SlideShare ist ein Scribd-Unternehmen logo
1 von 58
Downloaden Sie, um offline zu lesen
MOVで実践したサーバーAPI実装
の超最適化
株式会社ディー・エヌ・エー
オートモーティブ事業本部
スマートタクシー事業部システム開発部 部長
惠良和隆
自己紹介
2002年新卒でコンシューマゲーム開発会社に入社し、家庭用ゲーム機向けゲームタイトルの
開発に携わりながら、開発環境やフレームワークの構築に従事する。
2013年10月、ゲーム以外のBtoCサービスに携わるべくDeNAに中途入社する。しかしながら、
スマホ向けゲームのネイティブアプリ化待ったなしの状況において、基盤技術の構築とゲーム
開発力向上のためにゲーム事業にフルコミットすることからスタートする。
2018年7月、オートモーティブ事業本部に異動。AWS IoTを使ったプローブデータ収集システ
ムの開発・保守、地図データ整備、移動体情報配信システムの開発などに携わる。
2019年4月MOVのシステム開発担当部門の部長に就任し、マネジメントしつつ自らも開発に
携わる(現在は、APIサーバーと乗務員アプリ)。
惠良 和隆(えら かずたか)
3
みなさん、
タクシーに乗ってますか?
MOVとは?
• DeNAが提供するタクシー配車アプリ
• ITのチカラでタクシー利用を進化させるサービス
• 神奈川、東京、大阪、京都にサービス展開
• 近くのタクシーがすぐに来る
• 車輌ステータスのモニタリングすることにより、
呼べるタクシー車輌を選んで配車している
4
※MOVのシステムの詳細は、DeNA TechCon2019 の
『次世代タクシー配車サービス「MOV」を支える車載ハードウェアとソフトウェアの話」
を参照ください
5
MOVでは、呼び出すタクシーを
どのように選択しているのか?
(1) ユーザーの指定した迎車地に近い車輌を見つける
6
X m
(2) 呼べる状態の車輌のみを選別
7
例:すでにお客様が乗
車中の車輌を除く
(3) 各車輌から迎車地までの到着予想時間を算出
8
10分
3分
12分
4分
8分
7分
(3) 各車輌から迎車地までの到着予想時間を算出
9
10分
3分
12分
4分
8分
7分
最も早く到着する車輌
に配車依頼を送信する
呼べる状態の車輌とは?
• 空車であること
• タクシーの所属する交通圏に迎車地が含まれていること
• 休憩中など、MOV配車受付停止中でないこと
• 駅などのタクシー乗り場で、お客様を待つ列に並んでいな
いこと(駅待ちしていないこと)
10
呼べる状態の車輌とは?
• 空車であること
• タクシーの所属する交通圏に迎車地が含まれていること
• 休憩中など、MOV配車受付停止中でないこと
• 駅などのタクシー乗り場で、お客様を待つ列に並んでいな
いこと(駅待ちしていないこと)
11
呼べる状態の車輌とは?
• 空車であること
• タクシーの所属する交通圏に迎車地が含まれていること
• 休憩中など、MOV配車受付停止中でないこと
• 駅などのタクシー乗り場で、お客様を待つ列に並んでいな
いこと(駅待ちしていないこと)
12
駅待ちしていないことをどうやって判断するか?
タクシー乗り場を含む特定エリア内にいるか?
13
このエリア内にいる場合は、
駅待ちしていると判断する
©OpenStreetMap contributors
14
タクシーを呼べない場所があるって
ご存知ですか?
タクシーを呼べない場所
• そもそも車が進入できない場所
• 車輌侵入禁止区域
• 歩行者天国となっている道路
• お祭りや花火などのイベントによる交通規制区域
• 駅や空港、病院などの施設のタクシー乗り場
• すべてのタクシーが乗り入れることが出来ない場所もある
• 交通渋滞緩和のための自主規制
• お客様を乗せる順番は、タクシーの並び順に従うのが通常であり、
呼ばれたからと言って列に並ばずにお客様を乗せるとトラブルの
原因になりかねない
15
MOVでの対応は?
• 迎車地点として設定できないようにしている
16
アプリ内で迎車地として
指定できないエリアを表
示して、その旨を利用者
にお知らせする
タクシー配車における必須処理
• ポリゴンで定義された配車禁止エリアに、タクシー車輌や
迎車地が含まれるかどうか?
• そもそも迎車地がサービス圏内かどうか?
17
Point-In-Polygon判定
ポリゴンの中に任意の点が含まれるかどうか
本日お話する内容
• タクシー配車における必須処理
• Point-In-Polygon判定のための方法
• 超最適化の手法
• まとめ
18
Point-In-Polygon判定の手法
• アルゴリズムには様々なものがあるが、いずれかを自前実
装する or 実装されたライブラリを利用する
• ElasticsearchのGeolocation機能を利用する
• PostGIS(PostgreSQLのExtension)の機能を利用する
• 様々なサービスが提供しているWeb APIを利用する
19
MOVでのPoint-In-Polygon実装(1)
• リリース最初期は、AWSのElasticsearch Serviceを利用
• Elasticsearchには、GIS向けの機能が提供されている
• データタイプ:geo-point、geo-shape
• geo-shapeとgeo-pointが交差しているかの判定や、両者の距離
などをクエリで利用できる
• タクシー車輌位置を示すgeo-pointと交差するgeo-shape
をもつドキュメントがインデックス内に存在するかどうか
• ユーザー位置を示すgeo-pointから半径Xm以内の距離にあ
るドキュメント(geo-shape)を取得する
20
21
その後・・・
22
Point-In-Polygon判定に
AWS Elasticsearch Service
を利用するのは止めた
MOVでのPoint-In-Polygon実装(1)
• MOVの構成(当時)
23
AWS IoT Core Amazon Elasticsearch
Service
Service API
App Engine
MySQL
Cloud SQL
AWS Cloud
Android AndroidiOS
乗務員アプリ ユーザーアプリ
MOVでのPoint-In-Polygon実装(1)
• MOVのサービスAPIは、GCP環境(GAE/go)で動作して
おり、AWSのマネージドサービスであるElasticsearch
Serviceにアクセスする際に、必ずAWS Sigv4の認証が入
り、GCP-AWS間のレイテンシも存在する
(インスタンス規模の割にスループットが出なかった)
• Elasticsearch Serviceはマネージドサービスではあるが、
オートスケールしてくれないので、急激な負荷の上昇など
に対応できない
24
25
代替手段として採用したのは・・・
26
MOVでのPoint-In-Polygon実装(2)
27
• PostgreSQLの拡張機能であるPostGISを利用する
• PostgreSQL@CloudSQLはPostGISをサポート
• Point-In-Polygon以外にも多種多様なGISオペレーション
をSQLで実現できる
• 単純なQPS性能はElasticsearchよりもかなり高い
• フロントエンドとしてGAE/pythonを採用し、APIとして
利用できるように実装
MOVでのPoint-In-Polygon実装(2)
• 性能評価結果
• クエリ実行元は、Google Compute Engine上のインスタンスとする
• クエリ内容はどちらも同様の結果が得られるものとする
• 試験対象インスタンスのCPU負荷が65%程度になるようにクエリを実行する
28
Product Instance Type vCPU Memory
[GB]
QPS Response
Time [ms]
Elasticsearch c4.2xlarge
