並び順

ブックマーク数

期間指定

  • から
  • まで

1 - 40 件 / 6019件

新着順 人気順

pythonの検索結果1 - 40 件 / 6019件

  • [Python]これなら分かる「uv」入門:pip+venvやcondaから最速で乗り換えよう

    @ITのDeep Insider編集長「一色」が、日ごろの情報収集や開発、執筆・編集を通じて得た“技術的な気付き”や“新たな発見”を自由気ままにつづるオピニオン連載。気になるデータ分析を試したり、AI・機械学習で迷走したり、Pythonとツール活用を語ったり。不定期更新ですが、疲れたときの息抜きにどうぞ! 次回以降の新着記事を見逃したくない方は、ぜひ以下のメール通知の登録をお願いします。 なぜ今、uvを学ぶべきか?【筆者の危機感】 長年、pipとcondaを使い、特に不満もなく作業してきた筆者ですが、最近はuvを見かける機会が急増し、「このまま知らずにいると、時代に取り残されてしまうのではないか」という危機感を強く持つようになりました。 実際、Anthropicが提供する“MCP”公式ドキュメントでも、uvを使った環境構築方法しか説明されていません(なお、MCPについては前回記事で解説して

      [Python]これなら分かる「uv」入門:pip+venvやcondaから最速で乗り換えよう
    • バイブコーディングを加速させる Vibe Logger入門チュートリアル|深津 貴之 (fladdict)

      「ClaudeCodeフレンドリーなログを作るシステムがあれば、バイブコーディングの効率があがるのでは?」という仮説から、GenAI時代のロガーを作ってみた。お暇な方は、仮説検証にお付き合いください。 AI時代のログ作成術:あなたのAI助手がコードを理解できるログを作ろう 従来のログは人間向けでしたが、今やClaude CodeやGemini CLIなどのAI助手がコードを理解し、デバッグを手伝ってくれる時代です。 VibeLoggerは、コーディングエージェントが活用しやすい「構造化されたログ」を簡単に作成できるPythonライブラリです。 🎯 なぜVibeCoding Loggerが必要なのか?従来のログ(人間向け)import logging logging.info("User profile fetch failed for user 123")→ AIには「何が起きたか」しか

        バイブコーディングを加速させる Vibe Logger入門チュートリアル|深津 貴之 (fladdict)
      • Python×株式投資|仕事終わりでも投資を諦めない。スクリーニング結果を自動通知するBotを作る(中編) - Qiita

        素人が生成AI無料期間中に作る!毎日自動で銘柄スクリーニング&X自動通知Bot これまでの経緯 本記事は、Pythonによる株式スクリーニング自動化・実践の続編です。これまでの背景や検証の流れは、以下の記事をご確認ください。 現在構築中のスクリーニングモデルの全体像と今回やること 生成AI無料期間にスクリーニング結果自動通知botを作り始めた 今回のモデルのスクリーニング速度を100倍向上した方法 yfinance由来の軽量データセット構築 今回のモデルの改善点 今回のスクリーニングモデルの精度 相場状況を簡易的に数値化する 財務スクリーニング *2025年7月7日 リンク修正しました。お知らせいただきありがとうございました。 はじめに 毎日自動で銘柄スクリーニングの結果を知れたら、仕事が終わった後の疲れたの脳でも、めんどくさがらずに、お布団に吸引されることもなく、定期的に投資が続けられる

          Python×株式投資|仕事終わりでも投資を諦めない。スクリーニング結果を自動通知するBotを作る(中編) - Qiita
        • Rで地図を描く方法|下地理則(九州大学人文科学研究院 教授)

          研究用に(あるいは他の用途でも)地図を描画する際、著作権の問題や、正確性の問題を考慮する必要がある。以下では、国土交通省・国土数値情報を用いて、自力で描画できるようにする方法を紹介する。なお、R言語を想定しているが、Pythonでも(ほぼ)同様にできる。 Required packagesinstall.packages("tidyverse", repos="http://cran.rstudio.com/") install.packages("sf", repos="http://cran.rstudio.com/") library(tidyverse) library(sf)日本全体の地図日本地図(県境あり)を描く最もシンプルで効率的な方法はnaturalearthのデータを使ったやり方。国土地理院のウェブサイトからAdmin 1 states and provincesのセクシ

