読者です 読者をやめる 読者になる 読者になる

リアルウォンテッドリー参加レポート

はじめに

2016年9月28日(水)。

週の真ん中で開催されたリアルウォンテッドリーのイベントにSpeeeも参加してきました!

会場はfreeeさん。同じ"eee"つながりで勝手に親近感。

沖縄から来た企業様も!全17社が集まりました。 f:id:kana-nakano:20161012161039j:plain

(ほぼ)はじめてのリアルイベント

実はSpeeeが大勢の参加者の方と接するエンジニア・デザイナー向けイベントに参加するのは初めてでした。

ブースをどういう風にしようか、どんなことをしたらエンジニア・デザイナーさんが興味を持って来てくれるか....

ノウハウがないまま、過去のリアルウォンテッドリーを参考に、いざ参戦!

人事広報チーム+エンジニアで参加

こんなメンバーで当日は参加させていただきました!いい写真!

f:id:kana-nakano:20161012162240j:plain

Speeeでは採用活動は人事だけでなくエンジニアも積極的に行っています。

一緒に働く仲間を増やしたい、課題解決・技術探求に貪欲で一緒に走れる人に来てもらいたい、そんな想いをもっています。

なのでエンジニアが主体となって行うイベントも多々あります。

(Splathon など: 第4回Splathonを開催したぞ - TECHNICA Speee engineer blog)

いよいよスタート! ....ブース賑わっている!よかった!!!

f:id:kana-nakano:20161012162633j:plain

ピッチ

Speeeは2番手で、エンジニアのid:takanamitoがピッチをさせていただきました!

「世界一高価と言われるコーヒー"コピ・ルアク"がタダで飲めるのはSpeeeのブースだけ!」と会社の宣伝そっちのけで力説。

f:id:kana-nakano:20161012164434j:plain

f:id:kana-nakano:20161012164459j:plain

ちなみにSpeeeではコーヒー飲み放題です。(インスタントではない本格コーヒーです)

コーヒー好きなエンジニア・デザイナーさんはぜひ一度Loungeに遊びに来て下さい!

株式会社Speee に行ってきた! - 941::blog

コピ・ルアク特需

コピ・ルアク大盛況でした!!

実は今回お出ししたのはインドネシアで直接仕入れたもの!

飲みに来てくださった方、ありがとうございます。

お味は如何だったでしょうか?

f:id:mogmog2:20161013165757j:plain

まとめ

みなさんに立ち寄ってもらえるか不安でいっぱいでしたが....

蓋を開けてみると、たくさんの方とお話でき、とても良い場となりました!

ブースに足を運んでいただいた方々、本当にありがとうございます。

これを機に、Speeeに興味をもってもらえると嬉しいです!

運営のウォンテッドリーさん、ありがとうございました!次回も期待しています!!

最後に

Twitterはじめました。 ブログ更新、イベント情報など、技術に関する情報を随時発信していきます! よかったらフォロー宜しくお願いします。

Speeeエンジニア広報 (@speee_pr) | Twitter

GIS(地理情報システム) - MongoDBによるジオメディア開発

chocoken517です。MongoDBでの位置情報検索についてSpeeeKaigiで発表しました。

SpeeeKaigiの内容はこちら。

technica-blog.jp Ruby on Railsでgeocodermongoidのgemを使用すれば、簡単にジオメディアが作れるという内容です。

所感

  • geocoderは住所から簡単に座標を取得できて便利。
  • mongoidで位置検索が簡単にできる。

運用中のMariaDBにノードを追加する場合の検証

こんにちは、エンジニアの玉置です。 ノードを追加する時に、MariaDBがブロックされちゃって困ったという経験から、対策方法についてSpeeeKaigiで発表しました。

SpeeeKaigiの内容はこちらです。

technica-blog.jp

要約すると、

  • 運用中にMariaDBにノード追加したい場合は、xtrabackup + IST使ってください。
  • ISTのgcacheの容量はある程度確保したほうがいいです。

Rails、Feature specにViewの回帰テストを入れる

duenoです。

VisualRegressionTestをやってみます。 Webアプリケーション開発をする上で、 E2Eのテストを導入したりすると思うんですが、 レイアウト崩れって検出しづらいですよね。 そのあたりをどうにかしようというわけです。

また、しっかりとテストを書いたところで、テストコード読めない人(非エンジニアのチームメンバー等)からしたら、 本当に正しく動作してるのかって、やっぱり心配になることもあると思います。 それならばテストのエビデンスを残す事も同時にやってしまおう。

というのが今回のお話です。

speakerdeck.com

やってみて思ったこと

この発表のあとWebComponentsを使ったグラフ付きレポート生成などをやってみたのですが、 画像の差分が機能追加や仕様変更等によって生じた想定内のものなのか、それとも予期せぬ不具合なのかという判断は難しい印象を受けました。

とはいえ、「どのように変わったか、差分が大きかった変更は本当に問題ないのか」という確認はかなり手軽にかつ直感的に出来るようになったので、 レポートの見せ方次第ではかなり有用になものになるのではないかと思いました。

「人工知能」の中身に触れてみる

@nisshieeorgです。 僕はSpeeeKaigiで『人工知能』のいろはの「い」を解説しました。 人工知能って、言葉はみんな聞いたことあるだろうし、どんなものかもなんとなくイメージはできてるだろうけれども、中身を知っていますか?というお話です。

SpeeeKaigiについてはこちら↓

technica-blog.jp

  • 人工知能ってなんですか?
    • 計算機に「人間っぽいこと」をさせる技術のことです
  • 人間っぽいことってなんですか?
    • なんでもいいです
    • が、役に立つ応用という視点で考えると自ずと注目ポイントは決まってきます
    • それが、 「判断」 です
  • 「みなさんが人工知能と聞いて思い浮かべるもの」は、判断を定式化したものです
    • 判断を定式化するモデルは多様ですが、確率論に基づいたものが主流です
    • 即ち、 \( {\mathop{\rm argmax}\limits_{\alpha}} P(\omega _ \alpha | {\bf x}) \)
    • 確率密度関数 \( P \) がわかれば、観測された \( {\bf x} \) に対して、上式で判断を算出できます
  • 教師あり学習とは、「正解が分かっている観測データ \( {\bf x} _ \alpha \) をあつめて、確率密度関数 \( P \) を推定することです

要するに、AIの主流は、確率論と線形代数学の応用というわけです。 数学をちゃんと勉強しましょうね。