.elasticsearch
8 15 1615.85 6.189
PostGIS N/A 16 15 46303.36 0.66
1インスタンスあたりの性能
MOVでのPoint-In-Polygon実装(2)
• 性能評価結果
• クエリ実行元は、Google Compute Engine上のインスタンスとする
• クエリ内容はどちらも同様の結果が得られるものとする
• 試験対象インスタンスのCPU負荷が65%程度になるようにクエリを実行する
29
1インスタンスあたりの性能
PostGISのvCPUを考慮しても、QPSとResponse Timeが圧倒的
Product Instance Type vCPU Memory
[GB]
QPS Response
Time [ms]
Elasticsearch c4.2xlarge
.elasticsearch
8 15 1615.85 6.189
PostGIS N/A 16 15 46303.36 0.66
30
その後・・・
31
(・・・まさか・・・ゴクリ)
32
Point-In-Polygon判定に
PostGIS
を利用するのは止めた
MOVでのPoint-In-Polygon実装(2)
• CloudSQLのPostgreSQLは、インスタンスのメモリ容量
が多いほど最大同時接続数が増加する
• CloudSQLインスタンスのメモリが少ないと、 GAE側でイ
ンスタンスがスケールしてもCloudSQLの最大同時接続数
に到達してしまい接続できなくなる
• 結果として、大量のメモリを積んだインスタンスを複数台
使用しなければならなくなり、コスト高に・・・
33
MOVでのPoint-In-Polygon実装(2)
• CloudSQLのPostgreSQLは、インスタンスのメモリ容量
が多いほど最大同時接続数が増加する
• CloudSQLインスタンスのメモリが少ないと、 GAE側でイ
ンスタンスがスケールしてもCloudSQLの最大同時接続数
に到達してしまい接続できなくなる
• 結果として、大量のメモリを積んだインスタンスを複数台
使用しなければならなくなり、コスト高に・・・
34
PostGISのせいじゃないじゃん・・・
MOVでのPoint-In-Polygon実装(2)
• PostGISを使った判定にも性能的な課題はあった
• 交通圏のポリゴンデータが多頂点ポリゴンとなっており、
PostGISでもPoint-In-Polygon判定だけで数msかかって
いた
35
特別区・武三交通圏(東京都)
36出典:政府統計の総合窓口(e-Stat)(https://www.e-stat.go.jp/)
京浜交通圏(神奈川県)
37出典:政府統計の総合窓口(e-Stat)(https://www.e-stat.go.jp/)
MOVでのPoint-In-Polygon実装(2)
• PostGISを使った判定にも性能的な課題はあった
• 交通圏のポリゴンデータが多頂点ポリゴンとなっており、
PostGISでもPoint-In-Polygon判定だけで数msかかって
いた
• PostGISが内部で利用しているGDALを直接利用して判定
しても1ms以上かかることが判明した
38
MOVでのPoint-In-Polygon実装(2)
• Point-In-Polygon判定は、ユーザーアクセス数が増加する
とそれに比例して増加するため、一定以上のキャパシティ
が必要だが、インフラ費用を無駄に消費するのは避けたい
• 数ms程度なら十分高速な部類ではあるが、様々なAPIで利
用されるものであり、より高速にするとサービスAPIのレ
イテンシを削減できる
• 何より・・・
元ゲーム開発者としては、1msでも十分遅い!!!!
39
40
そして、超最適化へ・・・
MOVでのPoint-In-Polygon超最適化
• GDALを利用して判定する
• ただし、最適化のための事前処理を行う
41
事前処理①:Polygonの細分化
42
出典:政府統計の総合窓口(e-Stat)(https://www.e-stat.go.jp/)
事前処理①:Polygonの細分化
43
出典:政府統計の総合窓口(e-Stat)(https://www.e-stat.go.jp/)
事前処理①:Polygonの細分化
44
絶対に交差する
交差する
かもしれない
絶対に交差しない
出典:政府統計の総合窓口(e-Stat)(https://www.e-stat.go.jp/)
事前処理①:Polygonの細分化
45
切り出した小さなポリ
ゴンとの判定を行う
交差する
かもしれない
出典:政府統計の総合窓口(e-Stat)(https://www.e-stat.go.jp/)
事前処理①:Polygonの細分化
46
圧倒的に頂点数が削減されるので、計算量も激減する
出典:政府統計の総合窓口(e-Stat)(https://www.e-stat.go.jp/)
事前処理①:Polygonの細分化
• ポリゴンを一定サイズのメッシュで分割し、各メッシュに
以下の情報をもたせる
• 絶対に交差するかどうかのBOOL値
• 交差するかもしれないメッシュは、切り出したポリゴンデータ
• 絶対に交差しないメッシュに関してはデータを持たない
• メッシュのIDと上記の情報のマッピングデータを事前計算
• 分割に使うメッシュの大きさはポリゴンのサイズに合わせ
てアダプティブに設定
• MOVでは地域メッシュを使って分割
47
事前処理②:ポリゴンのクラスタリング
• 交通圏以外のポリゴンは小さいけど大量にある
48
出典:政府統計の総合窓口(e-Stat)(https://www.e-stat.go.jp/)
事前処理②:ポリゴンのクラスタリング
• どのポリゴンがどのメッシュに含まれるかを事前計算
49
出典:政府統計の総合窓口(e-Stat)(https://www.e-stat.go.jp/)
事前処理②:ポリゴンのクラスタリング
• どのポリゴンがどのメッシュに含まれるかを事前計算
• ポリゴンが含まれるメッシュIDの配列をポリゴン情報に
含める
50
MOVでのPoint-In-Polygon超最適化
• GDALを直接利用して判定する
• ただし、最適化のための事前処理を行う
• 事前処理を行ったデータをすべてメモリにロードすることで全
計算をオンメモリで処理する
(protocol buffers形式のバイナリファイルをGCSに配置)
• 実装言語はgolang
• GDALをgolangで使用するためには、cgoが必須
⇒GAE/goは諦める
• GKE上にgolang実装されたWebサーバーを構築
51
MOVでのPoint-In-Polygon超最適化
• インフラ構成
52
Kubernetes Cluster
Container Engine
Ingress
Cloud Load Balancing
Preprocessed Data
Cloud Storage
Polygon Meta Data
Cloud SQL
Service API
App Engine
MOVでのPoint-In-Polygon超最適化
• 性能比較(交通圏判定API)
53
MOVでのPoint-In-Polygon超最適化
• 性能比較(交通圏判定API)
54
MOVでのPoint-In-Polygon超最適化
• 性能比較(配車禁止エリア判定API)
55
MOVでのPoint-In-Polygon超最適化
• 性能比較(配車禁止エリア判定API)
56
まとめ
• データに適切な事前処理を施すことにより、超効率的な
Point-In-Polygon判定処理を実装した
• 全データをオンメモリとすることで、交通圏判定や配車禁
止エリア判定を超高速化できた
• 実行性能が数百倍になったことでインスタンスあたりの性
能キャパシティが大幅に拡大した
• 結果として、GAE/goほどのスピンアップ速度がなくても
負荷上昇に十分耐えられるシステムになった
57
58
ご清聴ありがとうございました。