            Rで地図を描く方法|下地理則(九州大学人文科学研究院 教授)
          • Reflections on 2 years of CPython’s JIT Compiler: The good, the bad, the ugly

            Reflections on 2 years of CPython’s JIT Compiler: The good, the bad, the ugly 5 July 2025 This blog post includes my honest opinions on the CPython JIT. What I think we did well, what I think we could have done better. I’ll also do some brief qualititative analysis. I’ve been working on CPython’s JIT compiler since before the very start. I don’t know how long that is at this point … 2.5, maybe alm

            • ゼロからはじめるPython(128) Whisperでリアルタイム音声認識ツールを作ってみよう

              オープンソースの音声認識モデルのWhisperを使うと、手軽に高品質な音声認識(文字起こし)が可能となる。今回は、Whisperを利用して簡単に使えるリアルタイム音声認識ツールを作ってみよう。 リアルタイム音声認識ツールを実行しているところ 音声認識モデルのWhisperとは 「Whisper」は、ChatGPTで有名なOpenAIが公開しているオープンソースの音声認識モデルだ。高精度な音声認識モデルで、英語だけでなく日本語を含めた多言語の音声をテキストに変換できる。ノイズの多い環境でも高い認識精度を誇り、議事録作成や字幕生成、自動文字起こしなどに活用されている。 Pythonから簡単に扱える点も魅力で、柔軟な応用が可能となっている。そこで、今回は、Pythonでリアルタイムの音声認識ツールを作ってみよう。 音声認識モデルのWhisperを公開しているWebサイト 音声認識に使うライブラリ

                ゼロからはじめるPython(128) Whisperでリアルタイム音声認識ツールを作ってみよう
              • [速習] 配列から欠けている数字を見つける「XORトリック」の深い理論と実践 - Qiita

                皆さんは『配列から欠けている数字を見つけろ』と言われたら、どう答えますか? 多くの方は「HashSetで解けばいい」と考えるでしょう。しかし、1000万個の要素で実測したところ、Pythonのsetは945MBもの追加メモリを消費し、処理に2.3秒かかりました。一方、XORを使った解法は追加メモリゼロ、C言語なら1ミリ秒で完了します。 なぜこれほどの差が生まれるのか? XORには単なるトリック以上の深い理論があり、配列の欠損値検出だけでなく、RAID 5のデータ復元やネットワークのエラー検出など、実務で幅広く応用されているのです。 追記: ネットワーク転送時のパケットロスやノイズによるデータ欠損、さらには宇宙線がメモリに衝突してビットが反転する「ソフトエラー」により、配列から要素が失われることがあります。 本記事では、Florian Hartmannの「That XOR Trick」1を基

                  [速習] 配列から欠けている数字を見つける「XORトリック」の深い理論と実践 - Qiita
                • AIエージェントを余計なアプリのインストール不要でブラウザ上で直接実行可能にする「Wasm agents」をMozillaが公開、WebAssemblyを使ってブラウザ内でPythonベースのエージェントを高速実行

                  ユーザーの指示に従ってコードを生成したりレストランの予約をしたりといったタスクを実行できる「AIエージェント」の利用が広がり始めていますが、AIエージェントをPCで使用するには複数のツールやフレームワークの依存関係を考慮する必要があります。こうした状況を改善してブラウザ単体でAIエージェントを実行できるようにする「Wasm agents」をMozillaが公開しました。 Wasm-agents: AI agents running in your browser https://blog.mozilla.ai/wasm-agents-ai-agents-running-in-your-browser/ GitHub - mozilla-ai/wasm-agents-blueprint at blog.mozilla.ai https://github.com/mozilla-ai/wasm

                    AIエージェントを余計なアプリのインストール不要でブラウザ上で直接実行可能にする「Wasm agents」をMozillaが公開、WebAssemblyを使ってブラウザ内でPythonベースのエージェントを高速実行
                  • Claude Codeの指示忘れ問題を解決!HooksでPython環境をpip禁止&uv統一にする

                    Claude Codeで開発していると、こんな問題に遭遇しませんか? CLAUDE.mdに「uvを使って」や「uvの具体的な環境構築ガイド」を書いても、ルールを無視してpipを使われてしまう 仮想環境をアクティベートするのを忘れ、Python実行でエラーが頻発する。そして別のActivateされていた環境が汚される 長いやり取りの途中で、AIがプロジェクトのルールを忘れてしまう CLAUDE.mdに詳細な環境構築手順やuvパッケージマネージャーの使用を記載していても、Claude Codeが一貫してそのルールを守ってくれることはなかったです。 しかし、Claude Code Hooksを使うことで、指示忘れの問題を解決できました! この記事では、実際にPython環境のパッケージマネージャーを強制的にuvに統一するためのHooksスクリプトを公開し、Hooksのメリット等を解説します。 例

