サクサク読めて、アプリ限定の機能も多数！
トップへ戻る
大阪万博
blog.atusy.net
MCP（Model Context Protocol）盛り上がってますね。 やさしいMCP入門なんて資料も出てきたくらいです。 資料によると、MCPはAIエージェント用のツール接続規格で、ツールを通じて情報取得や外部操作ができるらしい。 最初はAnthrotopic社がなにやら独自の規格を出してきたなと思っていたのですが、このところ、ユーザーが自前実装してみる流れできたり、GitHubやAWSがオフィシャルにMCPサーバーを提供し始め、大きな波を感じます。 試しにNeovimで使ってみたところ、@mcp このバッファレビューしてと入力するだけで、適切なMCPサーバーを勝手に選んでくれることを確認しました。これはすごい。日本語でもいけちゃうところが、さすがAIという感じですね。 MCPがなくても、プラグインによっては#buffer レビューしてなどと入力することでバッファの内容をAIに共有す
init.lua入門系記事日本語で書かれた入門記事の類は非常に心強いですね。私が参考にしたものの内、内容が軽いものから順に掲載します。 [第2回] Neovimのすゝめ – 設定ファイルを作成する by won won eaterさんNeovimのためのLua入門 init.lua編 by slinさん「Getting started using Lua in Neovim」日本語版 by hituji-nosippoさん help公式のヘルプは心強い存在です。間違った情報に出会う確率も低いはず。 Nvim特有の話はnvim上で検索しなければなりませんが、Vimと共通する部分は日本語の情報も豊富です。 help - Vim日本語ドキュメント by vim-jp 特にLua関係の話はhelpを見るべし。 Lua全般: :help luaキーマップ: :help nvim_set_keymap
Google ColabでRを使う場合、パッケージのインストールに時間がかかるところが悩みのタネです。たとえばtidymodelsパッケージをインストールすると、それだけで5分かかります。一定時間が経過すると、ノートブックの実行環境が初期化されるため、何度も待ち時間が発生します。 そこで今回はパッケージの再インストールを爆速にする方法を紹介します。愚直に再インストールするとtidymodelsパッケージなら再び5分かかるところが1秒ほどに短縮できます。ただし、紹介する方法は、Colabのシステム側の更新が起きるとエラーを発生する可能性があります。問題が起きたら、面倒ですがその都度、手順を1からやり直してください。 おおまかな手順としては以下の通りです。ノートブックの内容詳細とスクショを後述します。 パッケージインストール専用のノートブック .libPaths("library")などとして
森下光之助（@dropout009）著「機械学習を解釈する技術」を献本頂きました。 8月4日から8日までの間に、暇を見つけては開いて読了。せっかくなので全体的な感想をまとめておきたいと思います。読む最中の感想はTwitterのスレッドに綴りました。本稿では蛇足になると判断して省略する部分も多いので、気になる人は覗いてください。 どんな人におすすめか一言にすれば、機械学習を利用していて、モデルの解釈方法を知りたい、整理したい人向けでしょう。 本書は目次からも察せられる通り、 3章: 特徴量の重要度を知る4章: 特徴量と予測の関係性を知る5章: インスタンスの異質性をとらえる6章: 予測の理由を考えるといった具合に、モデルをマクロな視点から解釈し、不足を補う形でミクロな視点を導入していきます。数あるアルゴリズムから4つに絞って紹介することで、解釈の指針を与えてくれます。この点はアルゴリズムを網
はじめにggplot2 で \(TeX\) 記法が使えると嬉しいですよね．一応，そういう人たちのための入口としては expression だとか bquote だとかがあるんですが，ここでは紹介しません．いえ，毎度使い方を忘れてしまい，紹介できないというのが正しいです． そんな私に latex2tex パッケージ． TeX() により， \(TeX\) 記法の文字列をRの expression に変換してくれます．覚えることが少なくシンプルになっていいですね．皆さんも是非． library(latex2exp) TeX('\\LaTeX')## expression(`\LaTeX` = paste("", L^{ ## phantom()[phantom()[phantom()[scriptstyle(A)]]] ## } * T[textstyle(E)] * X)) インストールCR
patchworkパッケージを使えばあんな図やこんな図が簡単に，と思い馳せた人も多いのではなかろうか． 参考: TokyoR 73での発表スライド 中でも周辺分布を自由に綺麗に，と思ったのは私だけではないはず． しかし，以下のように散布図とその周辺分布を作成し，並べると，イケてない図が仕上がる． library(ggplot2) library(patchwork) xy <- ggplot(mtcars, aes(wt, mpg)) + geom_point() x <- ggplot(mtcars, aes(wt)) + geom_histogram(bins = 30) y <- ggplot(mtcars, aes(mpg)) + geom_histogram(bins = 30) + coord_flip() (x | plot_spacer()) / (xy | y) 実は，
このページを最初にブックマークしてみませんか？
『blog.atusy.net』の新着エントリーを見る
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
