プロンプトエンジニアリングを最適化する為のフレームワークSAMMOを実際に使ってみた - Taste of Tech Topics
いつの間にか春も過ぎ去りすっかり夏模様の今日この頃皆さんいかがお過ごしでしょうか？菅野です。 生成AIの重要性が高まり、生成AIで利用できるテキスト量が長くなるにつれてにつれて、プロンプトエンジニアリングの重要性が高まってきました。 プロンプトエンジニアリングとは、そのプロンプトにどのような命令、事前情報等を入力すると、より適した応答が返ってくるかを設計する技術です。 そんなプロンプトエンジニアリングを最適化する為のPythonライブラリ、SAMMOがMicrosoft社から2024年4月18日にリリースされたので紹介していきます。 www.microsoft.com SAMMOとは？ Structure-Aware Multi-objective Metaprompt Optimizationの頭文字をとったフレームワークです。 元来、プロンプトエンジニアリングでは、エンジニアが、様々な
230回続く社内LT大会の忘年会が盛り上がった件について - エムスリーテックブログ
オフライン用にSlackのTechTalkチャンネルから情報取得して名札を作るスクリプトを書いたところ出来上がってしまったSimple Pollさんの名札。本文とは関係ありません。 新年あけましておめでとうございます。 年末年始は『BURN THE WITCH #0.8』が最高でした、エムスリーVPoE 河合(@vaaaaanquish)です。 さて、エムスリーエンジニアリンググループには『Tech Talk』という技術LT大会文化がありまして、隔週でエンジニアの多くが参加して技術の話で盛り上がっています。 本記事は、忘年会を含めて開催しましたTech Talk オフライン回の開催報告記です。 Tech Talkについて オフライン開催 個人的な感想 おわりに We are hiring !! Tech Talkについて 先にも紹介しました『Tech Talk』は、エムスリー社内で行われて
LangChainを使わない - ABEJA Tech Blog
TL; DR LangChainのメリデメを整理する過程で、今となってはopenai-pythonのうちChatGPTのAPIをを簡単に取り回せる程度のシンプルなライブラリがあるだけでも十分便利なんじゃないかと思ったので、ライブラリを個人で作ってみました。（バージョン0.0.1なのでちょっとお粗末な所もありますが） github.com はじめに こんにちは、データサイエンティストの坂元です。ABEJAアドベントカレンダーの13日目の記事です。世は大LLM時代ということで、ありがたいことにABEJAでも複数のLLMプロジェクトを推進させて頂いています。私自身もいくつかのLLMプロジェクトに参画しています。LLMといえばLangChainが便利ですね。OpenAI APIの利用だけでなく、各種ドキュメントのパースが出来たり、HuggingFaceやインデックスDBを扱う他のライブラリとインテ
LangSmith で始める LLMOps - Gaudiy Tech Blog
こんにちは。ファンと共に時代を進める、Web3スタートアップ Gaudiy の seya (@sekikazu01)と申します。 弊社では今 LLM をプロダクトに活用しているのですが、実際にユーザに提供するクオリティのものを作る・運用しようとすると様々な課題が立ちはだかってきました。 そんな数々の課題を解くために LangSmith というツールが活躍してくれた、また今後の活用・発展にもかなり期待ができるため、本記事ではそんな LangSmith について解説していきます。 LLM を使ったプロダクト開発において課題を感じている方々の参考になれば幸いです。 出てきた課題 まず LangSmith 自体の解説に入る前に、我々が直面した・ほぼ間違いなく今後するであろう課題たちをサラッとご紹介しようと思います。 大まかには次のような課題がありました。 プロンプトがアプリケーションコード内に書か
駅メモ！開発チームにおける Vue.js のマイグレーションプロセス - Mobile Factory Tech Blog
こんにちは、駅メモ！でフロントエンドを良い感じにしたかったチームの id:yunagi_n です。 今回は、駅メモ！にて使用している Vue.js を 2 系から 3 系へあげて行くに当たって、採用した手法とマイグレーションプロセスについて紹介します。 今回、マイグレーションするに当たって、以下の要件がありました： 機能開発を止めてはいけない 駅メモ！では 6 月と 10 月に周年リリースがあり、それの開発を止めるわけにはいきませんでした もちろん、その間にあったイベントなどについても、開発は継続し続けています 多くのメンバーは割けない 基本はわたしが中心に、追加で 1 人〜2 人に手伝ってもらうことはありました また、参考のため、駅メモ！のフロントエンドの規模感を紹介しておくと： Vue コンポーネント数は 1500 コンポーネント fd --type file --extension
