社内勉強会で生成AIについて発表したので70ページの資料を公開する！ - Qiita
前置き 毎週金曜日夕方に行われる社内勉強会にて、先日生成AIについて発表しました。折角なので少し加筆修正した資料を公開します。進化のスピードが早く、一時期食傷気味に陥ってましたが改めて昨今の生成AI関連の基本となるインプットを目指しました。 ※資料内冒頭に記載してますが、AIの専門家ではないので認識や説明に誤りがある可能性があります。 当方も勉強中なので、「ここ違うよ」や「これの説明もあるといいんじゃない」など様々なコメント大歓迎です！ 資料 資料目次 AIの基本 機械学習について 深層学習について 機械学習の種類 教師あり学習の得意なこと 教師あり学習のイメージ 教師なし学習の得意なこと 教師なし学習のイメージ 強化学習の得意なこと 生成AIについて 生成AIとは 生成AIの位置付け 生成AI利用例 代表的なサービス例 日本における盛り上がり 生成AI市場規模 AGIとは AGIは近い？
【2023年版】機械学習の日本語無料学習教材まとめ - Qiita
言語&開発基礎編 PythonやSQLなどの言語と開発環境に関連することをまとめました。 機械学習に関する教材はこの次のセクションにまとめてあります。 学習環境 インストール及び使い方チュートリアルのサイトと、ある程度使い慣れた後に役立つtips集を各エディタでまとめました。 Google Colaboratory Python初学者にとって最もわかりやすいPython実行環境です。プログラミングは初めて！という方はまずこのGoogle Colaboratory(通称: Colab)から始めてみて、使い方がある程度わかったら、そのまま次のセクションのPython編に移りましょう。 Pythonプログラミング入門 難易度: ★☆☆ 東京大学の公開しているPython講座ですが、冒頭でColabの使い方を解説しています。使ったことのない方はこちらから！ Google Colabの知っておくべき
RPubs - Rとパンデミックの数理モデル 新型コロナウィルス(COVID-19)研究を例に
Hide Comments (–) Share Hide Toolbars
PythonでAPIを爆速で構築してみた - Qiita
目次 1.はじめに 2.コーディング 3.コンテナ化 1. はじめに 友人に「PythonでAPIをサクッと作ってよ」と言われたのでシンプルなREST APIを作ってみた。 作ったものを渡すだけでなく作り方も教えて欲しいとのことなので、ここに記事として掲載する。少し手順書のような記載なため、初学者向けかもしれない。 Pythonと聞いて「Djangoでも使うか？」と思いつつも、よりサクッと感のあるフレームワークを探してみたところ FastAPIなるものがあり、今回はこれを採用してみた。 公式より引用 FastAPI は、Pythonの標準である型ヒントに基づいてPython 3.6 以降でAPI を構築するための、モダンで、高速(高パフォーマンス)な、Web フレームワークです。 FastAPI には Swagger UI と ReDoc の両スタイルのドキュメントを自動で生成してくれる機
Anacondaの仮想環境の作成パスを設定する - ＩＴ管理のマメ知識
Windows環境にインストールされたAnacondaで仮想環境が作成されるパスを追加します。 anaconda では、仮想環境のパスを複数登録することができます。 Windowsのシステム環境変数に「CONDA_ENVS_PATH」を追加 ここでは、仮想環境の保存先フォルダを「C:\Anaconda_Datas\envs」にすることにします。 Windows> コントロール> システム> 詳細設定> 環境変数にて「システム環境変数」を追加 変数名：CONDA_ENVS_PATH 変数値：C:\Anaconda_Datas\envs 複数のフォルダを指定したい場合は、「;」で区切ることで可能です。 仮想環境のパスを確認する 「conda config --show envs_dirs」コマンドで、仮想環境のパスが追加されていることを確認します。 [annaconda prompt] (ba
アジャイルにおけるキックオフとインセプションデッキの役割（NADP解説） - NCDC株式会社
Scrum Inc.認定スクラムマスターの局です。 一般的なアジャイル方法論やスクラム開発のプラクティスをベースとしつつ、NCDCのこれまでの経験を取り入れた独自の方法論「NCDC Agile Development Process」の概要を全6回に分けて説明します。 （2024年2月 一部変更を加えました） NCDC Agile Development Process（NADP）解説記事 キックオフ（Kick-off）←本記事 要求（Requirements） デザイン（Design） スプリント計画（Sprint Planning） 開発（Development） 総合テスト（System Testing） 今回はプロジェクト開始時のキックオフについてです。 多くのプロジェクトでキックオフ会議は開催されていると思いますが、その内容はスケジュールの確認や体制の紹介、会議体の確認などが一般
【導入必須】インセプションデッキの作成方法・具体例など
