SlideShare a Scribd company logo
1 of 52
乱数調整概説
Blastoise_X
Ⅰ.擬似乱数の種類と性質
擬似乱数とは
乱数列とは
⇒ランダムな数の並び (例:サイコロの出目)
サイコロの目は完全にランダムだけど…
毎回サイコロを振るのは時間がかかる!
⇒計算で乱数(に見えるもの)を作ろう!
この擬似乱数を出力する計算機が擬似乱数生
成器(Pseudo random number generator;
PRNG)と呼ばれます。
→PRNG ってどんなもの?
乱数
擬似乱数
擬似乱数生成器
乱数の「種」
• 乱数のもとになる
• 実際は何らかの数値
PRNG
• 種に処理を行う
• 足したり掛けたり
擬似乱数
• 出力されたもの
• 何が出力されるか
は一見ランダム
?
→PRNG にはどんな種類があるの?
擬似乱数生成器
第 3 ~ 5 世代のポケモンのゲーム内で使われて
いる擬似乱数生成器は主に以下の 2 つ
・線形合同法(Linear congruential generator; LCG)
・メルセンヌ・ツイスタ(Mersenne twister; MT)
それぞれが使われている項目
LCG:たくさん
MT:第4世代のタマゴ性格値、第 5 世代の
ほとんどの個体値、その他諸々
⇒ポケモンほとんど LCG !!!
線形合同法(LCG)
LCG のアルゴリズム
擬似乱数 = 𝐴 × 種 + C 𝑚𝑜𝑑 𝑀
⇒ 𝑅 𝑛+1 = 𝐴 × 𝑅 𝑛 + C 𝑚𝑜𝑑 𝑀
現在の擬似乱数の値(𝑹 𝒏 )を A 倍して C を加え、
さらに M で割った余りを次の擬似乱数(𝑹 𝒏+𝟏 )
とするというのが線形合同法!
→実際にどんな計算をするのか、小さな値で実
験してみましょう
線形合同法(LCG)
A=3 C=0 M=7 と設定すると
𝑅 𝑛+1 = 3 × 𝑅 𝑛 + 0 𝑚𝑜𝑑 7
という形になっています
ここに種として 𝑅0 = 6 を与えると
𝑅1 = 3 × 6 + 0 𝑚𝑜𝑑 7
𝑅1 = 18 𝑚𝑜𝑑 7
𝑅1 = 4
となって、同様に
𝑅2 = 5 𝑅3 = 1 𝑅4 = 3 𝑅5 = 2 𝑅6 = 6 …
となります
線形合同法(LCG)
ここで得られた値を並べたものが擬似乱数列
になります
擬似乱数列: 6,4,5,1,3,2,6,4,5,1,3,2,6…
いま、 6,4,5,1,3,2 という 6 つの数字の並びが
繰り返されているのがわかります
⇒つまり、この擬似乱数列は周期性を持ち、
その周期は 6 である!
同じものが繰り返されることを”ループする”
と言いますよね
そこで、この LCG による擬似乱数列は次の
ように表せます
6
4
5
1
3
2
線形合同法(LCG)
周期 N を持っている=円周上に N 個の点が
あり、ループしている状態
この考えは周期が 6 でも 100 でも 43 億でも
常に成り立つので非常に重要!
線形合同法(LCG)
ポケモンでよく使われているLCG
Rn+1 = Rn * 0x41C64E6D + 0x6073
Rn+1 = Rn * 0x5D588B656C078965 +
0x269EC3
9FF1E41D
98ED56CC
5B487D4F
EE25CD16
1F9966D1
C84AD570
99856123
0575665A
1BC860C5
BF2B9A54
メルセンヌ・ツイスタ(MT)
 とっても優秀な PRNG
1. 周期が長いヤバい
32bitLCG : 232 (10 ケタ)
64bitLCG : 264 (20 ケタ)
MT : 219937-1 (6002 ケタ)
2. ランダム過ぎヤバい
前後の乱数との相関がほぼない
3. 逆算できないヤバい
LCG と違って逆算が困難
MT の詳しい説明は省略
擬似乱数の種類と性質
ここまでのまとめ
 ポケモンで使われてる擬似乱数は
主に LCG と MT の 2 種類
 擬似乱数は周期を持つ
Ⅱ.ゲーム内での擬似乱数