GitHubコマテク集 - OpenWork Tech Blog
インフラチームの西川です。 当社ではGitHubを利用しています。いろいろ便利な機能があるのですが社内でコマテクを募集してみたところ意外と知らないものがあったので共有してみます。 行動の見える化 特定コミットのリンク取得 通知 行動規範 ガイドライン .github リポジトリ テンプレートリポジトリ タグをたくさんプッシュさせない ドラフトプルリクエスト チケットの自動リンク化 ベースブランチの更新を取り込む まだレビューが終わってないプルリクエストの一覧化 レビュアーの自動割り当て コードの所有者 ファイル単位でレビュー済みをチェックする レビュー中のファイルを全部閉じる 具体的な修正を提案する レビューコメントをラベル化 デプロイ管理 リリースノートを自動作成 行動の見える化 以下の設定をすることで、GitHub上の行動を見える化することができます。 docs.github.com
講義や会議など長時間にわたるムービーをChatGPTの力で時間ごとに要約してくれるツール「summarize.tech」使ってみたレビュー
講義や会議の様子がまるごとYouTubeにアップロードしてあっても、ムービーが数時間にも及ぶような場合内容を確認するのはかなり気が引けるものです。「summarize.tech」はChatGPTを利用して5分単位で内容をまとめてくれるツールとのことなので、実際に使って試してみました。 summarize.tech: AI-powered video summaries https://www.summarize.tech/ 最初に要約してもらうのは下記のムービーです。 This is Financial Advice - YouTube 再生数・評価ともに高く、おそらく何かいい内容なのだとは思うのですが、いかんせんムービーの長さが2時間半以上もあり見始める前から心が折られそうです。というわけでsummarize.techの出番というわけ。まずはURLをコピーします。 summarize.t
Software Engineers Leading Projects: Part One
Q: My tech lead is stretched, leading several projects. What suggestions would you have to ease the load? Let me flip the question: should the same person - like the tech lead or engineering manager - lead all projects on an engineering team? At both high-growth startups and in Big Tech it’s common for engineers at all levels to lead engineering projects. As an engineer, building up the skills to
Docker終焉は別にしないと思うけど、知っておいたほうがいい知識の補足を書く - inductor's blog
Docker一強の終焉にあたり、押さえるべきContainer事情 を読んで漠然とDockerが終わるって思った人、素直に手をあげてください。別にDockerは終わりません。なんかむしろWASMとかんばるぞって息巻いてて可愛いので頑張って欲しいと個人的には考えています。 その昔、Kubernetes 1.20からDockerが非推奨になる理由 - inductor's blog を書いたら炎上しました。最初の記事の書き方が良くなかったという反省はあるにせよ、世間一般で「Dockerは開発環境で使うやつ」という認識があまりにも広がりすぎているというのが良くわかる勉強の機会になりました。 逆を言うと、みなさんがこれらの記事を読む時には、Dockerという言葉に含まれる意味に注意して読んでいただきたいと思っています。Dockerには大きく分けて以下の意味が含まれると僕は考えています。 Docke
Vertexで3ヶ月で作る運用可能なML API基盤 - CADDi Tech Blog
