Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
G検定 傾向と対策
Search
h-fkn
August 01, 2018
Technology
0
32
G検定 傾向と対策
2018年G検定に合格した時の勉強したことあれこれ
h-fkn
August 01, 2018
Tweet
Share
More Decks by h-fkn
See All by h-fkn
The advantages and disadvantages of using machine learning with enebular
fkn0839
0
210
ラズパイで写真を撮った話_IoTLT_vol.66_2200812.pdf
fkn0839
0
300
俺のNETFLIX season2 AmazonPersonalize
fkn0839
0
290
俺のNETFLIX season1
fkn0839
0
180
ゆるふわマシーンラーニング#2_内容調整中()
fkn0839
0
210
ゆるふわマシーンラーニング「❝ Google AutoML Tablesでお手軽AI ❞と題して話すつもりだったけど、実際に使ったらお手軽()だった件について5分以内で話す」
fkn0839
1
3.9k
データ分析プロセス/AIアプリケーションの基本設計
fkn0839
0
160
DataScienceBOOTCAMP5th_part1
fkn0839
0
1.8k
G'SACADEMY LAB5th DataScience
fkn0839
0
150
Other Decks in Technology
See All in Technology
サービスメッシュ環境における OpenTelemetry 活用 / OpenTelemetry in Service Mesh
k6s4i53rx
2
870
Getting started with controlling LEGO using Swift
hcrane
0
140
技術広報経験0のEMがエンジニアブランディングをはじめてみた
coconala_engineer
1
140
LLMプロダクト事業の立ち上げにおける挑戦
layerx
PRO
7
1.5k
関数型DDDの理論と実践:「決定を遅らせる」を先につくり、 ビジネスの機動力と価値をあげる
knih
2
500
エンジニアブランディングチームの KPI / KPI's of engineer branding team
chaspy
1
140
中学生でもわかる深層学習
e869120
13
4.2k
KubeCon EU 2024 : Knative Maintainers Session
salaboy
