180 characters lorem ipsum dolor sit amet, consectetur adipiscing elit. Mauris id auctor erat. Mauris cursus pharetra purus, et blandit magna condimentum et felis.
![生成 AI 活用事例集](https://cdn-ak-scissors.b.st-hatena.com/image/square/fb82094619d3ecd6f00a0c5261854c85300f8401/height=288;version=1;width=512/https%3A%2F%2Flp.cloudplatformonline.com%2Frs%2F808-GJW-314%2Fimages%2FOGP_gen_ai_case_study_JPAN383.png)
Cloud Tasksは2018/03/02時点ではalphaで、現状App Engine専用のTask Queueしかないので、このスライドはApp Engine Task Queueについて書いています。 もう少ししたら、betaになって登場するはず・・・!
こんにちは。直感に従って、生成AIスタートアップ Algomatic にてプロダクトマネージャーを務めている帆苅(ほかり)と申します。 OpenAIが「ChatGPT」を2022年11月30日にリリースしてから約1年半が経ち、生成AIを活用したプロダクトは私たちに多くのwow!を提供してくれています。例えば、クリエイティブ分野で革新を起こすやDALL-E3やSora、コーディングやデザインを強力に支援するGitHub Copilotやfigma AI、など、今や私たちのあらゆる活動を支えてくれています。 日常生活においても、電話自動応答やメルカリAIアシストなど生成AIが活用されているプロダクトに接する機会が増えてきました。 そんな中で今回は、生成AI時代にプロダクトマネージャー(以降PM)がどのようにプロダクトを考えていけば良いのか?についての考えをまとめていこうと思います。 💡 本記
最近はお客さんとの勉強会でDockerのドキュメントをつまみ食いして読むというのをやっていますが、改めて最新版を読んでみて、いろいろ思考が整理されました。2020年の20.10のマルチステージビルドの導入で大きく変わったのですが、それ以前の資料もweb上には多数あり「マルチステージビルドがよくわからない」という人も見かけるので過去の情報のアンラーニングに使っていただけるように改めて整理していきます。 仕事でPythonコンテナをデプロイする人向けのDockerfile (1): オールマイティ編で触れた内容もありますが改めてそちらに含む内容も含めて書き直しています。 本エントリーの執筆には@tk0miya氏から多大なフィードバックをいただきました。ありがとうございます。 基本的なメンタルモデル現代的な使い方を見ていくために「Dockerを使ってビルドする」というのはどのようなものか考えを整
本当にPHPについて知りたい人は、別のところに行くことをすすめる。moriyoshiさんのスライドや、Lerdorfオジサンのページなんかがオススメ。 PHPは歯ブラシである PHPの発案者であるRasmus Lerdorf氏はこう言っている。 PHPは歯ブラシくらい興奮に値する。シンプルで、毎日使う便利な道具。だからどうした。歯ブラシについて書物を漁るやつがいるか? PHP is about as exciting as your toothbrush. You use it every day, it does the job, it is a simple tool, so what? Who would want to read about toothbrushes? PHPが他の言語と決定的に違うのは、作者およびコミュニティが、言語に対して道具以上の感情を抱いてないことだ。PHP
これ 六年目の浦島太郎 https://comic-days.com/episode/2550689798785618132 こういう作品は一人称的で、主人公は内心を述べる役 そして母、恋人、友達は主人公を曇らせる役で、ある意味物語の進行のため、逆算的に生み出された舞台装置的なキャラと言えるかと思う 舞台装置キャラはステレオタイプのような行動をして、主人公をストーリー上望ましい状態に導いていく でも、妹は最後舞台装置になっていない 第二の主人公みたいなポジションになってる こういう存在ってなんていうんだろうな こういう存在は ・自分の意思が強く、予定調和の(ステレオタイプのような)行動をしない ・意外な行動をすることで物語を動かす役 ・あらたな視点を与える みたいな感じ? 例えば、この漫画では母や恋人は主人公に影響を与えてはいるが、本音がどうだとか視点を与えるようなことをしていない そのた
PDF 1,3 2,3 3 3 1 2NLPeanuts Inc. 3 estie hongo@nlp.ist.i.kyoto-u.ac.jp shin.kanouchi@nlpeanuts.com {yutaro.saito, tatsuya.iwanari}@estie.co.jp PDF PDF OCR 2 Accuracy 0.92 65% 1 PDF 1 PDF 1 PDF PDF PDF PDF OCR LLM OCR PDF OCR LLM OCR LLM End-to-End PDF 11 OCR GPT-4[1] 2 Accuracy 0.92 65% 2 [2, 3, 4, 5] [6, 7] [8, 9] GPT-4[1] LLM [10] OCR [11] [12]PDF OCR OCR LLM [13, 14] End-to-End [15] [16] OCR L
このSpring Bootを使ったクリーンアーキテクチャの例は、データの詰め替え過剰にみえる。 https://www.baeldung.com/spring-boot-clean-architecture これだけのモデルと詰め替えが必要なのだろうか? 『Get Your Hands Dirty on Clean Architecture 』にこのマッピング戦略(詰め替え戦略)が書かれている No Mapping (レイヤ間でモデルを共有し、詰め替えをしない) 2-way Mapping (各レイヤで独自のモデルを持ち、レイヤを跨ぐ呼び出しは上位レイヤが詰め替えの責務を負う) Full Mapping (各レイヤで独自のモデルを持ち、レイヤを跨ぐ呼び出しには専用のモデルを使う) またこの戦略のどれを選ぶかの基準は『Balancing Coupling in Software Design
