認証を行うAPIとしてはOpenIDが有名なのですが、認証だけであるためにメールアドレスの取得であったり、その後のシステム連携に繋げられないといった不満があります。そこで認証と委譲を行うOAuth（特に1.0の問題点を解決したOAuth2）を使うのが一般的になっています。 そこで今回は既存のシステムはもちろん、今後作られるシステムでも手軽にOAuth2の機能が追加できるライブラリを紹介します。 PHP bshaffer/oauth2-server-php 特に依存のないOAuth2サーバです。既存システムと並列して疎結合で立てるのが良さそうです。 thephpleague/oauth2-server こちらも独立型ですが、CakePHP3やLaravelとの連携も想定されています。 lucadegasperi/oauth2-server-laravel Laravelフレームワーク用のOA
Part 1 - Make a Provider in a Minute Scenario You want to make your own Authorization Server to issue access tokens to client applications for a certain API. Start Your App During this tutorial you will make an XHR POST from a Heroku deployed app to your localhost instance. Since the domain that will originate the request (the app on Heroku) is different from the destination domain (your local
AWS Glue is a serverless data integration service that makes it easy for analytics users to discover, prepare, move, and integrate data from multiple sources. You can use it for analytics, machine learning, and application development. It also includes additional productivity and data ops tooling for authoring, running jobs, and implementing business workflows. With AWS Glue, you can discover and
こんばんは！最近 Google Home を買っていろいろ試してる @wezardnet です。自分的には、（音質は悪くないと思うので）ワイヤレススピーカーとして利用しても十分元は取れたかなっと思ってます ウチにも Google Home が来ましたよ！ 会社にも置いてあるけど、一部の人達しか自由に使えないので自分で買う事にしたわ 🤧 pic.twitter.com/DplKZIpzln — wezardnet (@wezardnet) 2017年11月1日 さて、今年こそは Advent Calendar に参戦しようとネタを考えてるうちに埋まってしまいました。ネタはカレンダーに登録してから考えた方が良さそうですね、失敗したわ... というわけで、今回は通常の投稿になってしまいますが、うわさで聞いた Google Cloud Platform(GCP) の Cloud Dataprep
Extract/Transform/Load（略称：ETL）とは、以下のようなデータフローを指す。 Extract - 情報源からデータを抽出 Transform - 抽出したデータをビジネスでの必要に応じて変換・加工 Load - 変換・加工済みのデータをターゲットシステムやファイルとしてロード ETLという用語はデータウェアハウスでのデータのロードだけでなく、任意のデータベースでのロード工程を指すこともある。ETLはレガシーシステムとモダンシステムのデータ統合にも使われる。通常のETL実装は、処理についての監査証跡を記録する。 ETL工程の第1の部分は、情報源となるシステムからデータを抽出することである。たいていのデータウェアハウス構築では、複数の情報源からデータを集積する。個々の情報源はデータの構成やフォーマットが他とは異なる可能性がある。典型的な情報源のデータフォーマットとしては関
JR東日本グループのクレジットカード会社であるビューカード（東京都品川区）の会田雅彦常務取締役は、悩んでいた（写真1）。これまで同社は、JR東日本の駅で広告・宣伝できるという恵まれた環境と、ICカードのSiuca（スイカ）との連動サービスといった独自の商品力で、順調に会員数と取扱高を伸ばしてきた。現在、約420万人のカード会員を抱えている。 ただし、今後さらに成長するには「もう一段、ギアチェンジが必要だ」。会田常務はそう考えていた。 同社の前身は、JR東日本のカード事業部で、1992年に発足した。3年前の2010年2月にJR東日本のクレジットカード事業を継承し、独立した企業であるビューカードとして営業を開始し、生き残りを図ることになった。 420万人の会員を集めるところまでは、単発でのマーケティング施策を続けて経営目標を達成してこられたが、「これからはそうもいかなくなる。もっと統合的なマー
TAG : ETLツール | GCP | Tableau | talend | Tech & Science | データハンドリング | ビッグデータ活用 AUTHOR : ギックス POSTED : 2017.07.08 13:10 先頭は Talend Data Preparation。それに追随する Google Cloud Dataprep と Tableau Project Maestro の登場でグリッドクレンジングツール戦線は激化する データ分析にとってデータクレンジング処理は、その後の”データ分析の質”に関わるため、非常に重要な作業です。しかし、データクレンジング処理は、非常に重要であると同時に、非常に面倒な作業です。なぜなら、データ分析とは異なるスキルであるETLツールやプログラミングが必要になり、時には大量データを処理するためにHadoopフレームワークなどの並列
ここ最近頓に調査依頼が多かったのです。なので調査報告をなどをしたためておりましたが、結構一般的な話題だったので少しここでも御裾分けなどしてみたいと想います。 探偵も普段は真面目に調査活動をしていることを、皆さんに対して見せかけるためなのが主たる目的であります。無論というか当然の様に姑息であります、ね。 先日、「ソフトウェア・ライセンス」についての質問がありました。*1 質問内容は、 (1) LGPLライセンスのライブラリを改造して販売することって可能ですか？ (2) 可能な場合の制限ってありますか？（たとえばソースを公開しなくてはいけないとか） 上記の如く、質問が明確なのでそれのみに絞ることとしました。調査対象は、「LGPLの改変と頒布」 に関する制限、禁止事項など。 以下、調査内容です。 0. This Document 簡易ではありますがご質問に該当する事項を調べてみました。ご参考まで
データを深掘るならデータアレンジメントのスキルが必要！！ 「ビッグデータ」という言葉が一般的に使われるようになった近年、今まで分析できなかったデータウェアハウス(DWH)上の1TBを超えるような大量データもクラウドデータベースなどによって、容易に分析できるようになりました。そして、分析対象は、今まで分析の中心だったリレーショナルデータベース上の表形式の構造化データから、XMLデータやJSONデータなどの非構造化データまでに幅が広がって来ています。 これらのデータを分析に最適な形に成型するのが「データクレンジング」という作業になりますが、この様な多種多様なデータを扱う場合も「データクレンジング」だけで十分なのでしょうか？ 私は、従来の「データクレンジング」の考え方では、一般的な分析しか行えず、これらの貴重なデータを100%活かしきれていないと思います。これから記載する内容は、SIer時代の経
Tableau を使う理由 Toggle sub-navigation Tableau とは データカルチャーの構築 Tableau Economy コミュニティ Salesforce Advantage Tableau のお客様 Tableau について Toggle sub-navigation ミッション 研究 受賞と称賛 Tableau Foundation Tableau における平等 製品 Toggle sub-navigation Tableau Artificial Intelligence Toggle sub-navigation Tableau Pulse Tableau Agent 埋め込み分析 CRM Analytics Enterprise Tableau Public 統合 最新リリース プランと価格 Toggle sub-navigation Pricing
Rettyでサーバサイドエンジニアをしています,nakagawa(@shinyorke)ともうします. Rettyではアライアンス関連のバックエンド開発およびデータ整備を,プライベートでは野球の統計分析をPythonを駆使してやっています. 1 このエントリーでは明日からでも現場で使える,「Pythonデータラングリング」術を簡単に紹介したいと思います. 言いたいことを3行でまとめると 受け取ったデータのチェックやおためし利用,APIの使い方・戻り値チェックにPythonオススメ2 データ操作もAPI呼び出しもデータ保存も数行のコードでイケる 手元にJupyter環境を用意しておくと何かと取り回しが良くて便利 データラングリング（Data Wrangling） #とは データ（Data）を飼いならす（Wrangling,アメリカ英語 3 ）という意味の造語です. 意味合い的には,データの統
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く