ディー・エヌ・エー(DeNA)と、タクシーアプリ「GO」を手掛けるGO(東京都港区)、GOのグループ会社でAIドライブレコーダーなどを開発するGOドライブ(東京都千代田区)は、3社のAIエンジニアが集うAI勉強会の資料を無料公開している。4月27日時点で100件以上の資料をまとめているという。
この連休に「Claude Code」を一気に勉強しようと思っている人向けに、「これを上から順番に見切ったらClaude Codeにめちゃくちゃ詳しくなれる」という記事・動画ガイドを作りました。 14のステップごとに記事・動画を紹介しており、「まず全体像をつかみ、土台を整え、育て方を学び、応用とチーム展開まで広げる」という流れを押さえられるようになっています。 ぜひ「このGWこそはClaude Codeを学ぶぞ」と思っていた方はご活用ください。 連休明けには「Claude Codeが自分の業務環境の真ん中に座っている」という状態になっているはずです。 1. 2026年、もはやClaude Codeはエンジニア以外も全員が使うべきツールになったなぜ非エンジニアこそClaude Codeを使うべきなのかを全体像から解説した記事です。プロジェクトフォルダ/`CLAUDE.md`/Skillsの三層
線形代数学講義ノート 最新版はこちら: 2022/04/04 更新 線形代数学講義ノート(2022/04/04ver) (最新版になります) YouTubeによる講義動画はこちら: 第I部・第II部 第III部~第V部 第VI部 『数学セミナー』連載 「線形代数に開眼する12の道」 雑誌『数学セミナー』(日本評論社)で連載しました(2023年4月号~2024年3月号)。 教材として、こちらもご活用ください(図書館でバックナンバーを閲覧できます)。 線形代数の質問への解答 線形代数の学習について素朴な疑問をお持ちの方は参考にしてみてください。 最新版において判明している誤記等(最終更新日:2025/4/27) こちらもお読みください: 誤植を指摘する際の注意点 ・p.1 5行目: 誤:労するする 正:労する ・p.30 -1行目: 誤:信じてしてしまう 正:信じてしまう ・p.31
とりにく @tori29umai いじめは楽しいし、差別は無意識にやるし、道徳的尺度で他者の優位に立つのはとても気持ちがいい。 自分はそう言う人間だと知っておいた上で、できる範囲で繕いたい。 自身を無辜と思っていたら、それはできないので。 って話をすると私はそうではない!って反論喰らうのでそうなのかーで終わってる 2026-04-23 22:23:40 とりにく @tori29umai いじめが楽しいっていう言葉の強さに怒られが発生するんだけど、私は学生時代、いじめられる側だった上で、彼らは私に行ったことをいじめと認知していなかった(キモい奴を面白おかしくパージした、むしろ自分たちはキモさの被害者だった位のスタンスだと思う正直)んだろうし、今もそうだろうな、と思っている。私はそれに滅茶苦茶苦しんだし今も苦しんでいる。 だからこそ、それを否定したいから『自分にはそういう本能がある』って事から
TL;DR 家にあった中古 x86 デスクトップ(合計5,000円で動く状態)を Ubuntu 24.04 LTS + ヘッドレス運用で常駐化し、Claude Code CLI を tmux で 10セッション前後 常時動かしています。 TLP + thermald + powertop + カーネル起動パラメータの省電力チューニングで、idle 15〜18W / 平均運用 18〜22W に収まりました。 電気代は 月約520円(自宅の2026年3月電気料金明細から算出した実効単価 36円/kWh ベース)。 外出先からは Tailscale 経由の SSH (Shellfish) と Claude Code の /remote-control を使い分けています。どちらか片方だけでは実運用が閉じません。 sshd / ufw / fail2ban でひと通りの hardening を入れ
提案を始めると、生成 AI による成果物作成の高速化と意思決定への集中に期待の声をいただき、一定の効果も実感いただけました。その一方で、見逃せない反応もいくつかありました。 AI エージェントに業務を任せるのは、BCP の観点で危険である。我々のビジネスは止まることが許されない AI BPR を実施してみたが、予想した解決策の枠内にとどまった。これまでの検討に比べて大きな進歩を感じない いずれも正当な主張に思えます。しかし、事業継続性については人間にプロセスを残しても体調不良や欠勤によるリスクがあります。止まることが許されないならば本来 AI エージェントの活用は合理的なはずです。後者は、課題と解決策について常日頃考えている担当者であれば妥当な評価です。一方、生成 AI の提案を批評家目線でとらえて共創相手として扱っていない点が気がかりでした。 表面的なフィードバックは多様ですが、深層に共
