Haru📚 @Haru_uts2 東大に入って初めて、「学力が集団の平均以下となる」経験をしたのだが、かなり辛くないか。先生の言ってることが理解できず、自分だけ取り残されてしまうような感覚。 小中でつまづいた人は高校卒業までずっとこの感覚を味わい続けるわけで、かなり苦しいだろう。落ちこぼれる苦しさが分かったよ。

大規模言語モデル (LLM) の学習データに含まれない知識（各社の特有の書類など）を踏まえてLLMに回答させる際に最早必須となってきたRAG (Retrieval-Augumented Generation)。 今回はそんなRAGのSurvey論文を元に、RAGの変遷や構成要素、新たに出てきた技術を俯瞰していきます。 Survey論文へのリンクはこちら arxiv.org RAGとは LLMはそれ単体で回答させると、質問によってはハルシネーションや学習時のデータにはなかった情報を生成時に加味できないといった問題から正しくない回答を生成することが多々あります。例えば世間一般に公開されていない自社の就業規則や業務標準についてをChatGPTに質問しても、正しい回答は得られません。 そのような問題への対応としてRAGが使われます。 「LLM単体で適切な回答を生成できないなら、ユーザーの質問を元に

マルチメディア，分散，協調とモバイル（DICOMO2024）シンポジウムでの招待講演の資料です。 https://dicomo.org/

ブラインドライターズのスタッフは9割が視覚障害者。 先日、みんなで「どうやって服を買うか」の話になりました。 マネキンの服は見えないので、コーディネートが分からない 下着を買いたいけど、店員さんの性別が分からないので声をかけづらい ロービジョンなので黒なのか紺なのかわかりにくく、店で買いづらい などと、たくさんの悩みごとがありました。 確かに、異性の店員さんに下着の相談はしにくいですよね。 タグが読めなければ、サイズも分からない。リアルでの買い物は一人ではけっこう難しそうです。 そんなときに便利なのがECサイトです。 色もデジタル表記になっていればPCが読み上げてくれるので選びやすい 下着も人に頼まなくていいので買いやすい マネキンのコーディネートは見えないので、サイトで確認したい また「リピ買いするならサイト」という意見もありました。確かに見えていないと広い店内のどこにあるのかサッパリ分

タイトルの結論は、「役に立つ」です。 役に立つか立たないかの議論は一切せず、本記事では、如何に統計や数学が実社会で役に立つかを紹介します。 はじめに こんにちは。ZENKIGENデータサイエンスチーム所属の廣田です。原籍はオムロンソーシアルソリューションズ株式会社 技術創造センタですが、社外出向でZENKIGENに所属しており、数理最適化や機械学習を用いたデータの分析業務、それらの結果に基づいた顧客への提案をしております[1]。 出向先であるZENKIGENの同僚にも、原籍のオムロンの同僚にも、統計検定®の準1級や1級を持っている方がいて、私も負けじと準1級を受験しました。結果、統計検定®準1級に合格し、優秀成績賞までいただくことができました。 統計検定®合格証と優秀成績賞 試験対策を通じて、改めて統計学の考え方は有用と感じました。この手の検定試験は物事を体系的に学ぶきっかけになるため、私

「旧スタッフ」の男性准教授が作業する事務スペース。4平方メートルの広さしかない＝札幌市北区で鳥井真平撮影 学生の指導ができなくなって、4年目の春が来た。 北海道大理学研究院の化学部門に所属する50代の男性准教授は2021年4月から、たった1人で研究を続けている。同じ研究テーマに取り組む同僚や学生は周りにいない。 関連記事は、以下のリンクからお読みいただけます。 ＜前編＞「まさか追い出し部屋に」北海道大准教授 ＜後編＞北海道大の教授会が「内部基準」作成 ＜解説＞北海道大の「旧スタッフ」冷遇、背景にある旧弊と財政難 ※記事へのご意見、情報を情報提供フォーム「つながる毎日新聞」にお寄せください。 ノーベル賞出した名門で ＜2010年ノーベル化学賞ご受賞おめでとうございます＞ 札幌市北区のキャンパスに建つ研究棟に、ノーベル賞を受賞した化学部門のOB、鈴木章名誉教授をたたえるポスターが張られている。

データ分析に興味はあるけれど、どこから手を付けていいか分からない……そんなあなたにぴったりなのが、この無料の電子書籍『Excelで学ぶ、やさしいデータ分析』です。ここから、データ分析の第一歩を気軽に踏み出してみましょう！ この電子書籍は、「Microsoft Excel」「Googleスプレッドシート」など日常的に触れる表計算ソフトウェアを使って、自分の手で体験しながら段階的に学べるように設計されています。概念や手順は誰でも理解できるように丁寧に易しく説明されており、数学やプログラミングの前提知識も必要ありません。 本書は、データ分析を初歩から学びたい方々に向けた「包括的な教科書」として、データの取り扱い方から基本的な分析方法まで、幅広いテーマを網羅しています。具体的には、以下の全16回で構成されています。 データ分析の基礎： 第1回　データ分析を学ぶべき理由と連載概要 第2回　前提基礎：

