ChatGPTを活用してサーキュレーターの異常検知をやってみた！ - Qiita
１．はじめに こんにちは。(株) 日立製作所のLumada Data Science Lab.の山崎 建です。 私は入社１年目の新人データサイエンティストであり、普段の業務では、データ分析による課題解決や、データ利活用のためのコンサルティングを行っています。 今回は 自身のデータサイエンスの知識と生成AIを用いて、自宅で活用できるデバイスを短期間・低コストで開発できる ことを実体験を紹介しながらお伝えします。 本記事が、ご覧くださっている方々が気軽にデバイスの開発に取り組み、その面白さを体感するきっかけとなれば嬉しいです。データサイエンスを学んでいる方は自身の知識をモノに昇華することができ、初心者の方はChatGPTに質問しながら開発を行うことで副次的に知識習得につながると考えます。 ２．デバイス開発におけるChatGPTの活用 今回デバイス開発においてChatGPTを用いましたが、主にコ
ElasticsearchによるLearning To Rank(LTR)入門 - Qiita
はじめに Elasticsearchではv8.12からLearning To Rankという機能が実装されました。これまでにもコミュニティープラグインでは同様のことが実現できていましたが、今回Elasticが公式にサポートしましたので概要について紹介したいと思います。 検索の良し悪しは主に以下の観点で評価できます。 適合率 / Precision : どれだけノイズが少ないか 再現率 / Recall : どれだけもれなく検索できているか Learning To Rank（LTR）はこのうち適合率 / Precisionを、事前に用意したデータを学習することによって向上させるための仕組みです。 この機能はElasticsearchの外部で機械学習によって作成したモデルを使って実現します。流れとしてはData Frame Analyticsやベクトル検索で実現しているのと同様、Pythonで
VS Code で Gemini Code Assist を使う - Qiita
はじめに コーディングにAIが使われるようになってだいぶ時間が経ちました。AIエディタも様々なものが出ましたが有名どころとしてはCursorやGithub Copilotが挙げられると思います。これらのツールは、定額課金であるため個人で手が出しづらかったり契約にハードルがあるような職場もあるかもしれません。 ということで従量課金で使えるVSCode拡張のAIエディタ機能を探していたところ、Geminiの拡張を知りましたので使ってみました。 あまり使っている人が見当たらなかったので共有できればと思います。 誰向けの記事か Gemini Code Assist（VSCode拡張）について知りたい人 従量課金のAIエディタツールを探している人 Gemini Code Assist Gemini Code Assistは、Google Cloud の AI を活用したコラボレーターと表現されており
Pytorchの損失関数(Loss Function)の使い方および実装まとめ - Qiita
損失関数 (Loss function) って？ 機械学習と言っても結局学習をするのは計算機なので，所詮数字で評価されたものが全てだと言えます．例えば感性データのようなものでも，最終的に混同行列を使うなどして数的に処理をします．その際，計算機に対して「どれくらい間違っているよ」という結果を伝えるための計算式がこれにあたります．つまり，これが大きければ大きいほど大きく間違っているということになります． ざっくりとした数式で表すと簡単に以下の式で表されます．ほぼ情報量がゼロの式ですが． つまり，何かしらの定義に基づいて $Y_\mathrm{prediction}$ および $Y_\mathrm{grand\mbox{_}truth}$ の違い・誤差・距離を計測するというものがこれにあたります． また，以下の式に関しまして基本的に損失関数として考えた入力， $y_{\mathrm{pred}}
2ヶ月でAWS認定12冠したので攻略法を語ります - Qiita