0
380
中央集権体制からDataOpsへの転換 / centralized-to-dataops-transformation
pei0804
7
1.6k
長文から長文を生成するLLMツールをオープンソースで作ってみた。
tomohisa
2
150
技術イベントはなんとかひねり出す 日経の技術広報の取り組み/techpr3
nishiuma
0
230
8週連続ウェビナー_イチから学ぶFivetran
cmsuzu
0
170
Featured
See All Featured
Making Projects Easy
brettharned
106
5.4k
Cheating the UX When There Is Nothing More to Optimize - PixelPioneers
stephaniewalter
272
12k
Learning to Love Humans: Emotional Interface Design
aarron
266
39k
Testing 201, or: Great Expectations
jmmastey
27
6.3k
KATA
mclloyd
14
11k
The Psychology of Web Performance [Beyond Tellerrand 2023]
tammyeverts
5
1.4k
Creating an realtime collaboration tool: Agile Flush - .NET Oxford
marcduiker
11
1.4k
Six Lessons from altMBA
skipperchong
19
2.9k
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
mongodb
34
8.8k
BBQ
matthewcrist
78
8.7k
Teambox: Starting and Learning
jrom
126
8.4k
GraphQLの誤解/rethinking-graphql
sonatard
48
9.1k
Transcript
1ZUIPO HVJME)*%&'6,"/0 σʔλαΠΤϯεೖγϦʔζ ͱ ରࡦ +%-"%FFQ-FBSOJOHGPS(&/&3"-
ࣗݾհ ਂ ࢚ ʢ)JEF'VLBOPʣ !IJEFGLO ܦӦίϯαϧ ʢ`dʣ (`T"$"%&.: EFWظ 4UBSUVQ-FBEFSTIJQ1SPHSBN
ˠୀ৬ ϑϩϯτΤϯυΤϯδχΞ ʢ`dʣ %BUB4DJFODF#005$".1 ظ σʔλαΠΤϯςΟετ ݸਓࣄۀओ ʢ`dʣ ઃཱొه %456%*0 ཧࣄ
