Classmethod AI Talks(CATs) #1 司会進行スライド(2024.09.19) / classmethod-ai-talks-aka-cats_moderator-slides_vol1_2024-09-19
CSS 設計でいう保守性とは、新しいルールの追加・更新のしやすさ をあらわす。保守性を高めるためには、変更の局所化、他のルールへの副作用を最小にするアーキテクチャ を採用します。 CSS 設計 設計思想は FLOCSS ベースの ECSS + rscss + Tailwind CSS のいいとこ取り 命名規則は MindBEMding （以降、BEM） 開発言語は Sass + PostCSS コンポーネント粒度 FLOCSS ではプロジェクトにおいて繰り返されるビジュアルパターンをすべて Object として定義します。Object には、Component と Project のレイヤーがあり、この 2 つの判別において Atomic Design のコンポーネント粒度の考えを拝借します。具体的には、 Component：Atoms Project：Molecules に分類します。
まぁマンガやラノベを読む程度なら Kindle 端末でも十分だし一部のマンガ等は Kindle Cloud Reader を利用する手もあるのだが，やはり Ubuntu のデスクトップ上でも読みたいのである。 ただ Linux プラットフォームで動くネイティブな Kindle アプリケーションはないようで，今のところ Wine 上で Windows 用の Kindle for PC を起動するしかない。 まぁ Wine はそのうち試してみる予定だったので，このさい試してみるとしよう。 Wine のインストール Wine は APT で導入可能である。 $ apt show wine Package: wine Version: 4.0-1 Built-Using: khronos-api (= 4.6+git20180514-1), unicode-data (= 11.0.0-1) Pr
2013年に「日経電子版」のソフトウェア開発を100%外注から内製化、アジャイル開発に切り替え、開発サイクルやチームの抜本的な改革を見事成功させた日本経済新聞社。その取り組みは、多くの注目を浴び、400以上のはてなブックマーク数を獲得しました。 「あの『日経電子版開発チーム』が内製化とアジャイル開発の成功から6年がたった “その後” を語る！」では、内製化とアジャイル開発の成功体験を他の部署にも応用し、全社をあげて開発改革に取り組んでいる模様を取り上げました。 本記事では、同社が次に取り組む、個人やチームの開発成果と事業成果を結びつけるための「OKR（オーケーアール）」を導入したきっかけと運用、そして、成功したこと、失敗したことについてお伺いします。 ■自己紹介（右から） 情報サービスユニット プロダクトマネージャー 斎藤祐也さん デジタル編成ユニット プロダクトマネージャー武市大志さん
この記事は@yugui氏の書いた至高のDockerイメージ生成を求めてに感謝しつつ、記事が投稿された当時には無かったさまざまな事情を組み込んで再度まとめたものである。 良いDockerイメージ 良いDockerイメージとは何だろうか。Dockerの利点は次のようなものだから、それを活かすイメージが良いものであるに違いない。 ビルドしたイメージはどこでも動く 適切にインストールされ、設定されたアプリケーションをそのままどこにでも持っていける。 コンテナ同士が干渉し合うことはないので、任意のイメージを互いに配慮することなく柔軟に配備し実行できる 必要のないサービスがコンテナ内で走っていないので、セキュリティの向上に資する イメージの転送が効率的である ベースイメージ部分は一度送ればいちいち再転送する必要がないので、ベースイメージを共有する複数のイメージを効率的に転送できる 標準のレジストリAP
Lispのインタプリタ―の作り方に関する参考書が紹介されていました。 処理系の作り方を通じて、関数型プログラミング言語の動作について理解が深まると思うので、時間があったら読んでみたいです。 zehnpaard.hatenablog.com 定番の「SICP」本 Anatomy of Lisp Lisp in Small Pieces Lisp System Implementation Functional Programming Application and Implementation Topics in Advanced Language Implementation その他 DSL作成のための基礎知識 Prologの実装方法 6冊の本が紹介されていました。 定番の「SICP」本 www.amazon.com 日本のAmazonでも売ってました。 Structure and Int
この記事は、以下の@icoxfog417さんによる問題提起に合わせたちょっとした実験をまとめたものです。 時系列予測の問題において、機械学習のモデルより既存の統計モデル(ARMAモデルなど)の方が予測精度において優良な結果が出るという研究。データへの適合=予測精度の向上ではないことも実験で示している。機械学習の研究では統計モデルとの比較も入れるべきという提言をしている。 https://t.co/jboGhYSX6E— piqcy (@icoxfog417) September 16, 2019 この点について僕はこんなコメントをしたのですが。 だいぶ以前から「一般的な時系列データ予測の問題は単位根過程や季節調整など非定常過程との戦いなので、本質的に定常過程を想定する機械学習手法での予測は計量時系列分析など非定常過程も考慮した古典的なモデルによる予測には及ばない」と言い続けてきたけど、やっ
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
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
