Continuous Integrationで、自動化されたパイプラインで継続的にテストなどでコードをチェックする仕組みのこと。

[CD](/wiki/CD)とセットでCI/CDとか言われる。

[DevOps](/wiki/DevOps)


[飲んだコーヒー豆リスト](/wiki/飲んだコーヒー豆リスト)

無難な味で結構使いやすい
安いし

モカシダモG4


[機械学習](/wiki/機械学習)において入力層でも出力層でもないやつ

中間層


セラミックを使ったヒーターのこと。
即暖性に優れるが[カーボンヒーター](/wiki/カーボンヒーター)よりも電気代が高い。

セラミックヒーター


[ライトニングネットワーク](/wiki/ライトニングネットワーク)の[Ethereum](/wiki/Ethereum)版。

ライデンネットワーク

[グラフ](/wiki/グラフ)に関する数学の理論のこと。

グラフ理論

開発者の生産性をどう捉えるかについてのヒントを与えてくれるフレームワーク。  

著者の一人であるNicole Forsgren氏は、[LeanとDevOpsの科学](/wiki/LeanとDevOpsの科学)の著者の一人でもあり、氏が2021年にGitHub、ビクトリア大学、Microsoft Researchのメンバーと共に発表した論文[The SPACE of Developer Productivity](https://queue.acm.org/detail.cfm?id=3454124)で提唱されている。

- Satisfaction and well being
	- 開発者が自分の仕事、チーム、ツール、文化にどれだけ満足しているか
- Performance
	- 開発者が書いたコードは、想定されたことを確実に実行したか？
- Activity
	- 業務を遂行する過程で完了した行動やアウトプットの数
- Communication and collaboration
	- メンバーやチームがどのようにコミュニケーションをとり、協力し合うか
- Efficiency and flow
	- 個人であれシステムであれ、中断や遅延を最小限に抑えて作業を進める、完了する能力

参考
https://zenn.dev/loglass/articles/28c565a875e9bd

SPACEフレームワーク

[Bitcoin](/wiki/Bitcoin)に代表される、[ブロックチェーン](/wiki/ブロックチェーン)を用いた分散台帳に記載されたデータ残高のこと。

2023年1月時点の上位2位から10位は以下。

- [Ethereum](/wiki/Ethereum)
- [Tether](/wiki/Tether)
- [BNB](/wiki/BNB)
- [XRP](/wiki/XRP)
- [USB_Coin](/wiki/USB_Coin)
- [Binance_USD](/wiki/Binance_USD)
- [Cardano](/wiki/Cardano)
- [Dogecoin](/wiki/Dogecoin)
- [Polygon](/wiki/Polygon)

暗号通貨


[飲んだコーヒー豆リスト](/wiki/飲んだコーヒー豆リスト)
ストレートで飲みやすいと思う。適度に苦味と酸味があり、甘くない感じ。
香りは良いが強いという感じでもない。コクはそこそこ。
総じてバランスが良かった。[カルディリッチブレンド](/wiki/カルディリッチブレンド)よりもさらに使いやすい。とてもリピしたい。

[マンデリン](/wiki/マンデリン)と同じか？

エイジドマンデリン


いかなる[チューリングマシン](/wiki/チューリングマシン)もエミュレートできる[チューリングマシン](/wiki/チューリングマシン)のこと

万能チューリングマシン

[暗号通貨](/wiki/暗号通貨)で非中央集権的かつ分散的に合意する方法。

主に[プルーフオブワーク](/wiki/プルーフオブワーク)や[プルーフオブステーク](/wiki/プルーフオブステーク)、もしくはそれらをベースに改良したものが使われている。

コンセンサスアルゴリズム


[連結グラフ](/wiki/連結グラフ)ではない[グラフ](/wiki/グラフ)のこと。

非連結グラフ


[Googleのソフトウェアエンジニアリング](/wiki/Googleのソフトウェアエンジニアリング)の定義では

> コードの挙動を変えずに整理された内容に書き直すこと

である。

つまり、最も重要なのは自動テストである。自動テストがないと挙動が変わってないことが担保できないからである。

参考
https://qiita.com/miketako3/items/3085e225a35cdf89cd55

リファクタリング


[Bitcoin](/wiki/Bitcoin)等の[暗号通貨](/wiki/暗号通貨)に使われている[コンセンサスアルゴリズム](/wiki/コンセンサスアルゴリズム)の一つ、およびそこで計算される値。

具体的には、与えられたデータに対して、加えるとハッシュ値の先頭数十桁が0になるような値のこと、およびそれを計算する行為。

プルーフオブワーク


[ソフトウェアアーキテクチャ・ハードパーツ](/wiki/ソフトウェアアーキテクチャ・ハードパーツ)

データベースを分けるか？分けないか？もトレードオフである。  
  
データを分解する要因として以下のようなものがある。  
  
- 変更制御  
  - カラムの変更等の影響が多岐にわたる  
- コネクション管理  
  - 1つのデータベースだけを使うとコネクション数の管理が難しい  
- スケーラビリティ  
  - コネクション数  
  - 容量  
  - スループット  
  - パフォーマンス  
- 耐障害性  
  - 1つのデータベースだけを使うとデータベースが単一障害点となってしまう  
- [アーキテクチャ量子](/wiki/アーキテクチャ量子)
  - 1つのデータベースだけを使うと1つの[アーキテクチャ量子](/wiki/アーキテクチャ量子)となってしまう (つまり独立してデプロイできない、等)  
- データベース種別の最適化  
  - 1つのデータベースだけを使うと1つの保存方法だけしか使えない (つまりデータ特性ごとに最適な選択肢が取れない)  
  
逆に、データを統合する要因としては以下のようなものがある。  
  
- データ関係  
  - 密結合な外部キー等があるか？  
- トランザクション  
  - 単一のトランザクション単位が必要か？  
  
モノリスなデータベースを分解するには5段階のプロセスを踏むと良い。  
  
1. 分析し、ドメインを特定する  
2. ドメインごとにテーブルを割り当て、移動する  
3. コネクションをドメインごとに分離する  
4. スキーマをそれぞれのデータベースに移動する  
5. コネクションを切り替える

業務データの分解に関するトレードオフ

拡散モデル
<a href="/wiki/%E3%82%A8%E3%83%B3%E3%82%B3%E3%83%BC%E3%83%80%E3%83%BC%E3%83%87%E3%82%B3%E3%83%BC%E3%83%80%E3%83%BC%E3%83%A2%E3%83%87%E3%83%AB">エンコーダーデコーダーモデル</a>で、ノイズを混ぜた画像からノイズ無しの画像を推論する訓練をすることで、最終的には無から画像を生成できる
モデルは<a href="/wiki/VAE">VAE</a>

Diffusionモデル