ࣗݾհ ਂ ࢚ ʢ)JEF'VLBOPʣ !IJEFGLO ܦӦίϯαϧ ʢ`dʣ (`T"$"%&.: EFWظ 4UBSUVQ-FBEFSTIJQ1SPHSBN
ϑϩϯτΤϯυΤϯδχΞ ʢ`dʣ %BUB4DJFODF#005$".1 ظ σʔλαΠΤϯςΟετ ݸਓࣄۀओ ʢ`dʣ ઃཱొه %456%*0 ཧࣄ
ܦӦίϯαϧ ʢ`dʣ (`T"$"%&.: EFWظ 4UBSUVQ-FBEFSTIJQ1SPHSBN ϑϩϯτΤϯυΤϯδχΞ ʢ`dʣ %BUB4DJFODF#005$".1 ظ
σʔλαΠΤϯςΟετ ݸਓࣄۀओ ʢ`dʣ ઃཱొه %456%*0 ཧࣄ ࣗݾհ ਂ ࢚ ʢ)JEF'VLBOPʣ !IJEFGLO ϓϩάϥϛϯά σʔλαΠΤϯε
+%-"ͬͯͬͯ·͔͢ʁ ը૾Ҿ༻ݩ63-IUUQXXXKEMBPSH
+%-"ͱ Ұൠࣾஂ๏ਓ ຊσΟʔϓϥʔχϯάڠձ +BQBO%FFQ-FBSOJOH"TTPDJBUJPO ຊڠձɺσΟʔϓϥʔχϯάΛத৺ͱ͢Δٕज़ʹΑΔຊͷ࢈ۀ ڝ૪ྗͷ্Λࢦ͠·͢ɻ ը૾Ҿ༻ݩ63-IUUQXXXKEMBPSH
ࢼݧ֓ཁ •తɿσΟʔϓϥʔχϯάʹؔ͢ΔࣝΛ༗͠ɺࣄۀ׆༻͢Δਓࡐ δΣωϥϦετ ͷҭ •֓ཁɿσΟʔϓϥʔχϯάΛࣄۀʹ׆͔ͨ͢ΊͷࣝΛ༗͍ͯ͠Δ ͔Λݕఆ͢Δ •ࢼݧ֓ཁɿɺ දࣔ͞ΕΔ ɺଟࢶબ ࣜɺΦϯϥΠϯडݧ
ࣗडݧ •डݧྉɿ ԁ ੫ࠐ
डݧ͠Α͏ͱࢥ͖͔͚ͬͨͬ Ͳͷ͘Β͍ͷ࣮ܦݧ͋Δͷʁ ʜࠓ͔ΒͰ͢
डݧ͠Α͏ͱࢥ͖͔͚ͬͨͬ େֶӃͰ౷ܭΛษڧͯͨ͠ͷʁ ʜͯ͠·ͤΜ
डݧ͠Α͏ͱࢥ͖͔͚ͬͨͬ ͍ͬͯ͏͔ɺए͍ΑͶʁେৎʁ ʜʢͦΕؔͳ͘Ͷʁʣ
None
None
डݧͷಈػ·ͱΊ σʔλੳ "*ΞϧΰϦζϜ։ൃۀΛߦ͏্Ͱɺ٬؍తͳεΩϧηοτΛ ༻ҙ͢Δ͜ͱʹΑͬͯɺΫϥΠΞϯτاۀʹ৴པͯ͠Β͍͍ͨ ΤϯδχΞϦϯάεΩϧ͕ڧ͍σʔλαΠΤϯςΟετͱࠩผԽΛ͔Δͱ ͯ͠ɺࣝϨϕϧҰఆͷ࣭Λ୲อ͔ͨͬͨ͠ ࠷ۙʹͳͬͯɺਓࡐͷूஂࣗମগͳ͍ͷʹ͔͔ΘΒͣɺҭ͢Δε
λϯεͷ͋Δاۀগͳ͘ɺ࣮Ҏ֎ͷ৴པͷ୲อΛ֫ಘ͍ͨ͠ डݧ͢Δ͔ʜ
߹֨ͨ݁͠Ռʜ
߹֨ͯ͠Α͔ͬͨ͜ͱ ࢲड͚Α͏ͱࢥͬͯͨΜͰ͢Αʂ ք۾ͷਓͱձͷ͖͔͚ͬʹͳΔ
߹֨ͯ͠Α͔ͬͨ͜ͱ ख๏બͷࠜڌʹࣗ৴͕࣋ͯΔΑ͏ʹͳͬͨ Ϟσϧߏங·ͰͷϓϩηεΛ಄ͷதͰඳ͚Δ Α͏ʹͳͬͨʢੳͷਐΊํͷޮԽʣ αʔϏε։ൃʹ͓͍ͯɺ%#ઃܭΛਫ਼៛ʹߟ ͑ΒΕΔΑ͏ʹͳͬͨ
࣮ͱݕఆͱͷڑײʹ͍ͭͯࢥ͏͜ͱ ͋͘·Ͱࣝͷཧͱͯ͠༗༻ ࣮ྗͷ୲อͳΒ&ݕఆ˞ʢͱ͍͑ʜ %FFQ-FBSOJOHΛ͏1+ʹग़ձ͑Δڥʹ͍Δ͔ ੳࢹͰ·ͣઆ໌ੑͷߴ͍ख๏͕Φεεϝ
ੳͱ࣮ʹࣗ৴͕ͭ͘͜ͱ͚ͩͰे͔
