Ringo's Favorite Numbers 2 を python で解く
競技プログラミングをはじめました。
おもしろいです。
TLE (Time Limit Exceeded): 問題で指定された実行時間以内にプログラムが終了しませんでした
なんてものがあるのですね。
愚直に回してTLEだった問題を解説読んだらできたので書いておこうと思いました。
問題 atcoder.jp
数列の要素を引き算して200の倍数になる組み合わせの総数を求めます。 全部試せば良いと思って最初に書いた回答 (TLE)
N = int(input())
A = list(map(int, input().split()))
counter=0
all_set = []
for x in range(N):
for i in range(N):
if x+1 < i+1:
if (A[x+1-1] - A[i+1-1]) % 200 == 0:
counter+=1
print(counter)
解説を読むと
200で割った余りがA[j]と等しいA[i]の個数が分かればいい とあります。
Editorial - KYOCERA Programming Contest 2021（AtCoder Beginner Contest 200）
なるほどと思って書き直したもの
N = int(input()) A = list(map(int, input().split())) counter=0 a = [x%200 for x in A] for x in set(a): n = a.count(x) counter+=(n*(n-1))/2 print(int(counter))
できました~ 👌
1文字の変数名を使うのは背徳感があって良いですね...
技術書展7にサークルとして参加します！
表題の通り技術書典7にサークルとして参加することになりました！
出版物は以下の通りです。
pandas + matplotlib + 前処理全般に関するチートシートを各1枚、計3枚をラミネート印刷したものを持っていきます。 3枚セットで1000円を予定しています。 電子版も販売予定です。
サンプルはこんな感じです。
前々から自分用に作っていたものをきちんと整えて形にしてみた次第です。
それぞれのcheat sheetには解説 & 実行用のjupyter notebookをgithubで公開しており、動かしながら学ぶこともできるようにしました。
noteおよびboothにて電子版の販売も予定しておりますので、当日来られない方はそちらもお願い致します。 (2019年9月22日前後には公開します、こちらにも追記します。)
サークルの場所は、け06Dです。
よろしくお願い致します。
そういえば、予想よりはるかにサークル被チェック数を頂いているのですが、これはどれくらい信用できるのでしょうか... 技術書典のサークル参加経験のある方、体感を教えていただけると嬉しいです...
Machine Learning Team Building Pitchに参加してきました[資料あり]
Machine Learning Team Building Pitchに参加してきましたので、 感想と資料共有エントリになります。
会場はこんな感じ
目次
- LT1 データとやりたいことがないのに機械学習屋を採用するな / 私たちはこうやっていまのチームを作り上げた
- LT2 顧客に価値を提供する “ラボ” チームとは
- LT3 クックパッドと研究開発部門（特に機械学習周り）について。
- LT4 AI・機械学習立ち上げ(2017年7月)から中長期計画(2021年3月)-採用、チーム構成、プロダクト、マネジメントについて。
- パネルディスカッション
LT1 データとやりたいことがないのに機械学習屋を採用するな / 私たちはこうやっていまのチームを作り上げた
本日の発表資料を公開しました！ | データとやりたいことがないのに機械学習屋を採用するな / 私たちはこうやっていまのチームを作り上げた https://t.co/TT39MKhwsa
— Ryusuke Takahama (@r_takahama) 2019年3月28日
メモ
- その会社にあるデータはなんなのか(そのデータの強み、弱み)、それをどうしたいか、を明確にすることがまずは基本
- データ収集が先！モデリングがあと！
- 研究室にパイプを作ってそこから学生を引っ張ってくる
- チーム初期は強みが被らない様にする(マネジメント、数学、実装...)
研究室にパイプを作ってそこから学生を引っ張ってくるってすごいですね、弊社もそれやりたい...
