ロボットカーで「強化学習」エンジニアを育成AWS DeepRacer。機械学習を使ったAIで自律走行する車を自作できるキットだ。価格は249ドルで予約が開始され、3月の出荷を予定している。「AWS DeepRacer」と名付けられたこのロボットカーは、18分の1サイズの大きめのラジコンカー程度の大きさ。この中にバッテリーはもちろん、センサーとしてのカメラや処理用のデュアルコアCPU（Intel Atom）などを内蔵し、自律走行ができる。米Amazonではすでに予約が開始されており、399ドルのところを、249ドルで割引販売されている（ただし、日本からは注文できない）。 HDカメラ、加速度センサー、ジャイロセンサーを内蔵。画像処理などはインテルのAtomプロセッサーで行う。ちょうどラジコンにカメラ付きの小型コンピューターを搭載したような仕様だ。バッテリーはコンピューター駆動用とモーター駆動用
最近、結構な頻度で聞くようになってきた「マルチクラウド」という単語。 いろんなクラウドの良いとこ取りができるのでメリットしかなさそうだけれど、運用・保守面含めて、「そんな簡単じゃないやろ〜」と一歩引いた視点で自分はみていました。 恐らく、Developers Summit 2018において、マルチクラウドというテーマで話されていたのは、このセッションだけじゃないでしょうか。 結論から言うとすっごい面白かったです。マルチクラウドで構成組む時に必ず出てきそうな問題点の解説もあり、非常に貴重なノウハウが満載なセッションでした。 講演内容 講演者は、株式会社プレイドの竹村 尚彦さん。 マルチクラウドで構築する大規模解析サービス～戦略とポイントについて 「KARTE」は、サイトへ来訪したお客様の特徴や行動を0.x秒以内に解析して可視化し、個々のお客様にあわせたコミュニケーションを実現するサービスです
大規模解析サービスの構成要素 大規模解析サービスは一般的に、以下の要素から構成されます。 ログ情報等のデータの送信 データの受信 データの保存 保存したデータの解析 解析データの閲覧などができる管理画面の提供 KARTEはユーザのWebアクセスデータをリアルタイムに解析し、アクションまでつなげることができるサービスであり、先ほど説明した5要素は、以下の5種類のコンポーネントによって実現しています。 trackerコンポーネント：エンドユーザで実行されるtracker[1]をエンドユーザに配布するためのコンポーネント trackコンポーネント：エンドユーザからデータを受信するコンポーネント。とくにKARTEでは解析データに基づいてエンドユーザへのアクションを返す役割も持つ dbコンポーネント：解析データなどのさまざまなデータを格納するコンポーネント analyzeコンポーネント：エンドユーザ
こんにちは！プレイドの@ikemonnです。 前回はAWSとGCPをVPNで接続した話をしました。 今回はGCPでの検証を行った際の進め方について説明していきます。 インフラを作り込みすぎずに検証したことで、早めに想定外のボトルネックに気づくことができ、予定していなかったインフラ構成の変更が必要であることが確認できました。 マルチクラウドインフラを構築する際には「小さく始めて、検証できる環境を作る」ことがポイントになります。 目次 小さく始める 検証する まとめ 小さく始める 最初に検証するサーバの選定 今回は下記の3点を基準にどのサーバをまずGCPへ移行するかを選定しました。 お客様への影響が少ないサーバ GCPへ移行のメリットが大きいサーバ(パフォーマンス向上等) 関連するコンポーネントが少ないサーバ KARTEでは処理の内容毎にサーバ群が分かれており、大きく分けると「エンドユーザから
ごきげんよう。プレイドの@tik-sonと申します。 みなさんはクラウドプラットフォームを利用していますか？ 弊社のKARTEは 秒間3000イベントをリアルタイムで解析 累計解析ユーザがリリースから2年で12.5億 https://karte.io/infographic/2017.html という規模のサービスになっています。 そこで動いているインフラもそれなりに大規模になっており、インフラをいかに改善していくかが事業進捗に大きく関わってきます。 そのインフラを改善する試みとして半年ぐらい前から、AWSとGCPの２つのクラウドプラットフォームを組み合わせ、マルチクラウドインフラとして利用しています。 PLAID Enginner Blogでは複数回に渡ってマルチクラウドインフラを作る上で試行錯誤したポイントなどを紹介していこうと思います。 今回は初回ということで概要部分について記載し、
こんにちは。プレイドの@monoiです。 プレイドでは主に管理画面周りの開発を担当しています。 さて、突然ですがプレイドには最近ある課題が浮上しています。 それはメンバーが増えるに伴って、コミュニケーションの機会がなかなかない人ができてしまうこと。 この課題には多くの会社が頭を悩ませていると思いますが、コミュニケーションと言えば何と言ってもランチですよね。 普段の業務であまり関わりのない人でも、一緒にランチに行けばそこには深い友情が芽生えるかもしれません。 そんなわけで今回は、ランチメンバーをシャッフルしてグループ分けしてくれるSlackbotを、AWS Lambdaを使って作成しました。 目次 プレイドのbot紹介 AWS Lambdaとは？ 作る 完成 最後に プレイドのbot紹介 botを作る方法は様々あります。 プレイドにはすでに多くのおもしろいbotがいるので、これらを紹介しつつ
ぼくはそんなにプログラマーではないので(？)あんまり難しいことは分からないけれど、Amazon Web Service(AWS)ってのがすごいらしい。Amazonといえば完全にぼくの中では欲しいものが1日で手に入るお店やさんだったけれど、AWSも2006年7月の運用からかれこれ10年もの歴史があって、なんかすごいらしい。SmartNewstとかCookpadとか、いろんなサービスがAWS上で動いていてすごいらしい(そのへんに詳しいひとがいたら解説してほしい)。 でもなんだかコンソールとかデプロイとか難しそうな用語ばかり出てきてなんだか敷居が高い(まさにクラウドだけに雲の上の存在だった)ので、もっとシンプルにAWSでブログを運用してみたかった。それに、多くのノンプログラマーのブロガーやWebデザイナーにとっては技術的なことは極力避けたいし、設定とかそういうのはパパッと済ませて、面白い記事を書
みなさん、ごきげんよう。プレイドの@tik-sonと申します。 私たちはKARTEというリアルタイムでウェブ接客ができるサービスを提供しており、 KARTEの売りであるリアルタイム性を保てるように、日々インフラを磨きこんでいます。 このエントリーでは、そのインフラの仕組みについて一部を紹介していきます。 今回は「1年で4億UUを解析したKARTEを支えるAutoscaling 3パターン」です。 現在KARTEは主にAWS上で稼働しているので、このエントリーはAWSでのAutoScalingの紹介になります。 改めて説明は不要と思いますが、AutoScalingとは特定の条件をトリガーにリソースを自動的に増減させる仕組みのことです。 KARTEは リアルタイムなウェブ接客を売りにしているので、リソースの枯渇でリアルタイムに接客ができないということがあってはいけない 時間帯によって大きく負荷
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