こんにちは!逆瀬川ちゃん (@gyakuse) です! これからStudy LLMというシリーズでLLMの基礎〜発展、Agentに至るまで連載をしていきます。 きょうは GPT-2 を題材に現代のLLMの基礎を再学習していければと思います!まずは推論からはじめ、そしてどのように学習しているかを眺め、最後に実際にモデルをトレーニングしてみることで、現代のLLMの基盤が分かるようになると思います。これを読んだかたがLLMを事前学習から作れるようになる、というのが今回の目標です。後述しますが、Modalを使うことで無料でできるようになっています。 GPT-2 は 2019 年の OpenAI のモデルで、いまの Claude Opus 4.7 (2026-04) や GPT-5.4 (2026-03), Gemini 3.1 Pro (2026-02) のようなフロンティアモデルと比べるとかなり
はじめに データ事業本部のkasamaです。 今回は Claude Code の output-styles・skills・hooks を組み合わせて、業務をしながら英語の読む・聴く・書くに触れる環境を作ります。普段の業務は日本語で完結するため、毎日使う Claude Code の応答を英語化すれば自然に英語に触れられると考えました。 「language を english にして英語で会話すれば済むのでは」と思われるかもしれませんが、私の英語レベルは短い指示は英語で出せるものの、長文での入出力はまだ難しい段階です。そこで以前のブログで実装した Kokoro TTS を英語に切り替えて応答を聴けるようにしつつ、英語入力時の文法添削・記録、未知語の即時翻訳といった補助を組み合わせ、業務効率を落とさずに英語に触れられる環境にしました。 システム全体の構成 Claude Code の設定ファイル
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 4月になった。 今年も新卒が入ってくる。ぴかぴかのビジネスバッグを持って、ちょっと緊張した顔で席につく。あの顔を見ると、毎年どうしようもない気持ちになる。 この記事は、たぶんぼくが書くべきじゃない。給湯室で「あいつに頼むと一回で済まないんだよな」と名前を出されていた側の人間だ。偉そうに「こうしろ」と言える立場じゃない。 でも書く。 あのころのぼくに、誰か一人でも教えてくれていたら。お前のその丁寧さ、全部自分を守ってるだけだぞ、と。お前が真面目にやっているつもりのそれ、周りは全部見えてるぞ、と。一言でよかった。一言あれば変われた。たぶん。
はじめに タイトルの問いに対して、結論から言うとベクトル検索が完全に不要になった、ということはないです。一方、「各文書を分割→ベクトル化→並列に配置して検索」のような従来RAGのアーキテクチャだと対応できないユースケースは多々あります。 本記事では、従来のベクトル型RAGの特徴を振り返り、技術的課題を再認識するとともに、最新のRAGアーキテクチャの利点を踏まえて、これらとベクトル検索をいかに共存させるかを再検討します。 RAG(Retrieval-Augmented Generation) RAGの定義 そもそもRAGとは、外部にあるデータを抽出し、ユーザーの入力と合わせてLLMに入力する仕組みです。コストの重い「学習」というプロセスを経ずにLLMへ知識を追加できることが最大のメリットとなります。(ベクトル検索=RAGではない) 外部データの表現 キーワード検索 生のテキストからキーワード
Googleは2026年2月26日(米国時間)、AIエージェントの開発と本番運用に関する開発者向けの5つのガイドを無償公開した。これらのガイドは、同社とデータサイエンスコミュニティーのKaggleが2025年11月に共同で実施した、5日間の研修プログラム「5-Day AI Agents Intensive Course」の内容を基にしている。 各ガイドは、設計手順や構成要素を体系化したフレームワークやサンプルソースコードを含む。開発者はこれらのガイドを活用して、自社プロジェクトへの適用を想定しながら学習できる。以下、Googleによる説明を基に、各テーマの背景とガイドの要点を整理する。 1.AIエージェントの基本構造を整理した「Introduction to Agents」 AIエージェントは、大規模言語モデル(LLM)を中核に、タスクの理解から意思決定、外部システムの操作まで自律的に実行
NISHIO Hirokazu @nishio 日本の文化の特殊さを語る上で欠かせないのがErin Meyerの研究で、日本はTop-downを強く嫌い自分たちが意思決定のプロセスに関わることを好むが、階層的な組織構造を好む。これはUSとも真逆である。一方中国から見ると「自分たち同様の階層的社会なのにトップに権力がない、謎な国」となる。 pic.x.com/QJl4N2TGS0 2026-04-06 11:54:43 NISHIO Hirokazu @nishio 「ボス個人がチームの意思を決定することができないのに、上位者の意思決定に逆らわない階層主義である」ということが可能なのは、「上位者」が「ボス個人」ではないから。 日本では「空気」「会社」「組織」「チーム」などに人格があるかのような表現がある。「空気が支配する」「会社の意向に逆らう」など。これが日本における上位者。ボス個人がトップ
