Submit Search
Upload
TDDBC Fukuoka Day1
•
20 likes
•
22,817 views
Takuto Wada
Follow
TDD Boot Camp Fukuoka Day1 - Mar 19, 2011 at Fukuoka
Read less
Read more
Technology
Report
Share
Report
Share
1 of 83
Download now
Download to read offline
Recommended
Watanabe理論勉強会 第二回 発表資料
シンギュラリティを知らずに機械学習を語るな
シンギュラリティを知らずに機械学習を語るな
hoxo_m
【第40回AIセミナー】 「説明できるAI 〜AIはブラックボックスなのか？〜」 https://www.airc.aist.go.jp/seminar_detail/seminar_040.html 【講演タイトル】 機械学習モデルの判断根拠の説明 【講演概要】 本講演では、機械学習モデルの判断根拠を提示するための説明法について紹介する。高精度な認識・識別が可能な機械学習モデルは一般に非常に複雑な構造をしており、どのような基準で判断が下されているかを人間が窺い知ることは困難である。このようなモデルのブラックボックス性を解消するために、近年様々なモデルの説明法が研究・提案されてきている。本講演ではこれら近年の代表的な説明法について紹介する。
機械学習モデルの判断根拠の説明（Ver.2）
機械学習モデルの判断根拠の説明（Ver.2）
Satoshi Hara
オリジナルはこちら https://www.microsoft.com/en-us/research/academic-program/write-great-research-paper/ http://research.microsoft.com/en-us/um/people/simonpj/papers/giving-a-talk/Writing%20a%20paper%20(seven%20suggestions).pptx 新しいバージョンはこちら https://www.slideshare.net/kdmsnr/how-to-write-a-great-research-paper-226669082
優れた研究論文の書き方―7つの提案
優れた研究論文の書き方―7つの提案
Masanori Kado
言語処理学会第28回年次大会(NLP2022)のチュートリアルでの講演資料です。 https://www.anlp.jp/nlp2022/#tutorial
ゼロから始める転移学習
ゼロから始める転移学習
Yahoo!デベロッパーネットワーク
SSII2021 [OS2-01] 転移学習の基礎：異なるタスクの知識を利用するための機械学習の方法 6月10日 (木) 11:00 - 12:30 メイン会場（vimeo + sli.do） 登壇者：松井 孝太 氏（名古屋大学） 概要：転移学習とは、解きたいタスクに対して、それと異なるが似ている他のタスクからの知識（データ、特徴、モデルなど）を利用するための方法を与える機械学習のフレームワークです。深層モデルの学習方法として広く普及している事前学習モデルの利用は、この広義の転移学習の一つの実現形態とみなせます。本発表では、まず何をいつ転移するのか (what/when to transfer) といった転移学習の基本概念と定式化を説明し、具体的な転移学習の主要なアプローチとしてドメイン適応、メタ学習について解説します。
SSII2021 [OS2-01] 転移学習の基礎：異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎：異なるタスクの知識を利用するための機械学習の方法
SSII
deeplab seminarでの発表資料です． 強化学習とゲーム理論の概略をまとめた後に，マルチエージェント強化学習について簡単にまとめています． なお，本資料には誤りが含まれる可能性もございますが，ご了承ください．
強化学習 と ゲーム理論 (MARL)
強化学習 と ゲーム理論 (MARL)
HarukaKiyohara
本スライドは、弊社の梅本により弊社内の技術勉強会で使用されたものです。 近年注目を集めるアーキテクチャーである「Transformer」の解説スライドとなっております。 "Arithmer Seminar" is weekly held, where professionals from within and outside our company give lectures on their respective expertise. The slides are made by the lecturer from outside our company, and shared here with his/her permission. Arithmer株式会社は東京大学大学院数理科学研究科発の数学の会社です。私達は現代数学を応用して、様々な分野のソリューションに、新しい高度AIシステムを導入しています。AIをいかに上手に使って仕事を効率化するか、そして人々の役に立つ結果を生み出すのか、それを考えるのが私たちの仕事です。 Arithmer began at the University of Tokyo Graduate School of Mathematical Sciences. Today, our research of modern mathematics and AI systems has the capability of providing solutions when dealing with tough complex issues. At Arithmer we believe it is our job to realize the functions of AI through improving work efficiency and producing more useful results for society.
