含むsensitiveなデータで、BigQueryに気軽に上げられないケース 一時的であっても、相談なしにその手のデータを気軽にアップロードするのはやめてください... 数万件程度であれば手元のエクセルで開いて、問題ない行/列だけに絞る、ということもできるが、もっと量が多いデータだとそういうわけにもいかない。そもそも分析はSQLでやり

はじめに こんなツイートを見て執筆をしようと思いました。 実際に、VSCodeは機能の追加や拡張機能の開発が活発に行われており、かつUIもユーザーフレンドリーであるため人気のエディターだと思います。VSCodeを使いこなせるのとそうでないのではエンジニアリングの生産性に大きな差が出てしまうと思います。 パンくずの設定 '>' を入力します。 '>' preferences: Open User Settings (JSON)を入力します。 僕のsettings.jsonは以下です。 { "workbench.colorTheme": "GitHub Dark", "terminal.integrated.fontFamily": "MesloLGM Nerd Font", "terminal.integrated.profiles.osx": { "fish": { "path": "/o

ROUTE06 でソフトウェアエンジニアをしている @MH4GF です。 GitHub のマージキュー(Merge Queue)を私のチームでの開発フローに取り入れてから数ヶ月経ちました。マージキューは非常に便利ですが、挙動の理解やセットアップに難しさがあると感じています。いくつかの課題の対処ができ安定した運用ができてきたので、この記事ではセットアップでつまづきがちな点を紹介します。 マージキューとは マージキューは 2023 年 7 月に一般公開された比較的新しい機能で、簡単に説明すると「プルリクエストのマージ前にマージ先ブランチを取り込んだ上で CI を実行し、通ることを確認してからマージする」機能です。 複数人で GitHub を利用した開発をしていると、main ブランチの取り込み漏れにより「プルリクエストでの CI は通るものの、マージ後の main ブランチの CI は失敗する

2022年6月8日にSSII 2022のチュートリアル講演で使用 2023年2月2日に順天堂大学産学連携講座：AI技術とビジネス活用で使用 2017年に機械翻訳を対象として提案されたTransformerは、従来の畳込みや再帰を排して自己注意機構を活用したニューラルネットワークです。2019年頃からコンピュータビジョン分野でも急速に応用が進んでいて、より柔軟かつ高精度なネットワーク構造としての地位を確立しつつあります。本スライドでは、そんなTransformerの最前線を概説しています。基盤モデルやVision Transformer、MLP/CNNの逆襲についても取り扱っています。 ・そもそもTransformerって？ ・Transformer旋風と基盤モデル ・Transformerのノウハウ ・Transformerはオワコン？！ ・CNNはオワコン？！

タイトルの結論は、「役に立つ」です。 役に立つか立たないかの議論は一切せず、本記事では、如何に統計や数学が実社会で役に立つかを紹介します。 はじめに こんにちは。ZENKIGENデータサイエンスチーム所属の廣田です。原籍はオムロンソーシアルソリューションズ株式会社 技術創造センタですが、社外出向でZENKIGENに所属しており、数理最適化や機械学習を用いたデータの分析業務、それらの結果に基づいた顧客への提案をしております[1]。 出向先であるZENKIGENの同僚にも、原籍のオムロンの同僚にも、統計検定®の準1級や1級を持っている方がいて、私も負けじと準1級を受験しました。結果、統計検定®準1級に合格し、優秀成績賞までいただくことができました。 統計検定®合格証と優秀成績賞 試験対策を通じて、改めて統計学の考え方は有用と感じました。この手の検定試験は物事を体系的に学ぶきっかけになるため、私

最近、AIのワークフローを簡単に組める OSS「Dify」が注目を集めています。 Difyではブラウザ上でフローチャートを構築してLLMのワークフローを設計できます。 今回はこのUIの実装を理解するためにReactでフローチャートUIを実装してみようと思います。DifyではフローチャートUIの構築に「React Flow」を使用しています。React Flow は React で使えるフローチャートUIライブラリです。本記事の実装でも React Flow を参考にしてきます。 本記事はフローチャートUIの仕組みを理解することを目的にしています。 フローチャートUIの要素 フローチャートは主に、ノードとエッジから構成されます。ノード同士はエッジで繋ぐことができます。 この記事ではエッジ接続部分をコネクターと呼びます。 つくるもの シンプルなフローチャートUIを実装します。 今回作るフローチ

モノレポ環境にPR-Agentを導入した効果と課題について書いています。 導入結果としては、AIによるコードレビューが効果がある一方で、現時点では全てのレビューがAIに置き換えることはないことが分かりました。 この記事では、PR-Agentの具体的な効果、実際に感じた課題、課題に対する横断チームの対応策などを掘り下げています。

BlogHow To Organize Continuous Delivery of ML/AI Systems: a 10-Stage Maturity Model This article outlines ten stages of operational maturity for deploying ML/AI systems to production. Which stage are you at? Every production-oriented ML/AI team grapples with the same challenge: how to work with data, code, and models effectively so that projects are readily deployable to production. The challenge

2022年11月にChatGPTがリリースされて、1年と約半年が経過しました。私はChatGPTが話題になった頃から、継続して利用しています。ChatGPTを使い続けていると、Webアプリケーションのフロントエンド開発に役立つことがありました。 そこで、本記事ではフロントエンド開発でChatGPTを活用して効率よく進める3つのパターンにまとめました。これらのパターンを紹介し、読者の皆さんの開発に役立ててもらえればと思います。 以下は、本記事で紹介するFigma、ソースコード、デプロイ先URLです。 Wireframing photo - Figma silverbirder/figma-photo-sample-app-for-ai - GitHub https://figma-photo-sample-app-for-ai.vercel.app ChatGPTを使う前に ChatGPTに

結論 社内データを扱うアプリケーションを安全にデプロイするならCloudflare Tunnel,Cloudflare Accessを使う。要件次第ではStreamlit in Snowflakeも使える。 はじめに Streamlitはデータアプリケーションを短時間で作成できる便利なツールですが、社内データを扱うアプリケーションをデプロイする際は外部からの不正アクセスを防ぐように厳重な注意が必要です。 にもかかわらず、Streamlitを安全にデプロイする成熟した方法はまだありません。 本記事では、最も単純なStreamlitのデプロイ構成の例から問題点を再確認し、それらを解決する方法を順に説明します。ただし、本記事で紹介する構成を使うにはドメインのネームサーバーがCloudflareである必要があることに注意してください。 単純な構成はどう危険なのか？ まずは非常に単純なStreaml