Submit Search
Upload
エンタープライズアプリケーションアーキテクチャパターン
•
0 likes
•
51 views
Y
Yukihiro Katsumi
Follow
第67回社内勉強会で発表したスライドです #sa_study
Read less
Read more
Software
Report
Share
Report
Share
1 of 28
Download now
Download to read offline
Recommended
最後に「このリンク経由で部屋を決めると賃貸手数料50%Off!」のQRコードが貼ってあります。セミナー参加していない方でもこの資料からお越しいただいた方には特別に50%Offしちゃいますので、ぜひ最後までご覧いただければ(笑 2016年7月17日に行われた「今日から始める人工知能x機械学習 Meetup」セミナー発表資料です。 http://www.bngpartners.jp/engineer100/techsemi/ http://connpass.com/event/33753/ 不動産xITという未開拓分野で人工知能を導入する意味や実践例について解説しています。
実践的! 人工知能X機械学習 〜iettyの場合〜
実践的! 人工知能X機械学習 〜iettyの場合〜
takemi.ohama
発表資料
20160130 モデリング技術を学ぼう
20160130 モデリング技術を学ぼう
bonjin6770 Kurosawa
2016/08/29 NLP若手の会(YANS2016)での、小田・飯沼・大杉の講演資料になります
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
Recruit Technologies
Computational Materials Science Initiative
CMSI計算科学技術特論C (2015) ソフトウェア工学の視点から(前編)
CMSI計算科学技術特論C (2015) ソフトウェア工学の視点から(前編)
Computational Materials Science Initiative
node School
Node school#1
Node school#1
一佳 海木
【第40回AIセミナー】 「説明できるAI 〜AIはブラックボックスなのか?〜」 https://www.airc.aist.go.jp/seminar_detail/seminar_040.html 【講演タイトル】 機械学習モデルの判断根拠の説明 【講演概要】 本講演では、機械学習モデルの判断根拠を提示するための説明法について紹介する。高精度な認識・識別が可能な機械学習モデルは一般に非常に複雑な構造をしており、どのような基準で判断が下されているかを人間が窺い知ることは困難である。このようなモデルのブラックボックス性を解消するために、近年様々なモデルの説明法が研究・提案されてきている。本講演ではこれら近年の代表的な説明法について紹介する。
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
Satoshi Hara
This slides were used at "5th Machine Learning 15minetes!" http://machine-learning15minutes.connpass.com/event/40294 Introduce important things to tackle machine learning in a company.
経験ゼロのWeb企業が機械学習に取り組んだ話
経験ゼロのWeb企業が機械学習に取り組んだ話
Yoshihiko Shiraki
昨年ぐらいから、多くの企業で業務システム向けのモバイルアプリ開発が検討、実施され始めています。しかし、いざ実践しようとすると様々な困難に直面します。このセッションでは、企業向けのモバイル開発プロジェクトの正しい進め方を理解するために、計画段階、実装、テストのそれぞれの段階で、どのような課題が存在し、どのようにそれを克服していくべきかを考えます。RAD Studioを有効に活用するために、エンタープライズモバイル開発プロジェクト遂行のエッセンスを凝縮してお伝えします。 エンバカデロ・テクノロジーズ シニア・セールスコンサルタント 伊賀 敏樹
「業務システムにモバイルを!実践エンタープライズモバイル開発プロジェクト」
「業務システムにモバイルを!実践エンタープライズモバイル開発プロジェクト」
Embarcadero Technologies
Recommended