全力解説！Transformer
全力解説！Transformer
Arithmer Inc.
社内勉強会での講演資料
強化学習その2
強化学習その2
nishio
Recommended
Watanabe理論勉強会 第二回 発表資料
シンギュラリティを知らずに機械学習を語るな
シンギュラリティを知らずに機械学習を語るな
hoxo_m
【第40回AIセミナー】 「説明できるAI 〜AIはブラックボックスなのか？〜」 https://www.airc.aist.go.jp/seminar_detail/seminar_040.html 【講演タイトル】 機械学習モデルの判断根拠の説明 【講演概要】 本講演では、機械学習モデルの判断根拠を提示するための説明法について紹介する。高精度な認識・識別が可能な機械学習モデルは一般に非常に複雑な構造をしており、どのような基準で判断が下されているかを人間が窺い知ることは困難である。このようなモデルのブラックボックス性を解消するために、近年様々なモデルの説明法が研究・提案されてきている。本講演ではこれら近年の代表的な説明法について紹介する。
機械学習モデルの判断根拠の説明（Ver.2）
機械学習モデルの判断根拠の説明（Ver.2）
Satoshi Hara
オリジナルはこちら https://www.microsoft.com/en-us/research/academic-program/write-great-research-paper/ http://research.microsoft.com/en-us/um/people/simonpj/papers/giving-a-talk/Writing%20a%20paper%20(seven%20suggestions).pptx 新しいバージョンはこちら https://www.slideshare.net/kdmsnr/how-to-write-a-great-research-paper-226669082
優れた研究論文の書き方―7つの提案
優れた研究論文の書き方―7つの提案
Masanori Kado
言語処理学会第28回年次大会(NLP2022)のチュートリアルでの講演資料です。 https://www.anlp.jp/nlp2022/#tutorial
ゼロから始める転移学習
ゼロから始める転移学習
Yahoo!デベロッパーネットワーク
SSII2021 [OS2-01] 転移学習の基礎：異なるタスクの知識を利用するための機械学習の方法 6月10日 (木) 11:00 - 12:30 メイン会場（vimeo + sli.do） 登壇者：松井 孝太 氏（名古屋大学） 概要：転移学習とは、解きたいタスクに対して、それと異なるが似ている他のタスクからの知識（データ、特徴、モデルなど）を利用するための方法を与える機械学習のフレームワークです。深層モデルの学習方法として広く普及している事前学習モデルの利用は、この広義の転移学習の一つの実現形態とみなせます。本発表では、まず何をいつ転移するのか (what/when to transfer) といった転移学習の基本概念と定式化を説明し、具体的な転移学習の主要なアプローチとしてドメイン適応、メタ学習について解説します。
SSII2021 [OS2-01] 転移学習の基礎：異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎：異なるタスクの知識を利用するための機械学習の方法
SSII
deeplab seminarでの発表資料です． 強化学習とゲーム理論の概略をまとめた後に，マルチエージェント強化学習について簡単にまとめています． なお，本資料には誤りが含まれる可能性もございますが，ご了承ください．
強化学習 と ゲーム理論 (MARL)
強化学習 と ゲーム理論 (MARL)
HarukaKiyohara
本スライドは、弊社の梅本により弊社内の技術勉強会で使用されたものです。 近年注目を集めるアーキテクチャーである「Transformer」の解説スライドとなっております。 "Arithmer Seminar" is weekly held, where professionals from within and outside our company give lectures on their respective expertise. The slides are made by the lecturer from outside our company, and shared here with his/her permission. Arithmer株式会社は東京大学大学院数理科学研究科発の数学の会社です。私達は現代数学を応用して、様々な分野のソリューションに、新しい高度AIシステムを導入しています。AIをいかに上手に使って仕事を効率化するか、そして人々の役に立つ結果を生み出すのか、それを考えるのが私たちの仕事です。 Arithmer began at the University of Tokyo Graduate School of Mathematical Sciences. Today, our research of modern mathematics and AI systems has the capability of providing solutions when dealing with tough complex issues. At Arithmer we believe it is our job to realize the functions of AI through improving work efficiency and producing more useful results for society.
全力解説！Transformer
全力解説！Transformer
Arithmer Inc.
