FreeStyleVision

【この記事について】

Meta Quest 2 による開発を行うにあたり、まずはチュートリアルを実行してみました。この記事では、その中でも躓きやすそうなコードについて記載します。
ただ、Unityの使い方しか書かれていなかったため、これからこのチュートリアルを行う方は、 Unity 自体が初めての方のみで良いと思います。

当社にて、IoT/ウェアラブルデバイスを活用したDIY活動を行っており、今回はApple Watchのアプリ開発をすることにしました。

iPhoneから送信したメッセージをApple Watchで受信し、アプリ画面からメッセージが確認できる、チャットツールです。
＜メリット＞
➀高所/閉所作業、会議中、携帯電話をほかの用途で使用中のときなどに、Apple Watchを見るだけでメッセージの確認が出来る。
➁iPhoneとペアリングされたApple Watch間であれば、ネット環境を必要としない。
　(必ずしも労働環境下にネット環境があるわけではないという、ごく一部のターゲット向け)

タイトルの通り”ただ言われたとおり資料を作る”だけではなく

“よりよい資料を作成していきたい”方へ見て下さってありがとうございます。

本記事では色んな聞いたことがあるような知識の中から

自身の資料作成（特にPowerPoint）に取り入れて成果があったものだけをご紹介します。

資料のレイアウトは3色で構成する

3色の内訳は以下の通りです。

• ベースカラー：文字の色
• メインカラー：見出し・注目して欲しい文字
• アクセントカラー：メインカラーよりも更に強調したい文字

実行計画を取得する際、おそらく皆さんは評価環境で実行計画を取得し、
本番環境に対象SQLを導入しているかと思います。

間違いではないのですが、それで発生した問題について共有します。

ある統計情報を取得するために新たな参照SQLを導入しました。
評価系では１万件程度の参照結果で１秒以内に完了し、
実行計画ではIndexの利用なども想定通りで問題ありませんでした。
ですが、いざ本番環境に導入すると、このSQL実行で１７分も掛かっていることが判りました。
ファイル出力等に時間がかかっているのかと思いましたが、
参照結果を見ても数千件程度の結果でこちらにも問題は無さそうでした。
何が問題なのか判らなかったため、本番環境で実行計画を取得したところ、
評価環境で取得した実行計画の結果と全く違い、
Indexの利用がおかしくなっていたためのようでした。

お疲れ様です。

皆さんはＳＱＬを組み込む際、実行計画を取るかと思います。
その実行計画での私が勘違いをし、失敗をしたことについてお伝えしようかと思います。

ＳＱＬを組み込む際、通常バインド変数を利用するかと思います。
このバインド変数を利用するSQLの実行計画を取得する際、
バインド変数を意識せず、作成されたSQLを実行して実行計画を取得すると習っていました。
そのことを疑問に思ったり、内容を理解するために調べる等することが正しいのですが、
此処で鵜呑みにしてしまい、誤った知識を持ったままいました。

【概要】

本記事では、深層学習(Deep Learning)の基本となるモデルを
まずは動かしてみたいという人に向けて、
実装コードを展開するという内容になっています。
そのため、本記事では学習の安定化を図るドロップアウトや
バッチ正規化の実装、ニューラルネットに関する理論等、
については、取り扱っていないためご注意ください。

【本編】

初めに実装全体を眺めてみたいと思います。実装は、以下の通りです。

【前回】

前回は、機械学習と数理最適化の差について、
個人的な意見を述べた後、扱った具体例に対して、
数理モデルを実装するための問題を作成して終わりました。

【概要】

本記事は、数理最適化問題を考えるまでの
モチベーションに関する内容のその３となっています。
また、具体例を通して、

　・数理最適化の概念を感覚的にとらえられるようになる
　・「数理最適化問題を解くためのPythonによる実装」への興味が生まれる

この２点を目標としています。


今回は、以下の問題を通して、実装等に注目していきたいと思います。

こんにちは。fukuです。

今回は、前回作成した開発用ネットワークにプロジェクトで構築したネットワーク環境を追加してみます。

出来るだけプロジェクト環境は本番と同じネットワーク構成にして導入してみたいと思います。

【前回】

前回は、数理最適化がどういったことを考えるものなのか、
例を通して雰囲気だけ楽しんでいただきました。
また、機械学習との差に関して、
個人的な考えを述べたいと予告していました。

【概要】

本記事は、数理最適化問題を考えるまでの
モチベーションに関する内容のその2となっています。
また、具体例を通して、

　・数理最適化の概念を感覚的にとらえられるようになる
　・「数理最適化問題を解くためのPythonによる実装」への興味が生まれる

この２点を目標としています。