最後に「このリンク経由で部屋を決めると賃貸手数料50%Off!」のQRコードが貼ってあります。セミナー参加していない方でもこの資料からお越しいただいた方には特別に50%Offしちゃいますので、ぜひ最後までご覧いただければ(笑 2016年7月17日に行われた「今日から始める人工知能x機械学習 Meetup」セミナー発表資料です。 http://www.bngpartners.jp/engineer100/techsemi/ http://connpass.com/event/33753/ 不動産xITという未開拓分野で人工知能を導入する意味や実践例について解説しています。
実践的! 人工知能X機械学習 〜iettyの場合〜
実践的! 人工知能X機械学習 〜iettyの場合〜
takemi.ohama
発表資料
20160130 モデリング技術を学ぼう
20160130 モデリング技術を学ぼう
bonjin6770 Kurosawa
2016/08/29 NLP若手の会(YANS2016)での、小田・飯沼・大杉の講演資料になります
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
Recruit Technologies
Computational Materials Science Initiative
CMSI計算科学技術特論C (2015) ソフトウェア工学の視点から(前編)
CMSI計算科学技術特論C (2015) ソフトウェア工学の視点から(前編)
Computational Materials Science Initiative
node School
Node school#1
Node school#1
一佳 海木
【第40回AIセミナー】 「説明できるAI 〜AIはブラックボックスなのか?〜」 https://www.airc.aist.go.jp/seminar_detail/seminar_040.html 【講演タイトル】 機械学習モデルの判断根拠の説明 【講演概要】 本講演では、機械学習モデルの判断根拠を提示するための説明法について紹介する。高精度な認識・識別が可能な機械学習モデルは一般に非常に複雑な構造をしており、どのような基準で判断が下されているかを人間が窺い知ることは困難である。このようなモデルのブラックボックス性を解消するために、近年様々なモデルの説明法が研究・提案されてきている。本講演ではこれら近年の代表的な説明法について紹介する。
機械学習モデルの判断根拠の説明(Ver.2)
機械学習モデルの判断根拠の説明(Ver.2)
Satoshi Hara
This slides were used at "5th Machine Learning 15minetes!" http://machine-learning15minutes.connpass.com/event/40294 Introduce important things to tackle machine learning in a company.
経験ゼロのWeb企業が機械学習に取り組んだ話
経験ゼロのWeb企業が機械学習に取り組んだ話
Yoshihiko Shiraki
昨年ぐらいから、多くの企業で業務システム向けのモバイルアプリ開発が検討、実施され始めています。しかし、いざ実践しようとすると様々な困難に直面します。このセッションでは、企業向けのモバイル開発プロジェクトの正しい進め方を理解するために、計画段階、実装、テストのそれぞれの段階で、どのような課題が存在し、どのようにそれを克服していくべきかを考えます。RAD Studioを有効に活用するために、エンタープライズモバイル開発プロジェクト遂行のエッセンスを凝縮してお伝えします。 エンバカデロ・テクノロジーズ シニア・セールスコンサルタント 伊賀 敏樹
「業務システムにモバイルを!実践エンタープライズモバイル開発プロジェクト」
「業務システムにモバイルを!実践エンタープライズモバイル開発プロジェクト」
Embarcadero Technologies
第72回社内勉強会で発表したスライドです #sa_study
New Relic の一部機能を触った話
New Relic の一部機能を触った話
Yukihiro Katsumi
第65回社内勉強会で発表したスライドです #sa_study
Php artisan migrate
Php artisan migrate
Yukihiro Katsumi
ArcanaMeetup#50で使用した資料です
swooleを試してみた
swooleを試してみた
Yukihiro Katsumi
ARCANA Meetup #44 で使用したスライドです。
今更ながらDBのカウントアップの話
今更ながらDBのカウントアップの話
Yukihiro Katsumi
第39回社内勉強会 #sa_study で使用したスライドです。 oculus goとゲームパッドを調べました。
arcadeがやりたい!
arcadeがやりたい!
