エンジニアがアプリ開発をガチったらAppStoreランキング1位と月収250万円を達成したお話（完全解説）｜keitaaan
はじめにいつもお世話になっている方も、初めましての方も、この記事を見ようとしてくださり、ありがとうございます。 今回、完全専門外の素人エンジニアが、アプリ開発をして月100万円の不労所得を稼ぐ、という自分の中の一つの目標を達成することができたため、こちらを記事にさせていただいたところ、大変多くの方に見ていただき、大変嬉しく思っております。 今回は第二作目となる、前回の続きになります。 一作目をまだ見ていない！という方はこちらを見てください〜！ 一作目は、 なぜアプリ開発を始めようとおもったのか？ どのようなモチベーションで開発を続けられたのか？ アプリ収益化できていなかった時代にどう工夫して収益化したか？ などなどの内容になっており、アプリ開発をこれから始めようと考えられている方や、アプリ開発初心者の方に是非見ていただきたい内容になっております。 二作目は、『個人開発において、より戦略的に
Gemini 1.5 のロングコンテキストを活かして AI を育てるアプローチ 〜 RAG の限界を軽やかに突破するために
Gemini 1.5 のロングコンテキストを活かして AI を育てるアプローチ 〜 RAG の限界を軽やかに突破するために はじめに この記事では、Gemini 1.5 のロングコンテキストを活かして LLM を用いた AI システムを段階的に育てるアプローチを説明します。後半では、RAG システムの導入ハードルを下げるためにこのアプローチを適用するイメージをサンプルコードとあわせて紹介します。 ここではまず、前提知識となるグラウンディングや RAG の仕組みを説明します。 グラウンディングと RAG の違いについて LLM の業務活用に向けて勉強していると、かならず耳にするのが「グラウンディング」や「RAG」というキーワードです。グラウンディングは、LLM の基盤モデル自身が保有していない（学習していない）追加の参考情報をプロンプトに埋め込む事で、参考情報に基づいた回答を生成させるテクニ
RAGよりも高性能で安い、生成AIの精度を高める「メニーショットICL」の威力
生成AI（人工知能）の精度を高める手法として、大規模言語モデル（LLM）と検索エンジンを組み合わせたRAG（Retrieval Augmented Generation、検索拡張生成）の利用が盛んだ。ところが米Google（グーグル）によれば、RAGよりも性能を高めやすい手法があるのだという。「メニーショットICL（Many-Shot In-Context Learning）」や「ロングコンテキストICL（Long-Context In-Context Learning）」と呼ばれる手法だ。 「ロングコンテキストICLを利用すると、RAGに比べて性能が12ポイント向上した例も出てきている」。Google Cloudが2024年10月24日に開催した生成AIに関するイベント「Generative AI Summit Tokyo '24 Fall」で、グーグル・クラウド・ジャパンの寳野雄太テク
GitHub - kelindar/search: Go library for embedded vector search and semantic embeddings using llama.cpp
This library was created to provide an easy and efficient solution for embedding and vector search, making it perfect for small to medium-scale projects that still need some serious semantic power. It’s built around a simple idea: if your dataset is small enough, you can achieve accurate results with brute-force techniques, and with some smart optimizations like SIMD, you can keep things fast and
Creating a LLM-as-a-Judge That Drives Business Results –
A step-by-step guide with my learnings from 30+ AI implementations. Earlier this year, I wrote Your AI product needs evals. Many of you asked, “How do I get started with LLM-as-a-judge?” This guide shares what I’ve learned after helping over 30 companies set up their evaluation systems. The Problem: AI Teams Are Drowning in Data Ever spend weeks building an AI system, only to realize you have no i
0から作るLLMーLlama
本記事の対象読者： LLM（大規模言語モデル）の複雑な構造や階層を理解しているが、それをどのように組み合わせるかが分からない人 LlaMaモデルに関するすべてのオペレータとアーキテクチャ（RMSNorm、ROPE、SwiGLUの実装を含む）を一行ずつ分解します。 本記事ではhuggingfaceのライブラリを使用しておらず、すべてpytorchで実装しています。また、事前学習済みモデルも使用していません。 スタート地点は『源氏物語』の原文であり、ゴール地点はあなた自身がトレーニングした大規模モデルです。 pytorchを準備してください。GPUがなくても大丈夫です。重要なのはLLMの原理を学ぶことであり、この文章を読んだだけで新しい大規模モデルのアーキテクチャを作れるわけではありません。 本記事では、できる限り平易な言葉を使って原理を解説していきます。 序文 本記事のすべてのコードはGoo