                      Claude Codeの指示忘れ問題を解決!HooksでPython環境をpip禁止&uv統一にする
                    • は?ピーマンとししとうと万願寺の区別くらいできるけど?|騎空士鮫ミンよりも遠い場所🇦🇶

                      昨日、教授からピーマンとししとうと万願寺をいただきました。 ただ、全部ごちゃ混ぜで袋に入れた状態でもらったので、微妙に区別がつきませんでした。 流石になんとなくはわかるので、「明らかにピーマン」は昨日の夜に青椒肉絲にして食べて、どうにも区別つかないなーというのは今朝輪切りにして醤油と鰹節で食べました。 できたよ!オリジナルレシピが!! 緑一色 ~選別を諦められしものの集い~ 1:全てを輪切りにする 2:全てをごま油で炒める 3:醤油をかける コツは緑は(これくらいかな?)と思ったところから、さらに思い切って追加することです。 pic.twitter.com/L9rXWG8jRV — 騎空士鮫ミンよりも遠い場所🇦🇶 (@usa_akasa) July 3, 2025 なんかこう、売り物みたいに規格がビシっと決まってるわけじゃなくて、太ったししとうとか細くて小さいピーマンとかあって怪しいの

                        は?ピーマンとししとうと万願寺の区別くらいできるけど?|騎空士鮫ミンよりも遠い場所🇦🇶
                      • GitHub - c4pt0r/gmailtail: tail -f your gmail

                        You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

                          GitHub - c4pt0r/gmailtail: tail -f your gmail
                        • Pythonでデータを可視化するアプリを組める『Streamlit入門』が3カ月連続の1位!/6月のお勧めは『はじめての海外キャリアチャレンジ アメリカでソフトウェアエンジニアになるためのガイドブック』【技術の泉売れ筋ランキング】

                            Pythonでデータを可視化するアプリを組める『Streamlit入門』が3カ月連続の1位!/6月のお勧めは『はじめての海外キャリアチャレンジ アメリカでソフトウェアエンジニアになるためのガイドブック』【技術の泉売れ筋ランキング】
                          • Pythonのスタブライブラリを生成して、型ヒントのないライブラリも快適で堅牢に利用する - エムスリーテックブログ

                            AI・機械学習チームブログリレー13日目の記事を三浦 (@mamo3gr) がお送りします。 Pythonで型ヒントを補足するためのサードパーティのスタブライブラリにコントリビュートしました。 それを通して入門したスタブファイルの作り方を紹介します。 便利なPythonの型ヒント 型ヒントを補助するスタブライブラリ スタブファイルの作り方入門 stubgenで下地をつくる pathlib,importlib,inspectを組み合わせたモジュール・クラスの列挙と書き換え __init__ とフィールドの追加 その他、便利そうなツール 実際どれくらい便利になるか Before After まとめ We are hiring !! エンジニア採用ページはこちら カジュアル面談もお気軽にどうぞ インターンも常時募集しています 便利なPythonの型ヒント Pythonで型ヒント、付けてますよね?

                              Pythonのスタブライブラリを生成して、型ヒントのないライブラリも快適で堅牢に利用する - エムスリーテックブログ
                            • 一休の伊藤直也氏に聞く、フルベットしない技術ポートフォリオ戦略 〜実践から学ぶ、医療変革プラットフォーマーの次なる一手〜 - KAKEHASHI Tech Blog

                              カケハシでの社内講演に、株式会社一休 執行役員CTOの伊藤直也氏をお招きしました。同社がどのようにレガシーシステムから脱却し、事業リスクを抑えながらRust/Go/TypeScriptを使い分けてきたのかお話を伺いました。社内向けの場ではありましたが、非常に有意義だったためご本人の許可を得て外部向けにまとめました。 当日は、医療変革プラットフォーマーを目指すカケハシのチーフアーキテクトである木村彰宏との対談形式でお話を伺い、ファシリテーターはカケハシのテックリードである松山が務めました。 松山: 本日は宜しくお願いします。まず、一休での関数型プログラミングの導入の背景についてお聞かせください。 伊藤: 実は、最初から TypeScript による関数型プログラミングを目指していたわけではなく、結果的にそうなったという方が近いです。参照透過性などへの強いこだわりよりも、「型がちゃんと効いてる

                                一休の伊藤直也氏に聞く、フルベットしない技術ポートフォリオ戦略 〜実践から学ぶ、医療変革プラットフォーマーの次なる一手〜 - KAKEHASHI Tech Blog
                              • [Pythonクイズ]リスト結合ってやり方はいろいろあるけれど、正しく使えていますか?