基本ルール・作り方インセプションデッキの作成方法はとてもシンプルです。 [基本ルール] 作成者 ・プロジェクトメンバーで作成する。 ・プロダクトに直接関わる人であれば、誰でも参加可能。 （例：顧客、ステークホルダー、スクラムチームメンバーなど） 作成タイミング ・スプリント開始前に作成する。 ※ 「スプリント0」の期間で作成することが多いです。 目的やゴールが曖昧な場合は「スプリント0」開始前から叩き台の作成を開始しましょう。 タイムボックス ・2,3日程度を目安に作成する。 ※ 「アジャイサムライ」では、数日〜2週間程度と記載がありますが、状況は日々変化するため、プロジェクト開発時点で、初回作成に過度な時間をかけるのは適切でないと考えます。 [作成手順] 以下の「10個の質問」に答える形で作成します。 上記の質問は、「アジャイルサムライ」というアジャイル開発の書籍に記載されており、より広
2種類のインセプションデッキ - Qiita
はじめに この記事はインセプションデッキ Advent Calendar 2019の8日目の記事です。 この記事の中では、「2種類のインセプションデッキ」と題して、用途別に異なるインセプションデッキの作り方を共有します。 インセプションデッキとは 12個の質問に答えていくことで、プロジェクト／プロダクトに関する共通認識を作り上げるものです。使う人によって質問の数が8個～12個だったりしますが、大差はありません。 便利なテンプレートも公開されているので、それを使いながらやるといいでしょう。 https://github.com/agile-samurai-ja/support/tree/master/blank-inception-deck 今回は説明上、上記のリンクの質問数に基づいて話を進めていきたいと思います。 1. プロジェクトの名前 2. 我々はなぜここにいるか 3. エレベーターピ
2022年の「AI／機械学習」はこうなる！ 8大予測
日本語でのTransformerの活用拡大と、Transformerを超える技術発展が進む 高度なマルチモーダルAIの研究が進展し、何らかのサービス登場する ローコード／ノーコードのAIサービスを採用するケースが増える AutoMLを利用するケースは着実にさらに増えていく MLOpsは引き続き広まり、採用する企業が増えていく エッジデバイスでの機械学習／TinyMLの利用は引き続き拡大する 量子AI／量子機械学習の実用化に向けた研究がさらに進展する 責任あるAIのための原則や規制が各所で制定され続ける なお、AutoML、MLOps、TinyML（エッジデバイス上の小さな機械学習技術）、責任あるAIを支える説明可能性／解釈可能性やデータとプライバシーの規制強化などのトレンドは、数年を掛けて拡大中のため、2019年や2020年で予測した項目と重複しているが、2022年も継続するトレンドとして
「データレイク」はデータウェアハウスとどこが違うの？ | IT Leaders
IT Leaders トップ ＞ テクノロジー一覧 ＞ データマネジメント ＞ 知っておいて損はない気になるキーワード解説 ＞ 「データレイク」はデータウェアハウスとどこが違うの？ データマネジメント データマネジメント記事一覧へ [知っておいて損はない気になるキーワード解説] 「データレイク」はデータウェアハウスとどこが違うの？ 2018年11月9日(金)清水 響子 リスト マイクロサービス、RPA、デジタルツイン、AMP……。数え切れないほどの新しい思想やアーキテクチャ、技術等々に関するIT用語が、生まれては消え、またときに息を吹き返しています。メディア露出が増えれば何となくわかっているような気になって、でも実はモヤッとしていて、美味しそうな圏外なようなキーワードたちの数々を「それってウチに影響あるんだっけ？」という視点で分解してみたいと思います。今回はビッグデータやアナリティクス、ス
無償でできる脱Excel、インプリムが開発したOSS「プリザンター」
国産のオープンソースソフトウエア（OSS）という異色の脱Excelツールが、インプリムが開発するプリザンターだ。業務に使えるWebアプリケーションをプログラミング不要で作れるソフトを商用・非商用を問わず無償で利用できるほか、無料でも使えるクラウド版を提供する。 プリザンターは、2017年3月にインプリムを創業した内田太志社長が個人で開発したもの。Excelやメールによる非効率な情報共有を改善する目的で、前職の2014年9月から開発を始めて社内利用を進めた。2015年5月に認知度の向上を目的にOSS化。ソースコード共有サイト「GitHub」で公開した。「社内はもちろん、外部にもプリザンターを普及させたかった」（内田氏）。 一般にOSSのWebアプリケーションは、PHPやPerlのWebアプリケーションフレームワークを利用するものが多い。プリザンターは、当初から高速性と安定性を重視してフルスク
Visual Studio Team Servicesでチームプロジェクトをスタートする - け日記
Visual Studio Advent Calendar 2016 - Qiitaの2日目のエントリです。 個人のプロジェクト管理にVisual Studio Team Services（VSTS、かつてのVisual Studio Online）を利用しています。 これから何回かに分けて、VSTSの使い方を紹介していきたいと思います。 Visual Studio Team Servicesとは オールインワンのプロジェクト管理ツールで、かつてVisual Studio Onlineと呼ばれていたものです。 Gitが使える、バックログなども同梱、そして5人まで無料といった嬉しい特徴を持っています。 azure.microsoft.com 今回はチームプロジェクトの立ち上げについて紹介します。 チームプロジェクトを作る まずはMicrosoftアカウントを作成し、VSTSにログインします。
