目的：なぜUXなのか？ 今起きている変化 ユーザーの購買行動がデジタル主流になり、リアルはサブ的立ち位置となる。（ユーザーはまずデジタルプラットフォームで情報を集めたり、イベント登録・購入したうえで必要であればリアル店舗などを活用するイメージ） 実例 既に中国でそのような事例が進んでいる。 NIO：電気自動車 購入後に充電、メンテナンス、購入者コミュニティなどにオンラインアプリなどからかかわっていくことができる。 自如（ズール：ZiRoom）：賃貸物件貸出 物件貸
目的比例代表の議席振り分けのようにできるだけ平等に議席を振り分ける処理をプログラムで実現したい。 そのためにどのような振り分け方法があるのか調査し、プログラムに落とし込めるかを確認したい。 課題感得票率に応じてそのまま議席を分けると小数点以下が発生してしまう。 議席など少数点以下で振り分けられないものがある。 少数点以下で振り分けられるものであっても少数点の切り捨てによって「割振る数」と「割り振られた数」合計値が一致しなくなる。 結論ヘアー式またはドループ式の基数
chatGPT 4oのリリース発表 できるようになったこと音声認識―音声で回答が爆速になる（質問回答だけでなく翻訳もできる） 息遣いや抑揚などを認識できるかつAIの回答も抑揚の指定ができるようになる スマホのカメラで撮影している情報をリアルタイムに分析して回答をしてくれる 利用面の具体的な変更50の言語に対応（日本語対応あるか迄は動画ではわからず） ChatGPT3と同じように無料版も制限はあるがフリーアクセスできる APIもリリース 補足： 無料ユーザーの制
目的 現在視点からのPDCAサイクルではなく、将来視点から課題を洗い出しPDCAサイクルを回すこと 課題感 将来のシナリオを踏まえた課題出しをしないと現時点の延長線上の課題にしか取り組まなくなる。 例）富士フィルム＜＝＞コダック デジタルカメラやiphoneなどへのシフトに対応しきれず倒産したコダック、化粧品など別事業に乗り出した富士フィルム 補足 VUCA (Volatility, Uncertainty, Complexity, Ambiguity)が高くなる中わ
筆者は直近AWSのSAAという資格試験を受けた。 その際に目標設定など計画的に行い合格までもっていくことができたので忘れないよう本Noteに勉強方法メモしておく 目標とKPIの設定AWS SSAの合格（正解率70％以上） マイクロKPI 問題のうち50％を確実に正解し、残り50％を2択に絞れる ＝＞75％の正解 マイクロKPIの設定理由 4択などの選択式の問題の場合、ちゃんと理解していなくても偶然正解率が高くなるということがある。ただしそれでは本番に本当に同じ点数がと
先日山種美術館に行きとても面白かったので感想を記載する 美術館、展覧会概要山種美術館 【特別展】花・flower・華 2024 ―奥村土牛の桜・福田平八郎の牡丹・梅原龍三郎のばら― 開催期間：2024年3月9日(土)～2024年5月6日 公式サイト 渡辺省亭、奥村土牛、小林古径、小茂田青樹、菱田春草、速水御舟、田能村直入、荒木十畝、松岡映丘などの日本画約60作品が見られる展覧会 感想個別の感動した絵の紹介 桜に雀 渡辺省亭 日本画らしい日本画。 初めは桜の白さに
試験を受けた動機筆者はインフラ、データベース改善・構築関係のPJでプロジェクトマネージャーやプロダクトオーナー、プロダクトマネージャーといった役割に立つことがある。その役割の中でアジャイル開発でプランニングやレビュー、GithubでのMainブランチへのマージ承認などの作業を行うことがある。 上記の業務を行っているとAWS、Google Cloud、Azureなどのクラウドサービスの設計、構築が時々話題になり、エンジニアさんの話についていけなくなることが発生した。 PM
2023年度の確定申告完了 10万以上の還付！ 記入ミス？当初ふるさと納税をしていたので数万円の還付がされる想定だった。 （ふるさと納税は翌年の住民税から直接控除なので還付に影響はない。寄付金控除として所得の計算には影響するが微々たるもの。） しかし作業完了してみると結果10万を超える還付になった！！ はじめは入力内容にミスがあるのだと思い以下をチェック 記入ミスのチェック 概算にて各所得に対する税金を計算し検算 なぜか株式の配当金関係の利益が給与所得などと一緒に