日本語 BERT RetroMAE モデルの公開と、後続検索タスクでの評価 - A Day in the Life
結果として、ほぼ全てのスコアにおいて性能向上が確認されており、RetroMAEの有益性が確認された。また学習方法も、教師なしでテキストのみを与えれば良いという手軽さも実用性が高いであろう。 RetroMAE について RetroMAEの特徴は、Masked Auto-Encoderの手法を採用しながら、以下の3つの設計を取り入れた点である。 入力文に対して異なるマスクを適用する新しいワークフロー エンコーダーとデコーダーで非対称な構造を採用 エンコーダーとデコーダーで異なるマスク率を使用 これらの工夫により、文書の意味をより深く理解し、効果的な検索を可能にする表現学習を実現している。実際の評価においても、BEIRやMS MARCOなどのベンチマークで優れた性能を示している。また高性能のマルチリンガル密ベクトルモデルの BAAI/bge-m3 も RetroMAE を用いた事前学習を行なって
大人になってから英語の学び直しをする方法！社会人が英語をやり直すオススメの勉強法とは
「学生時代にもっと勉強しておけば良かった」大人ならば一度は思ったことがあるのではないでしょうか。 特に「英語をもっと勉強しておけば、今このような苦労はしなかったのに……」という後悔の念に駆られ、大人になってから英語を学び直す方はとても多いです。 英語は大人になってからでも十分、習得できます。しかし、記憶力も体力も充実していた学生時代とは、少し勉強のアプローチを変える必要があります。 今さら中学生向けの文法問題集を解いたり、大学受験用の頻出単語帳を一から暗記したりするのは、大人の学び直しとしては正しいアプローチとは言えません。望むような英語力はつかないのです。 この記事では、大人になってから英語を学び直すときの勉強方法についてご紹介します。 学習に取り組む上で抑えておきたいポイントや、活用したい無料の動画サイトなどおすすめの教材もご紹介しています。 「英語を学び直そうと思うが、何から始めたら
個人開発マネタイズ大全
この記事は以前 エンジニアと人生 というオンラインコミュニティで執筆し技術書典で頒布した本の中の、私の執筆した章をリライトしたものです。 無料公開の背景 本は有料で販売していたのでこの記事も有料記事にしようかとも思っていましたが、最近個人開発をネタにした特に中身のない記事を有料で買ってしまい後悔している友人を見かけて、そういうのにうんざりしていたので無料で公開することにしました。 個人開発云々いうなら中身のない情報商材じゃなくて自分のサービスで稼げよな！ ということで。でも投げ銭はありがたくいただくのでいいと思ったらバッジしてください！ 【追記】 上記に対して「有料記事がダメって事？」という反応を頂きました。書き方が悪く申し訳ありません。 有料でノウハウなどを販売する事は良いと思います！そしてそれでサービスの運営費を賄えるなら嬉しい事です。 なんならサービスに関する事ならこの記事の"データ
yoronresearch.com
■日本行動計量学会・第52回大会の第８回柳井レクチャー(2024/9/12木15:20-16:20)で講演しました。「柳井レクチャー」とは故柳井晴夫先生の業績と学会への貢献を顕彰するために2014年に決議され実施されている特別講演のことです。選定委員長である吉野諒三先生より委員会の合意のもと依頼されました。講演スライドは研究者/機関サイトであるresearchmapで公開しました(pdf=1.36M)。行動計量学会では今大会のDropboxに保管されています。 ■【講演】日本行動計量学会第52回大会（9/10 - 13）の「柳井レクチャー」で講演（1時間程度）します。タイトルは、『調査的思考：「データを生み出す創意工夫」と「限界の認識」』です。キーワードは「選挙予測失敗」「低回収率」「目で見る調査」「複合調査」「認知バイアス」などの予定です。【出版】『続・世論調査』の執筆を予告しましたが当
役立つログに取り組もう
JJUG CCC 2024 Fall 2024-10-27 https://jjug.doorkeeper.jp/events/177443
準同型暗号化ライブラリOpenFHEのインストールから実行方法まで - Qiita
0. はじめに 本記事では準同型暗号化ライブラリOpenFHEの インストール方法 サンプルを用いた動作確認 OpenFHEライブラリを用いたコードの実行方法 について説明します。最終的に、OpenFHEを使ったオリジナルのコードを実行できるようになることを目的とします。 なお、以降の文章は2022/09/11時点の公式ドキュメントInstallation、CMAKE in OpenFHEに基づいて書かれています。そのため、今後のバージョンアップによりインストール方法などが変更される可能性があります。その場合はこれらのドキュメントの参照をお願いします。 0.1 環境 著者が使用した環境はWindows10とUbuntu(WSL2)です。以降で説明するインストール方法などはLinuxOSでもmasOSでも共通ですが、macOSは実行できるかどうかの確認がとれていませんので、ご了承ください。
【準同型暗号】ついにキメラが実装！！OpenFHEの1.1系で追加された格子暗号の最先端を解説！（暗号形式の動的変換） - Qiita