こんにちは。CADDiのAI LabでMLOpsエンジニアをやっている中村遵介です。 MLOpsチームは今から3ヶ月前に立ち上がったばかりの新しいチームなのですが、その前身としてAPI基盤を作っていた時期があったので、そこで得られた知見を書いていこうと思います。 背景 CADDiのAI Labは2021年の12月に立ち上がった今月1才になったばかりの組織です。その若さにも関わらず、日々有用なMLモデルが作成されていっています。 そのような中で、「新しく作ったMLモデルを素早くユーザにデリバリーしたい」という話が上がるようになりました。ここでいうユーザとはCADDi社員や社内システム、公開アプリケーションなどを指します。 そのため、AI Lab内で簡単に使用できるAPI基盤を作成することにしました。具体的には以下の体験を作ることを目指しました。 開発者に提供するAPIデプロイ体験 推論コード
PM（PdM兼PMM）として意識している「事業上の"資産"を生み出す」こと｜numashi/LayerX バクラクPdM
これは何？株式会社LayerXで、バクラク申請とバクラク経費精算のPM（PdM兼PMM）をしているnumashiといいます。 最近meetyでカジュアルに会話させていただく方々から、LayerXのPMって何しているの？とよく聞かれます。 せっかくなので、実務も含めてよく聞かれることをまとめてみようと思います。なお、後述する実務部分の記載は、あくまで私（N=1）の話です。 PM（Tech PdM/PdM/PMM)と事業開発私自身の話をする前に、2022年8月に読んだPMの役割に関連するお話で、わかりやすい＆腑に落ちるなあと思ったことがあるので、2つご紹介します。 1. Pocochaさんのカルチャーデック： プロダクトマネジメントトライアングルをTech PdM、PdM、PMMの３つの役割から記述していて、とても参考になります。 実際、LayerXでも、バクラク請求書のPdMはエンジニアも兼
社内で開催されている勉強会を紹介します 2022年版 - Pepabo Tech Portal
はじめに EC事業部のエンジニアリングリードを担当している @nyanyami です。 昨年公開された勉強会の記事が大変好評でしたが、時が経つのは早いものでなんと公開から1年が経過していました。ここ1年で新たに実施された、勉強会に関する情報を公開したいと思います。既にこのテックブログにて公開済みの内容についてはリンクを貼っていますので詳細については各記事にてご確認ください。 開催された勉強会 読書会 読書会はだいたい週1ペースで開催される傾向にあり、進め方は読む書籍やメンバーによってそれぞれ異なっています。良書とされるものはメンバーを変えて新規に読書会が開催されることもあります。 SREの探求 ―様々な企業におけるサイトリライアビリティエンジニアリングの導入と実践 チーム・ジャーニー 逆境を越える、変化に強いチームをつくりあげるまで プロダクトリサーチ・ルールズ 製品開発を成功させるリサー
全社共通データ基盤を廃止して新しいデータ基盤に引越した話 - ZOZO TECH BLOG
こんにちは、データ基盤の開発、運用をしていた谷口（case-k）です。最近は配信基盤の開発と運用をしています。 ZOZOではオンプレやクラウドにあるデータをBigQueryへ連携し、分析やシステムで活用しています。BigQueryに連携されたテーブルは共通データ基盤として全社的に利用されています。 共通データ基盤は随分前に作られたこともあり、様々な負債を抱えていました。負債を解消しようにも利用者が約300人以上おり、影響範囲が大きく改善したくても改善できずにいました。 本記事では旧データ基盤の課題や新データ基盤の紹介に加え、どのようにリプレイスを進めたかご紹介します。同じような課題を抱えている方や新しくデータ基盤を作ろうとしている方の参考になると嬉しいです。 データ基盤の紹介 旧データ基盤の紹介 旧データ基盤の課題 変更があっても更新されないデータ 性質の異なるテーブルを同じ命名規則で管理
世界一のデータサイエンティストを目指して 〜Kaggle参加レポート5〜 - Kysmo’s Tech Blog
こんにちは！株式会社キスモのKaggler 大越です。 またまた嬉しい報告があります！ Kaggleで開かれていた、データ分析の世界大会”Home Credit Default Risk”で、史上最多の7198チームが参加する中で2位に入り、再びゴールドメダルを獲得しました。またそれに伴い、Kaggle Master※になりました！！ ※Kaggle Master : メダルの数に応じて付与される称号の中で、最上位のGrandmasterに次ぐ2番目の称号のこと。 前回はAvitoでゴールドメダルを取った後に報告をさせていただきましたが、今回もまたまた良い報告ができ嬉しいです。 さて、今回のブログではそんなKaggleで開かれたKaggle insight challengeの内容を試したので、それをブログにします。 Kaggle insight challengeとは？ 9月末に4日間の
勝手に“天職”を見つけ出す転職AIがすごい (1/3) - ITmedia ビジネスオンライン
