[入門] PythonでuvとPEP 723を使うと開発体験が10倍向上する理由 - Qiita
uvとは何か、なぜ今注目されているのか 従来のPython環境構築の問題点 Pythonの環境構築には、長年にわたって解決されない問題がありました。まず速度の問題として、pip installが遅く、依存関係解決に時間がかかります。特にcondaは、環境解決に数分かかることも珍しくありません。 次に再現性の問題として、環境差異でエラーが発生し、バージョン固定が面倒です。pipとcondaを混在させると、さらに複雑な問題が発生することもあります。 さらに管理の複雑さとして、venv、pyenv、pipenv、conda、Anacondaなど、ツールが乱立し、どれを使うべきか迷ってしまいます。activateを忘れるといった問題も頻発します。 Python環境管理ツールの変遷 ここで、Python環境管理ツールの歴史を振り返ってみましょう。 2007年頃 - virtualenvの登場。初めて
![[入門] PythonでuvとPEP 723を使うと開発体験が10倍向上する理由 - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/3059003d801ca3b501928f9ffd456aa6ff727112/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fqiita-user-contents.imgix.net%252Fhttps%25253A%25252F%25252Fcdn.qiita.com%25252Fassets%25252Fpublic%25252Farticle-ogp-background-afbab5eb44e0b055cce1258705637a91.png%253Fixlib%253Drb-4.0.0%2526w%253D1200%2526blend64%253DaHR0cHM6Ly9xaWl0YS11c2VyLXByb2ZpbGUtaW1hZ2VzLmltZ2l4Lm5ldC9odHRwcyUzQSUyRiUyRnMzLWFwLW5vcnRoZWFzdC0xLmFtYXpvbmF3cy5jb20lMkZxaWl0YS1pbWFnZS1zdG9yZSUyRjAlMkYzNTIxNTczJTJGMTBlNGNjNDJmODQ4OWVlZDQxMDJlOGFmNDM3N2I4MzBjMzk2MzA2NCUyRnhfbGFyZ2UucG5nJTNGMTc1MTc2NDEyMT9peGxpYj1yYi00LjAuMCZhcj0xJTNBMSZmaXQ9Y3JvcCZtYXNrPWVsbGlwc2UmYmc9RkZGRkZGJmZtPXBuZzMyJnM9ZGYzOGE5Mzk4NGNlMjVhOGI3OWU1NjkwMGFmZGI2Njk%2526blend-x%253D120%2526blend-y%253D467%2526blend-w%253D82%2526blend-h%253D82%2526blend-mode%253Dnormal%2526s%253D68f3321313695f0bc1aa0fb07d5e24d1%3Fixlib%3Drb-4.0.0%26w%3D1200%26fm%3Djpg%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk2MCZoPTMyNCZ0eHQ9JTVCJUU1JTg1JUE1JUU5JTk2JTgwJTVEJTIwUHl0aG9uJUUzJTgxJUE3dXYlRTMlODElQThQRVAlMjA3MjMlRTMlODIlOTIlRTQlQkQlQkYlRTMlODElODYlRTMlODElQTglRTklOTYlOEIlRTclOTklQkElRTQlQkQlOTMlRTklQTglOTMlRTMlODElOEMxMCVFNSU4MCU4RCVFNSU5MCU5MSVFNCVCOCU4QSVFMyU4MSU5OSVFMyU4MiU4QiVFNyU5MCU4NiVFNyU5NCVCMSZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZ0eHQtY29sb3I9JTIzMUUyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnR4dC1wYWQ9MCZzPTcyMzhhOTQ1N2ZkNWExYWQwYmY3YzExODVhOTlhYjEw%26mark-x%3D120%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTgzOCZoPTU4JnR4dD0lNDBTaGlnZW1vcmlNYXNhdG8mdHh0LWNvbG9yPSUyMzFFMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtcGFkPTAmcz01NWYyMTRhNGU0YmFjYTk5NGNmOWVkZTUyYzI2YzM5Zg%26blend-x%3D242%26blend-y%3D480%26blend-w%3D838%26blend-h%3D46%26blend-fit%3Dcrop%26blend-crop%3Dleft%252Cbottom%26blend-mode%3Dnormal%26s%3D22501c4379130a710d157f2750055555)
【Python】 異常検知AIライブラリ Anomalib が凄すぎる！ - Qiita
必要な動作環境は以下。大体の環境で実行できる。ない場合はAWSのml.g4dn.xlarge 0.994USD/時でお安く実行できる。 ・Windows/Linux両方 ・Python 3.10以上 ・PyTorch Lightningベース ・GPUメモリ 16 GB以上 ・ライセンス Apache-2.0 学習・推論手順 下記にMVTecの学習データを用いて、PatchCoreを学習し、異常検知するコードを示す。 PatchCore (Karsten Roth et.al, 2022)とは、最高レベルの画像用異常検知モデルで、Resnet50などのCNNの中間層を用いて、正常画像のみで異常・正常の二値判定を行う。発表されてから数年経つが、未だ SOTA 10位(2024/4/3時点)を誇る。Anomalibではこんな高性能モデルが非常に簡単に扱える。 Paper with Codeとい
