ChatGPT APIリリースの衝撃から(およそ)3ヶ月。 私が所属する旅行系スタートアップのAVA Intelligenceでは、APIリリース以降、ミッション"Discover the Best For You"を実現するための重要技術と位置付け、様々に活用してきました。 中でも、自然言語で旅行について聞くことができるLINEボットがご好評をいただいています。 ▼AVA Travelの公式LINE 3ヶ月間、ChatGPTのAPIを使って目的を達成する方法を模索する中で、重要だと考えることを整理しました。 指針1.分割して各個撃破する あなたはAIでどのような問題を解決しようとしていますか？ 大抵の解くべき問題は、複雑で難しいです。 大きくて難しい問題を分割し、解けるサイズに分けて、扱いやすくすることは、ChatGPTを使う開発において大きな効果を発揮します。 課題を分割することで、A

米オープンAIの対話AI「ChatGPT（チャットGPT）」は、従来のAIとは比べものにならないほどの深い知見を持ち、人間が書いたのかと思うほどの滑らかな文章で回答する。このツールを活用し、業務効率を高めることがマーケターをはじめビジネスパーソンにとって重要なスキルとなっていくだろう。本特集では、使っていない人が思わず「ずるい！」と驚くほどの成果を導き出すうえで必須となる生成AIの知識を一挙に紹介していく。第1回は、IT批評家の尾原和啓氏がnoteの深津貴之氏にプロンプトの活用術を聞く。 AI開発のスタートアップ、オープンAIが2022年11月末にChatGPTを公開してから約半年が経過した。従来のAIとは異なる柔軟性を持ち、どんな質問にも一定の品質で答える万能ぶりで評判となり、開始から2カ月で約1億人の登録ユーザーを獲得した。23年3月には、能力をさらに拡大した大規模言語モデル「GPT-

こんにちは。BizOpsエンジニアのにっしーです。 データ分析やOps自動化の仕事をしています。 昨今世界を賑わせているChatGPTですが、「どう業務で使うのかいまいちわからない。。」と感じている方が多いのではないでしょうか。 そこで今回は、ChatGPTを使った業務改善の実践例を3つ紹介します。 私がお手伝いしているmicroCMS社での実例で、業務をまるっと置き換えるというよりは業務の一部を切り出して担当してもらおう、というお話です。 プロンプトも載せています。参考になれば幸いです。 なお、自動化ツールにはpipedreamを採用していますが、Zapier、makeほか自前実装でも実現可能です。自社に最適なツールを選択してください。 📮 バックオフィス部門の効率化：問い合わせの分類 会社の問い合わせフォームから営業の連絡ばかり来てうんざりしませんか？ できれば必要な問い合わせだけに

ヤフー株式会社は、2023年10月1日にLINEヤフー株式会社になりました。LINEヤフー株式会社の新しいブログはこちらです。LINEヤフー Tech Blog こんにちは。サイエンス統括本部でデータ分析による社内サービスの課題解決支援をしている関口です。 ヤフーではたくさんのABテスト（※1）が常に行われており、サービス改善に活かされています。しかしながら実際には、さまざまな理由からABテストができないことがよくあります。本記事では、そのような場合にどのようにして施策の効果を評価・推定するかについて、具体的なケースからアイデアを紹介していきます。 なお今回はYahoo!ショッピングを題材にしたケースばかりですが、アイデア自体は汎用的なものとなっています。 ※1： ABテストはウェブサービス上のUI改善、機械学習モデル改善、機能追加etc.といったさまざまな施策が、KPIにどれくらいのイン

やったこと Mattermostを導入してなにかやってみたかったので、RSSフィードを投稿するプログラムを作りました。（あとで、公式のプロジェクトがあったことに気づいたのは秘密） いろいろと応用が利くかなと思い、取得したfeedをpandasで処理して DBに格納することとしました。 ※Mattermostってなんぞやって言う人はこちら 環境 CentOS7 Python2.7 pandas feedparser sqlalchemy requests PostgreSQL9.5 MatterMost PostgreSQLについては、dockerイメージから導入しました。 docker pull postgres:9.5 docker run -p 5432:5432 --name postgres-server -v /var/lib/postgresql:/var/lib/postgr

「商品の売上が減っている」 「チーム内でミスや不手際が多い」 「コンプライアンスが徹底されていない」 こんなビジネス課題の解決を任されたら、あなたならどうしますか？　どこからどう手をつけていいかわからず、途方に暮れてしまう……なんて事態に陥らないためにぜひ知っておきたいのが、“問題解決のノウハウ”。 今回は、かの有名コンサルティング会社 マッキンゼー・アンド・カンパニー出身者が開発した「問題解決1枚シート」というフレームワークをご紹介します。マッキンゼー流の仕事術を学び、仕事で課題にぶつかった際にぜひお役立てください。 元マッキンゼーの識者が提唱「問題解決1枚シート」とは？ 「問題解決シート」を取り入れてみるとこうなる （Step0）A4用紙を十字に4分割し、シートを作成する （Step1）左上スペースに「解決したいビジネス課題」を書く （Step2）左下スペースに、問題の分析結果を箇条書