                                【問題】 以下は3つのリストa、b、cを1つのリストにまとめようとするコードだ。ただし、1から4のコードの中で例外を発生させるものがある。例外を発生させるコードを全て選択せよ(上の画像とは変数a、b、cへの代入が1行と3行の差があるが、振る舞いは同じなので気にしないでほしい)。 from itertools import chain a = [0, 1, 2] b = [3, 4, 5] c = [6, 7, 8] # 選択肢1 result = a + b + c # 選択肢2 result = a.extend(b.extend(c)) # 選択肢3 result = list(chain(a, b, c)) # 選択肢4 result = sum([a, b, c], [])

                                  [Pythonクイズ]リスト結合ってやり方はいろいろあるけれど、正しく使えていますか?
                                • Thonny用のCopilotを作った話、教育用のローカルLLM vibe coding 環境の制作|tokoroten

                                  ThonnyというPythonの教育用の環境はご存じでしょうか。Python 3.10がインクルードされており、エラーも分かりやすく、インタラクティブなシェルもあり、教育現場をはじめとして幅広い環境で使われています。RasberryPiには標準搭載されていたりします。 とはいえ昨今のプログラミング環境は、VSCodeでGithub Copilot でエージェントをぶん回したり、Clineだったり、Claude Codeだったりといった、AIによるvive codingによって生産性が爆増しています。 しかし、いずれの環境も有償であり、クレジットカードを持っていないと使えないという問題があります。そしてクレジットカードを持ち、自らの意志で自由に使うには18歳以上である必要があります。 そのため、現代の環境では vibe coding を子供たちが自由に行うことができないという問題があります。

                                    Thonny用のCopilotを作った話、教育用のローカルLLM vibe coding 環境の制作|tokoroten
                                  • 数理最適化とAIエージェントでシフト組み業務を自動化&効率化した話 - NearMe Tech Blog

                                    はじめに NearMeエンジニアの柿野上 拓真(Takuma Kakinoue)です。私は、数理最適化や機械学習をはじめとする高度なアルゴリズムを含むテクノロジーによって実社会の問題を解決することに高いモチベーションを持っており、NearMeでは主に自動配車システムや相乗りマッチングシステムの開発に携わっております。単に高度なテクノロジーを使ったシステムを作るだけではなく、オペレーションを含め全体の業務を「デザイン」していくことに興味関心があります。 さて、今回のテーマは、直近新たな課題として社内で挙がった「シフト組業務の自動化およびシフトの効率化プロジェクト」です。NearMeは相乗りマッチングや車両割り当ての制御を行うプラットフォームの開発に焦点を当てており、車両やドライバーのマネジメントや実際の運行は他社のハイヤー会社(以下、運行会社と呼ぶ)に委託しています。なのでドライバーのシフト

                                      数理最適化とAIエージェントでシフト組み業務を自動化&効率化した話 - NearMe Tech Blog
                                    • [入門] PythonでuvとPEP 723を使うと開発体験が10倍向上する理由 - Qiita

                                      uvとは何か、なぜ今注目されているのか 従来のPython環境構築の問題点 Pythonの環境構築には、長年にわたって解決されない問題がありました。まず速度の問題として、pip installが遅く、依存関係解決に時間がかかります。特にcondaは、環境解決に数分かかることも珍しくありません。 次に再現性の問題として、環境差異でエラーが発生し、バージョン固定が面倒です。pipとcondaを混在させると、さらに複雑な問題が発生することもあります。 さらに管理の複雑さとして、venv、pyenv、pipenv、conda、Anacondaなど、ツールが乱立し、どれを使うべきか迷ってしまいます。activateを忘れるといった問題も頻発します。 Python環境管理ツールの変遷 ここで、Python環境管理ツールの歴史を振り返ってみましょう。 2007年頃 - virtualenvの登場。初めて