社内勉強会での講演資料
強化学習その2
強化学習その2
nishio
2021/09/17 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会] マルチエージェント強化学習と心の理論
[DL輪読会] マルチエージェント強化学習と心の理論
Deep Learning JP
強化学習若手の会チュートリアル、部分観測マルコフ決定過程 (POMDP) 下での強化学習の基礎と応用の資料です。
POMDP下での強化学習の基礎と応用
POMDP下での強化学習の基礎と応用
Yasunori Ozaki
ゼミで発表した資料です。間違っていたらTwitterに連絡ください。@ottamm_190
PRML学習者から入る深層生成モデル入門
PRML学習者から入る深層生成モデル入門
tmtm otm
プレゼン初心者（M1 or B4）のための「研究報告のためのプレゼンテーション技術」です。研究室内部向けに作成したものですが、何となく公開します。 twitter: @forthshinji
研究発表のためのプレゼンテーション技術
研究発表のためのプレゼンテーション技術
Shinnosuke Takamichi
MIRU2018 のチュートリアルで発表された資料です。 https://sites.google.com/view/miru2018sapporo/%E3%83%97%E3%83%AD%E3%82%B0%E3%83%A9%E3%83%A0/%E3%83%81%E3%83%A5%E3%83%BC%E3%83%88%E3%83%AA%E3%82%A2%E3%83%AB
機械学習モデルのハイパパラメータ最適化
機械学習モデルのハイパパラメータ最適化
gree_tech
Slideshareは再アップロード不可なのでerrataはコチラ： p16：Structure(Conference Paper) →構成（カンファレンスペーパー） p28：Structure → 構成 p47：マン → マージン オリジナル： https://www.microsoft.com/en-us/research/academic-program/write-great-research-paper/ 旧版の翻訳（内容はほとんど同じです）： https://www.slideshare.net/kdmsnr/writing-a-paper-seven-suggestions
優れた研究論文の書き方
優れた研究論文の書き方
Masanori Kado
2017/8/4 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Reward Augmented Maximum Likelihood for Neural Structured Prediction
[DL輪読会]Reward Augmented Maximum Likelihood for Neural Structured Prediction
Deep Learning JP
ML15講演資料
ChatGPTは思ったほど賢くない
ChatGPTは思ったほど賢くない
Carnot Inc.
機械学習の社会実装では、予測精度が高くても、機械学習がブラックボックであるために使うことができないということがよく起きます。 このスライドでは機械学習が不得意な予測結果の根拠を示すために考案されたLIMEの論文を解説します。 Ribeiro, Marco Tulio, Sameer Singh, and Carlos Guestrin. "" Why should i trust you?" Explaining the predictions of any classifier." Proceedings of the 22nd ACM SIGKDD international conference on knowledge discovery and data mining. 2016.
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
西岡 賢一郎
2022/01/07 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and Editing
[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and Editing
Deep Learning JP
第1回Webインテリジェンスとインタラクションセミナー（いまさら訊けないシリーズ「言語処理技術」）での発表資料です。 https://www.sigwi2.org/next-sig
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
Yahoo!デベロッパーネットワーク
言語処理学会第22回年次大会ワークショップ「論文に書かない（書けない）自然言語処理」
研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有
Naoaki Okazaki
サーベイ方法やアイディアの発想法についてまとめました．
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法
Hirokatsu Kataoka
4/16に行われた筑波大の手塚若林研合同ゼミでの発表スライドです。
Optimizer入門＆最新動向
Optimizer入門＆最新動向
Motokawa Tetsuya
『トピックモデルによる統計的潜在意味解析』読書会ファイナル ~佐藤一誠先生スペシャル~ LT 資料 http://topicmodel.connpass.com/event/27999/
トピックモデルの評価指標 Perplexity とは何なのか？
トピックモデルの評価指標 Perplexity とは何なのか？
hoxo_m
cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有しています。 http://xpaperchallenge.org/cv/ 本資料はViEW2021チュートリアルセッション「最新研究の始め方」のプレゼン素材です。また、xpaper.challengeの2020年末ワークショップとしてプレゼンした「研究効率化Tips」の拡張版です。本資料では3社12研究室300ページにわたるノウハウの詰め合わせです。 VIEW2021のチュートリアルセッションでは時間の制限があるため、こちらの資料から一部抜粋して発表を行うことになりますが、VIEW2021チュートリアルセッションの方にも足を運んでいただければ幸いです。 VIEW2021チュートリアルセッション：http://view.tc-iaip.org/view/2021/speaker/ts1 ViEW2021参加登録：http://view.tc-iaip.org/view/2021/registration
研究効率化Tips Ver.2
研究効率化Tips Ver.2
cvpaper. challenge
ベイズ推定の発想、MCMCによる推定の概要など入門的なお話です。2014年6月の第一回ベイズ推定WSと内容はほぼ同一。 reveal.jsでクルクル回ります。 http://ytake2.github.io/bayes.github.io/#/
ベイズ推定の概要＠広島ベイズ塾
ベイズ推定の概要＠広島ベイズ塾
Yoshitake Takebayashi
SIX ABEJA 講演資料 もうブラックボックスとは呼ばせない～機械学習を支援する情報 ※タイトルはだいぶ大げさです（釣りといってもいいレベル）
SIX ABEJA 講演資料 もうブラックボックスとは呼ばせない～機械学習を支援する情報
SIX ABEJA 講演資料 もうブラックボックスとは呼ばせない～機械学習を支援する情報
Takayuki Itoh
ELBO型VAEのダメなところ
ELBO型VAEのダメなところ
ELBO型VAEのダメなところ
KCS Keio Computer Society
Rでisomap（多様体学習のはなし）
Rでisomap（多様体学習のはなし）
Kohta Ishikawa
OpenWhiskがどうのようなものなのか。
About OpenWhisk
About OpenWhisk
Hideaki Tokida
ZDD入門-お姉さんを救う方法
ZDD入門-お姉さんを救う方法
nishio
More Related Content
What's hot
2021/09/17 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会] マルチエージェント強化学習と心の理論
[DL輪読会] マルチエージェント強化学習と心の理論
Deep Learning JP
強化学習若手の会チュートリアル、部分観測マルコフ決定過程 (POMDP) 下での強化学習の基礎と応用の資料です。
POMDP下での強化学習の基礎と応用
POMDP下での強化学習の基礎と応用
Yasunori Ozaki
ゼミで発表した資料です。間違っていたらTwitterに連絡ください。@ottamm_190
PRML学習者から入る深層生成モデル入門
PRML学習者から入る深層生成モデル入門
tmtm otm
プレゼン初心者（M1 or B4）のための「研究報告のためのプレゼンテーション技術」です。研究室内部向けに作成したものですが、何となく公開します。 twitter: @forthshinji
研究発表のためのプレゼンテーション技術
研究発表のためのプレゼンテーション技術
Shinnosuke Takamichi
MIRU2018 のチュートリアルで発表された資料です。 https://sites.google.com/view/miru2018sapporo/%E3%83%97%E3%83%AD%E3%82%B0%E3%83%A9%E3%83%A0/%E3%83%81%E3%83%A5%E3%83%BC%E3%83%88%E3%83%AA%E3%82%A2%E3%83%AB
機械学習モデルのハイパパラメータ最適化
機械学習モデルのハイパパラメータ最適化
gree_tech
Slideshareは再アップロード不可なのでerrataはコチラ： p16：Structure(Conference Paper) →構成（カンファレンスペーパー） p28：Structure → 構成 p47：マン → マージン オリジナル： https://www.microsoft.com/en-us/research/academic-program/write-great-research-paper/ 旧版の翻訳（内容はほとんど同じです）： https://www.slideshare.net/kdmsnr/writing-a-paper-seven-suggestions
優れた研究論文の書き方
優れた研究論文の書き方
Masanori Kado
2017/8/4 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Reward Augmented Maximum Likelihood for Neural Structured Prediction
[DL輪読会]Reward Augmented Maximum Likelihood for Neural Structured Prediction
Deep Learning JP
ML15講演資料
ChatGPTは思ったほど賢くない
ChatGPTは思ったほど賢くない
Carnot Inc.
機械学習の社会実装では、予測精度が高くても、機械学習がブラックボックであるために使うことができないということがよく起きます。 このスライドでは機械学習が不得意な予測結果の根拠を示すために考案されたLIMEの論文を解説します。 Ribeiro, Marco Tulio, Sameer Singh, and Carlos Guestrin. "" Why should i trust you?" Explaining the predictions of any classifier." Proceedings of the 22nd ACM SIGKDD international conference on knowledge discovery and data mining. 2016.
