ソフトウェアエンジニアリング 学習ログ

ソフトウェアエンジニアリング 学習ログ とは

このサイトはとあるソフトウェアエンジニア/SREがIT業界を生き残るために学び続けた学習ログです。

私は デスクトップエンジニアからWEB系(バックエンド/フロントエンド)を経由しSRE として活動してきました。 その際にはコーディング、コンテナ、データベース、IaC、オブザーバビリティといったエンジニアとして生き残るために学び続けた知識をアウトプットすることで吸収してきました。

アウトプットの場としてきた以上読みずらい/荒い情報もあるかと存じますが、このサイトを訪れた誰かのためになれば幸いです。 (本記事の後半は私のキャリアについて記載されていますが、これは私自身の名刺としての役割を期待するものです。ご承知おきくださいませ。)

目次

👦 対象者

  • 荒い情報でも問題ない人
  • プログラミング入門本を読み終わった学生
  • エンジニア歴1年目~10年目(目安:新卒~マネージャー未満)
  • SRE

📗 目次

ソフトウェアエンジニアリング

🦫 筆者

みねぎしれい(27)

エンジニア(7年)/マーケター(1年)です。
・エンジニア : ネイティブアプリケーション/バックエンド/フロントエンド/インフラ/SRE
・マーケター : toBマーケティング(LP制作からう共催ウェビナー準備など)/採用広報チームリードを担当

  • 企画段階
    • ペルソナ策定(マーケ)
    • ユーザーインタビュー(マーケ)
    • LP制作(マーケ)
    • プロトタイプ構築(エンジニア)
  • プロダクト初期
    • ディストリビューション戦略策定(マーケ)
    • IaC/CICD(SRE)
    • コーディング(エンジニア)
  • プロダクト運営
    • サービスレベル(SRE)
    • 行動監視(マーケ)

🏢 職歴

趣味

  • ☗️ 将棋
    • 好きな戦法 : 居飛車穴熊
    • 序盤は指回しや方針決めに性格が出るのが面白い。
    • 終盤は一手の重みがより重要になる。スリル感がたまらない。
    • 「大事な場面で勝負強くなりたい」という方におすすめ
  • 🔫 シューティングゲーム
    • 好きなタイトル : VALORANT

その他

  • 色
    • インディアンレッド #CD5C5C
    • Firebrick #B22222

実践的行動理解 / マーケティング

「実践的行動理解 / マーケティング」サイトは、心理学を幅広く学び、実生活や仕事に応用できる知識を体系的に整理したサイトです。信頼性が高い論文を集め内容を解釈し、応用可能な知識として配布します。

以下のように、行動理解を促進させる記事を中心に取り扱います。(これは、実践的かつニッチな行動理解についての論文が圧倒的に多かったためです。)

また、 ブルズアイフレームワークによるトランザクションの選択と集中 など マーケティングに集中した記事も取り扱います。

このように、実践的な行動の理解を促進する / マーケティングを有利に進めるという類の記事が多いです。

注意:研究の信頼性について

可能な限りデータ/信頼性の高い情報元から記事を作成していますが、そもそも心理学の研究に対する疑念を表す研究結果も存在しております。 記事は100%信頼せず、成功確率を上げるための一要因として考えてください。

page:https://minegishirei.hatenablog.com/entry/2023/01/27/193827

MLOpsパイプライン

データはビジネス要件によって変化するため、それを前提している機械学習モデルは賞味期限があります。 (=データドリフト) 一度作ったモデルは永続ではないということです。

これらの理由から、MLOpsでは「機械学習モデルを構築すること」が目標ではなく、 入力値(データ,コード,パラメータ)を受け入れ、高品質のモデルを作成しアプリケーションと統合できる自動化されたMLパイプラインを作ることです。

MLOpsパイプラインのトリガー

MLOpsパイプラインのトリガーにはいくつか候補があります。

  • 開発・データ変更起点
    • Code Push Trigger : ソースコードリポジトリへpushされたときに駆動するパイプライン。
    • Data Arrival Trigger : 日次・週次で新規データが入ってきた際の前処理・特徴量ストアとして機能します。
    • Feature Store Update Trigger : 特徴量の変更に伴うモデルの再学習
  • 定期実行・時間起点
    • Cron Trigger : 定期的なモデルの再学習
  • 運用・パフォーマンス監視起点
    • Data Drift Trigger : 本番環境に入力されるデータの分布が、学習時のデータ分布から大きく乖離した時に駆動させる。
    • Performance Degradation Trigger : 本番環境でのモデル予測精度指標

初期フェーズでは開発・データ変更起点、定期実行・時間起点を使用し、 成熟フェーズではモニタリングを応用した監視をするのがおすすめです。

Dear My Frends.: 個人開発宣伝ラボ - 個人開発者が間違った施策で時間を溶かさないための、心理学と実務知見のナレッジ共有コミュニティ