これも1980年発行という古い本。sasaburoさんに紹介されて読んでみた。具体的な弾性体力学を扱っていた「有限要素法入門」とは対照的に、抽象的な数学を用いて一般的な微分方程式を解く手法として有限要素法を説明している。これによって色んな物理現象を有限要素法で解くことが出来る。本書は大学で学ぶ解析学や線形代数の知識を前提にしているので「有限要素法入門」と比べると少し敷居が高いかも知れない。 明解な論理で、洗練されており、無駄がない。そのため密度が高くページ数の割に内容が濃い。まるで良く出来た教科書のような素晴らしい良書。 概要 この本は最初の敷居がなかなか高めだと思う。最初から多次元に一般化されたPoisson方程式の境界値問題が出てくる。そんなに難しいことを言っているわけではないのだが、有限要素法に具体的なイメージを持っているとこの抽象的な入り方に少し戸惑ってしまうかもしれない。直後に弱
※この投稿は米国時間 2025 年 2 月 14 日に、Google Cloud blog に投稿されたものの抄訳です。 2 月 10 日の週に Google は、Go 1.24 をリリースしました。これは、Google のオープンソース プログラミング言語の最新バージョンであり、スケーラブルでプロダクション レディなバックエンドおよびクラウドベース システムを効率的に構築できます。 ポスト量子暗号のサポート、弱いポインタの実装、Go ランタイムの大幅なパフォーマンス向上など、Go 1.24 には多くの優れた点があります。また、ネイティブ パフォーマンスに近い速度で、高パフォーマンスな低レベルコードの実行を可能にするバイナリ命令形式である、WebAssembly(Wasm)の機能も大幅に拡張されています。新しい「go:wasmexport」コンパイラ ディレクティブと、WebAssembl
NVVM IR Specification Reference guide to the NVVM compiler (intermediate representation) based on the LLVM IR. 1. Introduction NVVM IR is a compiler IR (intermediate representation) based on the LLVM IR. The NVVM IR is designed to represent GPU compute kernels (for example, CUDA kernels). High-level language front-ends, like the CUDA C compiler front-end, can generate NVVM IR. The NVVM compiler (
はじめに すでに日本語でも紹介記事が多数ありますが、私も MCP(Model Context Protocol)サーバーの開発を試してみたので備忘録として。 MCP の仕組みはともかくまずは作り方が知りたい!という方向けです。 MCP サーバー開発用の SDK は Python, Java, TypeScript など複数の言語をサポートしていますが、本記事ではTypeScript SDKを使用します。 また開発した MCP サーバーを利用する MCP クライアントにはCursorを使用します。 基本的に公式ドキュメントを参考にしています。 🙆♂️本記事で触れること TypeScript SDK を用いた MCP サーバーの実装方法 実装した MCP サーバーを Cursor で使用する方法 実装した MCP サーバーの配布(Publish)方法 デバッグ方法:Inspector の使
ここ最近、界隈をにぎわせているのが、2025年春夏での、アウトドアブランド・モンベルのレインウェア再編成です。特に、フラッグシップモデルであった「ストームクルーザー」の素材が、世界的に有名なゴアテックスから、モンベル独自素材であるスーパードライテックに変更されたことに衝撃を受けている人が多いようです。 それで調べてみると、ストームクルーザーに限らず、いろんな名前のレインウェアが一斉に再編成されているとわかりました。 僕は旧「レイントレッカー」を愛用しているのですが、仮に買い替えるとしたらどれになるんや・・・という疑問が浮かんできます。また、こうした背景があってか、過去に旧レイントレッカーをレビューした記事がここ最近もっともビューを稼いでいるのですが、申し訳ないことに、そちらは旧レイントレッカーの内容なのです。 こういったことを踏まえ、アウトレット商品としてオンラインショップに旧ラインナップ
MCP概要説明 この記事はMCP2025-03-26リビジョンを基に作成しました。 Model Context Protocol (MCP) とは何か? MCP は、AI アシスタント(チャットボットや自動化エージェントなど)が、さまざまな外部データやツールにアクセスするための 共通のルール(プロトコル) です。 従来は、AI にデータベースやウェブサービス、ローカルのファイルを使わせたいとき、それぞれ違う接続方法をいちいち作り込む必要がありました。すると、AI を拡張するたびに「新しいツール用の独自コード」を用意しなくてはなりません。 MCP を使うと、「AI ⇔ データやツール」 の接続方式を 標準化 できるため、同じ仕組みでいろいろなデータソースや外部サービスとやり取りできます。これは、AI の開発者とデータ管理者双方にとって、大きな手間削減や再利用性の向上につながります。 Anth