Weitere ähnliche Inhalte

Was ist angesagt?

見やすいプレゼン資料の作り方 - リニューアル増量版
見やすいプレゼン資料の作り方 - リニューアル増量版見やすいプレゼン資料の作り方 - リニューアル増量版
見やすいプレゼン資料の作り方 - リニューアル増量版MOCKS | Yuta Morishige
 
45分間で「ユーザー中心のものづくり」ができるまで詰め込む
45分間で「ユーザー中心のものづくり」ができるまで詰め込む45分間で「ユーザー中心のものづくり」ができるまで詰め込む
45分間で「ユーザー中心のものづくり」ができるまで詰め込むYoshiki Hayama
 
「スプラトゥーン」リアルタイム画像解析ツール 「IkaLog」の裏側
「スプラトゥーン」リアルタイム画像解析ツール 「IkaLog」の裏側「スプラトゥーン」リアルタイム画像解析ツール 「IkaLog」の裏側
「スプラトゥーン」リアルタイム画像解析ツール 「IkaLog」の裏側Takeshi HASEGAWA
 
データ活用をするための組織
データ活用をするための組織データ活用をするための組織
データ活用をするための組織Kon Yuichi
 
新入社員のための大規模ゲーム開発入門 サーバサイド編
新入社員のための大規模ゲーム開発入門 サーバサイド編新入社員のための大規模ゲーム開発入門 サーバサイド編
新入社員のための大規模ゲーム開発入門 サーバサイド編infinite_loop
 
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計Takahiro Kubo
 
UI設計の土台になる考え方-インテリジェントネット社内勉強会
UI設計の土台になる考え方-インテリジェントネット社内勉強会UI設計の土台になる考え方-インテリジェントネット社内勉強会
UI設計の土台になる考え方-インテリジェントネット社内勉強会INI株式会社
 
DeNAにおける先端AI技術活用のチャレンジ
DeNAにおける先端AI技術活用のチャレンジDeNAにおける先端AI技術活用のチャレンジ
DeNAにおける先端AI技術活用のチャレンジYusuke Uchida
 
アプリ起動時間高速化 ~推測するな、計測せよ~
アプリ起動時間高速化 ~推測するな、計測せよ~アプリ起動時間高速化 ~推測するな、計測せよ~
アプリ起動時間高速化 ~推測するな、計測せよ~gree_tech
 
【Unite Tokyo 2019】Unityだったら簡単!マルチプレイ用ゲームサーバ開発 ~実践編~
【Unite Tokyo 2019】Unityだったら簡単!マルチプレイ用ゲームサーバ開発 ~実践編~【Unite Tokyo 2019】Unityだったら簡単!マルチプレイ用ゲームサーバ開発 ~実践編~
【Unite Tokyo 2019】Unityだったら簡単!マルチプレイ用ゲームサーバ開発 ~実践編~UnityTechnologiesJapan002
 
分散システムの限界について知ろう
分散システムの限界について知ろう分散システムの限界について知ろう
分散システムの限界について知ろうShingo Omura
 
ドラレコ + CV = 地図@Mobility Technologies
ドラレコ + CV = 地図@Mobility Technologiesドラレコ + CV = 地図@Mobility Technologies
ドラレコ + CV = 地図@Mobility TechnologiesKazuyuki Miyazawa
 
ワークショップのアイデア発想で「AIでユーザーに最適な情報を出します」とか言うな
ワークショップのアイデア発想で「AIでユーザーに最適な情報を出します」とか言うなワークショップのアイデア発想で「AIでユーザーに最適な情報を出します」とか言うな
ワークショップのアイデア発想で「AIでユーザーに最適な情報を出します」とか言うなYoshiki Hayama
 
ここが良かったDatadog
ここが良かったDatadogここが良かったDatadog
ここが良かったDatadogtyamane
 
作る人から作りながら運用する人になっていく
作る人から作りながら運用する人になっていく作る人から作りながら運用する人になっていく
作る人から作りながら運用する人になっていくRyo Mitoma
 
自己PRプレゼンテーション
自己PRプレゼンテーション自己PRプレゼンテーション
自己PRプレゼンテーション麻実 内原
 
SHOWROOMとDeNAで取り組んだライブ配信基盤刷新・超低遅延ライブ配信の裏側【DeNA TechCon 2020 ライブ配信】
SHOWROOMとDeNAで取り組んだライブ配信基盤刷新・超低遅延ライブ配信の裏側【DeNA TechCon 2020 ライブ配信】SHOWROOMとDeNAで取り組んだライブ配信基盤刷新・超低遅延ライブ配信の裏側【DeNA TechCon 2020 ライブ配信】
SHOWROOMとDeNAで取り組んだライブ配信基盤刷新・超低遅延ライブ配信の裏側【DeNA TechCon 2020 ライブ配信】DeNA
 
ソーシャルゲームのためのデータベース設計
ソーシャルゲームのためのデータベース設計ソーシャルゲームのためのデータベース設計
ソーシャルゲームのためのデータベース設計Yoshinori Matsunobu
 
DeNAの最新のマスタデータ管理システム Oyakata の全容
DeNAの最新のマスタデータ管理システム Oyakata の全容DeNAの最新のマスタデータ管理システム Oyakata の全容
DeNAの最新のマスタデータ管理システム Oyakata の全容sairoutine
 
ビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分けビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分けRecruit Technologies
 

