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
地方エンジニアの日常 - 業務からコミュニティ活動まで
Search
Tomokazu Kiyohara
May 11, 2019
Research
0
300
地方エンジニアの日常 - 業務からコミュニティ活動まで
WIDE Project 研究会 2019年5月 LT枠
Tomokazu Kiyohara
May 11, 2019
Tweet
Share
More Decks by Tomokazu Kiyohara
See All by Tomokazu Kiyohara
読めるかな?ちょっとレアなRubyの記法
kiyohara
0
59
Lightning Talk イベント運営を いいがにやりたい
kiyohara
0
50
首負担皆無!ゼログラビティ プログラミングスタイル
kiyohara
0
370
北陸で Ruby なお仕事に携わるための3つの戦略
kiyohara
1
1.6k
Algolia in CAMPFIRE
kiyohara
0
3.6k
Web to macOS native app
kiyohara
0
400
金沢アプリ開発塾セミナー資料「テストについて」
kiyohara
1
270
Git インフラ選定事例 - 株式会社クルウィットが GitHub を選んだ理由
kiyohara
0
510
ベッドで技術書を快適に読むただひとつの方法
kiyohara
19
23k
Other Decks in Research
See All in Research
Introduction of NII S. Koyama's Lab (AY2025)
skoyamalab
0
470
ストレス計測方法の確立に向けたマルチモーダルデータの活用
yurikomium
0
480
定性データ、どう活かす? 〜定性データのための分析基盤、はじめました〜 / How to utilize qualitative data? ~We have launched an analysis platform for qualitative data~
kaminashi
6
1k
A multimodal data fusion model for accurate and interpretable urban land use mapping with uncertainty analysis
satai
3
210
Looking for Escorts in Sydney?
lunsophia
1
120
Google Agent Development Kit (ADK) 入門 🚀
mickey_kubo
2
930
電通総研の生成AI・エージェントの取り組みエンジニアリング業務向けAI活用事例紹介
isidaitc
1
160
Streamlit 総合解説 ~ PythonistaのためのWebアプリ開発 ~
mickey_kubo
1
870
3D Gaussian Splattingによる高効率な新規視点合成技術とその応用
muskie82
5
2.4k
Adaptive Experimental Design for Efficient Average Treatment Effect Estimation and Treatment Choice
masakat0
0
130
Mathematics in the Age of AI and the 4 Generation University
hachama
0
160
LLM-as-a-Judge: 文章をLLMで評価する@教育機関DXシンポ
k141303
3
800
Featured
See All Featured
Easily Structure & Communicate Ideas using Wireframe
afnizarnur
194
16k
Build your cross-platform service in a week with App Engine
jlugia
231
18k
Navigating Team Friction
lara
186
15k
Cheating the UX When There Is Nothing More to Optimize - PixelPioneers
stephaniewalter
281
13k
Let's Do A Bunch of Simple Stuff to Make Websites Faster
chriscoyier
507
140k
Evolution of real-time – Irina Nazarova, EuRuKo, 2024
irinanazarova
8
780
Principles of Awesome APIs and How to Build Them.
