InfoQ ホームページ カンファレンス に関するすべてのコンテンツ
-
継続的改善のためのデータ駆動思考
組織は、継続的に改善するために、パフォーマンスを計測し、ビジネスの成果に行動を結びつける客観的な方法が必要だ。Avvoでは、自律的なチームモデルとふりかえりを実践し、データ駆動決定フレームワークを使う。このフレームワークは、継続的に改善するために、人々がよりよい決定と提案をするのに役立つ。
-
QCon London: CRDTsを使って分散システムでデータ一貫性を保証する
CRDTs(Conflict-free Replicated Data Types)とは、分散システムにおいて、理論的に実証された方法である集中型サーバを使用せずに、強い結果整合性(eventual consistency)を確保するアルゴリズムファミリである。Martin Kleppmann氏はQCon London 2018で行ったプレゼンテーションで、氏が調査した共有ドキュメント上で共同作業を可能にするアルゴリズムについて説明した。
-
マイクロサービスと分散システムの未来 - QCon Londonパネルディスカッション
QCon London 2018のマイクロサービスパネルでは、トラックホストのSam Newman氏が、パネリストのSusanne Kaiser氏、Guy Podjarny氏、Idit Levine氏、Mark Burgess氏とともに、我々が現在目にしているサービステクノロジが今後どう変わるのか、今後どのようにシステムを構築するのかを議論した。マイクロサービスは今後も存在するが、サーバレスアーキテクチャにような他技術のベースへと進化するだろう、というのが彼らの意見だ。
-
オブザーバビリティはテストにどう影響するのか
オブザーバビリティ(observability)は現在のシステム状況を明らかにし、ある種のテストを置き換えることができる。低リスクのアプリケーション分野であれば、オブザーバビリティをテストの代役とすることで、継続的デリバリによる迅速なフィードバックと、短時間の変更リリースが可能になる。
-
Kubernetesはキャズムを越えたか？
Ian Crosby氏は、企業環境において残る課題(高度のセキュアな環境、Windowsのサポート、ステートフルなワークロードのサポート改善、レガシソフトウェアやハイブリッドクラウドとの統合など)にコミュニティが積極的に取り組んでいる状況から、Kubernetesが採用面でメインストリームに近づいていることは間違いない、と主張する。氏が言うように、“問題はKubernetesがキャズムを越えられるかではなく、いつ越えるか”なのだ。
-
Booking.comは機械学習のためにどのようにKubernetesを使っているか
Sahil Dua氏はQCon Londonカンファレンスで、Booking.comがKubernetesを使用して顧客に目的地と宿泊施設を推薦するための機械学習（ML）モデルをどのように拡張できるかを説明した。特に、コンテナ上のKubernetesの伸縮性や資源不足回避が、いかに計算（およびデータ）集約的で、並列化が困難な機械学習モデルを実行する助けになっているかを強調した。
-
KPN iTVのアジャイル変革
マネジメントチームは部隊の業務を直接指揮するチームではなく、作業環境を作り上げるリーダシップチームになった。自律的な部隊が自己選択によって構築されることにより、業務はもはやプロジェクトとして組織されるものではなくなり、永続的な自律型チームへと移行した - KPN iTVのアジャイル変革で実現されたおもな変化をあげるならば、このようになるだろう。
-
Fred George氏によるファジー問題の解決について
Agile India会議でのDigital Transformationの日に、Fred George氏は、他の要素よりも反応速度が重要な「ファジィ問題」を扱う際に、プログラミングの問題を解決する方法をどのように変える必要があるかについて講演した。このような環境における開発「チーム」は、頻繁にデプロイする顧客と直接作業する一人の開発者から構成される。
-
マイクロサービスの未来がITワールドを変革：Uwe Friedrichsen氏がmicroXchg Berlinにて
あなたは遂にDocker、Kubernetes、そして、新しいクールなトレンドを含むマイクロサービスをマスターした。しかし、未来のために準備はできているであろうか。Uwe Friedrichsen氏は、ベルリンで開催されたmicroXchg 2018でのプレゼンテーションで、そのように尋ねた。そして、ITの未来とマイクロサービスへの影響について検討した。
-
子どもと開発チームのためのML解説
Rob HarropのQCon Londonの基調講演では、ソフトウェアエンジニアのためのAIとMLと題して、開発チームとデータサイエンスチームを分離する壁の辺りに、どのようにMLが位置付けられているかが語られた。開発者は、多くの場合、MLの神秘主義のオーラのために、自分の能力開発に不安を感じている。IBMのDale Lane氏はスポンサー講演で、彼がどのようにMLの神秘性を取り除き、子供たちがMLを利用できるようにしたかを話した。
-
学びのためのペアリング
ペアリングを使えば，新たなトピックを学んで職場に持ち帰ったり，成果を目に見えるものにしたり，成功を共に祝ったりすることが可能になる。学習のパートナは，果敢な目標を立てることを互いに促したり，何らかの行動を宣言したり，その実現のために背中を優しく押したりすることのできる存在なのだ。
-
壊れた人間機械に対処する
ソフトウェア開発や何か大規模なものを作ることを本当に推し進めるには、自分の盲点を探り、人々とのやりとりを学ぶ必要がある。自分たちが作る文化は重要だ。高いパフォーマンスのチームと低いパフォーマンスのチームの生産性と品質は桁違いだ。どのようにやるか、は、何をやるかと同じくらい重要だ。
-
アジャイルを用いてソーラーレースに勝利する方法
Nuon Solar チームはアジャイルとスクラムを使用することで、プロジェクトに最大の価値を与えるための第一のステップを明らかにし、異なる規律の統合、透過性と集中の確保を行い、改善にのための振り返りに取り組んでいる。彼らのゴールはクリーンエネルギーの使用の促進と教育であり、ミッションはイノベーションの力を利用して南アフリカで行われる Sasol Solar Challenge に勝利することである。
-
2018年のマシンラーニングと人工知能
IEEEは毎年、次年度のテクノロジトレンドのトップ10を発表している。2018年のリストには、人工知能とマシンラーニングに関する複数のトピックがあげられた。IEEEが選んだ2018年の最もホットなトレンドは、ディープラーニングだ。
-
アジャイルの導入方法を改善する
アジャイル導入にはアジャイルのアプローチを採用するべきであって、ウォーターフォール的な方法でアジャイルを導入するべきではない、チームの活性化を望むリーダと、それをサポートする組織の構築が必要だ。さらには業界として、アジリティの段階的な展開の実績を積む必要がある。