Was ist angesagt? (20)

見やすいプレゼン資料の作り方 - リニューアル増量版
見やすいプレゼン資料の作り方 - リニューアル増量版見やすいプレゼン資料の作り方 - リニューアル増量版
見やすいプレゼン資料の作り方 - リニューアル増量版
 
45分間で「ユーザー中心のものづくり」ができるまで詰め込む
45分間で「ユーザー中心のものづくり」ができるまで詰め込む45分間で「ユーザー中心のものづくり」ができるまで詰め込む
45分間で「ユーザー中心のものづくり」ができるまで詰め込む
 
「スプラトゥーン」リアルタイム画像解析ツール 「IkaLog」の裏側
「スプラトゥーン」リアルタイム画像解析ツール 「IkaLog」の裏側「スプラトゥーン」リアルタイム画像解析ツール 「IkaLog」の裏側
「スプラトゥーン」リアルタイム画像解析ツール 「IkaLog」の裏側
 
データ活用をするための組織
データ活用をするための組織データ活用をするための組織
データ活用をするための組織
 
新入社員のための大規模ゲーム開発入門 サーバサイド編
新入社員のための大規模ゲーム開発入門 サーバサイド編新入社員のための大規模ゲーム開発入門 サーバサイド編
新入社員のための大規模ゲーム開発入門 サーバサイド編
 
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計
 
UI設計の土台になる考え方-インテリジェントネット社内勉強会
UI設計の土台になる考え方-インテリジェントネット社内勉強会UI設計の土台になる考え方-インテリジェントネット社内勉強会
UI設計の土台になる考え方-インテリジェントネット社内勉強会
 
DeNAにおける先端AI技術活用のチャレンジ
DeNAにおける先端AI技術活用のチャレンジDeNAにおける先端AI技術活用のチャレンジ
DeNAにおける先端AI技術活用のチャレンジ
 
アプリ起動時間高速化 ~推測するな、計測せよ~
アプリ起動時間高速化 ~推測するな、計測せよ~アプリ起動時間高速化 ~推測するな、計測せよ~
アプリ起動時間高速化 ~推測するな、計測せよ~
 
【Unite Tokyo 2019】Unityだったら簡単!マルチプレイ用ゲームサーバ開発 ~実践編~
【Unite Tokyo 2019】Unityだったら簡単!マルチプレイ用ゲームサーバ開発 ~実践編~【Unite Tokyo 2019】Unityだったら簡単!マルチプレイ用ゲームサーバ開発 ~実践編~
【Unite Tokyo 2019】Unityだったら簡単!マルチプレイ用ゲームサーバ開発 ~実践編~
 
分散システムの限界について知ろう
分散システムの限界について知ろう分散システムの限界について知ろう
分散システムの限界について知ろう
 
ドラレコ + CV = 地図@Mobility Technologies
ドラレコ + CV = 地図@Mobility Technologiesドラレコ + CV = 地図@Mobility Technologies
ドラレコ + CV = 地図@Mobility Technologies
 
ワークショップのアイデア発想で「AIでユーザーに最適な情報を出します」とか言うな
ワークショップのアイデア発想で「AIでユーザーに最適な情報を出します」とか言うなワークショップのアイデア発想で「AIでユーザーに最適な情報を出します」とか言うな
ワークショップのアイデア発想で「AIでユーザーに最適な情報を出します」とか言うな
 
ここが良かったDatadog
ここが良かったDatadogここが良かったDatadog
ここが良かったDatadog
 
作る人から作りながら運用する人になっていく
作る人から作りながら運用する人になっていく作る人から作りながら運用する人になっていく
作る人から作りながら運用する人になっていく
 
自己PRプレゼンテーション
自己PRプレゼンテーション自己PRプレゼンテーション
自己PRプレゼンテーション
 
SHOWROOMとDeNAで取り組んだライブ配信基盤刷新・超低遅延ライブ配信の裏側【DeNA TechCon 2020 ライブ配信】
SHOWROOMとDeNAで取り組んだライブ配信基盤刷新・超低遅延ライブ配信の裏側【DeNA TechCon 2020 ライブ配信】SHOWROOMとDeNAで取り組んだライブ配信基盤刷新・超低遅延ライブ配信の裏側【DeNA TechCon 2020 ライブ配信】
SHOWROOMとDeNAで取り組んだライブ配信基盤刷新・超低遅延ライブ配信の裏側【DeNA TechCon 2020 ライブ配信】
 
ソーシャルゲームのためのデータベース設計
ソーシャルゲームのためのデータベース設計ソーシャルゲームのためのデータベース設計
ソーシャルゲームのためのデータベース設計
 
DeNAの最新のマスタデータ管理システム Oyakata の全容
DeNAの最新のマスタデータ管理システム Oyakata の全容DeNAの最新のマスタデータ管理システム Oyakata の全容
DeNAの最新のマスタデータ管理システム Oyakata の全容
 
ビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分けビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分け
 

Ähnlich wie MOVで実践したサーバーAPI実装の超最適化について [MOBILITY:dev]

MOV お客さま探索ナビの GCP ML開発フローについて
MOV お客さま探索ナビの GCP ML開発フローについてMOV お客さま探索ナビの GCP ML開発フローについて
MOV お客さま探索ナビの GCP ML開発フローについてDeNA
 
MOV お客さま探索ナビの GCP ML開発フローについて
MOV お客さま探索ナビの GCP ML開発フローについてMOV お客さま探索ナビの GCP ML開発フローについて
MOV お客さま探索ナビの GCP ML開発フローについてTakashi Suzuki
 
Google big query × Amazon redshift
Google big query × Amazon redshiftGoogle big query × Amazon redshift
Google big query × Amazon redshiftFumihide Nario
 
オリジナルBLEデバイスと スマフォアプリを活⽤用したIoTデモンストレーション
オリジナルBLEデバイスと スマフォアプリを活⽤用したIoTデモンストレーションオリジナルBLEデバイスと スマフォアプリを活⽤用したIoTデモンストレーション
オリジナルBLEデバイスと スマフォアプリを活⽤用したIoTデモンストレーションSalesforce Developers Japan
 
Five Steps to Culture Change を日本語で解説する 2020/11/06
Five Steps to Culture Change を日本語で解説する 2020/11/06Five Steps to Culture Change を日本語で解説する 2020/11/06
Five Steps to Culture Change を日本語で解説する 2020/11/06Issei Hiraoka
 
MapR Hadoop M7 in CyberAgent AdTech Studio
MapR Hadoop M7 in CyberAgent AdTech StudioMapR Hadoop M7 in CyberAgent AdTech Studio
MapR Hadoop M7 in CyberAgent AdTech StudioKen Takao
 