こんにちは 堤です。 3月1日にChatGPTのAPIが公開されました。 openai.com APIが公開されたことでChatGPTを活用したアプリが色々登場して盛り上がっていますね！ 今回はPythonのみで簡単にWebアプリを作成できるStreamlitとChatGPT APIを組み合わせて簡単にAIアプリを作成する方法をご紹介します。 Streamlitについて StreamlitはフロントもバックエンドもPythonのみの記述でWebアプリケーションを作成できるフレームワークです。 streamlit.io Webアプリ作りたいけどフロントの知識が全くない。。という人でもUIが簡単に作成できるのでとても便利です。 データ可視化や機械学習モデルの共有がとても簡単にできるのでデータサイエンスの領域でよく使われています。 作成するアプリ 今回はこのChatGPT APIとStreaml

最近、見つけた技。知らない言語でコードかくときChatGPTが神すぎる。 そのテクはなんと「プログラミングまるごとを、ChatGPTに突っ込む」というもの。 え、そんなの動くの！？ と思うんですが、動くんですそんなの。直球すぎて盲点だった。 試してみよう たとえば、下記はGoogleサービス使って、リアルタイムにマイク音声を文字起こしするサンプル。 こいつをチャットAIで音声会話をやろうと、軽く読んでみたのですが…うん、よくわからん。 Pythonだし、Streamingだし、音声の操作だし、普段つかわない技術が満載すぎてわからん。 雑にコードを突っ込むと人生が解決こういう時は 以下のコードを、わかりやすく説明して。 ＜以下、上記コードをそのままコピペ＞とすると……  こうなる。 このコードは、Google Cloud Speech-to-Text APIを使用して、マイクからの音声をリア

きっかけ 仕事の都合があり、日経クロストレンドで情報収集をすることにしました。 WEBサイトの記事はFeedlyにRSSフィードを登録してまとめて読むようにしているので、これもまとめちゃお～と思ったのですが、なんと日経クロストレンドは新着記事のRSSフィードを吐いていないようです[1]。 ないなら作ればいいんじゃない？ということで、PythonもAWSも初心者の筆者がやってみたら意外とさくっとできたので、自分の整理も兼ねて記事にしようと思った次第です。 作りたいことの要件 新着記事一覧のRSSファイルを生成する 生成したRSSファイルはFeedlyが読みに行けるインターネット上のどこかに置かれていること 上記の処理を定期的（1日に1回）に自動実行する環境を作って運用する 作ったものの処理流れ LambdaとS3で実装しました。初心者でもかんたんにできた！（と思う） Lambdaで新着記事一

AWS Lambdaを利用することでPythonのプログラムを定期実行することが可能になります。 本記事ではAWS LambdaにPythonプログラムをデプロイ、定期実行までの設定を行う方法を解説します。 AWSにサインイン 自身のアカウントでサインインします。 地域を選択 東京リージョンを選択します。 Cloud9で環境作成 Cloud9にアクセス cloud9と入力してCloud9をクリックします。 Create environment Create environmentをクリックします。 環境名を入力します。 Configure settingsはデフォルトのままでNext Stepをクリックします。 Review画面でCreate environmentをクリックします。 Pythonバージョン確認 Cloud9上でpython -Vを入力してPython3.7であることを確認

初めに AWS Lambda は、サーバーのプロビジョニングや管理の必要なしにコードを実行できるコンピューティングサービスです。 Lambdaを利用してファイル操作するケースもあるので、今回はファイルを処理するために、利用できる一時領域をご紹介します。 Lambdaの公式ドキュメントに、/tmpディレクトリに対して以下の記述があります。 各実行環境は、/tmp ディレクトリ内のディスク領域を 512 MB に提供します。ディレクトリのコンテンツは、実行環境が停止された際に維持され、複数の呼び出しに使用できる一時的なキャッシュを提供します。キャッシュに保存したデータが存在するかどうかを確認するための追加コードを追加できます。デプロイのサイズ制限の詳細については、「Lambda のクォータ」を参照してください。 512MBの一時領域(/tmp)が提供されます。 利用検証 下記のコードを利用して

