因果推論の勉強ロードマップ - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Research：江口、北野 Writing：江口、北野 Editing & Review：段、小林、菅澤 因果推論は、特段数学的な知識がなくとも、統計検定2級程度、高校数学修了程度の前提知識ですぐに勉強が始められる比較的参入しやすい分野です。 今回は、その初学の勉強の仕方ということで、何冊か参考書を紹介させていただきます。 1. 因果推論の使われ方、モチベーションを学ぶ（新書程度のもの） まず最初に読むべきものとして、因果推論のモチベーションとして、どこでどういう風に使われるかを分かっておく必要があります。 もちろん、実務で実際に因果
DSPy + LangSmithでプロンプトを全自動で育ててみた
はじめに 「システムに組み込むプロンプトって、どうやって修繕・管理すればいいんだ…？」 LLM関係のプロダクトを作っていて、この悩みにぶつかった人は多いんじゃないでしょうか。私もその一人でした。 最初は手動でプロンプトを書いて、結果を目視で確認して、ちょっとずつ修正して…を繰り返します。数パターンなら何とかなりますが、テストケースが増えてくるとすぐに破綻します。「あのプロンプト変更でこっちのケースが壊れた」「前のバージョンの方がよかった気がする…」といった状況、経験ありませんか？ この記事では、評価×改善のループを自動化して、プロンプトが勝手に進化していく環境を、AIプロダクト開発チームの新米エンジニアが作ってみたので紹介します。タイトルにある通り、主役はDSPyとLangSmithの2つです。 DSPy: プロンプトを自動最適化するフレームワーク LangSmith: LLMアプリの実行
AI Agentフレームワークを使うべきなのか？
こちらはLayerX AI エージェントブログリレー41日目の記事です。 こんにちは、CEO室でAI Agent開発のPdMをしているKenta Watanabeです。 AI Agent開発に取り組んでいる方や自分用の効率化ツールを開発したりしてLLMで遊んでいる方は何かしらのAgentフレームワークを利用されている方が多いのではないかと思います。LayerXでもAI SDKなどのフレームワークが社内で利用されています。本日はAgent開発の試行錯誤を通して得られたAgentフレームワーク選びの参考になるような考え方を紹介できればと思います。 Agentフレームワーク戦国時代 ここ数年はAgentフレームワーク戦国時代と言えるほどたくさんのフレームワークやSDKが開発され利用されているのではないかと思います。各LLM ProviderはLLMを利用するためのHTTP EndpointとSD
Jupyterよりも marimoが使いやすい理由
みなさん、marimoってご存じですか？ 最近marimoを触ってみたんですが、これが思った以上に便利でびっくりしました。 このツールだけで完結できる場面が多くて、しかもUIがリアルタイムに反応してくれるので、作っていてすごく楽しいんです🎶 驚くほど簡単で直感的に使えますし、「試してみたい！」と気持ちがどんどん湧いてきました。 というわけで、この記事ではそんなmarimoの魅力や、基本的な使い方について紹介していきたいと思います。 ちょっとでも「面白そう」と思ってもらえたら嬉しいです。 はじめに Pythonでデータ分析や機械学習をするとき、まず思い浮かぶのが Jupyter Notebook という人も多いんじゃないでしょうか。 定番ツールとして長く使われてきたJupyterですが、実際に使ってみると「セルの実行順がバラバラになって混乱する」「どこで何が定義されてるか分かりづらい」「G
Affinity アプリが永久無料と聞いてこれで脱 Adobe できるかと思ってるあなたに、Affinity 歴約 5 年の私から伝えておきたいこと
Affinity アプリが永久無料と聞いてこれで脱 Adobe できるかと思ってるあなたに、Affinity 歴約 5 年の私から伝えておきたいこと 2025 年 11 月 5 日 こなさんみんばんわ。 そんな訳で、新しい Affinity の発表から 5 日が経過しました。1 ヶ月前くらいから意味深なメッセージやらティザー動画がアップされてて、まぁ新バージョンやろなとは思ってましたが、今回も買い切りで 3 アプリ合わせて限定特価 1 万ちょいくらい、でも Canva プロユーザーだったら無料です! くらいの予想をしてたら、3 アプリが 1 つになったのに加えてまさかの誰もが永久無料1で、さすがにちょっとほえーっとはなりました。 以前から軽くて高機能なアプリとして定評もありましたし、それが無料で手に入るともなればそりゃ耳目も集めるというもの2。ただ、これは世の常でもあるんですが、こういうシ
MCP ツールのコンテキスト圧迫の問題とその解決策
MCP の普及に伴い、多数のツール定義が LLM のコンテキストを圧迫する課題が浮上しています。本記事では Progressive disclosure（段階的開示）による最小限の情報提供、MCP を使ったコード実行によるツール呼び出しの効率化、単一の検索ツールによるコンテキスト削減など、実践的な解決策を Claude Skills や Cloudflare Code Mode の事例とともに解説します。 Model Context Protocol (MCP) は登場からおよそ 1 年が経過し、事実的な標準としての地位を確立しつつあります。MCP が普及するにつれて、MCP ツールの課題点も浮き彫りになってきました。その課題の 1 つが、1 つのタスクを達成するために多くのツールが読み込まれ、結果として多くのコンテキストが消費されてしまうという問題です。 前提として、LLM がタスクの達
Qwen3、GLM、GPT-ossなどクソデカ言語モデルを試したところGLM-4.5-Airがお気に入り - きしだのHatena
Mac Studioを借りたのでいろいろクソデカ言語モデルを試したところ、GLM-4.5-Airがいいなとなってます。 試したモデルこちら。 モデル パラメータ数 アクティブ thinking 画像 時期 URL GPT-oss 120B 120B 5B o x 2025/8 OpenAI hf link Qwen3 235B-A22B-2507-thinking 235B 22B o x 2025/8 Alibaba hf link Qwen3-VL 235B-A22B-thinking 235B 22B o o 2025/9 Alibaba hf link Qwen3-Next-80B 80B 3B o x 2025/9 alibaba hf link Qwen3 Coder 480B 480B 35B x x 2025/7 alibaba hf link Qwen3 Coder 30
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
CI/CDに続く概念？GitHub Universeでも注目のContinuous AIを紹介 | ドクセル