                                        [入門] PythonでuvとPEP 723を使うと開発体験が10倍向上する理由 - Qiita
                                      • Plotnine

                                        Turn your data into beautiful visualizations using the grammar of graphics. Plotnine is a data visualization package for Python based on the grammar of graphics, a coherent system for describing and building graphs. The syntax is similar to ggplot2, a widely successful R package. Let’s explore Plotnine’s features and walk through a typical workflow by visualizing Anscombe’s Quartet—four small data

                                          Plotnine
                                        • Anthropic の MCP の クイックスタート (1) - PythonによるMCPサーバの開発|npaka

                                          「Python」による「MCPサーバ」の開発をまとめました。 ・MCP Python SDK 1.9.4 ・For Server Developers - Model Context Protocol 1. MCPサーバの開発のクイックスタートシンプルな米国の天気予報の「MCPサーバ」を構築し、ホストである「Claude Desktop」に接続します。 「MCPサーバ」は、主に次の 3 種類の機能を提供できます。 ・リソース : クライアントが読み取ることができるファイルのようなデータ (API レスポンスやファイルの内容など) ・ツール : LLM から呼び出せる関数 (ユーザーの承認が必要) ・プロンプト : ユーザーが特定のタスクを達成するのに役立つ、事前に作成されたテンプレート 今回は、「get_forecast」「get_alerts」という2つのツールを準備します。 2. プロ

                                            Anthropic の MCP の クイックスタート (1) - PythonによるMCPサーバの開発|npaka
                                          • GitHub - kordless/gnosis-mystic: Advanced Python Function Debugging with MCP Integration.

                                            You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

                                              GitHub - kordless/gnosis-mystic: Advanced Python Function Debugging with MCP Integration.
                                            • Pythonで理解するMCP(Model Context Protocol) | gihyo.jp

                                              動作環境 Python 3.12 ライブラリの使用バージョン gradio 5.34.2 anthropic 0.54.0 mcp 1.9.4 python-dotenv 1.1.0 仮想環境とライブラリインストール % cd mcp-host-with-gradio % python3 -m venv venv % source venv/bin/activate (venv) % pip install gradio anthropic mcp dotenv .envファイルの設定 AnthropicのAPIキーが必要です。APIキーの作成は以下を参考にしてください。APIの利用には料金がかかりますが、API従量課金であれば5ドルから始めることが可能です。 Claudeを使い始める -Anthropic .env ANTHROPIC_API_KEY=xxxxxxxxxxxxxxxxxx

                                                Pythonで理解するMCP(Model Context Protocol) | gihyo.jp
                                              • Excel手作業終了のお知らせ!Gemini CLI + MCPでExcel生成時代到来

                                                ___ /     \ /  ✨ノ  ヽ、✨ \ /  (◕)  (◕)  \  Excelを手でつくる時代が |    (**人**)   |  ついに終わったおーーー!! \    ` ⌒´    / /          ヽ ┏━━━━━━━━━━━━━━━━━━━━━━━━┓ ┃ Gemini CLI × Excel MCPで「手作業Excel」終了! ┃ ┃ 調査→整理→Excel出力まで全自動!!      ┃ ┗━━━━━━━━━━━━━━━━━━━━━━━━┛ ٩(◕‿◕)۶ やったーー!! AI時代キタ━━━━(◕‿◕)━━━━!! \                           / \  Excel手作り終了わーい!  / \                        / (◕‿◕)/(◕‿◕)/(◕‿◕)/ ∩_∩                   ∩_

                                                  Excel手作業終了のお知らせ!Gemini CLI + MCPでExcel生成時代到来
                                                • Fun with uv and PEP 723

                                                  Fun with uv and PEP 723 June 24, 2025 For the longest time, I have been frustrated with Python because I couldn’t use it for one-off scripts. I had to first ensure it was running in an environment where it could find the right Python version and the dependencies installed. That is now a thing of the past. uv¶ If you are not a Pythonista (or one possibly living under a rock), uv is an extremely fas

                                                    Fun with uv and PEP 723
                                                  • [Pythonクイズ]「1.0 + 2.0 == 3.0」は期待通りにTrueになるはず? その理由は分かる?