の利用方法
ゲーム内での擬似乱数の利用方法
ゲーム内でランダムな要素を引き起こすのに
擬似乱数が使われる
例:
草むらを歩いたときにエンカウントするか
出現するポケモンの種類はなにか
出現したポケモンの個体値はどうする…etc
他にも、さまざまな要素が擬似乱数を使って
決定されている!
⇒実際にどうやって決められているの?
擬似乱数の使い方
どれぐらいの高さ
で鳴こうかな・・・?
?
乱数 1 個くれ(需要)
乱数 1 個やる(供給)
PRNG
結
果
ん゛あ゛あ゛あ゛あ゛
あ゛ぁ゛ぁ゛あ゛
あ゛!゛!゛!゛!゛
擬似乱数は必要に応じて使用されている!
擬似乱数の使い方
実際に野生ポケモンとエンカウントしたとき
擬似乱数の使い方
?
種類決めるから乱数くれ
レベル決めるから乱数くれ
性格決めるから乱数くれ
その他諸々の乱数くれ
1個ずつ言って!
同じタイミングで行われている処理でも
実は決定される順番が決まっている!!
一連の処理について、各処理が行われる
順番をあらわしたものがスキーム!
スキーム (BW釣りでの一例)
特性判定
• フィールド上で効果がある特性(シンクロとかその他諸々)
が発動するかどうかの判定を行う
釣り判定
• 釣りが成功するかどうかの判定を行う
スロット
• 現在のフィールドで出現しうるポケモンの中から、どの種
類が出るかの判定を行う
レベル
• 上で決定されたスロットごとに割り当てられたレベルの範
囲をもとに、何レベルのポケモンが出現するかを決定する
性格値
• 出現するポケモンの性格値を決定する
性格
• 出現するポケモンの性格を決定する
スキーム
特性判定
釣り判定
スロット
?
乱数くれ
乱数やる
Ⅲ.個体生成の仕組みと
調整方法
個体生成の仕組み
I. 第 4 世代
i. 徘徊系
ii. 固定シンボル・野生
iii. 孵化
II. 第 3 世代
i. 固定シンボル
ii. 野生
III. 第 5 世代
i. 固定シンボル・野生
ii. 孵化
iii. その他
個体生成の仕組み
I. i. 第 4 世代徘徊系
スキームは
定数消費→性格値下位決定→性格値上位決定
→個体値(H,A,B)決定→個体値(S,C,D)決定
PID mod 25 の値で性格を決定
r(n) 7CF6 LID
PID
r(n+1) C5EE HID
r(n+2) FDDF HAB
r(n+3) 7FFF SCD
基本スキーム
LID (性格値下位)
HID (性格値上位)
HAB
SCD
個体生成の仕組み
I. ii. 第 4 世代固定シンボル・野生
諸処理(スロット決定,レベル決定, etc)
→性格決定→性格値探索→個体値決定
r[n] 乱数値 仮PID mod 25 性格
r[1] 8599
AD9E8599 7 のんき
r[2] AD9E
r[3] FA53
9A12FA53 20 おだやか
r[4] 9A12
r[5] C07F
85E7C07F 23 しんちょう
r[6] 85E7
r[7] DFBF
4CA6DFBF 21 おとなしい
r[8] 4CA6
r[9] 9C07
2ED69C07 8 わんぱく
r[10] 2ED6
r[11] 7CF6
C5EE7CF6 10 おくびょう
r[12] C5EE
例:r[0] でシンクロ可判定を受けて
性格が「おくびょう」に決定された
「おくびょう」になる
性格値が見つかるまで
探索する
調整方法
1. 目標となる個体値・性格を実現できる擬似
乱数の並びを検索する
r[n] 7CF6 LID
PID
r[n+1] C5EE HID
r[n+2] FDDF HAB 個体値
r[n+3] 7FFF SCD 個体値
おるでw
初期 seed 候補
(どれを選んでもいい)
2. 乱数の並びから遡ったところ
にある初期 seed 候補を見つける
1. の作業で見つかった並び
調整方法
3. 初期 seed 候補の 1 つで起動する
r[n] 7CF6 LID
PID
r[n+1] C5EE HID