Supabaseブランチング機能とは何か - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 1. はじめに SupabaseはオープンソースのFirebase代替として人気を集めていますが、その中でも近年注目を集めるのが「Pull RequestやGitブランチと連動してデータベース・バックエンドを複製し、テスト環境を自動で生成する」ブランチング機能です。 GitHubリポジトリとSupabaseを連携させ、PRごとにプレビュー環境が自動的に立ち上がる――この運用によりデータベースの安全なスキーマ変更やチームでの並行開発が飛躍的に効率化される反面、まだベータ版であるがゆえの注意点や運用上の課題も存在します。 本記事では「Sup
NewSQLなんも分からん人がゼロからAmazon Aurora DSQLを理解する(前編) - Qiita
概要 こんにちは。この記事は ZOZO Advent Calendar 2024 シリーズ5、16日目の記事です。 ※内容が増えすぎたため、2回に分けて投稿します。後半の記事は以下です！ 先日、ラスベガスで開催されたAWS re:Invent 2024にて、マルチリージョンの分散データベース「Amazon Aurora DSQL」が発表されました。 re:Inventには現地参加し、以下のセッションを受けたので個人的な参加レポートも兼ねてまとめたいと思います。 DAT424 | Get started with Amazon Aurora DSQL DAT427 | Deep dive into Amazon Aurora DSQL and its architecture DAT421 | Build a multi-Region, active-active rewards app w
【2025年06月版】macOS への Claude Code のインストール / VSCode と Cursor への拡張インストール - Qiita
% claude "/login" ╭──────────────────────────╮ │ ✻ Welcome to Claude Code │ ╰──────────────────────────╯ Let's get started. Choose the text style that looks best with your terminal: To change this later, run /theme ❯ 1. Dark mode 2. Light mode 3. Dark mode (colorblind-friendly) 4. Light mode (colorblind-friendly) 5. Dark mode (ANSI colors only) 6. Light mode (ANSI colors only) Preview ╭───────────
uithubでChatGPTを用いたコード解析を一段階楽にしよう - Qiita
はじめに ChatGPT等のLLMにOSSのコード解析を頼もうとしてもなかなか思うような返答がもらえないことがあります。 特に、リポジトリ全体を対象とした質問や、特定の関数やファイル間の関係性を理解したい場合には、 コード量が膨大すぎてAIが正確に把握できないことがしばしばあります。 これを解決してくれるひとつの要素としてuithubがあります。 uithubはリポジトリ全体のコードをひとつのテキストファイルとして取得できます。 これにより、LLMを用いたコード解析や質問がよりしやすく、より正確になります。 使い方 読みたいGitHubライブラリのURLを用意します。 今回は普段競技プログラミングをやるときにお世話になっているcargo-atcoderにしてみました。 uithubの使い方は非常に簡単で、ブラウザ上で"github.com"の"g"を"u"にします。 すると、project
Difyを使ってSlack Chatbotを作る - Qiita
今更感はありますが、Difyを初めて使ってみたのでその手順を共有します。 今回はlocalhost上にDifyとBoltを立てて、Slack上で動作するChatbotを簡単に作成します。API経由でDifyと連携することで、後からChatbotの挙動を柔軟に変更できる構成を目指します。 前提条件 Docker環境構築済み python環境構築済み Slackアカウント作成し、ワークスペース作成済み Difyの環境構築 Difyのリポジトリをクローンし、Docker Composeを使って起動します。手順はDifyの公式ドキュメントを参考にしています。 これでDifyが起動します。http://localhost/install にアクセスして初期設定を行ってください。 http://localhost/install 画面の指示に従ってアカウントを作成し、ログインすると以下の画面が表示され
GraphRAGを使った生成AIチャットアプリを作ってみた - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? RAGの精度向上に有効な施策としてGraphRAGという手法があります。 インプットされた文章をノードとエッジと呼ばれる要素に分解し、ノード間の関係性をグラフデータとして表現する手法になります。 例えば文章中に出てくる人物をノードとし、人物間の関係性をエッジで表現する、といったイメージです。 ベクトル検索を使ったRAGの場合「ドキュメント内の離れた箇所に登場するけれども、関係性の強い情報」といったものを扱う際に課題がありました。 GraphRAGの活用により、そういった情報を関連のある情報として拾えるようになり、生成AIによる文脈理解の
ローカル環境で音声・動画ファイルの文字起こし&話者分離 - Qiita
筆者の環境 macOS version14.5 Python3.12 GitHub コード以外で必要なもの メディアファイル（音声又は動画）を用意する 話者分離も行う場合は、HuggingFaceのトークンを用意する（手順については後述） GPU搭載のPCがあればVeryGood（筆者の家にはない） ネタバレ（コピペ用） クリックして表示 # transcription.py import json import math import mimetypes import os from datetime import timedelta from typing import Iterable import pandas as pd import torch import torchaudio from faster_whisper import WhisperModel from fast