データメッシュ概要説明 データの分散管理をしようという考え方 これまでの主流の考え方 データレイク、データウェアハウス TDやSnowflakeといったデータウェアハウスを利用して社内のデータを一か所にまとめて管理する。 課題 大企業だとすでに部署・店舗ごとに異なるデータ管理をしているなどで一か所にまとめるのが現実的ではない。 解決策 今まで通り部署・店舗ごとにデータ管理でOK ただしビッグデータ分析などで部署・店舗横断でデータ活用していく必要がある。そのために全体
なんのためにテストやるのかプログラムが問題なく動いてないかのチェック（処理時間や負荷などもチェック対象） コードを変更したときに変更していない箇所に問題が起きていないかが確認できる テストするのが1回だけであればテストをコード化する必要はない。コード変更の度に何回もテスト必要なのであればコード化しておくことで工数削減できる。かつ作業者によってテスト漏れが発生することがなくなる。（品質担保） なぜPytestなのかある程度決まった型（ライブラリ）に合わせてテスト実装で
タイミング2020年：コロナ流行により一時的に下落2020~2022年：在宅ワークなどによりIT系中心に株価上昇2022年：最高値に2022年～：ロシアのウクライナ侵攻。資源を中心にインフレ→金利上昇→株価下落2023年終わり：2022年ごろ近くまで再び上昇 過去の最高値近くまで戻し株価の割合高くなってきているのでリバランス 方針米国債（AGG）へのリバランス 個別銘柄の整理→特定ETFへ整理 作業内容個別銘柄を整理 利益5%以上を株を売却 米国株ETFについ
課題感各種AWSサービス（ES2, ECS, RDSなど）の設定など開発の際に必要になるインフラリソースの設定、管理が各場所に散らばっている。 設定の見直しやバージョンアップの管理がしずらい、手動設定のミスが発生する可能性がある リソースの依存関係の管理がしづらい。 テストやステージングのための同一環境の構築が面倒 インフラの専門知識がないと環境構築ができない 解決策IaC (Infrastructure as code) ＝＞ インフラ情報をテキストファイル管理
テーブル管理構成の課題感テーブルを作る際どこまでデータの整備をすればいいか責任範囲が各チームで曖昧 各チームのテーブル管理、中間テーブル作成のルールが曖昧 テーブルごとにルールが異なり分かりづらい テーブル間のTransform処理の連携がうまくいかない カラム変更 同期ずれ テーブル管理階層の提案DBTのディレクトリ構成をもとにデータベースのファイル管理をどうするべきかの構想。Snowfake×DBTを使っていることを前提としている。 参考 階層構造イメージ
参考動画【Docker入門】初心者向け！Dockerの基本を学んでコンテナ型の仮想環境を作ろう！ 他にもDockerの解説動画はあったが、言葉の説明だけでは利用イメージがつかめなかった。 この動画は実際に手を動かしながら学んでいける形式でわかりやすかった。 こういった一緒に手を動かす系の動画は実際にやってみると前提としている知識がなさ過ぎたり、エラーが起きたりして置いていかれることが多い。 しかしこの動画は丁寧に一つ一つどのツールでどのように処理すればいいのかを解説して
概要LeanとDevOpsの科学［Accelerate］ 開発チームの生産性を上げることで会社全体の生産性を上げたいということを目的とした研究報告書 結論、開発チームの生産性を測る指標として4Keysを提案し その４Keysを伸ばすためのケイパビリティを提案している。 学術論文の側面が強いため生産性の指標として4keysが妥当か、そのケイパビリティが本当に４Keys(生産性)に影響しているのかの検証などに重きが置かれていた。 各ケイパビリティがどのようにして組織パ
参考動画：CI/CD【サイボウズ開運研修2021】 https://www.youtube.com/watch?v=s597DjqgHyM CICDを導入する課題感たくさんのエンジニアで一つのプロダクトを開発するとき、プログラムの結合のタイミングでまとめてたくさんのバグが見つかる。 それぞれ修正作業同士が新たなバグを生み修正作業が終わらない バグが作られてから発見、解決までのタイムラグが発生する スケジュールが見積もりづらくなる 上記のような課題を解決するために考え