オートモーティブ領域における 位置情報関連アルゴリズムあれこれ
オートモーティブ領域における 位置情報関連アルゴリズムあれこれオートモーティブ領域における 位置情報関連アルゴリズムあれこれ
オートモーティブ領域における 位置情報関連アルゴリズムあれこれDeNA
 
20160217_よりよいプロダクトづくりのためのデザインプロセス
20160217_よりよいプロダクトづくりのためのデザインプロセス20160217_よりよいプロダクトづくりのためのデザインプロセス
20160217_よりよいプロダクトづくりのためのデザインプロセスSatoru MURAKOSHI
 
磨いて光らせるUX入門〜 ユーザ視点でUXを改善しよう! 〜
磨いて光らせるUX入門〜 ユーザ視点でUXを改善しよう! 〜磨いて光らせるUX入門〜 ユーザ視点でUXを改善しよう! 〜
磨いて光らせるUX入門〜 ユーザ視点でUXを改善しよう! 〜Taimei Omata
 
マイクロソフトにおけるオープンソース戦略 ソフトウェア開発者が実現できること
マイクロソフトにおけるオープンソース戦略 ソフトウェア開発者が実現できることマイクロソフトにおけるオープンソース戦略 ソフトウェア開発者が実現できること
マイクロソフトにおけるオープンソース戦略 ソフトウェア開発者が実現できることDaisuke Masubuchi
 
怖くないAzure Landing Zone
怖くないAzure Landing Zone怖くないAzure Landing Zone
怖くないAzure Landing ZoneAtsushi Kojima
 
アサヒのデータ活用基盤を支えるデータ仮想化技術
アサヒのデータ活用基盤を支えるデータ仮想化技術アサヒのデータ活用基盤を支えるデータ仮想化技術
アサヒのデータ活用基盤を支えるデータ仮想化技術Denodo
 
株式会社デジタルフォルンご紹介資料_202403pdf___共に前へ時代を前へ。
株式会社デジタルフォルンご紹介資料_202403pdf___共に前へ時代を前へ。株式会社デジタルフォルンご紹介資料_202403pdf___共に前へ時代を前へ。
株式会社デジタルフォルンご紹介資料_202403pdf___共に前へ時代を前へ。naokomukoyama
 
Sensor & Device Showcase 2014(Tokyo MotionControl Network)
Sensor & Device Showcase 2014(Tokyo MotionControl Network)Sensor & Device Showcase 2014(Tokyo MotionControl Network)
Sensor & Device Showcase 2014(Tokyo MotionControl Network)Yukihiro Kimura
 
Smarthome dev overview
Smarthome dev overviewSmarthome dev overview
Smarthome dev overviewNaoto Tobita
 
AlibabaCloudでのSAML(SSO)はAWSとは別物だったお話
AlibabaCloudでのSAML(SSO)はAWSとは別物だったお話AlibabaCloudでのSAML(SSO)はAWSとは別物だったお話
AlibabaCloudでのSAML(SSO)はAWSとは別物だったお話Hiroyuki Sato
 
ハイブリッドクラウド活用セミナー 20141208
ハイブリッドクラウド活用セミナー 20141208ハイブリッドクラウド活用セミナー 20141208
ハイブリッドクラウド活用セミナー 20141208Osamu Kurokochi
 
05.日本マイクロソフト(株)_発表資料
05.日本マイクロソフト(株)_発表資料05.日本マイクロソフト(株)_発表資料
05.日本マイクロソフト(株)_発表資料wagatuma
 
基調講演「データのグループウェア化」
基調講演「データのグループウェア化」基調講演「データのグループウェア化」
基調講演「データのグループウェア化」Cybozucommunity
 

Ähnlich wie MOVで実践したサーバーAPI実装の超最適化について [MOBILITY:dev] (20)

MOV お客さま探索ナビの GCP ML開発フローについて
MOV お客さま探索ナビの GCP ML開発フローについてMOV お客さま探索ナビの GCP ML開発フローについて
MOV お客さま探索ナビの GCP ML開発フローについて
 
MOV お客さま探索ナビの GCP ML開発フローについて
MOV お客さま探索ナビの GCP ML開発フローについてMOV お客さま探索ナビの GCP ML開発フローについて
MOV お客さま探索ナビの GCP ML開発フローについて
 
Google big query × Amazon redshift
Google big query × Amazon redshiftGoogle big query × Amazon redshift
Google big query × Amazon redshift
 
オリジナルBLEデバイスと スマフォアプリを活⽤用したIoTデモンストレーション
オリジナルBLEデバイスと スマフォアプリを活⽤用したIoTデモンストレーションオリジナルBLEデバイスと スマフォアプリを活⽤用したIoTデモンストレーション
オリジナルBLEデバイスと スマフォアプリを活⽤用したIoTデモンストレーション
 
Five Steps to Culture Change を日本語で解説する 2020/11/06
Five Steps to Culture Change を日本語で解説する 2020/11/06Five Steps to Culture Change を日本語で解説する 2020/11/06
Five Steps to Culture Change を日本語で解説する 2020/11/06
 
MapR Hadoop M7 in CyberAgent AdTech Studio
MapR Hadoop M7 in CyberAgent AdTech StudioMapR Hadoop M7 in CyberAgent AdTech Studio
MapR Hadoop M7 in CyberAgent AdTech Studio
 
オートモーティブ領域における 位置情報関連アルゴリズムあれこれ
オートモーティブ領域における 位置情報関連アルゴリズムあれこれオートモーティブ領域における 位置情報関連アルゴリズムあれこれ
オートモーティブ領域における 位置情報関連アルゴリズムあれこれ
 
20160217_よりよいプロダクトづくりのためのデザインプロセス
20160217_よりよいプロダクトづくりのためのデザインプロセス20160217_よりよいプロダクトづくりのためのデザインプロセス
20160217_よりよいプロダクトづくりのためのデザインプロセス
 
磨いて光らせるUX入門〜 ユーザ視点でUXを改善しよう! 〜
磨いて光らせるUX入門〜 ユーザ視点でUXを改善しよう! 〜磨いて光らせるUX入門〜 ユーザ視点でUXを改善しよう! 〜
磨いて光らせるUX入門〜 ユーザ視点でUXを改善しよう! 〜
 
マイクロソフトにおけるオープンソース戦略 ソフトウェア開発者が実現できること
マイクロソフトにおけるオープンソース戦略 ソフトウェア開発者が実現できることマイクロソフトにおけるオープンソース戦略 ソフトウェア開発者が実現できること
マイクロソフトにおけるオープンソース戦略 ソフトウェア開発者が実現できること
 