r[n+2] FDDF HAB 個体値
r[n+3] 7FFF SCD 個体値
おったわw
初期 seed 候補
(どれを選んでもいい)
4. 目標の並びを達成できるよう
に乱数を消費する
1. の作業で見つかった並び
甘い香りの消費…?
第 4 世代の乱数調整手順を書いたブログ記事
を見てみるとよく出てくる
甘い香りで 1 消費 とか
徘徊復活で 1 消費 とか
こんなものありません
スキームをもとに乱数リストを手作業で追っ
てみれば、どの乱数から個体生成に入ればい
いかが理解しやすいと思います
個体生成の仕組み
I. iii. 第 4 世代孵化
2 つのステップに分かれる
①性格値生成……タマゴ生成時
②個体値生成……タマゴ受取時
①性格値生成
LCG 1 つを使用してタマゴ生成判定
→MT 1 つを使用して性格値決定
調整手順は、目標性格値を実現できるよ
うに MT を調整した後、タマゴ生成判定
が受けられるよう LCG を調整
個体生成の仕組み
②個体値生成
基礎個体値(H,A,B)→基礎個体値(S,C,D)
→遺伝箇所→遺伝親
調整手順については、原理的には捕獲と
同じ
個体生成の仕組み
II. i. 第 3 世代固定シンボル
基本スキームは第 4 世代徘徊系と一緒!
性格値下位決定→性格値上位決定
→個体値(H,A,B)決定→個体値(S,C,D)決定
調整手順に行く前に…
第 3 世代に特有の事情の説明を…
第 3 世代の乱数事情
第 3 世代の LCG はゲーム起動時からの時間
経過とともに常に更新されている!
実際のゲーム内では 1 秒間に約 60 回程度の
LCG の更新が起こっている
⇒目的となる乱数列の実現は「消費」というよ
り「待機」によって達成される!
個体生成の仕組み
II. ii. 第 3 世代野生
基本スキームは第4世代野生と一緒!
諸処理(スロット決定,レベル決定, etc)
→性格決定→性格値探索→個体値決定
ところが!
LID→HID→H,A,B→S,C,D の途中が 1 つ飛ぶ
ことがある!
気を付けよう!
ここだけの話 ~メソッドズレ~
スキームは性格値探索→個体値決定
諸処理
r[0] 性格決定
r[1] 仮 LID
r[2] 仮 HID
・ ・
・ ・
・ ・
・ ・
r[2n+1] LID
r[2n+2] HID
r[2n+3] 個体値
r[2n+4] 個体値
性格値なかなか決まらないねー(*´・ω・)(・ω・`*)ネー
けっこう時間かかるねー(*´・ω・)(・ω・`*)ネー
VBlank
自分割り込みいいッスかww
LID HID
ここが長くなると時間がかかる!
個体値を決定する処理の呼び出しは時間が
かかるみたいで呼び出してるうちに乱数が
1 つ余分に進むことがある!
⇒メソッド 2, 4 の出現!
第 3 世代ループの話
Emの
初期seed
RSの
初期seed
実際に遭遇できる
個体はごくわずか
Em や電池切れ RS では、ゲームを起動し
たときの擬似乱数の初期値が固定されると
いう現象があります
(当然ソフトリセットで起動した際も
同じ初期値になります)
そのため、擬似乱数のシステム上は最大
43 億通りあるはずの個体パターンも、
ゲーム起動直後に遭遇する個体に関しては
数十~数百パターン程度の範囲に収まりま
す
リセット厳選で何度も同じ個体に遭遇して
しまうというループ現象から「エメルー
プ」が命名され、今日の乱数調整に至って
いるという歴史につながります
個体生成の仕組み
III. i. 第 5 世代固定シンボル・野生
第 5 世代の生成は基本的に
個体値⇒ MT それ以外⇒ LCG
LCG で色々決めた後、個体値を MT で決めることが多い
スキーム
固定 シンクロ→性格値→性格
野生 シンクロ→スロット→スキップ
→性格値→性格
※第 5 世代以降は性格値と性格に関連なし!
調整方法
調整の原理は各世代と変わらないが、個体検索
段階が少し異なる
初期 seed 決定に一方向関数を使っていること