AWS認定 is 何？ 人気のクラウドサービス「アマゾンウェブサービス」が提供している認定資格試験です。パソコンで実施するタイプの選択式テストとなります。 時流に応じて資格数は増減しています。だいたい10件ちょいです。 2023年度：12資格 2024年度：10資格（→また12に増える予定） 何をやったの？ 昨年末、急に思い立って認定資格を2ヶ月でコンプ（全冠）しました。 すいません、ちょっと盛りました。登竜門の「SAA（ソリューションアーキテクト アソシエイト）」だけは3年前に取っていました。 残りは週に1〜2件のペースで取得していたことになります。 資格に挑戦した理由は？ 実は私、「資格を取ること」にあまり価値を感じていませんでした。 勉強に多くの時間を使う必要があり、他のことができなくなる 机上学習やるならハンズオンに時間を割く方が実務に活きやすい 数が多すぎて、全冠なんて自分とは別
レコメンドアルゴリズム入門：基礎から応用まで実装に必要な知識を解説 - Qiita
1: 購入 0: 閲覧(したが購入してない) -: 未観測 ユーザーベース型 ユーザー同士の類似度を計算 「あなたと購入履歴の似たユーザーはこんな商品を買っています」 行を各ユーザーのベクトルとみなして、似たユーザーを見つける（上位N人） 似たユーザーが購入しているアイテムを推薦する（N人の平均値などで購入しそうな順に提示） アイテムベース型 アイテム同士の類似度を計算 「この商品を買ったユーザーはこんな商品も買ってます」 列を各アイテムのベクトルとみなして、類似度の高いアイテムを推薦する（上位M件） 類似度計算には、コサイン類似度やJaccard類似度が使われる。 類似度を計算する際に、未観測「-」は適当な値（0, 0.5など）で埋めるか、無視をする。 ログデータを使うため、情報の少ない新規アイテム/新規ユーザーに弱いコールドスタート問題がある。 コンテンツベースフィルタリング アイテム
工数管理というものを理解する - Qiita
エンジニアのみなさま、日々の学習本当にお疲れ様です！ また本記事まで足を運んでいただき本当に感謝です。 約3分程度で読めるので最後まで読んでもらえると幸いです。 はじめに 工数管理はプロジェクトの成功に欠かせない要素です。工数を正確に見積もり、管理することで、プロジェクトの遅延を防ぎ、クライアントやプロジェクトメンバーの信頼を得ることができます。 本記事では、工数見積もりの重要性とその手法、そして失敗しないためのポイントについて書きたいと思います。 「もっとこうした方が良いよ！」 や 「うちの会社ではこの様な考えで取り組んでます！」 があればぜひコメント欄で教えていただけますと幸いです。 工数とは？ プロジェクトや業務を完了するために必要な作業時間のことを指します。 「人日」 や 「人月」 と呼ばれており、1人日は8時間、1人月は160時間（1日8時間、平日20日稼働）で表現するケースが多
Windows11のコンテキストメニューを旧仕様に戻す方法 - Qiita
概要 Windows11のコンテキストメニューをWindows10までの従来仕様に戻すスクリプトをまとめた話です。 ググれば同じ話はいくつも出てくるのでn番煎じ感が強いですが、PowerShellだけで行ってる例は少なかったので、そこは新規性があるかも？ コンテキストメニューって？ エクスプローラやデスクトップ上などでファイルとか何もない場所を右クリックしたときに表示されるメニューのことです。 このコンテキストメニュー、Windows10までとWindows11で仕様が大きく異なります。 Windows11では表示をすっきりさせるためなのか、従来のほとんどの操作は非表示になっています。 なので、例えば7zipでの解凍・VSCodeで開く・送るなどの操作をしたい場合は「その他のオプションを確認」をクリックして従来のコンテキストメニューを表示してから対象操作を選択する必要があります。とてもつら
GoogleのNotebookLMで情報収集・勉強を効率化する - Qiita
はじめに ◆この記事は何？ NotebookLMの活用法を紹介する記事 ◆この記事のねらい NotebookLMを効果的に活用できるようになること ↓NotebookLMはこちらからアクセスできます。 先に結論 NotebookLMの良い点 pdfファイルやwebページを読み込み、それを元に回答する専用のチャットボットを簡単につくれる ソースとなるpdfファイル/webページ/テキストを簡単に追加・削除できる 引用した箇所を表示してくれる NotebookLMでできること NotebookLMはGoogleのサービスです。 2024年6月6日に日本語対応しました。 NotebookLMでは専用のチャットボットを簡単につくれます。 ◆アップロードできるコンテンツ チャットボットの回答ソースとなるコンテンツをアップロードできます。 GoogleドライブからGoogle documentやGoo
