workflow 型の Agent (LangGraph) を Lambda でストリーミング実行し，Reactアプリで表示する - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに 株式会社 NTT データ デジタルサクセスコンサルティング事業部の @ren8k です． AI Agent を Python で実装する際の代表的なフレームワークとして，LangGraph や CrewAI などが挙げられます．これらのフレームワークではストリーミング出力を行う機能があり，ユーザービリティを高めること可能です． 実装した Agent をアプリケーションに組み込む際，コスト削減のためサーバーレスでの配信を検討することが多いです．AWS では Lambda が代表的なサーバーレスサービスですが，Python で実装
プロでもよくある線形回帰モデルの間違い - Qiita
最近、データサイエンスが流行っていることもあり、線形回帰モデルについても解説記事を見かけることが多くなりました。情報にアクセスしやすくなったのはいいことだと思うんですが、ずっと以前から間違いや解説の不足が多い理論なので、私なりに解説を試みたいと思います。全体的にあまり厳密ではありませんが、線形回帰モデルを学びたての方には有益な記事になるかなと思います。 あと、私も勉強中の身なので、間違いがあったらご指摘いただけたら嬉しいです。 本題 さて、よくある間違いとは以下のような解説です。 線形性の仮定が満たされていないので、線形回帰モデルを使ってはいけない 残差が正規分布&等分散ではないので、線形回帰モデルを使ってはいけない 回帰係数に対するt検定の結果をもとに、p値が大きい説明変数を除外する 多重共線性があるとよくないので、変数間で相関が強い、もしくはVIF値が大きい変数を除外する AICが小さ
Qiitaとブログの使い分け
おがた (@xtetsuji) です。 Qiitaという「プログラミングに関する知識を記録、共有する最適なサービス」が最近活発です。見やすく使いやすいインターフェースや、ウェブ開発者に人気のMac向けに専用エディタKobitoを提供したり、アドベントカレンダーの提供インフラを提供したりと、様々な工夫があります。 実際Qiitaは便利で、そっちに書き始めると、今まで開発系の話題を提供していた自分のブログとの使い分けに悩んだりすることがあったのですが、今のところ私は以下のような基準で使い分けています。 Qiitaの「趣旨」に明らかにそぐわない記事は自分のブログへ Qiitaは「プログラミングに関する知識を記録、共有する最適なサービス」なわけで、一見技術的な話題でも「プログラミングに関する知識」とはいえないコンピュータの記事は自分のブログに書くようにしています。例えばGoogleドライブのフォル
1
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
処理を実行中です
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