keavy
126
17k
Making the Leap to Tech Lead
cromwellryan
134
9.3k
Why Our Code Smells
bkeepers
PRO
337
57k
The Web Performance Landscape in 2024 [PerfNow 2024]
tammyeverts
8
650
Testing 201, or: Great Expectations
jmmastey
42
7.5k
Keith and Marios Guide to Fast Websites
keithpitt
411
22k
Transcript
ํΤϯδχΞͷৗ ۀ͔ΒίϛϡχςΟ׆ಈ·Ͱ 8*%&1SPKFDUݚڀձ݄-5 *5Ϗδωεϓϥβଂ ਗ਼ݪஐ
ࣗݾհ w ਗ਼ݪஐ w +"*45ത࢜લظमྃ w ࣰాݚڀࣨ w גࣜձࣾΫϧΟοτॴଐ w
ੴݝʑࢢࢢ
͍͑ͨ͜ͱ w ౦ژʹ͚ͯӋ͖͕ͨͪͳֶੜ͞Μͷ಄ͷย۱ʹ ํΤϯδχΞͱ͍͏બࢶΛΓࠐ·͍ͤͨ w ͦΜͳʹѱ͘ͳ͍Α
ΞδΣϯμ w ࣄͷ༰ w ۈͷ͔ͨ͠ w ίϛϡχςΟ׆ಈ
ΞδΣϯμ w ࣄͷ༰ w ۈͷ͔ͨ͠ w ίϛϡχςΟ׆ಈ
ࣄͷ༰ w ݚڀػߏ༷ͷ͓ࣄ w ΫϥυϑΝϯσΟϯάαʔϏε༷ͷ͓ࣄ w ํاۀ༷ͷ͓ࣄ w FUD
ݚڀػߏ༷ͷ͓ࣄ w େن࣮ݧڥ੍ޚػߏͷߏஙิॿ w ͍ΘΏΔडୗ։ൃ w ٕज़ҠసΛ׆༻ͨ͠ηΩϡϦςΟαʔϏεͷߏங w ࣗࣾαʔϏεͷ࣮ӡ༻ w
࠷ઌͷݚڀʹ৮Εͳ͕Β։ൃ w ͨͷ͍͠
ΫϥυϑΝϯσΟϯάαʔϏε༷ͷ ͓ࣄ w ػೳՃ࣮ӡ༻ͷ͓ख͍ w SBJMT DJSDMFDJ BXT HJUIVC TMBDL
IVCPU SPMMCBS BTBOB UFSSBGPSN TFOEHSJE WVFKT w #UP$ͳαʔϏεΛΠϚυΩͳٕज़Λͬͯ࡞Δ w ͨͷ͍͠
ํاۀ༷ͷ͓ࣄ w ༌ग़ʹ͔͔ΔडൃγεςϜͷ৽ن࡞ͱӡ༻ w SBJMT DJSDMFDJ BXT HJUIVC TMBDL IFSPLV
QBQFSUSBJM QPTUHSFTRM SFEJT OFXSFMJD w #UP#ͳαʔϏεΛׂͱ৽͍ٕ͠ज़Λͬͯ࡞Δ w ͨͷ͍͠
ํͰΘΓͱָ͍͠ ͓ࣄͰ͖ͦ͏͡Όͳ͍ʁ
ΞδΣϯμ w ࣄͷ༰ w ۈͷ͔ͨ͠ w ίϛϡχςΟ׆ಈ
ۈͷ͔ͨ͠ w ׂϦϞʔτ w ׂिʹʑࢢͷࣄॴʹग़ۈ w ͦΕҎ֎ͯࣗ͢ͰରԠ w ͓٬༷ͷࣄͱΑΓࣾۀ
ۈͷ͔ͨ͠ w ࿈བྷखஈ4MBDL;PPN(4VJUF .BJM w ࢿྉڞ༗खஈ w (4VJUF
%SJWF w %SPQCPY w ΦϯϓϨϑΝΠϧαʔόʔʹ71/ܦ༝Ͱ
ۈͷ͔ͨ͠ w ϦϞʔτϫʔΫΛࢧ͑Δࣾձతڥ͕ेཱ֬ͨ͠ w ςΫϊϩδʔɾαʔϏεͱΑΓ w Ϗδωεʹ͔͔ΘΔਓͷʮҙࣝʯมΘͬͨ w ϦϞʔτͰ͍͍ΑͶɺͱ͍͏ίϯςΩετ
w ͪΖΜ՝͋Δ͕ӽ͑ΒΕͳ͍͜ͱͳ͍ w ͜Ε͔Βઌ͞Βʹӽ͑͘͢ͳΔͣ
ॴʹറΒΕͳ͍ۈ Ͱ͖ͦ͏͡Όͳ͍ʁ
ΞδΣϯμ w ࣄͷ༰ w ۈͷ͔ͨ͠ w ίϛϡχςΟ׆ಈ
ίϛϡχςΟ׆ಈ w ͍͔ͭ͘ͷίϛϡχςΟͰӡӦͱͯ͠׆ಈ w ,BOB[BXBSC w $PEFGPS,BOB[BXB
,BOB[BXBSC w 3VCZษڧձίϛϡχςΟʜͱͯ͠͡·ͬͨ w ͍·Ͱ3VCZ͚ͩͰͳ͋͘ΒΏΔٕज़ʹؔ͢Δใަͷ w ຖ݄ճNFFUVQΠϕϯτΛ࣮ࢪʢ݄Ͱճͷ։࠵ʣ w ࣾձਓ͚ͩͰͳֶ͘ੜ͞Μଟ͘ࢀՃ w
ۚେֶɺۚۀେֶɺੴߴઐFUD w +"*45मྃੜଟʂ w IUUQTL[SCPSH
$PEFGPS,BOB[BXB w ʮγϏοΫςοΫʯͱ͍͏ΩʔϫʔυͷͱɺҬͷ՝ΛҬ ʹॅΉࢢຽ͕ࣗ*5σβΠϯͷྗΛ͍ͪͯࣗओతʹղܾ͢Δ Λ࡞Δ͜ͱΛඪͱͯ͠׆ಈ͢ΔҰൠࣾஂ๏ਓ w ۚࢢͷʮ͝ΈͷνΣοΫπʔϧʯΛ࡞ w શࠃͷίϛϡχςΟ͕ಠࣗ൛Λ࡞ w
ۚࢢͱڞಉͰֶੜ͚ແྉΞϓϦ։ൃษڧձΛ։࠵ w ຖ݄ճNFFUVQΠϕϯτʢ$JWJD)BDL/JHIUʣΛ࣮ࢪ w IUUQDPEFGPSLBOB[BXBPSH
Ͱ׆ಈ͢Δ༷ʑͳίϛϡχςΟ w +"846(,BOB[BXBʢੴʣ w ,BOB[BXB*P5ʢੴʣ w ;͘͘ձʢҪʣ w 5PZBNBSCʢࢁʣ w
)PLVSJLV/&5ʢݝʣ w FUD
ํʹ ಉ࢜ͷ͍ؒΔΑʁ
͍͑ͨ͜ͱ w ౦ژʹ͚ͯӋ͖͕ͨͪͳֶੜ͞Μͷ಄ͷย۱ʹ ํΤϯδχΞͱ͍͏બࢶΛΓࠐ·͍ͤͨ w ͦΜͳʹѱ͘ͳ͍Α
ิ w ౦ژΑΓʮ͍͍ʯͱ͍͏Ͱͳ͍Ͱ͢ w ྑ͍ͱ͜Ζ͋Δ͠ѱ͍ͱ͜Ζ͋Δ w બࢶΛ૿͍͚ͯͨͩ͠Ε
ิ w ίϛϡχςΟͷنʹؔͯ͠ਓޱͷͳͷͰԿ ΛͲ͏ߟ͑ͯ౦ژͷํ͕͍͍Ͱ͢ w ͱ͍͑ɺθϩ͡Όͳ͍ΜͩΑʂͱݴ͍͍ͨ w ࣄ༰ۈܗଶʹ͍ͭͯɺΫϧΟοτ͚ͩ ͕ಛผͱ͍͏͜ͱͳ͍ɺͣʂ
w ͓ͦΒͨ͘ͿΜ͖ͬͱ
͓ΘΓ