特定の事業の執行、計画、見直し等に関する基準や方針等で、国民及び関係者に公表あるいは提供すべきとされた情報を掲載しています。
過去に何度か炎上プロジェクトを経験しました。 いくら仕事をこなしても終わらない、無限のように思える暗く辛い回廊。 その多くで共通していたのが、主要メンバーのスキルミスマッチでした。 コンサルティングにおけるプロジェクトチーム編成方法まず前提として、 コンサルティングにおけるチーム編成の方法なぜスキルが重要か紹介します。 チーム編成はゴールから導かれるプロジェクト立ち上げでは、ざっくり言うと 予算やゴールなどの前提事項(制約事項)全体アプローチ(マイルストン)作業スケジュール必要な人材要件(スキル、人数)組織図、コミュニケーションプラン(費用見積り)といったものを作ります。 いわゆるプロジェクトの全体設計です。 現状からいかにゴールに到達するか、必要な人・モノ・カネ・情報はなにか、それらがいつ必要か、などの見通しとも言えます。 人材要件にマッチした人を集める太字で示した人材要件とはつまり、ど
「要求通りに動いているか?」 ソフトウェアテストは、顧客やユーザーに開発したソフトウェアを提供する前の必須の工程です。しかし、テスト実行者が繰り返しの作業を手動でテストすることは、ストレスです。その結果、プロジェクト全体の効率を下げてしまうことがあります。 このような効率を下げてしまう現象の対策として、テスト自動化が有効です。 そこで、テスト自動化を行おうと、テスト自動化のツールを探しているとSelenium、Jenkins・・・など様々あります。 「ツールをどのように利用してよいかわからない」 「このツールと、あのツールでどのように違うかわからない」 と、迷ってしまうこともあるかと思います。 本ページでは、テスト自動化を検討する際などによく耳にするであろう無料で使える著名なテスト自動化ツール及び、それらの特徴をご紹介いたします。 今回は、特にシステムテスト、受け入れテストフェーズで利用出
Wantedly Engineer blogに本速習会資料を閲覧向けに再編しました! ぜひご覧いただけると幸いです! 本記事は、綺麗なAPI速習会@Wantedlyの資料として作成されたものです。 同時にこちらのコードも参照してください。 マイクロサービス 流行りのマイクロサービス、何がいいのか 各々自由な言語やArchitectureでサービスを立てられる 障害の影響が部分的 変化に強い 個別デプロイ etc... マイクロサービス化をすすめるにあたり、やりとりは全てAPIで行う 内部のAPIであっても外部に公開できるようなクオリティのAPIを作成し、それを元にサービスを作っていくことが重要 APIGatewayとBFF API Gateway Pattern 公式サイトより 「見た目はモノリシック、実装はマイクロサービス」 一箇所見に行けば全てのAPIを見つけられる 細かい権限管理も可
人事が知っておきたい「ニューロダイバーシティ」 4つの指標で職場のメンタル不調に気付く 日本IBM産業医が指南 2024.04.26
If you’re looking for Free Forex Historical Data, you’re in the right place! Here, you’ll be able to find free forex historical data ready to be imported into your favorite application like MetaTrader, NinjaTrader, MetaStock or any other trading platform. Since the data is delivered in .CSV format (comma separated values), you can use it in any almost any application that allows you to import from
概要 FXの自動取引システムを構築して欲しいと知り合いに頼まれたので、色々と試してみました。 Oandaが様々な言語でoanda REST APIのWrapperを提供しているので、デモ申込を行いサンプルコードを書いてみました。 後々機械学習で運用することも考えて、Python版のWrapperであるoandapyを使用してみることにしました。 環境の準備 pyenvとpyenv-virtualenvをインストール 手元のmacにはpyenvとpyenv-virtualenvは導入されている状態だったのですが、一応インストール方法は以下のような感じだったはずです。 $ git clone git://github.com/yyuu/pyenv.git ~/.pyenv $ git clone https://github.com/yyuu/pyenv-virtualenv.git ~/.p
Amazon Aurora MySQL および PostgreSQL との完全な互換性を持ち、グローバル規模で圧倒的な高パフォーマンスと可用性を実現する Amazon Aurora は、MySQL と PostgreSQL との完全な互換性を備えており、商用データベースの 10 分の 1 のコストで、比類のないパフォーマンスと可用性を世界規模で提供します。Aurora のスループットは MySQL の 5 倍、PostgreSQL の 3 倍です。Aurora は幅広いコンプライアンス基準とクラス最高のセキュリティ機能を備えています。Aurora は、3 つの AZ にわたってデータの耐久性を高めることで、ストレージの耐障害性を実現します (お客様は 1 つのコピーに対してのみ料金を支払います)。Aurora の可用性は最大 99.99% で、AWS リージョン全体にデプロイすると、お客様
こんにちは。SI部の腰塚です。 RDBやデータウェアハウスの仕事に携わることが多かった筆者は、数年前からたびたび聞こえたビッグデータ分析や機械学習のための分散処理フレームワークに興味を覚えたものの、ついぞアクセスしないままここまで来てしまいました。 今回ブログを書くにあたって、せっかくなのでイチから手さぐり入門し、いまさら他人に聞けない分散処理の初歩からhadoop・sparkを触ってみるまでをまとめたいと思います。 1.分散処理の基礎知識 1-1.分散処理の処理方式:MapReduce まず分散処理とは、ひとつの計算処理をネットワークで接続した複数のコンピュータで同時並列で処理することです。 ビッグデータ活用の市場が日々大きくなるに従って、数百テラ~ペタのデータ処理も珍しいものではなくなっており、日常的にこの規模のデータを扱うシステムでは、現実的な時間的・費用的コストで処理する工夫が必要
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