1ZUIPO HVJME)*%&'6,"/0 σʔλαΠΤϯεೖγϦʔζ ͱ ରࡦ +%-"%FFQ-FBSOJOHGPS(&/&3"- ͜Ε͚ͩ(ݕఆ
ҙࣄ߲ͱલఏ ͋͘·ͰؒͰ߹֨͢ΔͨΊͷख๏ %-ͷຊ࣭Λֶͼ͍ͨͳΒদඌݚ(0ʂ ؔͷҙຯཧղͰ͖Δ ࣮ྗผ
গ͠ػցֶशʹ৮Εͨ͜ͱ͕͋Δ
ग़େ͖͚ͯͭ͘ ᶃਓೳʢ"*ʣجૅࣝ ᶄػցֶशͷੳख๏ ᶅσΟʔϓϥʔχϯά ɾ։ൃͷͨΊͷεϖοΫ ɾ$//ͱ3// ɾཱ֬·Ͱͷྺ࢙ ɾࣾձ࣮
ֶश͢Δॱং͜͏ʂ ਓೳʢ"*ʣجૅࣝ ػցֶशͷੳख๏ σΟʔϓϥʔχϯά ɾ։ൃͷͨΊͷεϖοΫ ɾ$//ͱ3// ɾཱ֬·Ͱͷྺ࢙ ɾࣾձ࣮ ᶃ ᶄ
ᶅ
ͬͺΓ%FFQ-FBSOJOHख๏ͷҰͭͰ͔͠ͳ͍ ਓೳ ػցֶश ఆྔԽ͍ͨ͠ ਓؒͷػೳ ˠ ը૾ೝࣝ ࣖ ˠ
Իೝࣝ ޱ ˠ ࣗવݴޠॲཧ ײ֮ͷఆྔԽʹ͓͍ͯ ৮֮ɾຯ֮ɾᄿ֮ɾମੑײ֮ݚڀதʁ ͱʹ͔͘ૉਓ͕͙͢ʹ࣮Ͱ͖ͳ͍ ઢܗճؼ ϩδεςΟοΫճؼ ܾఆ %5 47. ਂֶशʢ%-ʣ ֶशͱ ͚Δ͜ͱ ͚Δ͜ͱ͕Ͱ͖Δ͔ΒஅͰ͖Δ ࣄલʹஅͰ͖Δ ༧ଌͰ͖Δ
֓೦ΑΓઌʹֶशͱԿ͔ΛઌʹֶͿ ਓೳ ػցֶश ఆྔԽ͍ͨ͠ ਓؒͷػೳ ˠ ը૾ೝࣝ ࣖ ˠ
Իೝࣝ ޱ ˠ ࣗવݴޠॲཧ ઢܗճؼ ϩδεςΟοΫճؼ ܾఆ %5 47. ਂֶशʢ%-ʣ ਓೳͱԿ͔ʁΑΓ ઌʹֶशͱԿ͔ΛΔ
ਓೳͷݚڀͷྺ࢙͚͍ͩͬͯ͘ ਓೳ ػցֶश ఆྔԽ͍ͨ͠ ਓؒͷػೳ ˠ ը૾ೝࣝ ࣖ ˠ Իೝࣝ
ޱ ˠ ࣗવݴޠॲཧ ઢܗճؼ ϩδεςΟοΫճؼ ܾఆ %5 47. ਂֶशʢ%-ʣ ਓೳͱԿ͔ʁ ݚڀͷྺ࢙͔Βཧղ͢Δ
ݚڀͷྺ࢙Λ͏Α͏ʹ%-Λཧղ͍ͯ͘͠ ਓೳ ػցֶश ఆྔԽ͍ͨ͠ ਓؒͷػೳ ˠ ը૾ೝࣝ ࣖ ˠ
Իೝࣝ ޱ ˠ ࣗવݴޠॲཧ ઢܗճؼ ϩδεςΟοΫճؼ ܾఆ %5 47. ਂֶशʢ%-ʣ $//ʢΈࠐΈχϡʔϥϧωοτʣͱ 3//ʢ࠶ؼܕχϡʔϥϧωοτʣͷཧղ͕ ۩ମతʹਂ·͍ͬͯ͘
ࢦఆਤॻ ЋͰ࠷߹֨Λ࣮ݱ͢Δ
ࢦఆਤॻภΓա͗ ਓೳʢ"*ʣجૅࣝ ػցֶशͷੳख๏ σΟʔϓϥʔχϯά ɾ։ൃͷͨΊͷεϖοΫ ɾ$//ͱ3// ɾཱ֬·Ͱͷྺ࢙ ɾࣾձ࣮ ᶃ ᶄ
ᶅ
ิॆ͖͢Ұ͜Ε͚ͩ ਓೳʢ"*ʣجૅࣝ ػցֶशͷੳख๏ σΟʔϓϥʔχϯά ɾ։ൃͷͨΊͷεϖοΫ ɾ$//ͱ3// ɾཱ֬·Ͱͷྺ࢙ ɾࣾձ࣮ ᶃ ᶄ
ᶅ
ࢦఆਤॻ ЋͰ࠷߹֨Λ࣮ݱ͢Δ डݧʂ ఔͰ ͔ͬ͠Γप ௨ۈͷಡΈͱͯ͠͞Βͬͱ ཧʙ ྺ࢙͕ॏෳͯ͘͠ΔͷͰɺཧղ͕ਂ·Δ ˢްա͗ͯઌʹΔͱɺϝϯλϧ࣋ͨͳ͍ ˢઐతա͗ͯઌʹΔͱɺϝϯλϧ࣋ͨͳ͍
ɾΘ͔Βͳ͍୯ޠάάͬͨ΄͏͕٢ ɾྺ࢙ɺ۩ମతͳݚڀऀཱ֬͞Εͨ ख๏ϊʔτʹ·ͱΊΔ