もっとも効率の悪い「あみだくじ変換」を考えてみよう - Qiita
皆さん一度は、あみだくじを触ったことがあると思います。X(旧twitter)で流れてきたポストをきっかけに、あみだくじについて色々と考えてみましたので共有します。 この記事で考える問題 以下の問題について、色々と考察していきます。 [問題] あみだくじ変換 順列$X$を順列$Y$に変換する「あみだくじ」を、 あみだくじ変換 と定義します。 順列$X$に対して あみだくじ変換 を繰り返し適用することで、いずれ元の順列$X$に戻ることが知られています。 順列の要素数が$N$の場合に、最も多く繰り返して元の順列に戻る あみだくじ変換 を選ぶと、何回の あみだくじ変換で元の順列に戻るでしょうか。 経緯 元ネタ 先日Xで次のようなポストを目にしました。 数学の先生が教えてくれた「小学2年生の算数」がマジで難しくてビックリだったんですけれど… これ皆さんわかりますか…？ 一応簡単に解ける方法もあるみた
ウォーターフォールを世に広めたとされる米軍がアジャイルに移行中という話 - Qiita
また、この図の説明においては理想的なケースにおいても1つ前の工程に戻る事が述べられています。 " Hopefully, the iterative interaction between the various phases is confined to successive steps. " (投稿者訳) 理想的には、各段階において工程が前後する範囲は直近の工程に限られる。 理想的でない場合はどうかというと、テストから設計まで工程が戻りうると示唆しています。 "The testing phase which occurs at the end of the development cycle is the first event for which timing, storage, input/output transfers, etc., are experienced as dist
急に仕事で英語を使うことになった社会人に贈るまとめ(便利ツール/コンテンツ) - Qiita
急に仕事で英語を使うことになった社会人に贈るまとめ(便利ツール/コンテンツ/勉強本) 新規案件参画初日。 Goやk8sを使えることなってワクワクしていたあの日、 参画してすぐにチーム内のエンジニアで日本人が自分以外に一人であること、 それ以外のチームメンバー全員が外国籍のメンバーになることを知らされた そこのあなた！ 数年前の私です（笑） さらに2ヶ月後には、開発チームで唯一の日本人になって死にそうになりました。 その時は突然にやってきます。 当時、私の英語の経験というと大学受験の対策のみと言っていいほどで、 そこから10年以上経過していたため、高校英語すらも怪しい状態でした。 英語学習を開始して 半年ほど経過した時のレベルがTOIEC450程度だったので、学習開始当初はおそらく400点を切っていたレベルであると思います。 そこから英語学習を開始し、2年ほど経過した今では、便利ツールを活用
Double/Debiased Machine Learning による因果効果推定（1） - Qiita
はじめに 東北大学/株式会社Nospareの石原です．本記事では，機械学習を用いた平均処置効果 (average treatment effect; ATE) の推定方法を紹介します．以前の記事で紹介したように，条件付き独立の仮定の下では条件付き期待値関数と傾向スコアを推定することができれば ATE を推定することができます．Chernozhukov et al. (2017) は，条件付き期待値関数と傾向スコアを機械学習手法で推定することで ATE を推定するという方法を提案しています．彼らの提案した方法は "Double/Debiased Machine Learning" と呼ばれています．本記事では，通常のノンパラメトリック推定方法を用いた場合の既存の理論結果を紹介し，機械学習手法を用いる場合の理論的な問題点を解説します．そして，次回の記事で，Chernozhukov et al.