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
西岡 賢一郎
2022/01/07 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and Editing
[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and Editing
Deep Learning JP
第1回Webインテリジェンスとインタラクションセミナー（いまさら訊けないシリーズ「言語処理技術」）での発表資料です。 https://www.sigwi2.org/next-sig
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
Yahoo!デベロッパーネットワーク
言語処理学会第22回年次大会ワークショップ「論文に書かない（書けない）自然言語処理」
研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有
Naoaki Okazaki
サーベイ方法やアイディアの発想法についてまとめました．
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法
Hirokatsu Kataoka
4/16に行われた筑波大の手塚若林研合同ゼミでの発表スライドです。
Optimizer入門＆最新動向
Optimizer入門＆最新動向
Motokawa Tetsuya
『トピックモデルによる統計的潜在意味解析』読書会ファイナル ~佐藤一誠先生スペシャル~ LT 資料 http://topicmodel.connpass.com/event/27999/
トピックモデルの評価指標 Perplexity とは何なのか？
トピックモデルの評価指標 Perplexity とは何なのか？
hoxo_m
cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有しています。 http://xpaperchallenge.org/cv/ 本資料はViEW2021チュートリアルセッション「最新研究の始め方」のプレゼン素材です。また、xpaper.challengeの2020年末ワークショップとしてプレゼンした「研究効率化Tips」の拡張版です。本資料では3社12研究室300ページにわたるノウハウの詰め合わせです。 VIEW2021のチュートリアルセッションでは時間の制限があるため、こちらの資料から一部抜粋して発表を行うことになりますが、VIEW2021チュートリアルセッションの方にも足を運んでいただければ幸いです。 VIEW2021チュートリアルセッション：http://view.tc-iaip.org/view/2021/speaker/ts1 ViEW2021参加登録：http://view.tc-iaip.org/view/2021/registration
研究効率化Tips Ver.2
研究効率化Tips Ver.2
cvpaper. challenge
ベイズ推定の発想、MCMCによる推定の概要など入門的なお話です。2014年6月の第一回ベイズ推定WSと内容はほぼ同一。 reveal.jsでクルクル回ります。 http://ytake2.github.io/bayes.github.io/#/
ベイズ推定の概要＠広島ベイズ塾
ベイズ推定の概要＠広島ベイズ塾
Yoshitake Takebayashi
SIX ABEJA 講演資料 もうブラックボックスとは呼ばせない～機械学習を支援する情報 ※タイトルはだいぶ大げさです（釣りといってもいいレベル）
SIX ABEJA 講演資料 もうブラックボックスとは呼ばせない～機械学習を支援する情報
SIX ABEJA 講演資料 もうブラックボックスとは呼ばせない～機械学習を支援する情報
Takayuki Itoh
ELBO型VAEのダメなところ
ELBO型VAEのダメなところ
ELBO型VAEのダメなところ
KCS Keio Computer Society
Rでisomap（多様体学習のはなし）
Rでisomap（多様体学習のはなし）
Kohta Ishikawa
What's hot
(20)
[DL輪読会] マルチエージェント強化学習と心の理論
[DL輪読会] マルチエージェント強化学習と心の理論
POMDP下での強化学習の基礎と応用
POMDP下での強化学習の基礎と応用
PRML学習者から入る深層生成モデル入門
PRML学習者から入る深層生成モデル入門
研究発表のためのプレゼンテーション技術
研究発表のためのプレゼンテーション技術
機械学習モデルのハイパパラメータ最適化
機械学習モデルのハイパパラメータ最適化
優れた研究論文の書き方
優れた研究論文の書き方
[DL輪読会]Reward Augmented Maximum Likelihood for Neural Structured Prediction
[DL輪読会]Reward Augmented Maximum Likelihood for Neural Structured Prediction
ChatGPTは思ったほど賢くない
ChatGPTは思ったほど賢くない
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and Editing
[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and Editing