により、目標個体→初期 seed 候補の逆算がで
きないので、
初期 seed を総当りで計算→目標個体を実現で
きる初期 seed を選択する、という手順になる
個体生成の仕組み
III. ii. 第 5 世代孵化
BW と BW2 で事情が異なる
BW:受け取り時に性格値・個体値・遺伝箇
所がすべて決定される
BW2:前のタマゴを受け取りもしくは破棄し
た時点で次のタマゴの性格・特性・遺伝箇
所・個体値を決める擬似乱数列の初期値が決
定される
個体生成の仕組み
 BW2 孵化の利点って…?
孵化の事象を決める擬似乱数列がMTをもと
にして作られている
⇒NPC などが消費してしまう通常の LCG と
は独立しているので、人為的なミスがない限
り失敗する可能性が極端に低い
個体生成の仕組み
III. iii. その他
1)徘徊
個体値が HABDSC の順で決定
2)配達員
第 5 世代では珍しく個体値が LCG で決定
調整に失敗したら…
生成スキームをもとにして乱数調整を行った
のに失敗してしまうことは誰にでもある
失敗したときに重要なことは
1. 実際に出た結果を正確に把握する
2. 結果をもとに、修正すべきズレを補正する
3. なぜズレが生じたのか、その原因を考えて
次の失敗が起こらないようにする
Ⅳ.個体生成以外の乱数調整
個体生成以外の乱数調整
個体生成以外の乱数調整の例
 ID 調整
 隠し穴
 自販機 …etc
基礎とは言えないものが多い
でも、乱数調整の基礎さえわかっていれば
全て理解できる!
必要なのはそこら辺のブログに書いてある
“やり方” ではなく、
情報元が記載している “原理” !
情報の探し方
1. 信頼できる人が書いてるものを探す
2. 信頼できる人に聞く
3. 信頼できる人に調べてもらう
4. 自分で調べる
Ⅴ.未開の乱数の調査
※調査を行う前に
ここから先は乱数調整に対する深い理解が必
要になります
特殊な訓練を受けていない人が行うと動悸・
息切れ・めまいなどの諸症状にはじまり、最
悪の場合死に至ることもあります
実際に、「未開の乱数を調査してくる」とだけ
言い残して行方不明になった友人もいます
乱数調整は用法・用量をまもって正しく遊ん
でください
各世代の特徴
PRNG に 0-99 の評価を要求する場合
第 3 世代:乱数 mod 100
DPt:乱数 / 656
HGSS:乱数 mod 100
第 5 世代:乱数 * 100 の上 2 ケタ
となっていることが多い
調査の基本
調査対象の事象を 1 回発生させて、
どの乱数が
どれだけ
LCG の進み方を調べるには
HGSS⇒ウツギ電話
BW⇒レポート針
次に、調査数を増やしてスキームを予想しな
がら使われた乱数と結果を見比べる
消費されたかを確認する
おまけ:第 7 世代の乱数事情
第 7 世代の乱数事情
有志による血のにじむような調査の結果、第
7 世代での乱数調整が可能になりました
せっかくなので第 7 世代の乱数調整を少しだ
け解説しようと思います
第 7 世代の乱数事情
 孵化乱数
・TinyMT という最近の MT が使われている
卵の受け取りまたは拒否によって乱数が進む
が、乱数計算のもととなる値(seed)について
は更新されるのみで初期化されない
⇒一度 seed を求めてしまえば未来永劫産ま
れてくるタマゴの個体がわかるようになる!
第 7 世代の乱数事情
 固定乱数
・SFMT という新しい MT が使われている
SFMT はゲームを起動したときに、32bit の
初期 seed によって初期化されている
⇒取りうる初期 seed はたった 43 億通りしか
ないので、総当たり計算で現在の乱数列の元
となった seed を割り出すことができる!
終わりに
乱数調整の遊び方はいくらでもあります
先人の知恵を借りるもよし、
自分で調べるもよし
乱数調整の仕組みを知ることの重要性、
基礎の応用で可能性が広がること、
乱数調整の魅力、楽しさが少しでも伝われば
幸いです
おわり

