登録して招待リンクを共有すると、動画再生報酬と紹介報酬を獲得できます。

検索結果 PARGER
PARGER コミュニティ
1つのキーワードが1つのコミュニティです。
コミュニティ作成
アカウント
見つかりません
PARGER を含む検索結果
PagerDuty、SREエージェント「Paige」を中核に、人とAIの協働による「自律型システム運用」を実現する新製品体系を...
#天城出演情報# Thank you so much @MarvelRivals for giving me the amazing opportunity to be the voice of Peni Parker! I had such an amazing time bringing her to life! ペニー・パーカー役を務めさせていただきます!好きすぎるMarvel作品に関われて幸せ過ぎます!また夢が一つ叶いました❤︎
もっと見る
\今夜5(水)21:00、開演🎬/ ⠀ 毎週映画が無料で楽しめる #水曜ニコニコシアター🍿# ⠀ 今夜は、ジェイソン・ステイサム主演 映画『PARKER/パーカー』を無料放送🎬 ⠀ ▼視聴はこちら ⠀ 仲間に裏切られ、瀕死の男が復讐💥 血まみれ&ボロボロなステイサムはレア設定!?👀
もっと見る
<平野啓一郎が選ぶマイルスの10曲> 1. Half Nelson (『On Savoy: Charlie Parker & Miles Davis』収録) 2. Ah-Leu-Cha (『At Newport 1958』収録) 3. Blue in Green (『Kind Of Blue』収録) 4. Flamenco Sketches (『Kind Of Blue』収録) 5. Milestones - Live (『Miles In Berlin』収録) 6. E.S.P. (『E.S.P.』収録) 7. Orbits (『Miles Smiles』収録) 8. Helen Butte / Mr. Freedom X (『On The Corner』収録) 9. It's About That Time / The Theme - Live(『Bitches Brew Live』収録) 10. Fantasy (『Doo-Bop』収録) 🎧プレイリストで聴く: (Apple Music/Spotify/Amazon Music) --- #マイルス・デイビス100周年# #平野啓一郎# @hiranok @matinee0409
もっと見る
『システム障害の対応についてエンジニアの約6割が対応しきれないと回答…その要因には即戦力となる人材不足や体制の問題、過酷な労働時間、下請け構造などが考えられる』 障害から復旧できたことと、無理なく運用を続けられることは違う。PagerDutyの調査では、大企業で障害対応を担う316人のうち、66.2%が現体制では「恒常的に対応しきれていない」か「対応しきれないことがある」と回答した。改善・リファクタリングを後回しにした人は50.3%、再発防止策は40.5%。障害対応を続けるために、次の障害を減らす仕事が止まってしまっている。 この報道への反応を集めたTogetterには、開発後に人を減らして知識が残らない、増員しても必要な経験がない、深夜や休日の対応がつらい、といった声が並ぶ。これらは投稿者の経験や意見であり、調査で原因が証明されたわけではない。ただ、人数や個人の能力だけでなく、知識を引き継ぎ、改善の時間を確保する体制まで考える必要があると感じる。 誰かの頑張りで復旧していると、運用は回っているように見える。その裏で何が後回しになっているかも見たい。作ってリリースする成果と同じように、安定して動かし続けるための仕事を評価できているか。AIで作れるものが増えるなら、なおさら運用まで含めて仕事を設計することが大事だと思う。
もっと見る
「強い力士」は勝ち星の数では測れません。グラフアルゴリズムを連鎖させて“真の支配力”を炙り出す分析が面白いです🥋 タイトル: SumoDB in Neo4j: Chaining Multiple Graph Algorithms in Snowflake — Part 3 URL: 🥋 概要 Neo4j Graph AnalyticsとSnowflake SQLを組み合わせ、大相撲データから「勝利数では見えない支配力」を測る記事です。複数のグラフアルゴリズムを連鎖させ、合成指標「Chaos Score」を構築します。 ❓ 解決する課題 勝ち星の数だけで強さを測ると、弱い相手に勝っただけの力士を過大評価してしまいます。どちらか一方のツールでは見えない競争構造を、Neo4jとSnowflakeの組み合わせで浮かび上がらせます。 💡 方法論と提案手法 「勝者→敗者」の重み付き有向エッジを作り、3つのアルゴリズムを連鎖させます。 ・PageRank:強い相手に勝つほど高評価し、勝利の質を測る ・媒介中心性:上位陣と中位陣をつなぐ橋渡し力士を特定 ・3サイクル検出:A→B→C→Aのような三すくみを可視化 減衰係数0.85、エッジ逆転で威信を勝者に向け、20反復で収束させます。 🌍 ユースケース ・才能評価:水増し勝利と本物の支配力を区別 ・構造分析:取り除くと階層が分断される重要人物を発見 ・競争バランス:三すくみの密度でエコシステムの健全さを測定 #GraphDataScience# #Neo4j#
もっと見る
AIエージェントをエンタープライズシステムに組み込むプラクティス 【信頼度ゲート棄権・エスカレーション】 💡 最も危険なAIは「分からないのに答えるAI」です。「答えない」を正常な出力として設計することが、エンタープライズ品質への第一歩です。 🔥 解決する課題 - 分からないことを分からないと言えず、ハルシネーションで誤情報を提供する - エージェントが根拠のない確信で不正確な回答をする(過信) - 専門知識が必要な質問に不適切な自動回答を返してしまう - 有人対応すべき案件がエージェントで完結し、顧客満足度が低下する 🏗️ 提案パターン 自己評価・検索ヒット品質・検証器合否・不確実性シグナルの複合でスコアリングし、閾値未満なら「分かりません」と回答して人間へ転送(warm handoff)します。転送時はそれまでの会話文脈を引き継ぎ、人間がゼロから対応する必要をなくします。封じ込め率(エージェントが自力解決する割合)と誤答率のトレードオフ曲線を実測し、誤答コストが高い業務ほど棄権寄りに閾値を設定します。 ✅ 選定条件 - 向き:顧客対応・専門領域・リスクの高い助言など誤答コストが高い業務 - 不向き:誤りが無害なブレインストーミングや探索的な対話 ⚠️ 落とし穴 - 閾値が高すぎると人間への丸投げが増え、エージェント導入の意味がなくなる - 閾値が低すぎると誤答が増え、信頼を失う - エスカレーション時に文脈を引き継がないと、顧客が同じ説明を繰り返す羽目になる 🛠️ 実装方針 1. 信頼度スコアを「自己評価+検索ヒット関連度+検証器合否」の複合で算出するスコアリング関数を実装します 2. 閾値未満時のwarm handoffでは、会話履歴・抽出済みエンティティ・試行済み回答をZendeskチケットまたはSlackスレッドに自動転送します 3. エスカレーション経路をZendesk(顧客対応)、Slack(社内)、PagerDuty(緊急)の3段階で設計します 4. 封じ込め率と誤答率のトレードオフ曲線を週次で可視化し、ドメインごとに閾値を調整します 5. 棄権理由を構造化ログに記録し、頻出する棄権パターンからナレッジベースの改善ポイントを特定します #AIエージェント# #エンタープライズアーキテクチャ#
もっと見る