この投稿は https://ill-identified.hatenablog.com/entry/2024/04/21/230009 に投稿したものと同一の内容です. どのサービスが一番文書を書きやすいかを調べるために, いくつかのサービスで同一の内容を投稿しています. この記事の要約 先日報道された「500年後に日本人が佐藤だけになる」という試算の内容に違和感を覚えた. 資料を確認してみると, 大きな問題のある方法で試算がなされていることがわかった. 苗字の絶滅問題について, より実現可能性の高いシナリオをシミュレーションし, そのプログラムと結果を公開した 報道された試算とは大きく異なる結果を得られた より精緻な分析を行いたいが, 技術的・計算リソース的なハードルに阻まれている なんか良いアイディアあったら教えてください はじめに 注: 本稿のシミュレーションはまだ完了していません.

因果推論: 基礎から機械学習・時系列解析・因果探索を用いた意思決定のアプローチ 作者:金本 拓オーム社Amazon 著者の金本さんからご指名でご恵贈いただいたのが、こちらの『因果推論 ―基礎から機械学習・時系列解析・因果探索を用いた意思決定のアプローチ―』です。正直に白状しますと、因果推論とタイトルにつく技術書はここ数年でゴマンと出版されており、本書も紙冊子で頂戴したものの僕はあまり期待せずにページをめくり始めたのでした（ごめんなさい）。 ところが、ほんの数ページめくっただけでその内容に僕は仰天しました。グラフィカルで実務家にとっての分かりやすさを重視した因果推論の解説と実践にとどまらず、現代的なマーケティング分析では必須の種々の手法についてまで懇切丁寧に解説とPythonによる実践例が付された本書は、文字通り「マーケティング分析実務家にとってのバイブル」になり得る素晴らしい一冊だと直感し

ITスキルロードマップ roadmap.sh がすごい。AI and Data Scientist について対応する本をまとめた機械学習データ分析キャリアデータサイエンスデータサイエンティスト Developer Roadmapsというサイトがすごいです。ITエンジニアの分野別にスキルアップのロードマップが示されています。 言語、基盤、アプリ、かなり網羅されています。 その中のAI and Data Scientist Roadmapについての推薦図書まとめです。 雑感 これだけ学んでいれば「こいつ知ってるな」感がありますね。ただ気になる点としては ビジネス、ドメイン知識や分析目的定義などのスキルについて言及がないのは残念。 いきなり数学から入るコースになってますが、一旦は飛ばしてコード写経してから戻ってきても良いと思います。ここで挫折すると勿体無いので。 計量経済学重視の観点はいいですね

日本人は知らない欧文（主に英語）のルールというものがあります。これは英語の授業でも教えてくれません。それゆえか翻訳者からの原稿にも、このルールに則っていないものがすごく多くありま… もっと読む

突然ですが、質問です！ 以下の文章で、登場人物が実際に声に出して言っている部分と、心の中で思い浮かべている部分はどこでしょうか。 「みんなはね、ずいぶん走ったけれども遅れてしまったよ。ザネリもね、ずいぶん走ったけれども追いつかなかった」と言いました。 ジョバンニは、 （そうだ、ぼくたちはいま、いっしょにさそって出かけたのだ）とおもいながら、 「どこかで待っていようか」と言いました。 青空文庫　宮沢賢治『銀河鉄道の夜』 https://www.aozora.gr.jp/cards/000081/files/43737_19215.html 答えは簡単ですね。 「　」の中の言葉が声に出して言っている部分、（　）の中の言葉が心の中で思い浮かべている部分です。 前後の文章からも読み取れると思いますが、括弧の使い分けがされていることで、より分かりやすくなっています。 このように括弧類は主に文章内で会

日本語の文字入力に使用されるキーボードには、大きく分けて日本語配列の「JISキーボード」と英語配列の「USキーボード」があります。 漢字変換をはじめとした日本語入力のしやすさから、日本ではJISキーボードのニーズが高いですが、USキーボードと比べてどのような違いがあるのでしょうか。 本記事では、日本語配列と英語配列の違いやJISキーボードならではの独自キーとその役割、入力効率アップに役立つ小技もあわせてご紹介します。 JISキーボード（日本語配列キーボード）とは JISキーボードとは日本語配列キーボードともよばれ、JIS規格に準拠して作られた日本語配列のキーボードです。 「JIS」とは日本産業規格を指します。規格がないと多様化・複雑化・無秩序化してしまうモノやコトについて、この「規格」を設けることで、互換性の確保や生産効率化などを実現しています。 JISキーボードはQWERTY配列（英字最

