![川内追廻地区の新しい公園「青葉山公園」の姿が見えてきました・2023年1月](https://cdn-ak-scissors.b.st-hatena.com/image/square/fdc7b8b9e9aee56cef434726cf597491f74c2078/height=288;version=1;width=512/https%3A%2F%2Fwadai.sendaipics.com%2Fwp-content%2Fuploads%2F2023%2F01%2F202301c03.jpg)
アンちゃんから見るニッポン 日本に来て20年のアンちゃんが 仕事、子育てをしながら、その中でアメリカと日本の違いを博多弁でわかりやすく綴ります。 数年前に、アメリカのロサンゼルスにカンファレンスへ参加するために行ってきた。参加者は、70%アメリカ人で、30%日本人だった。セミナーをするために行ったけど、初日、バリ面白いことに気づいた。だから、学者モードに入って、カンファレンスの最後までメモを必死につけた。その面白いことについて、今日書くバイ! A couple of years ago, I went to L.A. for a conference. I’d say about 70% of the participants were American, and 30% were Japanese. I went there to give a seminar, but I realiz
クラウドエースでデータ ML エンジニアをやっている神谷と申します。業務では、データ基盤構築やデータ分析に取り組んでいます。本記事では、ノーコード・ローコードでデータ パイプラインを作成できる Cloud Data Fusion を使って、どのぐらいの量のストリーミング データを捌けるかの性能検証を行います。 1. はじめに Google Cloud でストリーミング データのハンドリングと言えば Cloud Dataflow が挙がってくると思いますが、Data Fusion でも同様のことができるようなので、両者の違いを検証します。あらかじめ断っておくと、現時点(2022/11/14)で Data Fusion のストリーミング データに対する自動スケーリング機能はないため、スケーラビリティという観点であれば Dataflow が優れています。とはいえ、Data Fusion のノーコ
料理を客席まで運ぶ自動配膳ロボットの導入が進んでいる昨今。 みなさんも、ファミリーレストランなどで見かけたことや、実際にロボットから料理を受け取ったことがあるのではないでしょうか。 こうした自動配膳ロボットは、ファミリーレストランの『ガスト』や『しゃぶ葉』を展開する『すかいらーくグループ』が積極的に導入していますが、導入の決め手はなんだったのでしょうか。 ロボット導入の責任者である花元浩昭さんにお話をうかがいました。 ロボット導入がサービスの質向上に貢献! ――現在『すかいらーくグループ』では何台の配膳ロボットを導入している? すかいらーくグループ全体で2千店舗あり、約2千800台の配膳ロボットを導入しています。グループ全体で約3千店舗なので、3分の2の割合で導入していることになります。 『ガスト』だけで見ても約1200店舗に導入しており、高売上の店舗では2台、3台導入しているケースもあり
先人の知恵に学ぶ データエンジニア道で、本当に良かった!読み物を、不定期に追記していく。 A Beginner’s Guide to Data Engineering — Part I データエンジニアをこれから始める人に、必ず薦める記事。データエンジニアの基本を学べるかつ、どういう世界に広がっていくのかまで、一気に学べるのでとても良い。 Functional Data Engineering — a modern paradigm for batch data processing 関数型パラダイムを使ったデータパイプラインの構築方法。これを初めて読んだ時の衝撃は今でも忘れないし、フルスクラッチからdbtを使ったデータパイプラインになっても健在な設計手法。 Engineers Shouldn’t Write ETL: A Guide to Building a High Function
データサイエンティストに必要な能力 データサイエンティストという仕事が注目を集めています。インターネットの普及などITが進化したことで、企業が取り扱えるデータが格段に増えました。ビジネスにおいて、ヒト、モノ、金に次ぐ4つ目の経営資源として、データの活用が重要な要素となってきたのです。データを整理・分析し、ビジネスに活用する役割を担うのがデータサイエンティストです。 一般社団法人データサイエンティスト協会では、データサイエンティストに求められるスキルとして、3つの能力を定義しています。ビジネス力、データサイエンス力、データエンジニアリング力の3つです。 データを分析するだけであれば、データサイエンス力さえあればよいかもしれません。しかし、実際のデータサイエンティストには、データを処理すること(データエンジニアリング力)、分析すること(データサイエンス力)、その結果をビジネスに活用すること(ビ
というわけで、4週間前からなーーんも変わっていません。一粒も発芽していません。 もしかしたら、世界を操る闇の組織か何かによって私の記憶は改ざんされ、胞子を蒔いたという記憶自体が実は嘘だったのかもしれません。もしくは若年性健忘症でしょうか。いや、家族が胞子とコショウを入れ替えたのかも! ・・・ ということで、もはや発芽しないことにも慣れてきましたので、冷静に分析します。 発芽に必要な要素は、私が思うに、「温度」、「水」、「光」です。 温度は、ヒーターで20℃前後に保たれています。いろいろな方々の情報をまとめてみましても、おおよそこれぐらいの温度で発芽しているっぽいので、問題ないでしょう。たぶん。 水は、タッパーおよびプリンカップでフタ付きでほぼ湿度100%で、半密封状態です。これも問題ないでしょう。たぶん。 ということは、問題は・・・ そうです。光です。 シダの胞子は光発芽種子です。つまり光