LT2 顧客に価値を提供する “ラボ” チームとは
スライド up しました。パネルディスカッション、ワクワク！ / https://t.co/3H5wT2eLuh #MLTBP
— taison (@taison124) 2019年3月28日
メモ
- データ分析、機械学習を中心にやることが多すぎる
- 他のチームに依存せず、協力できる関係を作る。価値提供のためのフィーチャーチームを作る
紹介されていた参考図書
大規模スクラム Large-Scale Scrum(LeSS) アジャイルとスクラムを大規模に実装する方法
- 作者: 榎本明仁,木村卓央,高江洲睦,荒瀬中人,水野正隆,守田憲司
- 出版社/メーカー: 丸善出版
- 発売日: 2019/01/30
- メディア: 単行本（ソフトカバー）
- この商品を含むブログを見る
LT3 クックパッドと研究開発部門（特に機械学習周り）について。
メモ
- クックパッドに入っても論文はかけます！
- 2016年に研究開発部門ができた
- 機械学習系メンバーの人数には限界があると思っている。それは全体の10%前後と思っている。
- 詳しくはクックパッド開発者ブログみてね
紹介されていた参考図書
- メディア:
- この商品を含むブログを見る
LT4 AI・機械学習立ち上げ(2017年7月)から中長期計画(2021年3月)-採用、チーム構成、プロダクト、マネジメントについて。
今日のLTの資料を公開しました。本番までに追記していく予定です。質問があれば追記するのでメンションください。https://t.co/x4UjG7mbqV#MLTBP
— nishiba (@m_nishiba) 2019年3月27日
メモ
- エムスリーのAIチームはML engではありません。
- 目指すチーム
- ◯十億円規模の利益貢献を目指す
- 強いって何
- 高い専門性と広い周辺知識、エンジニアリング力...
- 強い人が無名のチームに入るわけはない。
- 外部へ向けて情報発信をする。登壇準備ドリブンで。
- 強い人と面白いプロダクトを作りたい！と思ってもらえる様にする
- 最初のプロダクトを成功させることが重要
- スモールで始める
- 2番目のプロジェクトは1番目と近い領域に。
- 優秀な人事がとても重要
自身が強くなることと、優秀な人事を見つけることがキーだと感じました。
パネルディスカッション
抜け漏れあると思いますので...
Q.機械学習エンジニアって他のエンジニアと違うの？デプロイ等々の分担ってどうしてる？
Q.採用は大変？
- 採用はめちゃめちゃ大変です。エンジニアリングとサイエンス力が両方高い人はなかなかいないので。どちらかが高い人を採用してもう片方は入社してから伸ばして欲しいと考えている。(@taison124)
Q.スクラムやってますか？
Q.中途半端な知識を持っている人からチームを守る方法は？
- 会社の規模によるが、きちんと戦えば良いと思う。(@r_takahama)
- 自分たちで全部できる様になる。中途半端な人の知識を凌駕する。または、その人と相乗効果を出せる状況を作ることが大事だと思う。(@m_nishiba)
Q.できる様になった時にやめちゃう問題について
- 魅力的なチームを作るしかない。でもやっぱりは辞めちゃう人はいる。キャリアアップしてくれるならそれで良い。(@m_nishiba)
Q.機械学習人材の年収バブルへの対処法は？
Q.ドメイン知識を持った上で、プロダクトの課題抽出が重要だと考えているが、これはどなたが考えているのか
- 半分は多部署、半分は自分たち。(jharashima)
- プロダクトマネージャーの勉強をしている。誰がどこをやる、ではなく全員が考えていくことが大事だと思う。(@m_nishiba)
Q.MLチームの目標設定について
Q.多くのエンジニアはお金(利益)を目標にすることに抵抗感があるのでは？
- 利用者数に置き換えたりもしているが、自分の成果がお金で示される方が楽で良い(@m_nishiba)
Q.ポテンシャル採用はどんな軸で評価しているか。
- 次の世代を背負ってくれる人かを想像する。自分から興味を持ってなんでも取り組んでくれる人。(@taison124)
- ML系人材に関しては、そこまでMLに詳しくなくても良いと思っている。エンジニアリングの素養がしっかりしていれば問題ないと感じている。精度1%をあげることも大切だが、タスクの設計の方が重要と考えている。(jharashima)
当日の質問はここSlidoにあります。
終わりでーす！
誤記/誤解釈があればtwitterまで指摘お願いします。
AWSアカウントの管理はChromeのユーザー機能を使うと幸せかもしれない
こんにちは、@watarumon_jpです
AWS認定に続けてのAWS記事です。
さて、タイトルの通りですが、
皆様はAWSアカウントはどのように管理しているでしょうか。
きっと大量のアカウントを持っていることと想像します。
主業務でなく、インフラ周りを手伝っているだけの私ですら6つのアカウントがあります。個人用も入れると更に増えます。
本番環境、開発環境、demo環境.....うわーっとなりますね。
あっちこっちアカウントを飛んでいると、ログアウト-ログイン、MFA...
