国立国会図書館が281万点の蔵書をデジタル化、内製のHCI基盤で解決した課題
国立国会図書館は蔵書のデジタル化によるDX（デジタル変革）を進めている。デジタル化したした蔵書の保存や管理のためのシステム基盤の刷新にも動いており、2022年12月にも移行を完了する見込みだ。 基盤刷新に当たり重視したのは、アプリケーションの実行環境をベンダーに頼らず自分たちで柔軟に追加できることだ。実現のため同館は仮想化技術のハイパーコンバージドインフラストラクチャー（HCI）を採用した。 ネット経由で館外から蔵書にアクセス 蔵書のデジタル化には主に2つの狙いがある。1つは蔵書を検索・閲覧できるサービス「国立国会図書館デジタルコレクション（デジタルコレクション）」への活用だ。紙の蔵書をデジタル化できれば、インターネット経由で館外からも気軽にアクセスできる。もう1つは貴重な資料の長期保管だ。国立国会図書館の蔵書には、江戸時代の木活字版資料や浮世絵などの貴重な資料も含まれている。デジタル化し
テスト駆動開発とマイクロサービスのせいで短命に終わったスマホゲームの話
「悪い方が良い」原則をご存じだろうか？ プログラミング言語「Common Lisp」の開発に携わったことでも知られるソフトウエア技術者リチャード・ガブリエル（Richard Gabriel）氏が1990年に発表した有名なエッセイ「The Rise of ``Worse is Better''」で主張したソフトウエア開発の考え方だ。 このエッセイでガブリエル氏は、美しく完全に設計・実装されるより、単純で雑に設計・実装されたソフトウエアの方が良いと説く。彼は前者を「正しいやり方」「MIT/スタンフォード式」、後者を「悪い方がよい原則」「ニュージャージー式」と呼び、ニュージャージー式がいかに優れているか様々な事例を挙げて説明する。 これは一見とても奇妙に聞こえる。 ソフトウエア開発では通常「美しい設計」や「美しいコード」が尊まれる。「車輪の再発明はするな」とか、「階層構造に分けて、要素をいつでも
ディープラーニングの仕組みと応用
脳の神経回路の構造を模倣 ディープラーニングは、大量のデータを学習するために、人間の脳の神経回路の構造を模倣（モデル化）した情報処理の仕組みであるニューラルネットワークを用いる。図3のニューラルネットワークは、「入力層」「隠れ層」「出力層」という3層で構成している。また、学習データは入力データとなる手書き文字の画素データと、正解データがセットになっている。 このニューラルネットワークのモデルを学習させるには、まず手書き文字画素データをピクセル単位に分割した上で、各ピクセル値を入力層に入力する。図3のモデルでは縦横28ドットで分割していることから、784個が入力層に並ぶ。 入力データを受け取った入力層は、受け取った値に「重み付け」をした上で、後段にある隠れ層のニューロン（神経細胞。CPUのような役割を担う）に伝達する。 同様に隠れ層の各ニューロンは、入力層から受け取った値をすべて加算し、その
1
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