More Related Content

What's hot

Unityで意外と簡単・・・だけど難しいVRコンテンツ
Unityで意外と簡単・・・だけど難しいVRコンテンツUnityで意外と簡単・・・だけど難しいVRコンテンツ
Unityで意外と簡単・・・だけど難しいVRコンテンツinfinite_loop
 
Laravel×DevOps -インフラ構築の自動化から運用ログの監視まで-
Laravel×DevOps -インフラ構築の自動化から運用ログの監視まで-Laravel×DevOps -インフラ構築の自動化から運用ログの監視まで-
Laravel×DevOps -インフラ構築の自動化から運用ログの監視まで-Shinichiro Yoshida
 
20分くらいでわかった気分になれるC++20コルーチン
20分くらいでわかった気分になれるC++20コルーチン20分くらいでわかった気分になれるC++20コルーチン
20分くらいでわかった気分になれるC++20コルーチンyohhoy
 
WebRTC SFU Mediasoup Sample update
WebRTC SFU Mediasoup Sample updateWebRTC SFU Mediasoup Sample update
WebRTC SFU Mediasoup Sample updatemganeko
 
Unicode文字列処理
Unicode文字列処理Unicode文字列処理
Unicode文字列処理信之 岩永
 
Modern C# Programming 現代的なC#の書き方、ライブラリの選び方
Modern C# Programming 現代的なC#の書き方、ライブラリの選び方Modern C# Programming 現代的なC#の書き方、ライブラリの選び方
Modern C# Programming 現代的なC#の書き方、ライブラリの選び方Yoshifumi Kawai
 
なぜ初心者は webpackが解らないのか?- Why can’t you understand the webpack? -
なぜ初心者は webpackが解らないのか?- Why can’t you understand the webpack? - なぜ初心者は webpackが解らないのか?- Why can’t you understand the webpack? -
なぜ初心者は webpackが解らないのか?- Why can’t you understand the webpack? - 健人 井関
 
ここがつらいよWebRTC - WebRTC開発の落とし穴
ここがつらいよWebRTC - WebRTC開発の落とし穴ここがつらいよWebRTC - WebRTC開発の落とし穴
ここがつらいよWebRTC - WebRTC開発の落とし穴mganeko
 
C++でCプリプロセッサを作ったり速くしたりしたお話
C++でCプリプロセッサを作ったり速くしたりしたお話C++でCプリプロセッサを作ったり速くしたりしたお話
C++でCプリプロセッサを作ったり速くしたりしたお話Kinuko Yasuda
 
バイトコードって言葉をよく目にするけど一体何なんだろう?(JJUG CCC 2022 Spring 発表資料)
バイトコードって言葉をよく目にするけど一体何なんだろう?(JJUG CCC 2022 Spring 発表資料)バイトコードって言葉をよく目にするけど一体何なんだろう?(JJUG CCC 2022 Spring 発表資料)
バイトコードって言葉をよく目にするけど一体何なんだろう?(JJUG CCC 2022 Spring 発表資料)NTT DATA Technology & Innovation
 