勝手に“天職”を見つけ出す転職AIがすごい： HR Techは人事にとって魔法か、それとも脅威か（1/3 ページ） 転職活動をしてもいない人にスカウトのメールが届くscoutyが威力を発揮している。ネット上の個人情報を収集、AIが分析して企業とマッチングする。 ～HR Techは人事の現場で本当に「使える」のか～： ここ数年、人材の採用や管理、評価、育成などにITを活用したHR Techが増えている。人事が手で入力したり、膨大なデータを直に見て判断したような作業をプログラムが代行。AI（人工知能）が人材の「評価」まで行うサービスも登場している。 ただ、人事とはもともと「人対人」のアナログな仕事だったはず。デジタルを駆使するHR Techが果たしてどこまで役に立つのか。あるいは使えすぎて人間の仕事を奪わないか。最前線を追った。 就職はときに結婚に例えられる。転職者も採用する企業も、いかに“運
深層学習の最新テクニック、AIコンペの成績上位5人が披露 | 日経 xTECH（クロステック）
人工知能学会は2018年6月5日、同学会が主催した画像認識コンペティション「JSAI Cup 2018」の結果を発表し、入賞者5人を表彰した。1位～5位の入賞者が実施したプレゼンテーションを通じ、深層学習（多層のニューラルネットを使った機械学習）で画像認識AIの精度を高める最新のテクニックを紹介しよう。 今回のコンペのテーマは「食材の分類」。食材の画像データから、タマネギ、きゅうりなど55種類の材料を分類する画像分類器を設計し、正解率の高さを競う。 「タマネギ」「きゅうり」などの正解ラベルが付与された学習用の画像データは1万1995枚、正解ラベルを付与していない評価用のテストデータは3937枚 主催者が提示した学習用の画像データは、協賛のクックパッドが提供した1カテゴリ約290枚×55カテゴリの1万5932枚である。コンペの開催期間は2018年1月22日～3月29日。応募者は121人で、う
AIは就活生をどこまで｢便利｣にするのか
就職活動でAIはどのような役割をしているのでしょうか。 クラウドやビッグデータ解析、人工知能（AI）など最先端のIT関連技術を使って人事関連業務を行う、「HR Tech」への関心が高まっています（「HR Tech」は“HR〈Human Resource〉× Technology”を意味する造語）。この流れは、もちろん新卒採用領域にも及んでおり、AIを使ったエントリーシート分析などが、すでに実用化されています。 AIで検索などの作業を減らす リクルートグループでも、2012年頃から、学生・企業双方に向けた、機械学習やビッグデータを活用した新卒採用や就職関連サービスの開発を、本格化させています。就職情報サイト「リクナビ」をはじめとした、学生向けのサービスのAI活用の歴史や今後の展開を紹介しつつ、AI時代の就職情報サービスの使いこなし方を解説していきます。 開発を始めた2012年頃はリーマンショ
Node.jsについて知っておくべきこと | readwrite.jp
2009年ごろから始まった「Node.js」フレームワークが、ウェブ・プログラミングの世界に大きなインパクトをもたらしている。 マイクロソフト、ヤフー、LinkedInやPayPalなどに続き、今や多くの開発者がNode.jsのメリットを理解した上でそれを学習し、利用している。 皆さんはNode.jsが「レスポンシブ」で「軽量だ」とは聞いたことがあるかもれないが、その理由まではよく知らないのではないだろうか。ここでは、Node.jsがあなたの次のウェブサイトやアプリケーション、あるいはAPIのバックボーンになるかもしれない理由をいくつか挙げてみたい。 ウェブの利用シーンの変化かつてインターネットは閲覧することがその利用目的の中心だった。ユーザは受け身でコンテンツを読み、眺め、ダウンロードするだけであり、チャットは掲示板またはブログ上で非リアルタイムに行われていた。 しかしソーシャルメディア
node.jsのいろいろなモジュール38 – XMLとJSONの相互変換 | DevelopersIO
XMLとJSONを変換 node.jsではデータをJSONでやり取りすることも多いです。 しかし、アプリやサービスによってはXMLデータが使われることもあります。 そんなとき、今回紹介するxmljsonモジュールを使用すると、簡単に相互変換を行うことができます。 環境構築方法 今回使用した動作環境は以下のとおりです。 OS : MacOS X 10.7.5 Node.js : v0.10.8 npm : 1.2.23 npmを使用してxmljsonモジュールをインストールしましょう。 % mkdir xmljson % cd xmljson % npm init //入力は全部デフォルトでいいです % npm install xmljson --save サンプルプログラム作成 まずはXMLからJSONへ変換する方法です。xmljsonモジュールのto_json関数を使用してXMLからJS
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
長文日記