データアナリティクス事業本部のueharaです。 今回はAWS Lambda (Python)で、WebアプリケーションをテストするためのポータブルフレームワークであるSeleniumを使える環境を構築してみたいと思います。 バケットの準備 今回はLambda Layerを構築することになりますが、その資材をS3に配置するため、まずバケットを用意します。 AWSコンソールでサービスからS3を検索します。 「バケットを作成」から作業用のバケット「selenium-work」という名前のバケットを作成します。 その他の設定はデフォルトのままとします。 パッケージの用意 まず、Lambda (Python)でSeleniumを利用できるようにするために、各パッケージの用意を行います。 パッケージの用意には、無料で使えるサービスであるAWS CloudShellを利用します。 Seleniumのダ

AWS S3 で 静的サイトを公開するまでの作業手順です。 1.バケットの作成 ▶ 一般的な設定 バケット名を入力します。 東京リージョン以外にしたければリージョンを変更します。 ▶ オブジェクトの所有権 デフォルトのままです。 ▶ このバケットのブロックパブリックアクセス設定 パブリックアクセスをすべてブロックのチェックを外し、承認をチェックONします。 ▶ バケットのバージョニング 誤ってファイルを削除や上書きしてしまったりした場合に復元できるので有効にしておきます。 ▶ タグ(0) - オプション デフォルトのままです。 ▶ デフォルトの暗号化 デフォルトのままです。 ▶ バケットの作成 バケットを作成します。 2.バケットに追加の設定をする 作成したバケットを選択します。 ▶ 静的ウェブサイトホスティング プロパティタブを選択し、最下部の「静的ウェブサイトホスティング」の編集をクリ

はじめに AWS との連携を Python で試す。Python 用 AWS SDK である Boto3 を用いて Amazon S3 へのファイルアップロードという簡単な操作を試してみる。AWS SDK for Python を参考にした。 Boto3 とは 冒頭にも書いた通り、Python 用 AWS SDK で、Python アプリケーションやライブラリ、スクリプトを AWS の各種サービス（Amazon S3, Amazon EC2, Amazon DynamoDB など）と容易に統合ができる。 Boto3 には、Client API（低レベル API）と Resource API（高レベル API） という2つの異なるレベルの API がある。両者の違いは明確に理解できていないが、本記事では Client API で試行してみる。 その他にも、AWS リソースの変化を自動的にポー

AWS S3の特定のbucketに、CLIやAPIからアクセスキーIDとシークレットアクセスキーでアクセスする設定を行います。 全体像は以下のようなイメージです。まず、s3testwsというバケットをつくります。そしてs3testwsuserというユーザーをつくり、アクセスキーIDとシークレットアクセスキーを生成します。 そして、バケットポリシーでこのバケットs3testwsに対してユーザーs3testwsuserのアクセス権限を付与します。 1 バケットの作成 以下のようにバケットを作成します。リージョンはap-northeast-1を選び、パブリックアクセスをすべてブロックしています。 テスト用にtest.csvというファイルをアップロードしておきました。 2 ユーザーの作成 以下のようにユーザーを作成します。「プログラムによるアクセス」にチェックをいれて、アクセスキーIDとシークレッ

ハコベルシステム開発部のおおいし (@bicstone) です。普段はフロントエンドエンジニアとして物流DX SaaSプロダクトの開発を行なっています。 この記事ではハコベルの開発チームが心理的安全性の向上を目的に採用した、プルリクエスト (マージリクエスト) コメントにラベルを付ける手法についてご紹介します。 背景 プルリクエストをレビューする時、レビュアーとして上から目線になってしまい相手を傷つけないか緊張したり、ちょっとした確認のつもりで書いたコメントが修正必須と捉えられてしまったりした経験はないでしょうか。 本来、ピアレビューは対等な関係であるはずなのに、レビューする側の方が上になってしまいお互いに恐縮してしまいがちです。「勘だと怪しいけど間違っていたら怖いから言えないな」や、「将来的に辛くなりそうな実装だけどわざわざ指摘するほどでもないな」など荒波を立てずにApproveしてしま

こんにちは！逆瀬川( https://twitter.com/gyakuse ) です！ 今日は公開されたばかりのChatGPT APIを使ってAIキャラクターを作ってみます。 概要 ChatGPT APIを使ってAIキャラクターを作る 嬉しいところ 以前のOpenAIのGPT-3.5系のAPIは $0.0200 / 1K tokens で、だいたい1000文字で3〜5円くらいでした。 今回のChatGPT APIは $0.002 / 1K tokens であるため、1/10のやすさになっています。 また、規約が更新され、APIを使ったinput/outputは学習対象外(オプトアウトがデフォルト)となりました。 DPAの締結(OpenAIの書式に従う必要があります)も可能になっているためより以前よりは守秘性の高いコミュニケーションに使用できる可能性があります。 Colab 実装 会話を行