中3女子でもわかる constexpr
中3女子でもわかる constexpr中3女子でもわかる constexpr
中3女子でもわかる constexprGenya Murakami
 
Riverpodでテストを書こう
Riverpodでテストを書こうRiverpodでテストを書こう
Riverpodでテストを書こうShinnosuke Tokuda
 
Linuxのsemaphoreとmutexを見る 
Linuxのsemaphoreとmutexを見る Linuxのsemaphoreとmutexを見る 
Linuxのsemaphoreとmutexを見る wata2ki
 
規格書で読むC++11のスレッド
規格書で読むC++11のスレッド規格書で読むC++11のスレッド
規格書で読むC++11のスレッドKohsuke Yuasa
 
async/await のしくみ
async/await のしくみasync/await のしくみ
async/await のしくみ信之 岩永
 
マイクロサービスにおける 非同期アーキテクチャ
マイクロサービスにおける非同期アーキテクチャマイクロサービスにおける非同期アーキテクチャ
マイクロサービスにおける 非同期アーキテクチャota42y
 
ゲーム開発出身者がチームラボで働いてみた
ゲーム開発出身者がチームラボで働いてみたゲーム開発出身者がチームラボで働いてみた
ゲーム開発出身者がチームラボで働いてみた秀和 福永
 
【Unite 2018 Tokyo】60fpsのその先へ!スマホの物量限界に挑んだSTG「アカとブルー」の開発設計
【Unite 2018 Tokyo】60fpsのその先へ!スマホの物量限界に挑んだSTG「アカとブルー」の開発設計【Unite 2018 Tokyo】60fpsのその先へ!スマホの物量限界に挑んだSTG「アカとブルー」の開発設計
【Unite 2018 Tokyo】60fpsのその先へ!スマホの物量限界に挑んだSTG「アカとブルー」の開発設計UnityTechnologiesJapan002
 
ヤフーでは開発迅速性と品質のバランスをどう取ってるか
ヤフーでは開発迅速性と品質のバランスをどう取ってるかヤフーでは開発迅速性と品質のバランスをどう取ってるか
ヤフーでは開発迅速性と品質のバランスをどう取ってるかYahoo!デベロッパーネットワーク
 

What's hot (20)

Unityで意外と簡単・・・だけど難しいVRコンテンツ
Unityで意外と簡単・・・だけど難しいVRコンテンツUnityで意外と簡単・・・だけど難しいVRコンテンツ
Unityで意外と簡単・・・だけど難しいVRコンテンツ
 
Laravel×DevOps -インフラ構築の自動化から運用ログの監視まで-
Laravel×DevOps -インフラ構築の自動化から運用ログの監視まで-Laravel×DevOps -インフラ構築の自動化から運用ログの監視まで-
Laravel×DevOps -インフラ構築の自動化から運用ログの監視まで-
 
20分くらいでわかった気分になれるC++20コルーチン
20分くらいでわかった気分になれるC++20コルーチン20分くらいでわかった気分になれるC++20コルーチン
20分くらいでわかった気分になれるC++20コルーチン
 
WebRTC SFU Mediasoup Sample update
WebRTC SFU Mediasoup Sample updateWebRTC SFU Mediasoup Sample update
WebRTC SFU Mediasoup Sample update
 
Unicode文字列処理
Unicode文字列処理Unicode文字列処理
Unicode文字列処理
 
Modern C# Programming 現代的なC#の書き方、ライブラリの選び方
Modern C# Programming 現代的なC#の書き方、ライブラリの選び方Modern C# Programming 現代的なC#の書き方、ライブラリの選び方
Modern C# Programming 現代的なC#の書き方、ライブラリの選び方
 