                                                    [Pythonクイズ]「1.0 + 2.0 == 3.0」は期待通りにTrueになるはず? その理由は分かる?:Pythonステップアップクイズ 普段何気なく使っている浮動小数点数値ですが、ときには思わぬ結果を生むことがあります。その代表例が今回の問題です。どっちのメッセージが表示されるか分かってますよね?

                                                      [Pythonクイズ]「1.0 + 2.0 == 3.0」は期待通りにTrueになるはず? その理由は分かる?
                                                    • Python×株式投資:従来の100倍!銘柄選抜のバックテストを高速化した話 - Qiita

                                                      # ----------------------------- # 2nd Screening V1 # ----------------------------- import time global_start_time = time.time() from google.colab import drive drive.mount('/content/drive') import pandas as pd import numpy as np import os from tqdm.notebook import tqdm import yfinance as yf from curl_cffi import requests # -------------------------------------------------- # ヘルパー関数定義セクション # --------

                                                        Python×株式投資:従来の100倍!銘柄選抜のバックテストを高速化した話 - Qiita
                                                      • Python can run Mojo now

                                                        Chris Lattner mentioned that Python can actually call Mojo code now. I love this idea (!) as I'm definitely in the market for a simple compiled language that can offer Python some really fast functions. So I gave it a quick spin Setup The setup is much simpler than I remember it, you can use uv for it now. uv pip install modular --index-url https://dl.modular.com/public/nightly/python/simple/ Afte

                                                          Python can run Mojo now
                                                        • Claude Code中心の開発のためのPythonテンプレートの設計

                                                          はじめに こんにちは。動詞です。 最近、Claude Codeを使った開発に重点を置いたPythonのプロジェクトテンプレートを作成しました。 しばらく運用しながら改善を重ねてきましたが、そろそろ使えるレベルになってきたので、覚書も兼ねてその設計について説明しようと思います。 Claude Code向けの設計 このテンプレートを作る上で意識したのは、Claude Codeが指示しなくても思い通りに動いてくれること、変な動きをしないことです。 そのために今回整備したものは、ざっくりと以下の2つに分けられます。 標準的な実装ルールの提示と支援ツールの導入 デバッグのループを回しやすい仕組み そして、これらをうまくClaude Codeに伝え、活用してくれるように、以下のような工夫をしました。 実装ルールを提示するだけではなく、モデルケースをリポジトリ内に配置し、適宜参照できるようにする 使って

                                                            Claude Code中心の開発のためのPythonテンプレートの設計
                                                          • 異なる時系列間でもGBDTの予測結果をロバストに 〜WrapGBMとDirectional Era-Splitting〜

                                                            各時系列ごとの相関係数は以下の通りです(青がLightGBM、赤がWrapGBM)。 WrapGBMのほうが全体的に相関係数の値が安定していることがわかるかと思います。 参考: コード !pip install -Uqq numerapi lightgbm==4.0.0 !pip install -Uqq git+https://github.com/jefferythewind/warpgbm.git !mkdir -p models/ import gc import os import glob import json import pickle import numerapi import itertools import cloudpickle import numpy as np import pandas as pd import lightgbm as lgb import

                                                              異なる時系列間でもGBDTの予測結果をロバストに 〜WrapGBMとDirectional Era-Splitting〜
                                                            • LiteLLMを使ったLLMの集約 & 簡易的なKey管理 + langfuse添え

                                                              プライベートなLLM API、会社利用でのAPI、LocalLLMなど、LLMを使うだけでもいろいろなエンドポイントがあり管理が煩雑になる、あると思います。 そういったことへの対策として、いろいろなところでLiteLLMに関する記事はありますが、Keyの管理についてはあまり触れられていないようなので簡単にまとめておきます。 LiteLLMとは LiteLLMは、LLMプロバイダーへのアクセスを統一的なインターフェースで提供するOSSです。LiteLLM Proxy Server (LLM Gateway) として起動することで、個々のLLMプロバイダーのAPI仕様の違いを意識することなく、OpenAI互換の形式でリクエストを送信し、様々なモデルを利用できるようになります。 加えてLiteLLM Proxyは、単なるAPIの抽象化に留まらず、認証、認可、使用状況の追跡、コスト管理、レート制限

                                                                LiteLLMを使ったLLMの集約 & 簡易的なKey管理 + langfuse添え
                                                              • Claude Code を初めて使う人向けの実践ガイド

