はじめに こんにちは、クラウドエース データML ディビジョン所属の中村です。 クラウドエースのITエンジニアリングを担うシステム開発部の中で、特にデータ基盤構築・分析基盤構築からデータ分析までを含む一貫したデータ課題の解決を専門とするのがデータML ディビジョンです。 データML ディビジョンでは活動の一環として、毎週Google Cloud の新規リリースを調査・発表し、データ領域のプロダクトのキャッチアップをしています。その中でも重要と考えるリリースを本ページ含め記事として公開しています。 今回紹介するリリースは、BigQueryの「Non-incremental Materialized views」についてです。 このリリースにより、マテリアライズドビュー作成時にOUTER JOINやUNION、HAVING等ほとんどのSQLクエリが使用できるようになりました。 なお、この機能は
まずは下記のツイートをご覧ください。 すごい便利そうですよね。これで紹介されてた機能を実際に使ってみたので紹介します。 登場人物の紹介 tldraw と draw-a-ui と makereal.tldraw.com の整理を先にしておきます。 tldraw tldraw そのものにこの機能はありません。 tldrawはホワイトボードを作成するためのReactライブラリです。 下記がサンプルです。 miro ライクなホワイトボードを少ないコードで実装できます。 draw-a-ui tldraw と gpt-4-vision api を使って、描いたワイヤーフレームを元にhtmlを生成するアプリが draw-a-ui です。 git cloneして下記コマンドで簡単にローカルで試すことができます。 makereal.tldraw.com makereal.tldraw.com は draw-
こんにちは、Rcatです。 Difyを使ったAI関連そろそろ本題です。 前回までDifyでのボットの作り方やDiscordとの連携を見ていきましたが、今回は取得した情報の分離要約をAIにやらせます。 本シリーズはこちら 今回やること概要今回は投資に関する情報を集めます。 方法として、調べたものが出てくる検索よりも、情報が湧いてくるSNSを活用します。 しかし、この方法には大きな問題があります。それは関係のない雑談や煽りなどの情報が多数含まれているという点です。特にインターネット掲示板では、そのことに対しての内容の濃い話が交わされていたり、単体で情報だけを出してくれている場合もありますが、どうでもいい話で盛り上がってしまっていることもあります。 この場合、読むだけ時間の無駄なんですが、中身を読まないとどこに情報が隠れているのか分かりません。さて、こんな時こそAIに読ませていらない情報を省かせ
人事異動は、個人にとっても成長の契機になる点はもちろんの事、残された職場にとっても活性化への契機となりえる。「なるようになるものだ」といった自己組織化のメカニズムが働き、個人の能力開発も進行する。 自己申告が活かされた柔軟な人事異動は、組織の活性化策として機能する反面、異動の頻度がある限界を超えると、自己修復が不可能になることは留意すべき。 自分の専門知識やこだわりを捨てられる柔軟な発想への転換が、教育にも求められる。自律的小集団を、企業組織の運営単位として日常化する事が組織活性化を促進する。カオスの過程を克服してイベントを成功させたとき、全組織が融合し共振する事ができる。 活性化とは「カオス」である 大沢さんによれば、秩序を作って秩序を壊すエネルギーこそが活性化の源泉である(下図参照)。 秩序と無秩序の循環のプロセス つまり活性化している組織とは、雑然とした無秩序の混乱、いわば「カオス」
この機能は、Google マーケティング プラットフォームに含まれるアナリティクス 360 でのみご利用いただけます。 Google マーケティング プラットフォームの詳細 ステップ 1: Google API Console プロジェクトを作成し、BigQuery を有効にする Google API コンソールにログインします。 Google API コンソール プロジェクトを作成します。 新しいプロジェクトを作成するか、既存のプロジェクトを選択します。 API ライブラリへ移動します。 左上のナビゲーション メニューを開き、[API とサービス]、[ライブラリ] の順にクリックします。 BigQuery を有効にします。 [Google Cloud API] で [BigQuery API] を開き、表示されたページで [有効化] をクリックします。 表示される利用規約を読み、同意しま
実践的AI/データ活用人材育成ソリューション企業のDX化を成功させるには、社内外のデータの利活用やAIの活用が重要です。またAI/データ活用を継続的に実施し、企業のDX化をより加速させるためには、プロジェクトを企画、推進できる社内人材の存在が重要です。HUMABUILD(ヒューマビルド)は、AI/データ活用によって企業内の課題を解決し、企業のDX化に貢献出来る人材を育成するソリューションです。 お客様が抱える実課題の解決を通してAI/データ活用人材の育成を行うソリューション 架空の課題を使っての教育や疑似的なPoCを実施したが、現場の実課題に取り組もうとすると途端に手が止まってしまうというご相談をよく頂きます。HUMABUILDはお客様が抱える実課題の解決を通した人材育成を実施します。こうすることで実ビジネスの課題を解決できる実践力が身に付きます。HUMABUILDではAI/データ活用プロ
Difyの画面 皆さんこんにちは。 本日は、話題のDifyの紹介 Difyは、最新のAI技術を活用して大規模言語モデル(LLM)を中心に展開する先進的なプラットフォームです。 Difyの基本画面Difyの基本画面スタジオ(ダッシュボード)概要: このページでは、作成したチャットボット、エージェント(対応担当者)、ワークフロー(業務の流れ)の一覧を見ることができます。 新規作成: 「アプリを作成する」ボタンをクリックすると、新しいプロジェクトを始めることができます。 探索テンプレート: さまざまな便利なテンプレートが用意されており、選んだテンプレートを使って簡単にチャットボットなどを作成できます。 ナレッジデータ登録: PDFなどのファイルをこのページで登録し、使えるようにします。 前処理: 登録したデータは、チャンク化(小さな部分に分けること)などの前処理を行うことができます。 ツール外部
こんにちは、AI製品開発グループの太田です。 私は普段、製品開発と研究開発を担当しています。 さらに、データサイエンティストとしてAI関連プロジェクトのPoCも担当しています。 本コラムでは、ISIDのChatGPT製品であるKnow Narrator シリーズで実現しようとしているExpert in the Loopについて紹介します。 Expert in the Loopとは Expert in the Loopは、Human in the Loopから派生して作られた造語になります。そもそもHuman in the Loopは、AIの精度改善に人間からのフィードバックを活用するアプローチです。思想は、できるだけ人間の行動負担を下げつつ、精度向上を目指すというものです。 Human in the Loopの考え方が取り入れられたAIの代表例にChatGPTがあります。ChatGPTでは
こんにちは、AI製品開発グループのファイサルです。 この記事では、Know Narrator Searchで使用されている文章参照手法、Retrieval-Augmented Generation(RAG)の精度向上方法について紹介します。 はじめに ChatGPTを始めとした大規模言語モデル(LLM)の登場により、AI業界、特に自然言語処理分野で多くの素晴らしい応用先が提案されるようになりました。 LLMは素晴らしい技術であることは間違いないですが、同時に幻覚(Hallucination)という問題を抱えています。 このHallucinationという問題は、LLMが事実と異なる情報をあたかも真実であるように回答するというもので、LLMの発表当初から指摘されていました。 この問題を解決するために、さまざまな手法が存在しますが、よく用いられるのが「Retrieval-Augmented G
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