だるいですね。
そこでChromeのユーザー機能を使うと便利だと思っているので共有します。
他にも便利な方法があれば教えて欲しいです。
Chromeのユーザー機能については、断腸の思いで以下または他記事に譲ることとします。
support.google.com
結論から言うとAWSアカウントの数だけChromeでユーザーを作っておくと便利でしたって話です。
では、実際の使用している様子です。
通常のブラウザがあるとします。
この様にAWSアカウント毎にユーザーを作っているのでユーザーがいます。
どれか一つをポチッとします。
事前にブックマークバーにそれぞれのAWSアカウントに対応したConsole login linkを登録しておきましたので表示されていますね。
ポチッとします。
全て入力済みです。素晴らしいですね。
MFAは頑張りましょう。
この様に、ユーザーを選択するだけで高速ログインと同時ログインを実現出来ます。
最初にユーザーを作るのはだるいですが、
一回作ってしまうと便利なので、おすすめです。
ちなみに今週はこちらのイベントに出没します。
参加される方はよろしくお願いします。
終わりでーす！
AWS Certified Solutions Architect - Associateに合格したので、その学習法をまとめました
2019年ブログ頑張るという目標立てながら、本年2記事目です。
頑張ります...
はじめに
さて、
先日AWS Certified Solutions Architect - Associateに合格したので、
学習法等々をまとめてみます。
動機としては、社内にインフラ(AWS)関係で落ちている仕事が様々あり、拾っていこうかなと思ったためです。
学習コストは10日*1と約2.5万円でした。
往々にエンジニアリングスキルは、 作りたいもの/やりたいことベースで手を動かしながら学ぶのがセオリーだと良く言われ、私もその通りだと思います。
しかし、AWSに関していえば、AWSサービスの広範囲の知識が求められ、 且つ
「社内エンジニアはキューの作成時によくミスをします。どのように改善すべきですか？」*2といった実際にありそうな要件に対して様々なリソースを組み合わせてどう解決するかという知識が求められるため、
一旦AWSに関する知識を付けるゴールとして本試験を活用して、その後手を動かすという学習ルートはありなのではないかと思いました。
では本題ですが、
はじめに僕の前提知識を紹介し、
その後取り組んだコンテンツ順に上から列挙していこうと思います。
今後資格取得を考える方の参考になると嬉しいです。
前提知識
試験対策を始める前の僕の知識レベルはこちらです。
- 職種は機械学習エンジニア
- AWSの実務経験はなし。
- 「AWSをはじめよう」*3は読んだことがある。
- 先月、会社のオフィス拡張があり、本社と分室のVPN接続や社内ネットワークの設計と構築はやってみたらできた。
こんな感じ。
学習コンテンツ
手を動かしながら2週間で学ぶAWS 基本から応用まで
始めに手をつけたコンテンツはこちらです。
以下の記事を以前読んだことがあったため、あまり深く考えることなくここからはじめました。 upura.hatenablog.com
動画は10時間以上あるため、1.5倍速再生で隙あらば見続けました。
理解度はさておき、とにかく1周したことで、
AWSの全体像が理解できた様な気がします。
以降の学習において、 諸AWS用語が2回目に触れる単語になる恩恵も大きいと思いました。
価格 : 1200円
(セール期間中の価格です。また、udemyは常にセールをしている様なサイトなので、もし定価だったら少し待ったほうが良いかもしれません。長くても2日待てばどこかでセール価格になると思います。)
イラスト図解式 この一冊で全部わかるWeb技術の基本
次に手をつけたコンテンツはこちらです。
- 作者: 小林恭平,坂本陽,佐々木拓郎
- 出版社/メーカー: SBクリエイティブ
- 発売日: 2017/03/16
- メディア: 単行本
- この商品を含むブログを見る
先述の"手を動かしながら2週間で学ぶAWS 基本から応用まで"のコラムにて 紹介されていたので買いました。
Webの正式名称はWorld Wide Web(世界に広がるクモの巣)といいます。
という記述から始まるくらい入門書です。