なぜ初心者は webpackが解らないのか?- Why can’t you understand the webpack? -
なぜ初心者は webpackが解らないのか?- Why can’t you understand the webpack? - なぜ初心者は webpackが解らないのか?- Why can’t you understand the webpack? -
なぜ初心者は webpackが解らないのか?- Why can’t you understand the webpack? -
 
ここがつらいよWebRTC - WebRTC開発の落とし穴
ここがつらいよWebRTC - WebRTC開発の落とし穴ここがつらいよWebRTC - WebRTC開発の落とし穴
ここがつらいよWebRTC - WebRTC開発の落とし穴
 
C++でCプリプロセッサを作ったり速くしたりしたお話
C++でCプリプロセッサを作ったり速くしたりしたお話C++でCプリプロセッサを作ったり速くしたりしたお話
C++でCプリプロセッサを作ったり速くしたりしたお話
 
バイトコードって言葉をよく目にするけど一体何なんだろう?(JJUG CCC 2022 Spring 発表資料)
バイトコードって言葉をよく目にするけど一体何なんだろう?(JJUG CCC 2022 Spring 発表資料)バイトコードって言葉をよく目にするけど一体何なんだろう?(JJUG CCC 2022 Spring 発表資料)
バイトコードって言葉をよく目にするけど一体何なんだろう?(JJUG CCC 2022 Spring 発表資料)
 
中3女子でもわかる constexpr
中3女子でもわかる constexpr中3女子でもわかる constexpr
中3女子でもわかる constexpr
 
Riverpodでテストを書こう
Riverpodでテストを書こうRiverpodでテストを書こう
Riverpodでテストを書こう
 
gRPC入門
gRPC入門gRPC入門
gRPC入門
 
Linuxのsemaphoreとmutexを見る 
Linuxのsemaphoreとmutexを見る Linuxのsemaphoreとmutexを見る 
Linuxのsemaphoreとmutexを見る 
 
規格書で読むC++11のスレッド
規格書で読むC++11のスレッド規格書で読むC++11のスレッド
規格書で読むC++11のスレッド
 
async/await のしくみ
async/await のしくみasync/await のしくみ
async/await のしくみ
 
マイクロサービスにおける 非同期アーキテクチャ
マイクロサービスにおける非同期アーキテクチャマイクロサービスにおける非同期アーキテクチャ
マイクロサービスにおける 非同期アーキテクチャ
 
ゲーム開発出身者がチームラボで働いてみた
ゲーム開発出身者がチームラボで働いてみたゲーム開発出身者がチームラボで働いてみた
ゲーム開発出身者がチームラボで働いてみた
 
【Unite 2018 Tokyo】60fpsのその先へ!スマホの物量限界に挑んだSTG「アカとブルー」の開発設計
【Unite 2018 Tokyo】60fpsのその先へ!スマホの物量限界に挑んだSTG「アカとブルー」の開発設計【Unite 2018 Tokyo】60fpsのその先へ!スマホの物量限界に挑んだSTG「アカとブルー」の開発設計
【Unite 2018 Tokyo】60fpsのその先へ!スマホの物量限界に挑んだSTG「アカとブルー」の開発設計
 
ヤフーでは開発迅速性と品質のバランスをどう取ってるか
ヤフーでは開発迅速性と品質のバランスをどう取ってるかヤフーでは開発迅速性と品質のバランスをどう取ってるか
ヤフーでは開発迅速性と品質のバランスをどう取ってるか
 

Recently uploaded

CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?akihisamiyanaga1
 
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...博三 太田
 
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfクラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfFumieNakayama
 
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案sugiuralab
 
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)UEHARA, Tetsutaro
 
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfAWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfFumieNakayama
 
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)Hiroshi Tomioka
 
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineerYuki Kikuchi
 

Recently uploaded (8)

CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
 
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
 
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfクラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
 
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
 
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
 
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfAWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
 
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
 
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
 

乱数調整概説