Yukihiro Katsumi
http://www.s-arcana.co.jp/blog Arcana meetup #36 で使用したスライドです。
Brainf**k
Brainf**k
Yukihiro Katsumi
アルカナ勉強会#sa_study
Virtualbox+vagrant+docker
Virtualbox+vagrant+docker
Yukihiro Katsumi
会社メンバーとhackday2017に参加した話し。 Image Recognition (failure) Specialist at Studio Arcana
hackday2017に参加しました。
hackday2017に参加しました。
Yukihiro Katsumi
2017/2/4-5で開催されたHackDay2017で作成した作品の解説です。
まよいの墓(レゴ編)
まよいの墓(レゴ編)
Yukihiro Katsumi
社内勉強会資料
ぱわぽ
ぱわぽ
Yukihiro Katsumi
アルカナに入って思った事、感じた事。
アルカナに入社しました。
アルカナに入社しました。
Yukihiro Katsumi
More Related Content
More from Yukihiro Katsumi
第72回社内勉強会で発表したスライドです #sa_study
New Relic の一部機能を触った話
New Relic の一部機能を触った話
Yukihiro Katsumi
第65回社内勉強会で発表したスライドです #sa_study
Php artisan migrate
Php artisan migrate
Yukihiro Katsumi
ArcanaMeetup#50で使用した資料です
swooleを試してみた
swooleを試してみた
Yukihiro Katsumi
ARCANA Meetup #44 で使用したスライドです。
今更ながらDBのカウントアップの話
今更ながらDBのカウントアップの話
Yukihiro Katsumi
第39回社内勉強会 #sa_study で使用したスライドです。 oculus goとゲームパッドを調べました。
arcadeがやりたい!
arcadeがやりたい!
Yukihiro Katsumi
http://www.s-arcana.co.jp/blog Arcana meetup #36 で使用したスライドです。
Brainf**k
Brainf**k
Yukihiro Katsumi
アルカナ勉強会#sa_study
Virtualbox+vagrant+docker
Virtualbox+vagrant+docker
Yukihiro Katsumi
会社メンバーとhackday2017に参加した話し。 Image Recognition (failure) Specialist at Studio Arcana
hackday2017に参加しました。
hackday2017に参加しました。
Yukihiro Katsumi
2017/2/4-5で開催されたHackDay2017で作成した作品の解説です。
まよいの墓(レゴ編)
まよいの墓(レゴ編)
Yukihiro Katsumi
社内勉強会資料
ぱわぽ
ぱわぽ
Yukihiro Katsumi
アルカナに入って思った事、感じた事。
アルカナに入社しました。
アルカナに入社しました。
Yukihiro Katsumi
More from Yukihiro Katsumi
(11)
New Relic の一部機能を触った話
New Relic の一部機能を触った話
Php artisan migrate
Php artisan migrate
swooleを試してみた
swooleを試してみた
今更ながらDBのカウントアップの話
今更ながらDBのカウントアップの話
arcadeがやりたい!
arcadeがやりたい!
Brainf**k
Brainf**k
Virtualbox+vagrant+docker
Virtualbox+vagrant+docker
hackday2017に参加しました。
hackday2017に参加しました。
まよいの墓(レゴ編)
まよいの墓(レゴ編)
ぱわぽ
ぱわぽ
アルカナに入社しました。
アルカナに入社しました。
エンタープライズアプリケーションアーキテクチャパターン
1.
エンタープライズアプリケーション アーキテクチャパターン 頑強なシステムを実現するためのレイヤ化アプローチ を読んだ話(読み切ったとは言っていない) y.katsumi
2.
エンタープライズアプリケーション アーキテクチャパターン エンタープライズ アプリケーションアーキテクチャパターン (Object
Oriented SELECTION) | マーチン・ファウラー, 長瀬 嘉秀, 株式会社 テクノロジックアート |本 | 通販 | Amazon
3.
を読んだ話をします。 - 読み切っていません - 私にとって馴染みのない事が多く、読み進められなかった。 -
辛うじて読み取れたところを解説します - 自分の独自解釈が含まれています。 発表後修正しました。このスライドは独自解釈のみになります。 エンタープライズアプリケーション アーキテクチャパターン
4.
所属:スタジオアルカナ 名前:勝見 幸弘 年齢:34 サーバサイドメインのエンジニア 自己紹介
5.
アーキテクチャ
6.
アーキテクチャ いろんな意味を持ち人によってさまざま。 さまざま名中でも共通して言える要素は2つ。 ・システムから個々のパーツへとどこまでもブレークダ ウンできる ・簡単には変更できない決定事項。
7.