日経BOOKプラスに掲載されている記事、本、著者を任意のキーワードで検索することができます。 ※ISBNも検索にご利用いただけます。ISBNとは出版物固有の13桁の番号で、裏表紙に記載されています。本サイトでISBNを使って書籍を検索する際は、ハイフン（-）を省略し、13桁の数字のみを半角文字で入力してください。

データベースとテーブルの作成 テスト用のデータベースtestdbを作成し、パフォーマンスチューニングを検証するためのcompanyおよびpersonテーブルを定義します。 CREATE DATABASE testdb; USE testdb; CREATE TABLE company ( company_id INT AUTO_INCREMENT PRIMARY KEY, company_name VARCHAR(255) NOT NULL, created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP ); CREATE TABLE person ( person_id INT AUTO_INCREMENT PRIMARY KEY, company_id INT, person_name VARCHAR(255) NOT NULL, email VARCH

Youtubeで配信しながら全プロンプトを実行しましたので、各節へのリンクを整理しました。時間のところにYoutubeへのリンクになっています。 もしずれていたら、その時間まで移動して視聴ください。 はじめに (4:00) 1章 ChatGPTの基礎知識 (5:50) 2章 ChatGPTの基本的な使い方 (6:28) 3章 ChatGPT Plusのセットアップ (7:32) 4章 ファイルのアップロードとダウンロード (12:40)4.1 アップロード・ダウンロード (13:03) 4.2 扱うことができるファイル (16:02) 5章 繰り返し作業を一瞬で (16:55)5.1 文字列操作 (17:20) 5.2 正規表現でのパターンマッチ (25:36) →54ページの正規表現でできることの例の説明 (29:09) 5.3 ファイルの一括操作 (46:20) 5.4 QRコード作成

株式会社オープンエイト、PMグループの辻です。 ここでは、プロダクトマネージャーとして働いています。ということで・・・ プロダクトマネージャーのしごと 少し前に話題になった本、皆さんも読みましたか？ この本は、これまでのプロダクトマネジメント関連の書籍と比べて、リアルな現場の目線に近いカタチで書かれており、参考になった以上に、とても勇気をもらえる１冊でした。 これまでのプロダクトマネジメント関連の本 どちらかと言うと教科書的なものが多い 参考にはなるが、自社や自分の置かれた環境で上手く実践まで持っていくのが難しい そんな印象を抱かれている方も多いのではないでしょうか？ これまでのプロダクトマネジメント関連の本。たとえば、コレ。 これはこれで、オススメです。 この本の特徴・効能 一方で「プロダクトマネージャーのしごと」を読むと、 世界的に著名なプロダクトマネージャーであっても、自分と同じよう

私はADHDで短期記憶が最悪で、とても気が散りやすい。些細なことかもしれないが、本人にしてはなにやってもめっちゃくちゃ効率わるいし、やる気になるまで相当時間がかかる。よくあるのは休日に「これやらなきゃ」とか思ってスイッチがはいるのが夕食の前ぐらいで、夕食が始まるからそれも終了…ということもしょっちゅうある。 ADHDの特性の出方はかなり個人差があり、環境によってなにが「困りごと」になるかも様々だから他の人がどんな感じかわからないけど、集中力がクソほどなくて、効率が悪い自分にとって、働きやさ・生きやすさにつながった対処法を紹介したい。 自分が手を動かす前にメモを書く　自分にとってはとても有効な方法で、特に仕事するときとかそうだけど、今から自分が何をするのかの箇条書きを初めて、そこに書かれた通りに作業をする。だから自分は会社に着いたらその日にやることを書きだす癖をつけている。いきなり作業をやり

株式会社HAPPY ANALYTICSの小川卓（id:ryuka01）です。 Google Analytics 4 の本格利用がGoogle Analytics終了とともに始まり、多くのサイトや企業が移行を完了したと思われます。しかしGA4は新しい計測形式になり、混同しやすい内容が増えました。特に今までGAを使っていた人ほど、誤った理解で設定を行ったり、数値の定義を間違えて理解してしまいます。 そこで今回は誤った理解をされがちな数値を８個まとめてみました。普段なにげなく使っている指標も実はこんな仕様だった！というのを理解しておくと、適切な指標を選んだり、説明できたり出来るようになります。 みなさんが正しく仕様を理解できているかを１つずつチェックしながら、ぜひ本記事をご覧ください。 「設定」編も参考にしてみてください。 Google Analytics 4 でミスされやすい・誤解されやすい「

このNOTEの使い方◯ビジネス観点でGenerative AIの考え方を養うため ◯ファクト集・投資動向・インプリケーション ✗生成AIとは・技術解説・技術動向など 注：サマリーはすべて生成AIで要約し翻訳したものです。 とりあえずこれを読め