LLM の学習において、メモリ消費量が一番の敵です。 今回は LLM 学習に使えそうな optimizer をまとめます。 8bit-AdamW AdamW の 8bit 版です ちなみに AdamW は Adam の問題点を改良したものです 量子化しているので精度は落ちますが、ほぼ影響はないです 特に素の Adam/AdamW はメモリ消費量がやばいので、普通にやってみて動かせなかった場合は 8bit 版を使うとよさそうです huggingface なら adamw_bnb_8bit を指定するだけで使えます training_args = TrainingArguments(per_device_train_batch_size=4, optim="adamw_bnb_8bit", **default_args) Adafactor Adam のメモリ消費量を抑えた改良版 素の Ada
データの水増し画像ばっかり 音声データの水増し方法について考えよう 出来そうなこと 音量上げ/下げ 音声の引き延ばし/縮め ノイズの付加 時間シフト 音の高さ(ピッチ)の変更 残響付加 Kaggleのこれとか見てると前半の4つくらいはやってるけど、むしろ音声認識みたいな室内で使うような音声モデルを扱いたいなら後半二つこそやるべきだと思う。前半のやつについてはそのままコードを借ります。 データ読み込み
こんにちは! AIチームの戸田です 本記事では私がKaggleのコンペティションに参加して得た、Transformerをベースとした事前学習モデルのfine-tuningのTipsを共有させていただきます。 以前も何件か同じテーマで記事を書かせていただきました。 Kaggleで学んだBERTをfine-tuningする際のTips①〜学習効率化編Kaggleで学んだBERTをfine-tuningする際のTips②〜精度改善編〜Kaggleで学んだBERTをfine-tuningする際のTips③〜過学習抑制編〜Kaggleで学んだBERTをfine-tuningする際のTips④〜Adversarial Training編〜Kaggleで学んだBERTをfine-tuningする際のTips⑤〜ラベルなしデータ活用編〜 今回は学習効率化について書かせていただきます。このテーマは以前書かせ
Goにおけるタスクランナーの歴史 npmならnpm run、denoならdeno taskなど言語ツールにタスクランナー機能が付属していることがありますが、Goではそのような機能は提供されていません。 そこでGoのプロジェクトではMakefileがタスクランナーとして用いられることがしばしばありますが、独自の文法、.PHONYを大量に書く必要がある、Makefile警察が飛んでくる、などの問題があります。 Makefile警察「ぐぬぬぬ…」 #taskfile - Qiita タスクランナーとしてMakefileを使うことから脱却すべく、巷ではYAMLベースの「Task」やGoベースの「Mage」が用いられている印象です。 どちらも多少試したことはありますが、主に以下の点が気になりました。 Taskfile.ymlやmagefile.goといったツール独自のファイルを置く必要がある これは
このように、RESTの設計原則に従ってAPIを構築することで、ほとんどのAPI設計は直感的に、かつ問題なく行うことができます。 デザインパターンの紹介 ここからが本題です。大抵の場合、上の例で示したようなAPI設計で十分です。 ただ、複雑な要件では、上のような典型的なAPI設計のみでは良いAPIを設計するための4つの特性を満たせないことがあり、そのような場合のためにデザインパターンが有効です。 カスタムメソッド 概要 カスタムメソッドは、標準的なCRUD操作(作成、読み取り、更新、削除)では対応できない特定の操作が必要になる場合に便利です。例えば、メールの送信や即時の文書翻訳など、通常の create や update メソッドでは処理が難しい操作がこれに該当します。 参考までに、以下にGoogleが出しているカスタムメソッドの記事を示します。 実装例 以下は、カスタムメソッドを扱うAPI
ストップワードの除去は自然言語処理やテキストマイニングにおける重要な作業です. 解析の精度を上げるために不要な記号や単語を等をデータセットから除去します. ストップワードの選定にはタスクに特化した分析が必要ですが,ある程度整理されているデータがあるととても助かります. そこで,今回は私が自然言語処理のタスクでよく行う,日本語のストップワードについてまとめました. また単語の分布などから,品詞ごとのストップワードに対する考察も行いました. このことからストップワードを介して自然言語処理のあまり語らることのない知識などをご共有できればと思います. (この記事の考察部分は主に自然言語処理の初心者を対象とした入門記事です.) 目次 1. 自然言語処理・ストップワードとは 2. 分析の対象 3. 単語の分布に対する考察 ┣ 出現頻度 上位300件 ┗ 出現頻度と単語 4. 品詞ごとに考察 ┣ 名詞
ssmonline #43 での発表資料です。 (運用設計ラボ合同会社 波田野裕一)
1993年生まれ。京都市伏見区出身、宮崎県在住。天性の分からず屋で分かられず屋。ボードゲームと坂口安吾をこよなく愛している。 前の記事:船頭多くして車は山に登るのかを試したかった > 個人サイト もがき続けて100年生き抜くブログ 雨ニモマケズとわたし 前に働いていた職場でどうしようもなく忙しい時期があり、一日90分睡眠の生活を続けていた理事長がついに動けなくなってしまったことがある(なにもできない僕は普通に定時であがっていた)。 理事長(左)と筆者 理事長は自宅で療養するほかなかったのだが、自律神経がおかしくなってまともに寝ることもできない。少しでも休息を取るため布団で横になっていると『雨ニモマケズ』の朗読がテレビから流れてきたそうだ。理事長はそれを聞いてボロボロ泣いた。 涙を流して回復した理事長は職場に復帰したあと、「デクノボーにならなきゃいけないんだよ!」と宣言し、雨ニモマケズの一部
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