※この投稿は米国時間 2020 年 9 月 23 日に、Google Cloud blog に投稿されたものの抄訳です。 DevOps Research and Assessment（DORA）チームが実施した 6 年間の研究から、ソフトウェア開発チームのパフォーマンスを示す 4 つの指標が確立されました。 デプロイの頻度 - 組織による正常な本番環境へのリリースの頻度 変更のリードタイム - commit から本番環境稼働までの所要時間 変更障害率 - デプロイが原因で本番環境で障害が発生する割合（%） サービス復元時間 - 組織が本番環境での障害から回復するのにかかる時間 概要レベルでは、デプロイの頻度と変更のリード時間は速度の指標であり、変更障害率とサービス復元時間は安定性の指標です。チームはこれらの値を測定し、継続的に改善を繰り返すことで、ビジネス成果を大幅に向上させることができま

ハイパフォーマンスのテクニカル コンピューティングはスケーラビリティとスピードがすべてです。創薬とゲノミクス、金融サービス、画像処理などの分野のアプリケーションは、その多くが大量かつ多様な計算リソースへのオンデマンド アクセスを必要とします。計算能力が大きく高速になれば、アイデアを発見に変え、仮説を治療法に生かし、ひらめきを製品に反映させることができます。 Google Cloud は、大量のハイパフォーマンス リソースへのオンデマンド アクセスを、Compute Engine を通じて HPC（High Performance Computing）コミュニティに提供しています。しかし、これらの強力なリソースを活用して HPC ジョブをすばやく実行し、既存の HPC クラスタを Compute Engine でシームレスに拡張する方法については、まだ課題が残っています。 この問題の解決を支

今回の記事では、ちょっと感覚的でふわっとした話をしようと思います。それは「『仮説ドリブン』という考え方には往々にして落とし穴があるのではないか？」という問題提起です。 そもそも、「仮説ドリブン」（仮説駆動型：hypothesis-driven）というアプローチは実験科学分野出身の我が身にとっては、個人的には馴染み深いものです。まだ僕がポスドクだった頃、国際会議に際して日本人研究者同士で集まる会が毎回あったのですが、その席上でお話を聞く機会があった当時のトップ研究者の先生から「この世の森羅万象は網羅しようとするにはあまりにも広大過ぎる、故に森羅万象を区切って『仮説で白黒つけられる範囲』に絞り、これを検証するということを繰り返して前に進むべき」ということを聞かされ、感銘を受けたのを覚えています。 実際、仮説ドリブンの考え方は非常に有用なものであり、今現在僕自身が主戦場とする広告・マーケティング

はじめに 開発部の ikasat です。 皆さんは git, ssh, rsync のような外部コマンドを呼び出すスクリプトを書きたくなったことはありますか？ 個人的にこの類のスクリプトは最初はシェルスクリプトとして書くのですが、改修を重ねるうちに肥大化して処理も複雑になり、 後から Python のような汎用プログラミング言語で書き直すことがよくあります。 外部コマンド呼び出しを書き直す際に、Git 操作のために pygit2、 SSH 接続のために paramiko のようなライブラリをわざわざ使うのは大がかりだったり、 rsync に相当するようなこなれたライブラリが存在しなかったりする場合があります。 そのような時は標準ライブラリの subprocess モジュールを利用し、Python から外部コマンドを呼び出すことになるでしょう。 しかしながら、Python のチュートリアルペ

GitHub上ではてなブログ運営を可能にするテンプレートリポジトリ「HatenaBlog Workflows Boilerplate」をベータ版として公開しました。 このテンプレートをご利用いただくと、組織でのブログ運営に求められるワークフロー(下書きの作成、更新、内容のレビューや公開など)をGitHub上で行うことができます。組織利用向けに整備していますが、どなたでもご利用いただくことが可能です。 導入方法や詳しい利用方法については、上記のリポジトリのREADMEをご参照下さい。 特長など 下書きの作成時に、作成した下書きのみが含まれたプルリクエストを自動で作成します*1。コンフリクトを防ぎ、ワークフロー上の管理を容易にします GitHub Actions を利用して動作するためローカルでの環境構築が不要です。GitHub組み込みのVisual Studio Code (github.d