                                                                この記事は Claude Code を初めて試そうとされている方向けの記事です。 導入手順 Claude Codeは、ターミナルで動作する対話型AIコーディングツールです。コードの生成だけでなく、ファイルの編集、テストの実行、Gitの操作まで自然言語で指示できます。 以下の公式ドキュメントを参考にして導入してみてください。 公式ドキュメント:https://docs.anthropic.com/ja/docs/claude-code/overview VS Code拡張:https://docs.anthropic.com/ja/docs/claude-code/ide-integrations よく使うコマンド CLIコマンド(起動前) Claude Code を起動するコマンド: claude # 対話セッションを開始 claude --continue # 直近のセッションを継続 c

                                                                  Claude Code を初めて使う人向けの実践ガイド
                                                                • GitHub - vitali87/code-graph-rag: Search Monorepos and get relevant answers

                                                                  You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

                                                                    GitHub - vitali87/code-graph-rag: Search Monorepos and get relevant answers
                                                                  • Pythonの生みの親が問いかける「今でも『悪いほうが良い』と言えるのか?」 - YAMDAS現更新履歴

                                                                    developers.slashdot.org 先月開催された今年の Python Language Summit のライトニングトークに、Python の生みの親であるグイド・ヴァンロッサムが登場し、「悪いほうが良い(Worse is better)」原則は今でも通用するのか、と問いかけている。 プログラミング言語の Python の開発初期、主要プラットフォームだった UNIX の「悪いほうが良い」哲学には大きな影響を受け、長年この考え方がとても有用だったとグイド・ヴァンロッサムは認める。 この考え方のおかげで3か月で何かを動作させることができたと彼は言うが、その後、年月を経て、自分が手抜きしたすべてが最終的には修正されたとも認める。「当時はテストすらなかった」と言って、彼は笑いを取る。 「あの当時、『悪い方が良い』は、言語を受け入れてもらう鍵でした。ユーザからのフィードバックや、私を

                                                                      Pythonの生みの親が問いかける「今でも『悪いほうが良い』と言えるのか?」 - YAMDAS現更新履歴
                                                                    • [入門] Pythonを10倍高速化する実践テクニック集 - Qiita

                                                                      この記事で学べること この記事を読むことで、以下のスキルが身につきます。 Pythonコードのボトルネックを特定する方法 NumPyを使ったベクトル化処理の実装 非同期処理による並列化テクニック メモリ効率を最適化する実践的な方法 JITコンパイラ(Numba)の効果的な使い方 それでは、実際のコードと測定結果を見ながら、Pythonの高速化テクニックを学んでいきましょう。 なぜPythonは遅いのか?そして、どう高速化するのか? Pythonが遅い理由を理解していますか? 普段Pythonを使っている皆さんは、なぜPythonが遅いと言われるのか、その根本的な理由を理解しているでしょうか。Pythonの実行速度が遅い主な理由は以下の通りです。 動的型付け1 - 実行時に型チェックが行われる インタープリタ実行 - コードが逐次解釈される GIL(Global Interpreter Lo

                                                                        [入門] Pythonを10倍高速化する実践テクニック集 - Qiita
                                                                      • 「ロジスティック回帰」による分類をPythonで学ぼう

                                                                        「知識ゼロから学べる」をモットーにした機械学習入門連載の第5回。いよいよ今回から、「Yes/No」や「スパムかどうか」といった“分類”予測を扱います。これを実現する代表的な手法が「ロジスティック回帰」です。図を使って仕組みや考え方をやさしく学び、Pythonとscikit-learnでの実装も体験します。初めての人でも安心して取り組める内容です。 連載目次 「この商品は売れるか/どうか?」「この顧客はサービスを解約しそうか/どうか?」―― こうしたYes/Noの判断(=分類)をデータから予測したい場面は、ビジネスや日常でたくさんありますよね? 今回は、このような際に役立つ、機械学習の代表的な手法であるロジスティック回帰による“分類”について学んでいきましょう。 具体的には、ロジスティック回帰の概要から、その仕組み、そしてPythonプログラミングによるモデルの実装と評価まで取り組み、“分類

                                                                          「ロジスティック回帰」による分類をPythonで学ぼう
                                                                        • 構造化ログのユニットテストでassertLogsが効かない理由とStringIOを使った解決策 - Nealle Developer's Blog