ご来店ありがとうございます。新刊発売予定のお知らせです。 2025年4月18日(金)、遠藤侑介著『型システムのしくみ ― TypeScriptで実装しながら学ぶ型とプログラミング言語』の発売を予定しています。なお、2025年4月16日(水)から開催されるRubyKaigi 2025会場のBOOKSTOREにて、著者サイン会に合わせた先行発売を予定しています(紙書籍のみ。部数には限りがあります)。ジュンク堂池袋本店様でも4月16日から販売していただける予定です。 『型システムのしくみ』について 多くのプログラミング言語では、さまざまな場面で「型」が登場します。特に静的型付き言語では、プログラムを実行せずに潜在的な問題をあぶり出す「型検査」の有用性が広く知られるようになりました。最近では動的型付き言語でも、型ヒントや静的解析ツールとして、この機能を部分的に取り入れる動きがあります。 型検査の背
KDDIグループでアジャイル開発事業を行うKDDIアジャイル開発センター(東京都港区)社員が公開した、AIモデルと外部データソースやサービスをつなぐ規格「Model Context Protocol」(MCP)の初心者向け解説資料が話題だ。同社の御田稔さん(テックエバンジェリスト)が4月6日に公開したもので、はてなブックマークで736ブックマークを集め、テクノロジーカテゴリーで1位になる(7日午後1時時点)など、注目を浴びている。 資料では、複数のタスクを自律的に実行する「AIエージェント」におけるMCPの利便性や、MCPの仕組み、自分のPCでMCPを試す方法などを解説。MCPの仕組みを図解し、ユーザーが利用するAIモデル・サービスを指す「MCPホスト」と、そのMCPホストが参照する外部ツールやデータなどを指す「MCPサーバ」の構造を説明したり、活用例を紹介したりもしている。
本記事のポイント CSRF(クロスサイトリクエストフォージェリ)とは、Webアプリケーションに存在する脆弱性、もしくはその脆弱性を利用した攻撃方法であり、サイバー攻撃の1つです。 本記事では、DjangoとReactを用いたCSRF対策の方法を、注意すべきポイントと合わせてご紹介します。実装に使用するコードも載せておりますので、ぜひご覧ください。 はじめに Django(ジャンゴ)とは、Pythonで動作するWebアプリケーションフレームワークです。機能的な独立性の高さ故に、メンテナンスが容易で、効率的にアプリケーションを作れることから多くのユーザに使われています。 しかし、Djangoに標準搭載されているテンプレートエンジンではスケールが難しく、しばしばフロントエンドが他のフレームワークに置き換えられる事例が見られます。 Djangoに標準搭載されているCSRF対策機能は、Djangoの
はじめに ウェブブラウザの自動操作は長い間、テスト自動化やスクレイピングの重要な分野でしたが、大規模言語モデル(LLM)の台頭により、まったく新しい可能性が開かれつつあります。マイクロソフトの最新プロジェクト「Playwright MCP(Model Context Protocol)」は、LLMとブラウザの間に革新的な橋を架け、AIがより効率的かつ確実にウェブと対話できる世界を実現しています。 本記事では、Playwright MCPの技術概要、主要機能、そして実際のビジネスにおける活用事例について探っていきます。 Playwright MCPとは? Playwright MCPは、マイクロソフトが開発したModel Context Protocol(MCP)サーバーで、Playwrightのブラウザ自動化機能をLLMに提供します。従来の画像認識やスクリーンショットベースのアプローチとは
今回は、最新の Google Gemma モデルを Apple Silicon に最適化されたライブラリ MLX を使ってローカルで実行したり、ファインチューニングしてみましたのでその手順を紹介します。 MLX 関連の情報はドキュメンテーションが分かりづらいものも多かったので色々試した経緯も共有しながら少しでも何かの参考になれば幸いです。 実際に使った Jupyter Notebook を Gist にアップロードしていますので、そちらも参考にしてください。 →Google Gemma モデルを MLX を使ってローカルでファインチューニング 事前準備必要なライブラリをインストールします。 また Apple Silicon 搭載の Mac が必要です。今回は M3 Max 128GB 搭載の MacBook Pro で実行しました。 !pip install -U mlx mlx_lm t
はじめに この記事はMacのAI用ライブラリであるMLX-LMの基本的な使用方法をまとめたものです。 公式のreadmeには記述のないseedの設定やtemperatureの設定、その他主要パラメータの変え方をまとめています。 MLXとは MLXはAppleが開発した、Apple siliconデバイス向けの機械学習フレームワークです。MLX-LMはこのMLXフレームワークを使用して、大規模言語モデル(LLM)のテキスト生成と微調整を行うためのPythonパッケージです。 主な特徴: Hugging Face Hubとの統合により、数千のLLMを簡単に使用可能 モデルの量子化とHugging Face Hubへのアップロード機能 低ランクおよび完全モデルの微調整サポート mx.distributedによる分散推論と微調整 MLX-LMを使用することで、Apple siliconデバイス上で
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