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法
Optimizer入門＆最新動向
Optimizer入門＆最新動向
トピックモデルの評価指標 Perplexity とは何なのか？
トピックモデルの評価指標 Perplexity とは何なのか？
研究効率化Tips Ver.2
研究効率化Tips Ver.2
ベイズ推定の概要＠広島ベイズ塾
ベイズ推定の概要＠広島ベイズ塾
SIX ABEJA 講演資料 もうブラックボックスとは呼ばせない～機械学習を支援する情報
SIX ABEJA 講演資料 もうブラックボックスとは呼ばせない～機械学習を支援する情報
ELBO型VAEのダメなところ
ELBO型VAEのダメなところ
Rでisomap（多様体学習のはなし）
Rでisomap（多様体学習のはなし）
Viewers also liked
OpenWhiskがどうのようなものなのか。
About OpenWhisk
About OpenWhisk
Hideaki Tokida
ZDD入門-お姉さんを救う方法
ZDD入門-お姉さんを救う方法
nishio
札幌Javaカンファレンス2012での発表資料。
テスト駆動開発入門
テスト駆動開発入門
Shuji Watanabe
Tokyor14 - R言語でユニットテスト
Tokyor14 - R言語でユニットテスト
Yohei Sato
ユニットテストの保守性を作りこむ, xpjugkansai2011
ユニットテストの保守性を作りこむ, xpjugkansai2011
H Iseri
#TDDBC in Tokyo 1.5でのLT資料
TDDを実践してわかったTDDつまづくあるあると自分なりの乗り越え方まとめ
TDDを実践してわかったTDDつまづくあるあると自分なりの乗り越え方まとめ
Kei Sawada
Viewers also liked
(6)
About OpenWhisk
About OpenWhisk
ZDD入門-お姉さんを救う方法
ZDD入門-お姉さんを救う方法
テスト駆動開発入門
テスト駆動開発入門
Tokyor14 - R言語でユニットテスト
Tokyor14 - R言語でユニットテスト
ユニットテストの保守性を作りこむ, xpjugkansai2011
ユニットテストの保守性を作りこむ, xpjugkansai2011
TDDを実践してわかったTDDつまづくあるあると自分なりの乗り越え方まとめ
TDDを実践してわかったTDDつまづくあるあると自分なりの乗り越え方まとめ
More from Takuto Wada
組織にテストを書く文化を根付かせる戦略と戦術 Feb 16, 2016 @ 日本OSS推進フォーラム
組織にテストを書く文化を根付かせる戦略と戦術
組織にテストを書く文化を根付かせる戦略と戦術
Takuto Wada
「OSS活動の活発さと評価の関係について」 Feb 16, 2016 @ 日本OSS推進フォーラム
OSS活動の活発さと評価の関係について
OSS活動の活発さと評価の関係について
Takuto Wada
unassert - Encourage Design by Contract (DbC) by writing assertions in production code, and compiling them away from release. Takuto Wada 2015/11/07 @nodefest Tokkyo 2015
unassert - encourage reliable programming by writing assertions in production
unassert - encourage reliable programming by writing assertions in production
Takuto Wada
java-ja.OSS http://connpass.com/event/19690/
OSS についてあれこれ
OSS についてあれこれ
Takuto Wada
SQLアンチパターン 26章「とりあえず削除フラグ」 2015/08/31 @ GMO Yours #ronsakucasual https://atnd.org/events/68902
SQLアンチパターン 幻の第26章「とりあえず削除フラグ」
SQLアンチパターン 幻の第26章「とりあえず削除フラグ」
Takuto Wada
power-assert, mechanism and philosophy Takuto Wada (a.k.a @t_wada) Nov 15, 2014 @ Nodefest Tokyo 2014
power-assert, mechanism and philosophy
power-assert, mechanism and philosophy
Takuto Wada
『アジャイルサムライ』の次に読むオススメの本 (プロセス系ではなく技術書) を Agile Samurai Base Camp TDDの部、講師 6 人で投票した結果の書影まとめです。 Apr 20, 2014 @ Agile Samurai Base Camp
アジャイルサムライの次に読む技術書
アジャイルサムライの次に読む技術書
Takuto Wada
ソフトウェアテストシンポジウム 2014 北海道基調講演 2014年9月5日(金)
Test Yourself - テストを書くと何がどう変わるか
Test Yourself - テストを書くと何がどう変わるか
Takuto Wada
テスト用ライブラリ power-assert 2014/05/29 @ JSオジサン#2