怖くないAzure Landing Zone
怖くないAzure Landing Zone怖くないAzure Landing Zone
怖くないAzure Landing Zone
 
Tech-on MeetUp#09 hitachi資料
Tech-on MeetUp#09 hitachi資料Tech-on MeetUp#09 hitachi資料
Tech-on MeetUp#09 hitachi資料
 
アサヒのデータ活用基盤を支えるデータ仮想化技術
アサヒのデータ活用基盤を支えるデータ仮想化技術アサヒのデータ活用基盤を支えるデータ仮想化技術
アサヒのデータ活用基盤を支えるデータ仮想化技術
 
株式会社デジタルフォルンご紹介資料_202403pdf___共に前へ時代を前へ。
株式会社デジタルフォルンご紹介資料_202403pdf___共に前へ時代を前へ。株式会社デジタルフォルンご紹介資料_202403pdf___共に前へ時代を前へ。
株式会社デジタルフォルンご紹介資料_202403pdf___共に前へ時代を前へ。
 
Sensor & Device Showcase 2014(Tokyo MotionControl Network)
Sensor & Device Showcase 2014(Tokyo MotionControl Network)Sensor & Device Showcase 2014(Tokyo MotionControl Network)
Sensor & Device Showcase 2014(Tokyo MotionControl Network)
 
Smarthome dev overview
Smarthome dev overviewSmarthome dev overview
Smarthome dev overview
 
AlibabaCloudでのSAML(SSO)はAWSとは別物だったお話
AlibabaCloudでのSAML(SSO)はAWSとは別物だったお話AlibabaCloudでのSAML(SSO)はAWSとは別物だったお話
AlibabaCloudでのSAML(SSO)はAWSとは別物だったお話
 
ハイブリッドクラウド活用セミナー 20141208
ハイブリッドクラウド活用セミナー 20141208ハイブリッドクラウド活用セミナー 20141208
ハイブリッドクラウド活用セミナー 20141208
 
05.日本マイクロソフト(株)_発表資料
05.日本マイクロソフト(株)_発表資料05.日本マイクロソフト(株)_発表資料
05.日本マイクロソフト(株)_発表資料
 
基調講演「データのグループウェア化」
基調講演「データのグループウェア化」基調講演「データのグループウェア化」
基調講演「データのグループウェア化」
 

Mehr von DeNA

DRIVE CHARTの裏側 〜 AI ☓ IoT ☓ ビッグデータを 支えるアーキテクチャ 〜
DRIVE CHARTの裏側  〜 AI ☓ IoT ☓ ビッグデータを 支えるアーキテクチャ 〜DRIVE CHARTの裏側  〜 AI ☓ IoT ☓ ビッグデータを 支えるアーキテクチャ 〜
DRIVE CHARTの裏側 〜 AI ☓ IoT ☓ ビッグデータを 支えるアーキテクチャ 〜DeNA
 
IoTと業務システムをつなぐgRPC/RESTサービスの開発と運用
IoTと業務システムをつなぐgRPC/RESTサービスの開発と運用IoTと業務システムをつなぐgRPC/RESTサービスの開発と運用
IoTと業務システムをつなぐgRPC/RESTサービスの開発と運用DeNA
 
Can We Make Maps from Videos? ~From AI Algorithm to Engineering for Continuou...
Can We Make Maps from Videos? ~From AI Algorithm to Engineering for Continuou...Can We Make Maps from Videos? ~From AI Algorithm to Engineering for Continuou...
Can We Make Maps from Videos? ~From AI Algorithm to Engineering for Continuou...DeNA
 
クラウド環境でのセキュリティ監査自動化【DeNA TechCon 2020 ライブ配信】
クラウド環境でのセキュリティ監査自動化【DeNA TechCon 2020 ライブ配信】クラウド環境でのセキュリティ監査自動化【DeNA TechCon 2020 ライブ配信】
クラウド環境でのセキュリティ監査自動化【DeNA TechCon 2020 ライブ配信】DeNA
 
DeClang 誕生!Clang ベースのハッキング対策コンパイラ【DeNA TechCon 2020 ライブ配信】
DeClang 誕生!Clang ベースのハッキング対策コンパイラ【DeNA TechCon 2020 ライブ配信】DeClang 誕生!Clang ベースのハッキング対策コンパイラ【DeNA TechCon 2020 ライブ配信】
DeClang 誕生!Clang ベースのハッキング対策コンパイラ【DeNA TechCon 2020 ライブ配信】DeNA
 
仕様起因の手戻りを減らして開発効率アップを目指すチャレンジ 【DeNA TechCon 2020 ライブ配信】
仕様起因の手戻りを減らして開発効率アップを目指すチャレンジ 【DeNA TechCon 2020 ライブ配信】仕様起因の手戻りを減らして開発効率アップを目指すチャレンジ 【DeNA TechCon 2020 ライブ配信】
仕様起因の手戻りを減らして開発効率アップを目指すチャレンジ 【DeNA TechCon 2020 ライブ配信】DeNA
 
DeNA データプラットフォームにおける 自由と統制のバランス【DeNA TechCon 2020 ライブ配信】
DeNA データプラットフォームにおける 自由と統制のバランス【DeNA TechCon 2020 ライブ配信】DeNA データプラットフォームにおける 自由と統制のバランス【DeNA TechCon 2020 ライブ配信】
DeNA データプラットフォームにおける 自由と統制のバランス【DeNA TechCon 2020 ライブ配信】DeNA
 
リアルタイムリモートデバッグ環境によるゲーム開発イテレーションの高速化【DeNA TechCon 2020 ライブ配信】
リアルタイムリモートデバッグ環境によるゲーム開発イテレーションの高速化【DeNA TechCon 2020 ライブ配信】リアルタイムリモートデバッグ環境によるゲーム開発イテレーションの高速化【DeNA TechCon 2020 ライブ配信】
リアルタイムリモートデバッグ環境によるゲーム開発イテレーションの高速化【DeNA TechCon 2020 ライブ配信】DeNA
 
MOV の機械学習システムを支える MLOps 実践【DeNA TechCon 2020 ライブ配信】
MOV の機械学習システムを支える MLOps 実践【DeNA TechCon 2020 ライブ配信】MOV の機械学習システムを支える MLOps 実践【DeNA TechCon 2020 ライブ配信】
MOV の機械学習システムを支える MLOps 実践【DeNA TechCon 2020 ライブ配信】DeNA
 