͜Ε͚ͩσʔλαΠΤϯε ڭࢣ͋Γֶशͱڭࢣͳֶ͠शɺڧԽֶशͷҧ͍Λ ख๏ Έͦͷ෦ҐͰώτʹ͑Β͑Δ͔ʁ σʔλΫϨϯδϯάɾਖ਼نԽ͢Δཧ༝ΛཧղͰ͖ ͍ͯΔ͔ʁ ख๏͝ͱͷಘҙɾෆಘҙ͕େ·͔ʹཧղͰ͖͍ͯ
Δ͔ʁྨͱճؼͷ͍Ͳ͜Ζʁ
͜Ε͚ͩσʔλαΠΤϯε ڭࢣ͋Γֶश ओʹখ͕୲͏ɻֶशऀʹର͠ɺڭࣔऀ͕໌ࣔతʹਖ਼ྫΛఏࣔͨ͠ΓɺֶशऀͷޡΓΛࢦ ఠ͢Δ͜ͱͰɺֶशऀ͕ਖ਼͍͠ղΛಘΔ͜ͱΛॿ͚Δ ڭࢣͳֶ͠श ओʹେൽ࣭͕୲͏ɻ౷ܭతੑ࣭ɺ͋Δछͷ߆ଋ݅ʹΑΓೖྗύλʔϯΛྨͨ͠Γɺ நԽͨ͠Γ͢Δֶशɻ
ڧԽֶश ओʹɺେجఈ͕֩୲͏ɻ࠷ऴ݁Ռ్͘͠தܦաʹରͯ͠ɺͲͷఔΑ͔͔ͬͨΛࣔ ͢ʮใु৴߸ʯʹج͖ͮɺ͜ΕΒͷใुΛͳΔ͘େ͖͘͢ΔΑ͏ʹ୳ࡧ͢Δ
͜Ε͚ͩσʔλαΠΤϯε ڭࢣ͋Γֶश ޡࠩٯ๏˞ͱ͍͏ΞϧΰϦζϜΛཧղͭͭ͠ɺܾఆʢ%FDJTJPO5SFFʣͳͲΛʜ ڭࢣͳֶ͠श ओੳɺࣗݾ৫ԽϚοϓͳͲͷ࣍ݩѹॖʢ%JNFOTJPOBMJUZ$PNQSFTTJPOʣख๏ ڧԽֶश %2/
%FFQ2/FUXPSL͘͠ %FFQ2-FBSOJOH/FUXPSL %%2/ "$ "TZODISPOPVT"EWBOUBHF"DUPS$SJUJD
͜Ε͚ͩਓೳͷྺ࢙ ϒϨʔΫεϧʔΠϕϯτͰྺ࢙Λྨ ϒʔϜऴᖼͷཧ༝͕ɺख๏ͷ՝ཧղʹͭͳ͕Δ ຊ͕ੈքʹউͭͨΊʹʮମੑʯͷ֫ಘ ˠ ཁϩϘοτͷ࣮
͜Ε͚ͩਓೳͷྺ࢙ ୈ࣍"*ϒʔϜʮ୳ࡧɾਪͷ࣌ʯʢʣ ˠ τΠɾϓϩϒϨϜղ͚ͯɺݱ࣮ͷղ͚ͳ͍ ୈ࣍"*ϒʔϜʮࣝͷ࣌ʯʢʙʣ ˠ ֶशͰ͖Δ͕ɺΊͬͪΌ͔͔࣌ؒΔΜʢӬԕʜʣ ୈ࣍"*ϒʔϜʮػցֶशͱಛදݱֶशͷ࣌ʯ ˠจࣈೝࣝͳͲͷύλʔϯೝࣝͰج൫ٕज़͕ੵ σʔ
λ͕૿Ճ ˠ ίϯϐϡʔλ͕ࣗΒಛྔΛ࡞Γग़͢
͜Ε͚ͩσΟʔϓϥʔχϯά ը૾ ΈࠐΈχϡʔϥϧωοτʢ$//ʣ ࣗવݴޠʢςΩετʣ Ի ࠶ؼܕχϡʔϥϧωοτʢ3//ʣ
ͦͷ΄͔ʢྺ࢙ɺ૯ʣ ॱܕɺࣗݾූ߸ԽثɺӅΕϚϧίϑɺFUDʜ
͓ΘΓʹʜ࠷ۙࢥ͏͜ͱ ྲྀߦ͍ͬͯΔ͔Β ֶΜͰΈͨͱͯ͠
͓ΘΓʹʜ࠷ۙࢥ͏͜ͱ ֶΜͩࣝ Θͳ͍ͱΕΔ
͓ΘΓʹʜ࠷ۙࢥ͏͜ͱ ࣮͠ͳ͖Όͳʜ
࣮ʹ͚ͯ ͠ɺ͋ͳ͕ͨػցֶशʢ͋Δ͍%-ʣΛ͍͍ͨͳΒʜ ʢࢲ͕ɺػցֶशͱXFCΞϓϦΛབྷΊΔ্Ͱ࠷ۙॏཁͩͳͬͯࢥ͍ͬͯΔ͜ͱʣ ԿΛ༧ଌ͍͔ͨ͠ʁΑΓઌʹɺԿΛྨ͍͔ͨ͠ʁ ࣾձͰʮ͚Δਫ਼ʯ͕͍໘͔Βݟ͚ͭΑ͏ உঁͷ͚ํΛػցֶशͰ༧ଌ͢Δඞཁ͕͋Δͷ͔ʁ
σʔλ͕͋Δ͔ʁ͋Δ͍ɺೖख͍͔͢͠ʁ ఏڙऀɺ͋ͳͨʹσʔλΛఏڙ͢ΔϝϦοτ͕͋Δ͔ʁ ങ͍͍ͨͷΛઌಡΈͯ͘͠ΕΔͳΒɺങ͍ཤྺڭ͍͍͑ͯʁ
1ZUIPO HVJME)*%&'6,"/0 σʔλαΠΤϯεೖγϦʔζ ͱ ରࡦ +%-"%FFQ-FBSOJOHGPS(&/&3"- ͓ΘΓ