                                                                          こんにちは。 Nintendo Switch 2 の抽選予選に無事コマを進め続けている、SREチームの高 (@nogtk) です。早く当選してこの大会からドロップアウトしたいものです。 今回は、構造化ログのユニットテストを書いたときのプチハマりと、それを解決した方法についてご紹介したいと思います。 なぜログのテストコードを書いたか 前回のブログで、Django アプリケーションが出力するログを構造化したお話をご紹介致しました。 nealle-dev.hatenablog.com ログを構造化するにあたって、出力されるログのエントリを定義しそれに沿ってログが出力されるような実装を追加しています。その中には Datadog APM への連携するためのトレース・スパン情報の付加したり、structlog の contextvars というモジュールを使ってコンテキストをログエントリに含めたりなど

                                                                            構造化ログのユニットテストでassertLogsが効かない理由とStringIOを使った解決策 - Nealle Developer's Blog
                                                                          • Pythonでゼロから作るコーディングエージェント

                                                                            はじめに こんにちは。ナウキャストでデータエンジニアをしているTakumiです。 社内(Finatext HD内)の生成AIコンテストでMultiAgentを利用したシステムをスクラッチで構築しました。 具体的には、ユーザーがSlackでメッセージを送信し、コードの記述、レビュー、GitHubでのPR作成までEnd2Endでできるシステムです。 コンテストで構築したシステムの概要図は以下の通りです。 本記事では、複数のエージェントが協調して動作する本格的なコーディングAgent(Coodinator) に絞って、構築した概要を説明します。 この記事でわかること この記事では、LangChainとAzure OpenAIを使用してゼロからコーディングエージェントを構築する方法を詳しく解説します。 具体的には以下の内容を学ぶことができます。 コーディングエージェントの実装方法:Programm

                                                                              Pythonでゼロから作るコーディングエージェント
                                                                            • Blenderの機能の一つであるUV展開について知ろう | gihyo.jp

                                                                              本連載では、Blender の基本的な知識、機能についてイラストを交えながら紹介しています。第55回目は、Blenderで用意されている機能であるUV展開の概要について見ていきます。 UV展開とは Blenderには、UV展開という作業を行うことがあります。この作業は、簡単にいうとオブジェクトを立体から平面状に展開します。この展開する作業をUV展開」というのです。そして、展開した平面にテクスチャを描いていく作業を行っていきます。 ちなみに、UV展開のUVはなにかの略称という訳ではなく、座標軸のことを表しています。座標軸といえば、よく「X」「⁠Y」「⁠Z」を使いますが、それと同様に「U」「⁠V」という座標軸があるというわけです。特に必須な知識ではないので、へ~そうなんだ~くらいの認識で問題ないでしょう。 UV展開を行う方法 UV展開を行う際、展開するために必要な切れ目「シーム」を入れる作業を

                                                                                Blenderの機能の一つであるUV展開について知ろう | gihyo.jp
                                                                              • Claude Code と Claude Code Action の雑感

                                                                                ざっくりと書いて行く 前提Claude Max Plan $200Anthropic API Rate limits Tier 4Claude CodeClaude Max Plan $200 を契約VS Code から利用/model opus を指定色々試してみた。 Redux から Zustand への​移行React Compiler への適用を含むx86_64 上での arm64 クロスコンパイル対応C++ で書かれたサンプルコードの Python ポーティングC++ で書かれた Python ライブラリのセグフォ修正とテストC++ で書かれた Python ライブラリの各種デコーダー実装Opus デコーダーの実装とテストOpenH264 デコーダーの実装とテストlibaom のデコーダーの実装とテストC++ で書かれた Python ライブラリのサンプル実装自社ドキュメントの日

                                                                                  Claude Code と Claude Code Action の雑感
                                                                                • GitHub - yousef-rafat/miniDiffusion: A reimplementation of Stable Diffusion 3.5 in pure PyTorch

                                                                                  miniDiffusion is a reimplementation of the Stable Diffusion 3.5 model in pure PyTorch with minimal dependencies. It's designed for educational, experimenting, and hacking purposes. It's made with the mindset of having the least amount of code necessary to recreate Stable Diffusion 3.5 from scratch, with only ~2800 spanning from VAE to DiT to the Train and Dataset scripts. -Files: The main Stable D

                                                                                    GitHub - yousef-rafat/miniDiffusion: A reimplementation of Stable Diffusion 3.5 in pure PyTorch