見開き左紙面に解説、右紙面に図解という構成になっており、わかりやすいと思います。
僕は知っている内容が多かったので2,3時間で読み終えることができました。
この本を読んだことで、AWSのサービス名称がWebシステムにおける何を代替しているかの理解が強くなった様に思います。
webシステムほんとに何もわからん！って人だったら、
"手を動かしながら2週間で学ぶAWS 基本から応用まで"と順番を逆にしても良いかもしれません。
価格 : 1680円(kindle版)
徹底攻略 AWS認定 ソリューションアーキテクト – アソシエイト教科書
いわゆる黒本というやつですね。
コンテンツとしてはこれが最後です。
他にも対策本は様々ありますが、購入理由は、
初版が2019年1月21日、第1版第3刷が2019年2月21日と非常に新しかったためです。
徹底攻略 AWS認定 ソリューションアーキテクト ? アソシエイト教科書
- 作者: ??部昭寛,宮?光平,菖蒲淳司,株式会社ソキウス・ジャパン
- 出版社/メーカー: インプレス
- 発売日: 2019/01/18
- メディア: 単行本（ソフトカバー）
- この商品を含むブログを見る
5日くらいかけて1周読みました。
ダウンロードして利用できる模擬試験もついており、 1周した後に受けてみました。
その時は正解率55%くらいだったと記憶しています。
模擬試験の復習を行い、2周目にも突入し、出来るだけ暗記しました。
日曜に受験したのですが、この模擬試験を行なった時点で金曜の夜でした。
価格 : 2570円(物理本)
AWS Certified Solutions Architect - Associate - Practice - 模擬試験
AWS認定には、公式の模擬試験があります。
有料且つ本番より問題数も少ないのですが、本番と同じ画面を操作できるのでやってみると良いと思います。
個人的には、本番より難しかった気がしました。
終了後はスコアが送られて来るだけなので、問題文のスクショはお忘れなく。
模擬試験のスコアはこんな感じでした。
総合スコア: 60% トピックレベルスコア: 1.0 Design Resilient Architectures: 77% 2.0 Define Performant Architectures: 57% 3.0 Specify Secure Applications and Architectures: 50% 4.0 Design Cost-Optimized Architectures: 50% 5.0 Define Operationally-Excellent Architectures: 0%
この時点で、試験前日の夕方でした。
他ブログ等では合格ラインは65%とか70%とか言われていたので、
🤔
この表情で早めに寝ました。
価格 : 2160円
本試験
銀座CBTS歌舞伎座テストセンターで受けました。 銀座CBTS歌舞伎テストセンター | CBT-Solutions
受付もスムーズでしたし、会場も綺麗で、試験中も静かだったのでおすすめです。
試験料は16200円です。(会場によって試験料は変わりません。念の為。)
(地図上に屋上庭園の位置書かれてもわからんよ...と思いました。)
試験結果はこちらです。
ギリギリですねw
ここまでで合計23810円でした。
今後について
まずは、"手を動かしながら2週間で学ぶAWS 基本から応用まで"について、1.5倍速で聞いただけなので、手を動かしたいと思っています。
また、会社に紫本が落ちていたので、それもつまみ食いしつつ、実務進めていくって感じかなーと思ってます。
Amazon Web Services 基礎からのネットワーク&サーバー構築 改訂版
- 作者: 玉川憲,片山暁雄,今井雄太,大澤文孝
- 出版社/メーカー: 日経BP社
- 発売日: 2017/04/13
- メディア: 単行本
- この商品を含むブログを見る
本試験の認定期間は3年で、上位にはAWS 認定ソリューションアーキテクト – プロフェッショナルがある様なので、 実務こなしつつ、1,2年後くらいにまだAWS触っていたら受けてみようかなと思います。
その他
- AWSセルフペースラボ
会社がAWSセルフペースラボのクレジットをくれたので2コース触ってみましたが、テキスト通りにコンソールをポチポチするだけで楽しくもないし、為になっている感じもなかったので辞めました...