特に印象的だったこと 設定作業のほぼすべてを自然言語で進められた点に驚きました。「CRMで担当チームの顧客だけを対象にして」と伝えるだけで、Claudeが担当者を検索してIDを特定し、フィルター条件に反映してくれました。コードを一行も書いていません。 VSCode(Claude Code)への展開 普段VSCodeでClaude Codeも活用しているため、同じ「担当チーム」という文脈をVSCode側にも持たせました。~/.claude/CLAUDE.md に担当者IDやチーム情報を記述しておくことで、VSCode上のClaudeとの会話でもいちいち説明せずに済むようになっています。 業務の「ちょっとした自動化」で得られた効果 今回の取り組みを通じて実感したのは、AIを活用した業務改善は「エンジニアだけのものではない」ということです。Coworkを使えば、営業担当者が自分の言葉でClaud
清水 亮 ryo_shimizu 新潟県長岡市生まれ。1990年代よりプログラマーとしてゲーム業界、モバイル業界などで数社の立ち上げに関わる。現在も現役のプログラマーとして日夜AI開発に情熱を捧げている。 ソフトウェアの革命は、突然やってくる。 ように見える。 カリフォルニア工科大学(以下カルテック)のババク・ハッシビ教授が率いる研究チームPrismが発表したBonsai-8Bは、驚異的と言って良い性能を持つ大規模言語モデル(LLM)である。 通常のベンチマークは、ベンチマークに使うデータそのものをモデルが学習してしまう場合があるため、筆者が独自に開発した非公開の日本語要約能力ベンチマークによると、Bonsai-8Bの性能は驚異的だ。 この表では、精度(ROUGE-L)、推論速度(speed)、サイズ(Size)、品質(Tier)の4点から様々なLLMの日本語性能を比較している。 このベン
日本の中高年男性は「友達がいない」らしい。 友達が1人もいない割合は、男性で50代37%、60代36%、70代以上53%。女性は、それぞれ9%、19%、27%(ISSP「社会的ネットワークと社会的資源2017」調査)。 圧倒的に中高年男性の「友達いない」率が高い。特に男性の場合、定年退職などで職場を離れると友達どころか人付き合いもなくなり、丸一日誰とも会話しなくなるケースは多い。 アメリカの研究で「友人の数が少ないほど、心疾患リスクが高まる」という結果も出ているそうだ。 中高年男性の皆さん、友達はいるだろうか? ココがポイント荒川和久 @wildriverpeace 現役時代は仕事しかしてこなかったから(中略)会社を辞め、さらに妻を失った私には、近くに話し相手が一人もいない 出典:THE GOLD ONLINE(ゴールドオンライン) 2026/1/29(木) アメリカの実験で、とっても興味
7つの主要なAPIスタイル——REST、GraphQL、Atom、gRPC、webhook、WebSocket、RabbitMQ——の設計と実装をハンズオンで学ぶ実践ガイド。天気予報サービスの構築を通じて、各スタイルの利点や欠点、アーキテクチャから実装、ネットワークプロトコルまでを体系的に解説します。単なる概念説明ではなく、完全な実装例とともに各APIスタイルの本質を理解できる構成です。GitHub CodespacesやDockerを活用した実行環境が用意されているので、読者は実際に手を動かしながら学べます。 賞賛の声 序文 まえがき 1章 APIの概念 1.1 APIとは 1.2 ネットワークベースのAPI 1.3 API通信での用語 1.3.1 メッセージ 1.3.2 伝送モード 1.3.3 同期形式と非同期形式の通信 1.4 APIの歴史 1.5 APIが必要とされる理由 1.6
はじめにどうも、すべての経済活動を、デジタル化したい福島です。 2025年は「AIエージェントを試す・使う」という1年でした。2026年は「AIエージェントを実際に組織で機能させ、アウトカムに変える」ことが主題の1年になると思います。 このパラダイムでの本質的な価値は「AIエージェント」そのものではなく、エージェントを包み込むインフラ、すなわちエージェントハーネスにあります。そして、このハーネス+エージェントを業務の完成品として提供するのが今後のAI企業の主戦場になるでしょう。その形を「AIマネージドサービス」という造語で解説します。 この記事では、2026年2月頃から急速に注目を集めている「エージェントハーネス」という概念を紹介しつつ、「それってClaude Codeで内製できるんじゃないの?」といったAIエージェント企業に投げられがちな疑問に対する考え方の整理もしてみたいと思います。
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