概要 今回は、準同型暗号（暗号化したままデータを計算できる暗号形式） の中でも注目されている「格子暗号」のオープンソースライブラリ OpenFHE の最新バージョン v1.1 系 でできる様になった機能について解説します。 また、実際に動かすことのできるサンプルコードも紹介します。 忙しい人のためのまとめ 新機能 OpenFHEのv1.1を使用すると、次の様な機能を使えるよ ①閾値型のCKKS形式の暗号が使えるよ ②CKKS形式からFHEW（TFHE）形式に暗号状態のまま変換、その逆変換もできるよ この記事ではそのうち、 暗号形式の動的変換 について解説するよ 何が美味しいの？ 動的変換 格子暗号形式の動的変換が行えると、 CKKS形式 TFHE形式 のいいとこどりが可能になって嬉しいよ 解説 それでは、実際にOpenFHE1.1系で追加された機能について解説していきます。 暗号形式の変換
Linux Page Cache for SRE
More post series:1. File descriptors, pipes, terminals, user sessions, process groups and daemons2. Linux Page Cache mini book3. Resolvers and Dual-Stack applications new SRE deep dive into Linux Page Cache #In this series of articles, I would like to talk about Linux Page Cache. I believe that the following knowledge of the theory and tools is essential and crucial for every SRE. This understandi
氷河期世代と国民民主党（または維新）｜倉本圭造
（お知らせ 10月27日の選挙の日の夜9時すぎ頃からTwitter（ｘ）スペースでラジオみたいに選挙結果について雑談するイベントを予定しています。よかったらご参加ください→@keizokuramoto ”聞く”だけでももちろん良いですが、どんどん”自分も意見を言いたい”という感じのご参加をお待ちしています） ・ さて。 今月、ｘ（Twitter）では「氷河期世代」論争みたいなのが巻き起こっていて、僕も一応その世代ではあるんで、「倉本さんはどう思いますか？」と聞かれたりもしました。 端的に言えば、 ・他の世代では考えられないような大変な状況があった。 ・日本社会の「安定性」を維持するための捨て石にされてきた。 ・だから声をあげる事は大事 …という感じだと思っていて、その事をもう少し掘り下げてこの記事では書いていきますが、その上で、少し気になる事として、僕の知り合いの「氷河期世代」が今回の選挙
就職活動で「やりたいこと」をでっち上げるのに苦労→就活がどういうゲームか理解していない
読書猿『独学大全』14刷26万部、『文章大全』執筆中 @kurubushi_rm くるぶし（読書猿の中の人：一人でやってます） 『ライティングの哲学』（共著）。『独学大全』。『問題解決大全』『アイデア大全』共々、各種電書版、台湾語版、韓国語版あり。マシュマロの解答まとめはこちら。scrapbox.io/marshmallow-rm 外部への無断転載禁止 readingmonkey.blog.fc2.com 読書猿『独学大全』14刷26万部、『文章大全』執筆中 @kurubushi_rm でっち上げればいいことまで分かっているのに、ホントの「やりたいこと」がないから思いつかない、という残念な思考に戻ってしまうのは、就活がどういうゲームなのか分かっていないせいだと思います（つづく）。 #マシュマロを投げ合おう marshmallow-qa.com/kurubushi_rm?u… pic.x.c
生成AI/LLMを使ったウェブサイト開発 - laiso
週末にちょっとしたウェブサイトというかリンク集（？）を作った。 今回は生成AIツールをフル活用していつもより効率よく作業ができた。 生成AIツールについては日々、新しいものがヤバイすごいと宣伝されているけど、実際にどう使っているのかという情報が少ないと感じている。 なので具体的な使い方を書いてみることにした。 作ったもの 開発の概要 最終的なアーキテクチャ UI開発に生成AIツールを使う 初期デザインの参考元 デザインツールの選定と比較 Next.jsの利用 Cursorを活用した開発 データ整形にLLMを使う スクレイピング Amazonの商品データ取得 LLMの選定 動的なコードと静的なコードの使い分け TypeScriptを使わない範囲を定めた 静的サイト生成（SSG）の採用 柔軟なデータベース設計 まとめ 作ったもの 『最も重要な「最も重要なマンガ10選」10選』は「最も重要なマン
「エンジニアはビジネスを学べ！」に違和感を感じるあなたへ｜AIcia Solid Laboratory
まず結論！IT エンジニアやデータサイエンティストと呼ばれる人には2種類います。 「ビジネスマンの中の技術担当」「技術者の中のビジネス領域担当」です。 ビジネスマンの中の技術担当なら、ビジネスも学んだほうがいいです。 技術者の中のビジネス領域担当なら、技術を学んだほうが良いです。 自分がどちらかを見極め、スタンスを取り、勉強・研鑽していきましょう！ じっくり詳細 - 2種類のエンジニアこの話は、IT エンジニア向けを想定して書きますが、データサイエンティストも当てはまります。なお、機械系のエンジニアは、私はあまり詳しくないのですが、普通に技術学ぶのが大事だと思う（？）ので、一旦置いておきます。 以降、めんどくさいので、「エンジニア」と書きますが、IT エンジニアやデータサイエンティスト等を指していると思ってください。 エンジニアには2種類います。それが、「ビジネスマンの中の技術担当」と「技
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
Identifying User Idenity
10年ちょっとやってきた僕のアジャイル開発の現在地