- AWS WEB問題集で学習しよう
無料会員登録だけで、模擬問題が受けられるサイトです。
解いてみたところ、現在の問題傾向とは異なると感じたので、途中で辞めました。
余談
AWS認定に合格すると、aws certificated storeというAWS資格の所有者にしか入れないショップにアクセスすることができます。
ファンになってしまいますね。とても良い仕組みだと思いました。
終わりでーす。
*1:試験の存在を認知した日から合格までの日数
*2:実際の試験で出た問題です。本試験の特徴をよく表した問題だったと感じています。
*3:https://booth.pm/ja/items/1032590 技術書典5で買いました。この頃から関心はあったわけですね。
Machine Learning Casual Talks #8に行ってきました(ブログ枠)
Machine Learning Casual Talks #8に行ってきました。
初メルカリ社です。会場はこんな感じ。
出た。イケてるtech企業あるある。押し放題の自販機。
エムスリー社からのノベルティー。TypeC to USBアダプタ、ありがとうございます。
便利なノベルティおきました！ #mlct pic.twitter.com/J1JyWfhd1W
— nishiba (@m_nishiba) January 28, 2019
ここから本編です。資料概要だけ書きますので、気になったものは資料を直接ご覧になってください。
youtubeライブがありました。
冒頭:machine learning casual talksを始めた理由の簡単な説明
-「MLCTに初めて参加した方ーー？」
- (半分以上が挙手)- MLCTのターゲット - 基本的に知識はあるでしょ?という前提で好きなことを話しても良い！
-論文にはあまりでない実務で得た知見を共有するために、開催した。
-MLCTでは、モデルのアルゴリズムより、周辺のエコシステムやキャリアパス等々についての話題が多いよ。
発表1
更新しました！ #mlct 聞きたいこと・質問があればメンションください。https://t.co/gikq31pQv2
— nishiba (@m_nishiba) January 28, 2019
-エムスリー社の開発チームについて
-機械学習チームとして開発したアルゴリズムのOSS化を検討している。
- 公開できるレベルのアルゴリズムを作る、作りたい人を集めるため。
- 機械学習チームは、プロダクトまで作れるように機械学習エンジニアだけにはしていない。
- 成功確率が高そうな機械学習プロジェクト
- サービス自体は成功している。
- ABテストができる体制がある
- 期待収益の計算ができる
- 予測したい数字が限定的なこと
- 既存の成功例を真似る
- プロジェクトの中止の基準を決める重要性
-MLエンジニアのキャリアについて
- 勤め先の昇給の仕組みや水準を理解する
- 目安だけでも上の人に聞きましょう。
-出世したいなら上司を出世させましょう。
-ビジネス貢献、組織貢献、技術貢献の3軸で考えよう。
-DMくれたらいつでもカジュアル面談できるので、いつでもどうぞとのこと。
-来週新しくMLエンジニアが増えるらしい。
発表2
本日の発表資料です https://t.co/MXb1iPBl9p #MLCT
— NSK (@naohachi89) January 28, 2019
-B to Bプロダクトを開発する中で遭遇した課題と解決策について
- bedoreにおける機械学習エンジニアの立ち位置について
- ソフトウェアエンジニア、アルゴリズムエンジニアの2種類が存在
-対話エージェント開発について
- 初期想定FAQでは対応できない言語に対して、クライアントがダッシュボードから学習のリクエストができる。
- モデルの予測性能がある日突然急激に低下した事件について。
- 訓練データセットのスナップショットを保存してなかった。
- 保存するようにして、学習を再現できるようにした等々。
- 正解率や訓練データ数、クラス数を学習ごとに保存するようにした等々。
- 人募集してます！
LT1
今日のLTの資料です! https://t.co/G73xBTaAgy #mlct
— OEC Ryosuke OISHI (@roishi2j2) January 28, 2019
- bfloat16という型について。
- tensolflowの中で定義されている型
- 比較対象がなんかよくわからんが、ハード的に高速化できるらしい。
LT2
-chainerrl-visualizerについて
-強化学習の辛いところについて。
LT3
@hurutoriya @upura0 @watarumon 昨日はありがとうございましたー！LT資料ですどうぞ #MLCT https://t.co/7SbPTPn9Vh
— ばんくし (@vaaaaanquish) January 29, 2019
-yahoo kukaiの話
-e-commerceの違反検知の課題
-来週から新しい職場でMLエンジニアとして転職するらしい。
以下パネルディスカッションです。
網羅性は60%くらいだと思います。