コンピュータビジョン技術の実応用〜DRIVE CHARTにおける脇見・車間距離不足検知〜【DeNA TechCon 2020 ライブ配信】
コンピュータビジョン技術の実応用〜DRIVE CHARTにおける脇見・車間距離不足検知〜【DeNA TechCon 2020 ライブ配信】コンピュータビジョン技術の実応用〜DRIVE CHARTにおける脇見・車間距離不足検知〜【DeNA TechCon 2020 ライブ配信】
コンピュータビジョン技術の実応用〜DRIVE CHARTにおける脇見・車間距離不足検知〜【DeNA TechCon 2020 ライブ配信】DeNA
 
DeNA の Slack 導入と活用の事例紹介
DeNA の Slack 導入と活用の事例紹介DeNA の Slack 導入と活用の事例紹介
DeNA の Slack 導入と活用の事例紹介DeNA
 
タクシーxAIを支えるKubernetesとAIデータパイプラインの信頼性の取り組みについて [SRE NEXT 2020]
タクシーxAIを支えるKubernetesとAIデータパイプラインの信頼性の取り組みについて [SRE NEXT 2020]タクシーxAIを支えるKubernetesとAIデータパイプラインの信頼性の取り組みについて [SRE NEXT 2020]
タクシーxAIを支えるKubernetesとAIデータパイプラインの信頼性の取り組みについて [SRE NEXT 2020]DeNA
 
後部座席タブレットにおけるMaaS時代を見据えた半歩先のUX設計」 [MOBILITY:dev]
後部座席タブレットにおけるMaaS時代を見据えた半歩先のUX設計」 [MOBILITY:dev]後部座席タブレットにおけるMaaS時代を見据えた半歩先のUX設計」 [MOBILITY:dev]
後部座席タブレットにおけるMaaS時代を見据えた半歩先のUX設計」 [MOBILITY:dev]DeNA
 
ドライブレコーダ映像からの3次元空間認識 [MOBILITY:dev]
ドライブレコーダ映像からの3次元空間認識 [MOBILITY:dev]ドライブレコーダ映像からの3次元空間認識 [MOBILITY:dev]
ドライブレコーダ映像からの3次元空間認識 [MOBILITY:dev]DeNA
 
課題ドリブン、フルスタックAI開発術 [MOBILITY:dev]
課題ドリブン、フルスタックAI開発術 [MOBILITY:dev]課題ドリブン、フルスタックAI開発術 [MOBILITY:dev]
課題ドリブン、フルスタックAI開発術 [MOBILITY:dev]DeNA
 
DeNA の AWS アカウント管理とセキュリティ監査自動化
DeNA の AWS アカウント管理とセキュリティ監査自動化DeNA の AWS アカウント管理とセキュリティ監査自動化
DeNA の AWS アカウント管理とセキュリティ監査自動化DeNA
 
DeNAのQCTマネジメント IaaS利用のベストプラクティス [AWS Summit Tokyo 2019]
DeNAのQCTマネジメント IaaS利用のベストプラクティス [AWS Summit Tokyo 2019]DeNAのQCTマネジメント IaaS利用のベストプラクティス [AWS Summit Tokyo 2019]
DeNAのQCTマネジメント IaaS利用のベストプラクティス [AWS Summit Tokyo 2019]DeNA
 
知っててもいいかもしれない知財のこと(抜粋版)
知っててもいいかもしれない知財のこと(抜粋版)知っててもいいかもしれない知財のこと(抜粋版)
知っててもいいかもしれない知財のこと(抜粋版)DeNA
 
ゲーム開発者からMaaS開発者へ ゲーム開発のノウハウを活かして 移動体情報配信システムを作ってみた [DeNA TechCon 2019]
ゲーム開発者からMaaS開発者へ ゲーム開発のノウハウを活かして 移動体情報配信システムを作ってみた [DeNA TechCon 2019]ゲーム開発者からMaaS開発者へ ゲーム開発のノウハウを活かして 移動体情報配信システムを作ってみた [DeNA TechCon 2019]
ゲーム開発者からMaaS開発者へ ゲーム開発のノウハウを活かして 移動体情報配信システムを作ってみた [DeNA TechCon 2019]DeNA
 
パネルディスカッション:データサイエンスの競技者、 Kagglerたちが活躍する職場とは [DeNA TechCon 2019]
パネルディスカッション:データサイエンスの競技者、 Kagglerたちが活躍する職場とは [DeNA TechCon 2019]パネルディスカッション:データサイエンスの競技者、 Kagglerたちが活躍する職場とは [DeNA TechCon 2019]
パネルディスカッション:データサイエンスの競技者、 Kagglerたちが活躍する職場とは [DeNA TechCon 2019]DeNA
 

Mehr von DeNA (20)

DRIVE CHARTの裏側 〜 AI ☓ IoT ☓ ビッグデータを 支えるアーキテクチャ 〜
DRIVE CHARTの裏側  〜 AI ☓ IoT ☓ ビッグデータを 支えるアーキテクチャ 〜DRIVE CHARTの裏側  〜 AI ☓ IoT ☓ ビッグデータを 支えるアーキテクチャ 〜
DRIVE CHARTの裏側 〜 AI ☓ IoT ☓ ビッグデータを 支えるアーキテクチャ 〜
 
IoTと業務システムをつなぐgRPC/RESTサービスの開発と運用
IoTと業務システムをつなぐgRPC/RESTサービスの開発と運用IoTと業務システムをつなぐgRPC/RESTサービスの開発と運用
IoTと業務システムをつなぐgRPC/RESTサービスの開発と運用
 
Can We Make Maps from Videos? ~From AI Algorithm to Engineering for Continuou...
Can We Make Maps from Videos? ~From AI Algorithm to Engineering for Continuou...Can We Make Maps from Videos? ~From AI Algorithm to Engineering for Continuou...
Can We Make Maps from Videos? ~From AI Algorithm to Engineering for Continuou...
 