【Ignite 2024 速報】新たな AI エージェント開発機能 「Azure AI Agent Service」 を発表し、Azure AI Foundry に統合 など - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 🎉 [News] 2/7 Azure AI Agent Service の画面 UI が AI Foundry に登場しました！ 🎉12/14 Azure AI Agent Service のパブリックプレビューが開始 Microsoft は 11月19日、シカゴで開催された Ignite 2024 で新たなエージェント開発機能 「Azure AI Agent Service」 を発表しました。Azure AI Agent Service は生成 AI 開発の統合プラットフォームである「Azure AI Foundry」に統合されま
GPT-4 と Azure AI Search と Bing Web Search API による CRAG 実装 - Qiita
前回はマルチエージェントライブラリである AutoGen を用いて有限ステートマシンエージェントを実装しましたが、今回は LangGraph を使ってサイクルのある RAG アーキテクチャを実装していきたいと思います。 すでに Azure OpenAI Developers セミナー 第3回 で紹介したアーキテクチャで、Corrective-RAG (CRAG) という、自己修正的な RAG というアプローチの実装です。これを公式で提供されている Notebook を GPT-4/Azure AI Search/Bing Web Search API 実装に置き換えていきたいと思います。 Azure AI Search から Retrieve します GPT-4 で検索された文書が質問に関連しているかどうかを判断します 少なくとも一つの文書が関連性ありと判定された場合、回答の生成に進めます
Open WebUI (Formerly Ollama WebUI) がすごい - Qiita
Open WebUIを使ってみました。 https://openwebui.com/ 当初は「Ollama WebUI」という名前だったようですが、今はOpen WebUIという名前に変わっています。Ollama専用じゃなくなったということでしょう。OpenAIに対応済みです。 早速使ってみました。もちろんBedrockで。 6/11 続編を書きました。 環境構築 Dockerですんなり構築です。Bedrockに対応はしてないので、「LiteLLM」を使って対応させます。 環境変数でこのあたりを指定 Ollamaを無効化 LiteLLMのエンドポイントをOpenAIのエンドポイントとして登録 APIキーを登録（LiteLLMとの通信には不要ですが、未指定だとOpen WebUIが正しく動作しませんでした） services: open-webui: image: ghcr.io/open-
DeepSeek R1を自宅のマシンでサクッと動かす方法 ~Mac編~ - Qiita
はじめに 世間を賑わせているDeepSeek R1は高性能なオープンソースの大規模言語モデル（LLM）です。公開されてまもなく複数の国の政府、企業が利用制限を呼びかける事態になっています。 使ってみたい、でもデータが収集されるのは怖いので本家のアプリを使うのは躊躇している、そんな方もいると思います。そんな方はローカルマシンで実行を試してみてはどうでしょうか。 「試しにローカルで動かしてみたい！」という方向けに、Macで簡単にセットアップして動かす方法を2パターン紹介します。本記事では、初心者でもわかりやすいように、必要なツールの説明や、モデルの選び方についても詳しく解説します。 本記事の手法に基づくDeepSeek R1の起動は、すべて自己責任で実施してください。モデルはローカルマシンで起動するため入力した情報が外部サーバを経由することはありませんが、セキュリティ上のリスクを完全に否定する
Unitree SDK & ROS パッケージ 3分でインストールメモ - Qiita
犬ロボ Unitree Go1 の SDK & ROS パッケージ 現在、インストールはサクッといけます。 実機をスクリプトで動かしましょう♪ (2022/11/30 本日時点の v3.8.4 aliengo 用 ver ではなく v3.8.0 Go1 対応 ver を使うこ必要があることについてコメント頂きましたので、本文も一部修正) https://qiita.com/devemin/items/1708176248a1928f3b88#comment-c7eb8f273e1798cc3b6a 環境 Ubuntu 20.04 (64bit), PC ROS Noetic インストール済 （ラズパイや Jetson でもいけるはず） Unitree Go1 （スクリプトで動かせるのは EDU モデル以上のはず、私は pro モデルですけどね・・・ 文末参照） インストールする SDK バ
AzureのストレージアカウントをAWSに擬えてみる - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 前書き 不定期に開催される会社のキャンペーンで、クラウド資格をゲットしたら報奨金をもらえるというキャンペーンがあり、まさにそのキャンペーンが行われている最中です。今回このキャンペーンに乗じてAzure Solutions Architect Expert：通称AZ-305の資格取得をすることにしました。（AZ-305を受験するにはAzure Administrator Associate：通称AZ-104に合格している必要があります。） 筆者は現在AWSを用いたインフラエンジニアとして活動しています。そのため、AWSのサービスと対応させ
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
browser-use やばいです - Qiita
Chainlitを試してみる - Qiita
OpenAI Agents SDKでMCPをやってみる - Qiita
Bedrockが無敵になれるツール"LiteLLM" - Qiita
ROS Noeticのインストール【Ubuntu 20.04】 - Qiita