西場さんに質問です。AIチームの目標が売上○億円にするのめっちゃ良いですが、売上の定義ってどうしてますか？レコメンドを導入したとして、そのレコメンドからのコンバージョンは100%AIチームの売上になるんでしょうか？
- KPIはダブルカウントしてもとりあえずおっけーとしている。改善幅というところは、機械学習チームの成果としている。(@m_nishiba)
マルチクラスだときついのでは？
-分類数×客数でモデルを生成するよりは、マルチモデルの方が良かった。(@naohachi89)
特徴量を自分で作ってロジスティック回帰を使う、NNのモデルを使う、アンサンブルをするなどで、精度と複雑さや時間とのトレードオフがあると思いますが、この辺実務ではどのように対応されていますか？
-あまり意識していないが、プロダクトになる上で、計算時間だけは意識している。ただ、医療の画像診断に関しては時間がかかっても良い領域で、少し特殊かもしれない。(@m_nishiba)
-学習時間はコストに跳ね返るかつ、chatbotに5秒かかるのはしんどい。様々な要素から総合的にバランスの良いモデルを採用している。(@naohachi89)
サービスのインフラはどれを選びますか
-基本was or gcp。良い方を選んでいる。オンプレは考えていない。(@m_nishiba)
-基本aws。別のチームだとgcpも使っている様。(@naohachi89)
-メルカリだと両方だが、そろそろオンプレの方が安いのでは?という領域に来ている(@hurutoriya)
医療とITでビジネスインパクトが一番大きいのはカルテの共有と診断の（やや）自動化とのことかと思います。M3ではクラウドカルテのサービスがあるようですが、どれだけ使われていて、分析がなされているのでしょうか？
-それは分析したいが、色々リソースが足りていない部分もある。フリーテキストなのでとてもきつかった。(@m_nishiba)
運用の際、モデルの精度の許容範囲はどのように決めていますか？
-サービスオーナー/プロダクトオーナーが決めている。文化としてはある程度悪くても受け入れられてもらえるがきちんとABテストを突破した上で、サービスオーナーが決める(@m_nishiba)
自分の会社でも利益を目標にしているのですが、機械学習やディープラーニング以外を使っていなくても自チームの調査で課題を見つけて他のソリューションで解決した場合も実績に加算していますか？
-機械学習チームの評価には入らないが、360度評価では多少入る(@m_nishiba)
-機械学習使わなくても十分な予測性能が出せるのであれば、それはそれで良いのでは。(@naohachi89)
-機械学習じゃなくても、画像処理でも解決できる様なものを提案することはある。評価に入る時もあればそうでない時も。(@hurutoriya)
採用活動に関連して，ML関連の技術を持っている人材は不足していると言われていますが，未経験or経験が浅い人材でも採用して自社で鍛える上げることもありますか？
-エムスリーに入社した時は、機械学習未経験でした。数値計算分野などでの実績があれば、採用する可能性はあるが勉強は頑張って。(@m_nishiba)
-全くの未経験という事例はないが、学習経験や光るものがあれば取ることはある。何かしらのkaggle等の実績は持っていてほしいなと思っている。(@naohachi89)
すべてのMLフレームワークに精通していますか？
-してないです。(@m_nishiba)
-してないです。(@naohachi89)
MLは大きいところを狙いたいので老舗大企業と組みたい vs 老舗大企業は組織間の壁が厚く辛い のジレンマに陥ることってありますか（私は陥っています)
-あまり感じない。例えばLINEヘルスケアではいいとこ取りができてると思っている。(@m_nishiba)
-企業によるとしか言えない。(@naohachi89)
ばんくしさんへ、スマホで機械学習の状態を監視や操作をするために使った技術を知りたいです！
-ほぼ自作した。(突然の@vaaaaanquish)
スポンサーはメルカリです。お寿司が出ました。名前だけでも覚えて帰ってねとのこと。
誤記/誤解釈があればtwitterまで指摘お願いします！
技術書典6に申し込みました
お久しぶりの更新です。
転職して、いろいろありましたが、いまのところ楽しく機械学習やれてます。
さて、表題の通り技術書典6に申し込みました。
出版物ですが、pandas + matplotlib + 前処理全般に関するチートシートを各2枚、計6枚くらいで作ろうかと考えています。(デスクの壁に貼れるようなイメージのもの)
前々から自分用に作っていたものなのですが、きちんと整えて形にしたいところです。
「○○について載せておいてほしい。」などあればぜひぜひtwitterでコメントください。
作成中の一部切り取ったものですが、こんな感じです。
100部作成予定(多すぎる???)ですが、本当に適当に決めたので、技術書典の先輩方、参考部数を教えていただけると嬉しいです。。。
技術書典6の参加は抽選次第ですが、せっかく作り始めたので、落選しても技術書典当日には有料noteなどで公開できるようにしたいと考えてます。