テスト用ライブラリ power-assert
テスト用ライブラリ power-assert
Takuto Wada
Reviewing RESTful Web Apps at RESTful Meetup vol.3 (#RWABookja) Apr 12, 2014
Reviewing RESTful Web Apps
Reviewing RESTful Web Apps
Takuto Wada
power-assert in JavaScript Aug 21, 2013 at 10th Tokyo Node Gakuen #tng10
power-assert in JavaScript
power-assert in JavaScript
Takuto Wada
at Open Seminar Hiroshima 2014 (#osh2014) 2014.02.01 (Sat) http://osh-2014.github.io/
TDD のこころ @ OSH2014
TDD のこころ @ OSH2014
Takuto Wada
at DevLOVE現場甲子園2013 2013/11/09 (土) http://http://devlove.doorkeeper.jp/events/5464
テストを書く文化を育てる戦略と戦術
テストを書く文化を育てる戦略と戦術
Takuto Wada
at Testing Casual Talks #1 (2013/07/24) http://atnd.org/events/40914
私にとってのテスト
私にとってのテスト
Takuto Wada
2013/04/20 デブサミ 2013 アワード & リバイバル
SQLアンチパターン - 開発者を待ち受ける25の落とし穴 (拡大版)
SQLアンチパターン - 開発者を待ち受ける25の落とし穴 (拡大版)
Takuto Wada
【15-B-5】SQLアンチパターン - 開発者を待ち受ける25の落とし穴 2013/02/15 デブサミ 2013
SQLアンチパターン - 開発者を待ち受ける25の落とし穴
SQLアンチパターン - 開発者を待ち受ける25の落とし穴
Takuto Wada
愛せないコードを書くには人生はあまりにも短い Dec 16, 2012 @ DevLOVE 2012
愛せないコードを書くには人生はあまりにも短い
愛せないコードを書くには人生はあまりにも短い
Takuto Wada
『ペアプログラミング ホントのところ』2012/10/28 Scrum 道 Expo
ペアプログラミング ホントのところ
ペアプログラミング ホントのところ
Takuto Wada
RailsにおけるRESTfulなURL設計勉強会 千駄ヶ谷.rb #12 #sendagayarb
RESTful Web アプリの設計レビューの話
RESTful Web アプリの設計レビューの話
Takuto Wada
例外設計における大罪 Jun 27, 2012 @ java-ja
例外設計における大罪
例外設計における大罪
Takuto Wada
More from Takuto Wada
(20)
組織にテストを書く文化を根付かせる戦略と戦術
組織にテストを書く文化を根付かせる戦略と戦術
OSS活動の活発さと評価の関係について
OSS活動の活発さと評価の関係について
unassert - encourage reliable programming by writing assertions in production
unassert - encourage reliable programming by writing assertions in production
OSS についてあれこれ
OSS についてあれこれ
SQLアンチパターン 幻の第26章「とりあえず削除フラグ」
SQLアンチパターン 幻の第26章「とりあえず削除フラグ」
power-assert, mechanism and philosophy
power-assert, mechanism and philosophy
アジャイルサムライの次に読む技術書
アジャイルサムライの次に読む技術書
Test Yourself - テストを書くと何がどう変わるか
Test Yourself - テストを書くと何がどう変わるか
テスト用ライブラリ power-assert
テスト用ライブラリ power-assert
Reviewing RESTful Web Apps
Reviewing RESTful Web Apps
power-assert in JavaScript
power-assert in JavaScript
TDD のこころ @ OSH2014
TDD のこころ @ OSH2014
テストを書く文化を育てる戦略と戦術
テストを書く文化を育てる戦略と戦術
私にとってのテスト
私にとってのテスト
SQLアンチパターン - 開発者を待ち受ける25の落とし穴 (拡大版)
SQLアンチパターン - 開発者を待ち受ける25の落とし穴 (拡大版)
SQLアンチパターン - 開発者を待ち受ける25の落とし穴
SQLアンチパターン - 開発者を待ち受ける25の落とし穴
愛せないコードを書くには人生はあまりにも短い
愛せないコードを書くには人生はあまりにも短い
ペアプログラミング ホントのところ
ペアプログラミング ホントのところ
RESTful Web アプリの設計レビューの話
RESTful Web アプリの設計レビューの話
例外設計における大罪
例外設計における大罪
Download now