AWSのストレージサービスについて - Qiita
きっかけ AWSのストレージサービスといえばS3の印象が強かったですが資格勉強を進めていくうちに他にも様々なストレージサービスがあることを知りました。 Amazon E〇Sのような名称のものが多くごっちゃになってしまうことがあるので今回はそれを整理するために作成しました。 目次 以下について(特にS3,EBS)まとめています。 ・Amazon S3：Simple Storage Service ・Amazon EBS：Elastic Block Store ・Amazon EFS：Elastic File System ・Amazon FSx for Windows File Server ・AWS Backup 詳細 Amazon S3(以下「S3」と表記) 完全マネージド型のオブジェクトストレージ 特徴 ・ストレージ容量が無制限であり、残りの容量の確保や調達を気にする必要がありません。
Raspberry Pi 5 で好きなボイスのスマートスピーカーを作ってみた - Qiita
Raspberry Pi 5を触ってみたかったので、ラズパイでスマートスピーカー自作にプラスαを加えて、ローカルTTSモデルを介して好きな声で返してくれるものを作ってみました。 実際のプロダクトを開発した経験はないので、処理の細かい部分は拙いところが多いと思いますが、個人の思い出としてまとめようとおもいます。 構成 音声入力から出力までのフローは以下のようになっています。 各フローの説明は後述します。 使用機材 Raspberry Pi 5 ラズパイです。8GBモデルを買いました Raspberry Pi 5用ケース Raspberry Pi 5 は発熱量が過去モデルよりも多いとのことで、ケースについているファンをつけたほうが良いとのことでした。 USB電源アダプター 5V 3A Type C 1.5m 別売りですので、購入する必要があります。 microSDXC 64GB SanDisk
Power Automate DesktopでExcelとWordを動かす！～書類作成の自動化～ - Qiita
こんにちは！ デジタル学び始めて2ヶ月、駆け出しプログラマーのおみえです。 普段パソコンで作業していて、「これ、地味に手間だなぁ」と感じたことはありませんか？ 例えば、前に作成したデータをコピーして、中身を手作業で修正するような場合です。 以前、この春異動してきた新人さんに、今やってる業務で手間だなと思うことは何かあるかを聞いたところ、「書類を郵送する時に、住所調べたり、送付状作ったり、封筒準備したりやることが以外に多く手間です！」と答えていたのを思い出し、自動で作成できないかと考えました。 そこで、既存のExcelデータから値を抽出して、Wordのテンプレートに自動で転記する方法をPower Automate Desktopを使用して作成してみました。 やりたいこと 使用ツール ・Power Automate Desktop ・Excel ・VBA ・ChatGPT ・Word 完成品
勤務シフト作成を無料で自動化してみたい - Qiita
シフト作成って結構メンドクサイ...... 私は小売業に勤めているのですが、どうしても避けて通れないのがこのシフト作り。 しかも一番人数が多い部署なので時間もかかってしまいます...... 誰か代わりに作ってくれないかな～と思って目に入ったのが今話題のChatGPTです。 今回はシフト作成を「無料」で「自動化」するというテーマで記事を書いてみました。 シフト作成の時間を短縮するヒントがきっとあると思うのでぜひ参考にしてください。 使用したツール ChatGPT Google Sheets 実際、ChatGPTをどのようにして使ったのか？ どのようにして使用したか、順を追って説明しますね。 まず私はChatGPTに以下の命令を出しました。 あなたはグーグルスプレッドシートのスペシャリストです。 あなたの目的は私の指示に従って適切なグーグルスプレッドシートの仕組みを作ることです。 # 最終的に
Googleのランキングアルゴリズム流出から考えるSEO - Qiita
めっちゃくちゃ久しぶりの記事です。 弊社のStampはTabisakiの運用を始めたこともあり、SEOに取り組む機会も増えてきました。そんなタイミングで、Googleの検索結果のランキングアルゴリズムが流出したとのことですので海外の記事をベースにAIで内容をまとめました。 ドメイン権威（Domain Authority） ドメイン権威（Domain Authority、DA）は、SEOの世界で広く使用される指標であり、特定のドメインが検索エンジンの結果ページ（SERP）でどれだけの影響力を持つかを測定するものです。この指標は主にMozが提供しているもので、0から100のスコアで表され、高いスコアほど検索結果でのランキングが高くなる可能性があるとされています。ドメイン権威は以下のような要因に基づいて計算されます。 リンクプロファイルの質と量: 外部サイトからのリンクの数と質。 ドメインの年齢