M＆Aによるシステム統合でアプリケーションのレスポンスが悪くなった（パフォーマンストラブル）
M＆Aによるシステム統合でアプリケーションのレスポンスが悪くなった（パフォーマンストラブル）：SQL Serverトラブルシューティング（42）（1/2 ページ） 本連載は、「Microsoft SQL Server」で発生するトラブルを「どんな方法で」「どのように」解決していくか、正しい対処のためのノウハウを紹介します。今回は「アプリケーションのレスポンスが悪くなった事例とその対処方法」を解説します。 連載バックナンバー 本連載では、「Microsoft SQL Server（以下、SQL Server）」で発生するトラブルについて、「なぜ起こったか」の理由とともに具体的な対処方法を紹介していきます。 前回までは、SQL Serverのパフォーマンス問題に対応していくための情報収集の方法を解説してきました。今回からは実際のパフォーマンス問題対策のケーススタディに入ります。個々のトラブルは
Deep Learningの恩恵を手軽に活用できるコグニティブサービスとは
コグニティブサービスのAPIを用いて、「現在のコグニティブサービスでどのようなことができるのか」「どのようにして利用できるのか」「どの程度の精度なのか」を検証していく連載。初回は、コグニティブサービスとは何かの概要とAPIを使うための準備の仕方を説明します。 ※本稿は2017年1月19日の情報を基に作成しています。記事内で使用している画面は変更になっている場合がありますがあらかじめご了承ください。 本連載の目的 本連載「認識系API活用入門」では、マイクロソフトのコグニティブサービスのAPIを用いて、「現在のコグニティブサービスでどのようなことができるのか」「どのようにして利用できるのか」「どの程度の精度なのか」を検証していきます。 なお、本連載ではVisual Studio 2015とC#で開発しますが、マイクロソフトのコグニティブサービスはREST APIなので、C#に限らずさまざまな
SQL Serverで「トレースログ」を採取する
本連載は、「Microsoft SQL Server」で発生するトラブルを「どんな方法で」「どのように」解決していくか、正しい対処のためのノウハウを紹介します。今回は、「処理遅延の対処に役立てるトレースの採取方法」を説明します。 連載バックナンバー 本連載では、「Microsoft SQL Server（以下、SQL Server）」で発生するトラブルについて、「なぜ起こったか」の理由とともに具体的な対処方法を紹介していきます。 前回は、データベースの処理遅延に対処するために必要となる情報として「パフォーマンスログ」の採取方法を解説しました。今回も処理遅延の対処に活用できるもう1つの情報となる「トレース」の採取方法を説明します。 トレースとは何か トレースは、SQL Serverの内部動作を確認できる情報です。この情報を採取し、確認することで、例えばクエリの開始や終了のタイミングなどを確認
機械学習の基礎の基礎、行列計算に欠かせないNumPyの基本的な使い方
プログラミング言語「Python」は機械学習の分野で広く使われており、最近の機械学習／Deep Learningの流行により使う人が増えているかと思います。一方で、「機械学習に興味を持ったので自分でも試してみたいけど、どこから手を付けていいのか」という話もよく聞きます。本連載「Pythonで始める機械学習入門」では、そのような人をターゲットに、Pythonを使った機械学習について主要なライブラリ／ツールの使い方を中心に解説していきます。 連載第1回の「Pythonで機械学習／Deep Learningを始めるなら知っておきたいライブラリ／ツール7選」では、ライブラリ／ツール群の概要を説明しました。前回は、その中でもJupyter Notebookの基本操作と設定について説明しました。 今回から連載第1回で紹介した各種ライブラリを使う具体的なコードを例示していきますが、Jupyter Not
サンプル例に見る機能仕様書の基本的な書き方＆読みやすくする7つのテクニック (1/3)：プロジェクト成功確率向上の近道とは？（2） - ＠IT
サンプル例に見る機能仕様書の基本的な書き方＆読みやすくする7つのテクニック：プロジェクト成功確率向上の近道とは？（2）（1/3 ページ） ITシステム開発の問題点の一つであるコミュニケーションの失敗。本連載では、これを防ぐ方法としてお勧めしたい3つのドキュメントを紹介していく。今回は、Joelの機能仕様書を日本人向けにカスタマイズされたものを例に、機能仕様書の基本的な書き方、読みやすくする7つのテクニック、仕様書作成ツールは何を使うべきか、誰が書くべきかなども解説します。 連載目次 連載の第1回の前回「ドキュメントは最強のコミュニケーションツールである――Joelの機能仕様書入門」では、ITシステム開発がビジネスに貢献していくためには、まずは開発の成功が出発点になること、そしてITシステム開発におけるコミュニケーションの重要性、そしてコミュニケーションにおけるドキュメントの重要性について説
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
IPAの「セキュリティ・バイ・デザイン導入指南書」 アヒルがセキュリティへの理解を深める？
ガートナーが日本における「ユーザー・エクスペリエンスのハイプ・サイクル：2021年」を発表
Python 3の組み込み関数を速攻理解しよう： オブジェクト生成／数値計算／文字列／イテラブル編
