Android版SansanのtargetSdkVersionを30にしました

こんにちは、Sansan事業部プロダクト開発部に所属しているAndroidアプリエンジニアの荒です。

先日Sansan AndroidアプリのtargetSdkVersionを30に更新しましたので、その際に必要だった変更などについてお話していきます。 play.google.com

targetSdkVersion30化が必須となるのは、既存アプリのアップデートの場合は2021年11月（新規アプリの場合は同8月）とまだ時間の猶予は残されていますが、読んでくださっている皆さんの一助となれば幸いです。*1

*1:Meet Google Play's target API level requirement

Sansanメンバーが2020年に読んだ本は？

はじめまして！データ統括部門 DSOCでブランディングを担当している藤川です。

本記事は Sansan Advent Calendar 2020 14日目の記事です。

「デザイナー」という肩書きですが、ブランディングに関わることは何でもする雑食デザイナーです。
一見、デザイナーの仕事？と思われそうなこともやっていますが、必要に応じて挑戦できるのは事業会社デザイナーのおもしろいところだと思っています。*1

さて、今回はアドベントカレンダーということで、今年一年を「Sansanメンバーがどんな本を読んでいたのか？」という観点から振り返ってみたいと思います！

*1:最近はSNSでの発信など、PR的な動き方もしています！いつかこの辺りのお話も書きたいと思います。

【仕様を読み解く】第2回 Advanced Message Queuing Protocol (2) ~Transport~

こんにちは、プロダクト開発部 Data Hub プロダクトグループの秋田です。気付けばもう12月。随分肌寒くなってきましたね。こたつに入りながらリモートワークをしたいところですが、そういえば我が家にはこたつがないことに今気付きました。

本連載では様々なプロトコルやシステムの仕様を読み解いていくことで、それらに込められた意思と意図を考えていこうと思います。

第2回は Data Hub で使用している Azure Service Bus で採用されている Advanced Message Queuing Protocol 1.0 (AMQP 1.0) の仕様のうち、Transportについて読み解いていきたいと思います。

「画像処理 勉強会」を開催しました

こんにちは，DSOC研究開発部の内田です． 弊社は表参道周辺にオフィスを構えており，DSOCは表参道沿いのSansan ONEに入居しています． 例年この時期になるとイルミネーションが輝くのですが，ご時世的に今年はかなり控えめで，少し寂しさを感じている今日この頃です．

本記事では，先日主催いたしました「画像処理 勉強会」のレポートをお届けします．

sansan.connpass.com

Discord を使って作る簡単バーチャルオフィス〜実例もあるよ〜

Sansan事業部プロダクト開発部 Data Hub プロダクトグループの宮崎です。

最近の趣味は筋トレです。なかやまきんに君の動画にドはまりしています。

今日は Discord を使ってバーチャルオフィスを作ってみたという話をしたいと思います。

え？二番煎じ？ 知ってた でも案外とあるツールが

他の組織でどのように使われてるかって興味ありませんか？

「こういう使い方もあるんだ」という感じで参考にしていただければと思います。

Hands-on guidance to DGL library _ (5) Training on large graphs

Hi, I am XING LI, a researcher from Sansan DSOC Data Analysis Group.

This is the article of Day 9 of Sansan Advent Calendar 2020.

Last time, we talked about some common tasks in deep graph learning and built a toy network on Node Classification task as a demo. We have known how to build, train and test a simple deep graph neural network by DGL. However, the graph dataset we used, Cora dataset, only has 2708 nodes and 5429 edges. The GNN's aggregation operation will not take a long time on such tiny graph. But in reality, we also face much larger graphs, for example, over million nodes and billion edges. Consider an -layer GCN with hidden state size , training on an -node graph. To store the intermediate hidden states requires memory, which is easily exceeding one GPU’s capacity with a large . So today we are going to talk about how to train a deep GNN on large graphs with help of DGL.

Eightのエンジニアで社内LTをした話

こんにちは、Eight事業部で Eight Career Design(ECD)のフロントエンド開発をしている藤野です。新卒で入ったと思えばもう半年も経っており驚いている今日この頃です。

本記事は Sansan Advent Calendar 2020 8日目の記事です。

今回はEightのエンジニア限定でLT会を主催した話と開催にあたってのノウハウをお話できればと思います。