元ヤフーエンジニア社長が考える、未経験エンジニアの最適な勉強時間 - Qiita
対象者 ・未経験からエンジニアを目指したい！と考えている方 ・エンジニアになったけどなかなか成長できてないな・・と感じている方 に読んでいただけると嬉しいです！ 自己紹介 株式会社PRUMという会社の代表をしています。岩本です。 https://prum.jp/ SES企業でエンジニアとして就業したのち、ヤフーでもエンジニアとして働いておりました。 2019年、PRUMを創業し組織を５期目の途中で70名の組織まで成長させました。 エンジニアの成長について、誰よりも考え抜いてきた自信があります。 エンジニアって、どれくらい勉強した方がいいの？ ずばり、はじめの2年間は、空いている時間は全て勉強しましょう。 そう考えるほうが楽です。圧倒的に楽です。 理由は後で書きます。 そもそも、エンジニアという仕事について エンジニアという職業は、とっても魅力的な仕事です。 人手不足のため給与水準もこれから
[小ネタ] SQLの GROUP BY / ORDER BY には数字 (1, 2...) を指定しよう - Qiita
-------------------------------------------------------- -- users テーブルについて、部署・役職・作成日ごとに件数を集計する -- (MySQL用) -------------------------------------------------------- SELECT u.department_code `部署コード`, u.role_code `役職コード`, DATE_FORMAT(u.created_at, '%Y-%m-%d') `作成日`, COUNT(*) `人数` FROM users u GROUP BY u.department_code, u.role_code, DATE_FORMAT(u.created_at, '%Y-%m-%d') ORDER BY u.department_code ASC
![[小ネタ] SQLの GROUP BY / ORDER BY には数字 (1, 2...) を指定しよう - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/df7a32ffb8e562dfe0678d701a1eb4d8a4f7969b/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9JTVCJUU1JUIwJThGJUUzJTgzJThEJUUzJTgyJUJGJTVEJTIwU1FMJUUzJTgxJUFFJTIwR1JPVVAlMjBCWSUyMCUyRiUyME9SREVSJTIwQlklMjAlRTMlODElQUIlRTMlODElQUYlRTYlOTUlQjAlRTUlQUQlOTclMjAlMjgxJTJDJTIwMi4uLiUyOSUyMCVFMyU4MiU5MiVFNiU4QyU4NyVFNSVBRSU5QSVFMyU4MSU5NyVFMyU4MiU4OCVFMyU4MSU4NiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnM9ODUwOGYxZDE3YzZhN2I1YTk5NzU4NzkxNjhhNmRiMjc%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBzc2Mta3NhaXRvdSZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9MzhjNGQzYzhlM2QxYzU5YzFkNjE3M2I2NWNiMjMyNTM%26blend-x%3D142%26blend-y%3D436%26blend-mode%3Dnormal%26txt64%3DaW4gU1NDIFImRA%26txt-width%3D770%26txt-clip%3Dend%252Cellipsis%26txt-color%3D%2523212121%26txt-font%3DHiragino%2520Sans%2520W6%26txt-size%3D36%26txt-x%3D156%26txt-y%3D536%26s%3D9ffdf1c689130de3ed7e5b18c77600c2)
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