Zip形式の場合、デプロイサイズが50MBに制限されますが、コンテナー形式では10GBまでサポートされるため、依存関係の多いパッケージ等をそのままでデプロイすることが可能になります。 以下のような形で開発者がコードを作成し、コンテナイメージを作成後、ECRにアップロードし、AWS LambdaはECRにアップロードされたコンテナイメージをロードし、実行する形となります。 それでは、実際にコードを準備し、コンテナイメージを作成 ～ 実行までやってみます。 前提条件 AWS CLI IAMユーザをセットアップ済みであること。 AWS CLI認証情報を設定済みであること。 python-lambda-localインストール済みであること。 dockerがインストール済みであること。 プロジェクト作成 docker関連やLambda実行用プログラムなどをまとめたいので任意のディレクトリに好きな名前

最近は、ソフトウェアの新しい技術や、考え方の日本に対する導入の遅れをどうやったら無くすことができるか？ということを考えている。今回はインターナショナルチームに参加して感じたマネジメントスタイルの違いについて書いてみたい。 海外企業のリーダーシップスタイルの変化 ソフトウェアの世界では、2001年にアジャイル開発が登場以来、それ以降のパラダイムでは、「サーバントリーダーシップ」と呼ばれるタイプのマネジメントスタイルが主流になっている。 従来型のスタイルは「コマンドアンドコントロール」というスタイルで、リーダーが部下に指示をし、リーダーは部下の状況を把握、確認し、管理していく。一方、サーバントリーダーシップの場合、リーダーは、ビジョンとKPIを示すが、実際にどのようにするかは、チームが自ら考えて意思決定していく。 この考え方は、既に1969年に発表されているらしいというのを下記の本で知った。

(Image by wal_172619 from Pixabay) 去年で恒例の推薦書籍リストの更新は一旦終了したつもりだったんですが、記事を公開して以降に「これは新たにリスト入りさせないわけにはいかない！」という書籍が幾つも現れる事態になりましたので、前言撤回して今年も推薦書籍リストを公開しようと思います。 初級向け6冊 実務総論 データサイエンス総論 R・Pythonによるデータ分析プログラミング 統計学 機械学習 中級向け8冊 統計学 機械学習 テーマ別15冊 回帰モデル PRML 機械学習の実践 Deep Learning / NN 統計的因果推論 ベイズ統計学 時系列分析 グラフ・ネットワーク分析 データ基盤 コメントや補足説明など 完全なる余談 初級向け6冊 今回は新たに加わったテキストがあります。 実務総論 AI・データ分析プロジェクトのすべて[ビジネス力×技術力＝価値創出

これは何？株式会社LayerXで、バクラク申請とバクラク経費精算のPM（PdM兼PMM）をしているnumashiといいます。 最近meetyでカジュアルに会話させていただく方々から、LayerXのPMって何しているの？とよく聞かれます。 せっかくなので、実務も含めてよく聞かれることをまとめてみようと思います。なお、後述する実務部分の記載は、あくまで私（N=1）の話です。 PM（Tech PdM/PdM/PMM)と事業開発私自身の話をする前に、2022年8月に読んだPMの役割に関連するお話で、わかりやすい＆腑に落ちるなあと思ったことがあるので、2つご紹介します。 1. Pocochaさんのカルチャーデック： プロダクトマネジメントトライアングルをTech PdM、PdM、PMMの３つの役割から記述していて、とても参考になります。 実際、LayerXでも、バクラク請求書のPdMはエンジニアも兼

(Image by Pixabay) この記事は以前の書籍リスト記事のアップデートです。 機械学習エンジニアやデータサイエンティストとして（もしくはそうではない職名であったとしても）機械学習システム開発や統計分析を仕事にしたい人なら、最低限これだけは読んでおいて損はないだろうという書籍を初級向け5冊、中級向け10冊選定しています。ただし、以前とは若干異なり「仕事にする」イコール「プロフェッショナルを目指す」ということで、特に初級向けリストを若干レベルアップさせています。中には初学者でも結構読みこなすのが難しい本だけになっているかもしれませんが、中級向けリストに進む上でどうしてもこれだけは読破して欲しいという願望も込めました、ということで。 完全にお馴染みのネタなので特に説明することはないかと思いますが、言うまでもなく以下のリストは完全なる僕個人の独断と偏見で、最近出版されたり自分で読んだ本

HomePythonPython pip3 – pip upgradeした後 「cannot import name ‘main’ 」error 現象 pip3を実行するときに pip3バージョンが古いから、最新版にupgradeしてください。 というメッセージが出て、「指示」通りに下のコマンドを実行しましたら pip3 install --upgrade pip こんなエラーが出てきました！ Traceback (most recent call last): File "/usr/bin/pip3", line 9, in <module> from pip import main ImportError: cannot import name 'main' これは、実は、そのまま実行してはいけませんでした。 復旧 復旧するには 一旦下のコマンドを実行して、戻しましょう。 sudo p