8.
アーキテクチャ いろんな意味を持ち人によってさまざま。 さまざま名中でも共通して言える要素は2つ。 ・システムから個々のパーツへとどこまでもブレークダ ウンできる →大きいアーキテクチャの中に小さいアーキテクチャ がいくつもあるとかそういう状態。 ・簡単には変更できない決定事項。
9.
へ~
10.
アーキテクチャ 有識者の意見を聞きます
11.
次
12.
エンタープライズアプリケーション こんなアプリケーション
13.
エンタープライズアプリケーション ・データは永続している必要がある。(プログラムの実 行終わったら消えるとかはこまる) ・データは大容量 ・データは複数のユーザからアクセスされる ・エンタープライズアプリケーション同士で連携する ・時間とともに変化するビジネスプロセスが組み込ま なくてはならない
14.
エンタープライズアプリケーションの種類 なんかいろいろ言ってるけど結局は、 いろんな種類のビジネスがあっていくつもの検討事項 がある。 多種多様なシステムがあるのに「いつもこうする」と 言ってる人は警戒しろ。
15.
レイヤ化
16.
システムを役割で分割することをレイヤ化という →インフラで言えばIPレイヤとかTCPレイヤとか ・レイヤ間の依存は最小限にしましょう。 →IPの仕組みに変更が入ってもFTPは修正不要みたいな状態が良いよね。 ・下位レイヤは上位レイヤに関心をもたないようにしましょう。 →使う側は使うものの性質を知っておく必要があるが、使われる側は使う側の性質は知ら なくてよい。 レイヤ化
17.
レイヤ化 レイヤ化にも弱点もある ・どこかのフィールド追加が入った場合、修正が上位レイヤに伝搬すると きがある ・レイヤを追加した際パフォーマンス低下がある。(レイヤじゃなくてもそ うじゃない?) インフラを例にしましたががコードの実装も レイヤ化が大切です。
18.
主要な3つのレイヤ 1. プレゼンテーションレイヤ • 画面表示(HTML)、HTTPリクエスト、コマンドライン呼び出し等 2.
ドメインレイヤ • システムそのもののロジック 3. データレイヤ • データベース、トランザクションモニタ、その他のパッケージとの通 信 この本ではこの3つを扱うアーキテクチャについて解説している。 各レイヤ内でさらに細かいレイヤ(本ではレイヤとは言っていない)が存 在する。
19.
アーキテクチャで似たよく見る図
20.
サービスレイヤ エンタープライズ アプリケーションアーキテクチャパターン (Object
Oriented SELECTION) | マーチン・ファウラー, 長瀬 嘉秀, 株式会社 テクノロジックアート |本 | 通販 | AmazonのP142
21.
サービスレイヤ エンタープライズ アプリケーションアーキテクチャパターン (Object
Oriented SELECTION) | マーチン・ファウラー, 長瀬 嘉秀, 株式会社 テクノロジックアート |本 | 通販 | AmazonのP142 依存する側 依存される側
22.
これくらいなら実務で使えるんじゃないかな と思えた図
23.
テーブルモジュール エンタープライズ アプリケーションアーキテクチャパターン (Object
Oriented SELECTION) | マーチン・ファウラー, 長瀬 嘉秀, 株式会社 テクノロジックアート |本 | 通販 | AmazonのP135
24.
テーブルモジュール テーブルモジュールがドメインロジッ クを持つ。 ただし、テーブルモジュールはテーブ ルデータゲートウェイを直接触らない
25.
テーブルモジュール データ取得の例) 1. プレゼンテーションがテーブル データゲートウェイを使ってデータ ベースからデータを受け取る 2. 取ってきたデータをテーブルモ ジュールに渡して加工してもらう。 加工してもらったもの受け取って 戻す。
26.
テーブルモジュール ドメイン駆動のエンティティとにてい る? ドメイン駆動のエンティティと違って テーブルモジュールはデータを自分 で取ってこない? 有識者の意見ください
27.
もうしわけない
28.
以上です
Download now