ThinkPadユーザならお馴染みのLenovo Vantageから、「BIOSとIntel MEの更新があるので、今すぐ適用してね!」とポップアップが出たため実行したところ、フラッシュが終わったと思しき後から起動しなくなりました。 それを直した時のメモ。 環境メモ 修理方法 EEPROMの特定とROM Programmerの選定 CH341Aについて チップへの接続方法 2023/1/1 14:00 ICパッケージについての追記 オリジナルのバックアップ ファームウェアの解析 ダウンロードデータとの比較 What's next? Write時の罠 本当に正しく書けたのか? 再書き込み しかし…まだ罠はあった 成功か?……ん…? 晴れて成功! 固有データの復元は? 参考文献 環境メモ マシンThinkPad X13 Gen2 Type Number20WK-CTO1WW 2021/06製
AuthorsTwitter@__Attsun__Published onWednesday, February 10, 2021 最近、業務で DWH / Datamart の整備やデータ品質の担保を効率的に行いたくなる事情があり、調査したところ dbt と Dataform がツールとして有力そうだったので、比較してみました。 TL;DRdbt は機能が充実しており、カスタマイズするポイントも多く様々な要件に対応できそうです。反面、理解し使いこなすための学習コストがかかります。Dataform は Web ビューによる開発体験が非常に良いです。機能もほとんどはわかりやすく、迷うことも少ないです。一方、dbt に比較して融通はききづらいです。どちらも十分な機能は備えている素晴らしいツールだと感じるので、どちらが良いかは要求や組織の置かれた状況次第でしょう。私の所属する会社 (Ubie,
"責務とは行為にある。その結果にあらず。行為の結果を動機とせず結果に執着するな。飢えた我が血の最後の一滴まで責務に向かって突き進むのみ。" これは 2022年、もっともすごい映画である『RRR』に出てくる言葉で、ぼくの大好きな台詞なんですが、どう思いましたか? (ストーリーのネタバレにはなっていないはずなので未視聴の人でも大丈夫だよね?) ※なお、この記事の末尾にセリフについての追記があります 「いやいやいや、逆でしょ。責務ってのは行為じゃなくて結果こそでしょ」と思った人もいるかもしれませんね。まあ、僕にもそういう時期がありましたよ(謎の上から目線)。 さて、そんなわけでですね、今日は仕事における責任。責務を果たすとは何かを考えていこうと思います。 英語だと「Responsibility」と「Accountability」とかで責任の概念が分類されているらしいんですが、日本語だと『責任』の
ソフトウェア開発で、より早くより多く価値を届けたいと考えた時、エンジニアの増員は有力な選択肢です。もちろん、人月の神話などで語られるように、人を増やしただけ線形に生産力が向上するというシンプルな世界ではありません。それでも多くの現場でエンジニアの増員が行われます。自分のチームでも、とりあえずエンジニアを増員すれば、いくつかの問題が解決してくれるような気もします。雑談ベースでメンターなどにこういう話を出してみるわけですが、改めて「なぜエンジニアを増員したいのか」と問われると、これが意外と広がりのある議論であることがわかってきました。本記事では、エンジニアを増員するロジックについて、自分が思考を広げられた範囲で書いてみます。 作り切りの場合は明快 まずエンジニア増員のロジックを素朴に立てられるのは作り切りの場合です。ある程度の規模のものを丸々作り切らないといけないケースです。締め切りがあること
VOL.13 深谷 賢治 教授(京都大学大学院理学研究科) 数学は抽象的で、直感的に理解しにくい学問の一つである。難解な定理や法則を使いこなし、人の目には認識できない高次元の空間すら描きだす最先端の数学ともなれば、なおさらだ。現代数学の最前線に立つ数学者にはどんな世界が見えているのだろう。数学のなかでもとくに図形や空間を取り扱う幾何学の分野で数々の業績を上げる、深谷賢治教授をとりこにする数学の魅力とは。 「数学は難しい」と敬遠する人、「数学は苦手」と顔をしかめる人が多いのはなぜだろう。 「「わかっていない」ことがわかりやすい学問だからです」。深谷教授の返答は、簡潔明瞭。 たしかにそうだ。ほんとうはわかっていなくても、なんとなくそれらしい解答を書いておけば点数をもらえる科目もある。でも数学は「なんとなく」ではごまかせない。「理解できている人とできていない人の差が明確かつ残酷にわかるのが数学。
こんにちは。「リーダブルコード」を先月読破して、感銘を受けた弁護士の人です。 なにに感銘を受けたかというと、「エンジニアが高級言語を効率的にコーディングするための工夫」は、契約という言語をコーディングするために援用できることがとても多いということです。 例えば、リーダブルコードは「関数には空虚な名前(tmpとかretvalとか)でなく、エンティティの実体に即した名前をつけよう!」と提案しています。 これめっちゃわかります!!!なぜなら、契約言語では当事者というクラスの表現のために「甲」「乙」という定義を未だに使います。そして、甲と乙を逆に書いてしまったままReviewを通過することが実際によくあります。オライリーさんには激怒されるでしょう。 しかし、よく考えると高級言語と契約言語が似ているのは当然だと思うようになりました。それは、どちらも「一定のインプットを入れると、必ず一定のアウトプット
「プロデザ!BY リクルート」について 加藤舞子氏(以下、加藤):本日はお忙しい中、お集まりいただきありがとうございます。ファシリテーションを務める、株式会社リクルートの加藤と申します。本日は「PdM×データ」というお題で1時間お話ができればと思います。 リクルートのPdMがふだんどのようなデータ分析を行っているか、求められているスキルや経験、そしてそのスキルをどのように習得していったのか。よりリアルな話をしていくために、3人のPdMとパネルディスカッション形式で進めていきたいと思います。 (画面を示して)アジェンダはこちらの順で進行します。パネルディスカッションのあとは質疑応答の時間も取っているので、気になることや聞いてみたいことがありましたら、ぜひ質問をお願いします。 ということで、最初にこの取り組みについてお伝えします。「プロデザ!BYリクルート」とは、株式会社リクルートのプロダクト
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