Google Cloud デベロッパーアドボケイト 佐藤一憲 3 月 20、21 日に NHK ホールで開催された Perfume のライブ ステージ「Reframe」。このステージは、NHK が東京オリンピック・パラリンピックに向けて文化面においても機運を高めていくイベント「This is NIPPON プレミアムシアター」の一環として開催したもので、NHK と Perfume がこれまで生み出してきたパフォーマンスの最新テクノロジーによる「再構築」をテーマに、インタラクション デザインを担当したライゾマティクスによるドローンや AR 技術をふんだんに投入した演出が話題となりました。 今回のイベントでのライゾマティクスによる新しい試みのひとつが、Google の機械学習技術を応用したステージ演出です。同社を率いる真鍋大度氏は次のように説明します。「Perfume のミュージックビデオや歌

株式会社リクルートライフスタイルの導入事例：GCP ならではのフルマネージドサービス群で膨大なデータ処理と、将来の拡張性を両立 株式会社リクルートライフスタイルが 2013 年 11 月にリリースした、iOS 向けの無償アプリ「Airレジ」は、タブレットを高価な POS レジの代わりに使えるようにしてくれるという、中小の飲食店にとって夢のようなアプリです。安価なだけでなく、高性能なこともあって、わずか 3 年半で約 30 万アカウントものユーザーを獲得するに至っています。そんな同社が、今年、さらなる飛躍を目指した新たな取り組みを発表。「Google Cloud Platform がなければ実現できなかった」という、その新プロダクトの開発ストーリーをご紹介します。 ■ 利用している Google Cloud Platform サービス BigQuery、Cloud Dataflow、Goog

おがた (@xtetsuji) です。 Qiitaという「プログラミングに関する知識を記録、共有する最適なサービス」が最近活発です。見やすく使いやすいインターフェースや、ウェブ開発者に人気のMac向けに専用エディタKobitoを提供したり、アドベントカレンダーの提供インフラを提供したりと、様々な工夫があります。 実際Qiitaは便利で、そっちに書き始めると、今まで開発系の話題を提供していた自分のブログとの使い分けに悩んだりすることがあったのですが、今のところ私は以下のような基準で使い分けています。 Qiitaの「趣旨」に明らかにそぐわない記事は自分のブログへ Qiitaは「プログラミングに関する知識を記録、共有する最適なサービス」なわけで、一見技術的な話題でも「プログラミングに関する知識」とはいえないコンピュータの記事は自分のブログに書くようにしています。例えばGoogleドライブのフォル

はじめに 自然言語処理の深遠 作って遊ぶ機械学習 六本木で働くデータサイエンティストのブログ 人工知能に関する断創録 数学、ときどき統計、ところによりIT 空飛ぶロボットのつくりかた はじめに ただの雑記。 専門書的な内容ではなく、機械学習に取り組む実際の姿が見られるブログを取り集めました。例えばコードが載っているとか、分かりやすい解説があるとか、その手の記事が書かれているものに焦点を絞っています。 自然言語処理の深遠 非常に実践的。 今のところは、あまり記事は多くありませんが、Kerasを使った機械学習による自然言語処理に関しての記事が積極的に書かれています。Kerasの実装に関して、コードで検証を行っていたり、実用面で参考になることが多いと思われます。 hironsan.hatenablog.com 特に自然言語処理だとChainerやPyTorchのようなDefine by Runの

2014年2月、私たちにとって、あまりにも残酷な事実が公表されました。 「トレーニング後のアルコール摂取は筋肥大の効果を減少させる」 トレーニング後のアルコール摂取は格別な幸福を与えてくれます。厳しく、辛い自分との戦いを終えたあとに、最大の安らぎを与えてくれるのがアルコールなのです。事実、スポーツ選手の多くがアルコールを好んで摂取しています（O'Brien KS, 2007）。 しかし、現代のスポーツ医学では、トレーニング後のアルコール摂取はトレーニング効果を3割も減少させると言います。 今回は、この残酷な事実を示した研究報告とともに、近年、明らかになった新たな事実をご紹介したいと思います。残酷な世界から目を背けてはいけません。 Table of contents ◆ 筋トレ後のアルコール摂取は筋タンパク質の合成作用を減少させる ◆ 筋トレ後にアルコールを摂取してはいけない理由（メカニズム