クラウド環境でのセキュリティ監査自動化【DeNA TechCon 2020 ライブ配信】
クラウド環境でのセキュリティ監査自動化【DeNA TechCon 2020 ライブ配信】クラウド環境でのセキュリティ監査自動化【DeNA TechCon 2020 ライブ配信】
クラウド環境でのセキュリティ監査自動化【DeNA TechCon 2020 ライブ配信】
 
DeClang 誕生!Clang ベースのハッキング対策コンパイラ【DeNA TechCon 2020 ライブ配信】
DeClang 誕生!Clang ベースのハッキング対策コンパイラ【DeNA TechCon 2020 ライブ配信】DeClang 誕生!Clang ベースのハッキング対策コンパイラ【DeNA TechCon 2020 ライブ配信】
DeClang 誕生!Clang ベースのハッキング対策コンパイラ【DeNA TechCon 2020 ライブ配信】
 
仕様起因の手戻りを減らして開発効率アップを目指すチャレンジ 【DeNA TechCon 2020 ライブ配信】
仕様起因の手戻りを減らして開発効率アップを目指すチャレンジ 【DeNA TechCon 2020 ライブ配信】仕様起因の手戻りを減らして開発効率アップを目指すチャレンジ 【DeNA TechCon 2020 ライブ配信】
仕様起因の手戻りを減らして開発効率アップを目指すチャレンジ 【DeNA TechCon 2020 ライブ配信】
 
DeNA データプラットフォームにおける 自由と統制のバランス【DeNA TechCon 2020 ライブ配信】
DeNA データプラットフォームにおける 自由と統制のバランス【DeNA TechCon 2020 ライブ配信】DeNA データプラットフォームにおける 自由と統制のバランス【DeNA TechCon 2020 ライブ配信】
DeNA データプラットフォームにおける 自由と統制のバランス【DeNA TechCon 2020 ライブ配信】
 
リアルタイムリモートデバッグ環境によるゲーム開発イテレーションの高速化【DeNA TechCon 2020 ライブ配信】
リアルタイムリモートデバッグ環境によるゲーム開発イテレーションの高速化【DeNA TechCon 2020 ライブ配信】リアルタイムリモートデバッグ環境によるゲーム開発イテレーションの高速化【DeNA TechCon 2020 ライブ配信】
リアルタイムリモートデバッグ環境によるゲーム開発イテレーションの高速化【DeNA TechCon 2020 ライブ配信】
 
MOV の機械学習システムを支える MLOps 実践【DeNA TechCon 2020 ライブ配信】
MOV の機械学習システムを支える MLOps 実践【DeNA TechCon 2020 ライブ配信】MOV の機械学習システムを支える MLOps 実践【DeNA TechCon 2020 ライブ配信】
MOV の機械学習システムを支える MLOps 実践【DeNA TechCon 2020 ライブ配信】
 
コンピュータビジョン技術の実応用〜DRIVE CHARTにおける脇見・車間距離不足検知〜【DeNA TechCon 2020 ライブ配信】
コンピュータビジョン技術の実応用〜DRIVE CHARTにおける脇見・車間距離不足検知〜【DeNA TechCon 2020 ライブ配信】コンピュータビジョン技術の実応用〜DRIVE CHARTにおける脇見・車間距離不足検知〜【DeNA TechCon 2020 ライブ配信】
コンピュータビジョン技術の実応用〜DRIVE CHARTにおける脇見・車間距離不足検知〜【DeNA TechCon 2020 ライブ配信】
 
DeNA の Slack 導入と活用の事例紹介
DeNA の Slack 導入と活用の事例紹介DeNA の Slack 導入と活用の事例紹介
DeNA の Slack 導入と活用の事例紹介
 
タクシーxAIを支えるKubernetesとAIデータパイプラインの信頼性の取り組みについて [SRE NEXT 2020]
タクシーxAIを支えるKubernetesとAIデータパイプラインの信頼性の取り組みについて [SRE NEXT 2020]タクシーxAIを支えるKubernetesとAIデータパイプラインの信頼性の取り組みについて [SRE NEXT 2020]
タクシーxAIを支えるKubernetesとAIデータパイプラインの信頼性の取り組みについて [SRE NEXT 2020]
 
後部座席タブレットにおけるMaaS時代を見据えた半歩先のUX設計」 [MOBILITY:dev]
後部座席タブレットにおけるMaaS時代を見据えた半歩先のUX設計」 [MOBILITY:dev]後部座席タブレットにおけるMaaS時代を見据えた半歩先のUX設計」 [MOBILITY:dev]
後部座席タブレットにおけるMaaS時代を見据えた半歩先のUX設計」 [MOBILITY:dev]
 
ドライブレコーダ映像からの3次元空間認識 [MOBILITY:dev]
ドライブレコーダ映像からの3次元空間認識 [MOBILITY:dev]ドライブレコーダ映像からの3次元空間認識 [MOBILITY:dev]
ドライブレコーダ映像からの3次元空間認識 [MOBILITY:dev]
 
課題ドリブン、フルスタックAI開発術 [MOBILITY:dev]
課題ドリブン、フルスタックAI開発術 [MOBILITY:dev]課題ドリブン、フルスタックAI開発術 [MOBILITY:dev]
課題ドリブン、フルスタックAI開発術 [MOBILITY:dev]
 
DeNA の AWS アカウント管理とセキュリティ監査自動化
DeNA の AWS アカウント管理とセキュリティ監査自動化DeNA の AWS アカウント管理とセキュリティ監査自動化
DeNA の AWS アカウント管理とセキュリティ監査自動化
 
DeNAのQCTマネジメント IaaS利用のベストプラクティス [AWS Summit Tokyo 2019]
DeNAのQCTマネジメント IaaS利用のベストプラクティス [AWS Summit Tokyo 2019]DeNAのQCTマネジメント IaaS利用のベストプラクティス [AWS Summit Tokyo 2019]
DeNAのQCTマネジメント IaaS利用のベストプラクティス [AWS Summit Tokyo 2019]
 
知っててもいいかもしれない知財のこと(抜粋版)
知っててもいいかもしれない知財のこと(抜粋版)知っててもいいかもしれない知財のこと(抜粋版)
知っててもいいかもしれない知財のこと(抜粋版)
 
ゲーム開発者からMaaS開発者へ ゲーム開発のノウハウを活かして 移動体情報配信システムを作ってみた [DeNA TechCon 2019]
ゲーム開発者からMaaS開発者へ ゲーム開発のノウハウを活かして 移動体情報配信システムを作ってみた [DeNA TechCon 2019]ゲーム開発者からMaaS開発者へ ゲーム開発のノウハウを活かして 移動体情報配信システムを作ってみた [DeNA TechCon 2019]
ゲーム開発者からMaaS開発者へ ゲーム開発のノウハウを活かして 移動体情報配信システムを作ってみた [DeNA TechCon 2019]
 
パネルディスカッション:データサイエンスの競技者、 Kagglerたちが活躍する職場とは [DeNA TechCon 2019]
パネルディスカッション:データサイエンスの競技者、 Kagglerたちが活躍する職場とは [DeNA TechCon 2019]パネルディスカッション:データサイエンスの競技者、 Kagglerたちが活躍する職場とは [DeNA TechCon 2019]
パネルディスカッション:データサイエンスの競技者、 Kagglerたちが活躍する職場とは [DeNA TechCon 2019]
 

MOVで実践したサーバーAPI実装の超最適化について [MOBILITY:dev]