プログラマー必見！FastAPI-MCPでAI時代のAPI開発を加速する方法（初心者向けコード付き） - Qiita
はじめに みなさん、こんにちは！最近、API開発の現場で「これマジですごい！」と思わず叫んでしまったツールを見つけたんですよ。それが「FastAPI-MCP」です！ FastAPI使ってる人なら絶対に知るべきツールです。だって、あなたのAPIをAIモデル（GPTやClaudeなど）に簡単に操作させることができるんですから！私みたいな初心者でも数分で設定できちゃいました。 FastAPI-MCPって何がすごいの？ まず、FastAPI-MCPの核となる機能を紹介します： 認証機能が標準装備：FastAPIの依存性注入（Depends()）をそのまま使えるから、セキュリティ面も安心！ FastAPIとの相性抜群：単なるOpenAPI変換ツールじゃなく、FastAPIのASGIインターフェースを直接使うから超効率的！ 設定ほぼゼロ：FastAPIアプリを指定するだけでMCPツールが自動生成される
This document summarizes a microservices meetup hosted by @mosa_siru. Key points include: 1. @mosa_siru is an engineer at DeNA and CTO of Gunosy. 2. The meetup covered Gunosy's architecture with over 45 GitHub repositories, 30 stacks, 10 Go APIs, and 10 Python batch processes using AWS services like Kinesis, Lambda, SQS and API Gateway. 3. Challenges discussed were managing 30 microservices, ensur
DuckDB で日本語全文検索
DuckDB-VSS と PLaMo-Embedding-1B を利用することで、ベクトル検索を実現できますが、DuckDB-FTS (Full-Text Search) と形態素解析ライブラリである Lindera を組み合わせて日本語全文検索を実現できます。 DuckDB-FTS + LinderaDuckDB の全文検索拡張は日本語には対応していないないのですが、スペース区切りでトークン化することで、日本語の全文検索を利用する事が出来ます。トークン化には Meilisearch にも利用されている信頼と安心の Lindera を利用することにしました。 今回この参考コードを Lindera の作者であり検索の専門家でもある Minoru OSUKA 氏にレビューいただきました。本当にありがとうございます。 以下は参考コードです。 [project] name = "duckdb-ft
4 万行超の openapi.yaml のツラミ ファイルが大きすぎて編集しづらい OpenAPI が肥大化していくにつれて開発体験の低下を招いていました。 GitHub Copilot や Cursor の Tab 機能で随分楽になりましたが、それでも 4 万行もあるファイルを手作業で入力するのは純粋に辛いです。 AI Agent のコンテキストを大きく圧迫する Cursor 等の AI Agent のコンテキストを大きく圧迫することが直近の開発で大きな課題となりました。 具体的には次のような問題が発生したため、ファイルを分割することが急務となりました。 コンテキストが溢れて Cursor Agent が停止する Longer Context を有効化すると処理できるようになるが、トークンを余分に消費してしまう TypeSpec とは TypeSpec は、API を記述するための Mi
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Python 入門100本ノック まえがき 背景 私は新入社員の研修課題として Python の練習問題を探していました。 しかし、ちょうど良い課題はなかなか見つかりません。 というのも、教育担当の立場からしても新人研修は難しいのです。 そもそも新人教育に使うことのできる時間が限られている。 新入社員が自力で進められるように、練習問題だけでなく説明も充実させる必要がある。 新入社員の力量に応じて研修内容を調整したい。 ということで、一般公開可能な Python 練習問題を作成しました。 新人教育に限らず、これから Python を学ぶ方
Vibe Coding で遊ぼう
Vibe Coding とはなんでしょうか？ はじめに提唱した Andrej Karpathy 氏はこう言っています。 参考程度に意訳をば。 私が Vibe Coding と呼んでいる新しいコーディングスタイルがあります。それは完全にバイブに身を任せ、指数関数的な変化を受け入れ、コードが存在することさえ忘れてしまうものです。これが可能なのは、LLM（例えば Sonnet を使った Cursor Composer）があまりにも優秀になっているからです。また、私は SuperWhisper を使って Composer と会話するだけなので、キーボードにほとんど触れません。「サイドバーのパディングを半分に減らして」のような、面倒くさくて自分で調べることが億劫な些細な修正をお願いします。常に Accept All を選び、差分は読みません。エラーが出たら、単にエラーのみをコピペするだけで、たいてい
Programming is Dead. Long Live Programming ー プログラミングは死なず。ただ老兵は去るのみ - Nothing ventured, nothing gained.
「Programming is Dead」──この挑発的な言葉を公の場で語ったのは、NVIDIAのCEO、ジェンスン・フアンだった*1。 彼は、「AIの進化により、誰もが自然言語でプログラムを作れるようになる」「もはや子どもたちにコーディングを教える必要はない」とまで言い切った。この発言は、ソフトウェア開発の現場だけでなく、教育界にも波紋を広げた。 そしてこの発言は、彼ひとりのものではない。例えば元Googleエンジニアで、現Fixie.aiの創業者であるマット・ウェルシュは、「AIの台頭によって、プログラミングのやり方そのものが根本から変わる」と述べており、自身の論考『The End of Programming』の中で、プログラミングの終焉ではなく“変容”を論じている。 たしかに、生成AIが提示するコードは、十分に実用レベルに達しつつある。ノーコードツールも進化し、「コードを書かない開
DuckDB でハイブリッド検索
DuckDB を利用してベクトル検索と日本語全文検索の両方を同時に利用できます。さらにこれらの結果をマージして Reranking を行うことでハイブリッド検索をサクサクっと実現する事が Rerankerどうやらベクトル検索した結果と日本語全文検索した結果をマージして、クエリーとマージ結果を再度ランキング付けする仕組みのようです。 ここでは参考にした記事を共有する程度にしておきます。 日本語最高性能のRerankerをリリース / そもそも Reranker とは? - A Day in the Lifeリランキング モデルによる RAG の日本語検索精度の向上 - NVIDIA 技術ブログ今回は Reranker に hotchpotch/japanese-reranker-cross-encoder-large-v1 を利用しました。 以下は参考コードです。 [project] na
LLM / 生成AIを活用するアプリケーション開発におけるセキュリティリスクと対策 - GMO Flatt Security Blog
はじめに こんにちは、GMO Flatt Security株式会社セキュリティエンジニアの佐藤(@Nick_nick310)です。 近年、大規模言語モデル(LLM、 Large Language Models)の進化と普及は目覚ましく、多くのサービスや業務プロセスで生成AIとして活用されています。LLMは多大なメリットをもたらす一方で、その特性に起因する新たなセキュリティリスクも指摘されており、安全な活用のためには十分な理解と対策が不可欠です。LLMを自社のサービスや業務に組み込む際、どのようなセキュリティ上の課題に直面する可能性があるでしょうか。 本稿では、LLMを活用したアプリケーションを開発・運用する上で考慮すべき主要なセキュリティリスクについて、国際的な指標である「OWASP Top 10 for LLM Applications」を用いながら解説します。併せて、これらのリスクに対
【マルチエージェント徹底入門】Agent Development Kit ではじめるマルチエージェント開発
はじめに Agent Development Kit（ADK）には、複数のエージェントが連携するマルチエージェントを手軽に実装する機能があります。ただし、マルチエージェントを利用する際は、ユースケースに応じて、「複数のエージェントがどのように役割分担するのか」というシステム構成、言い換えると、マルチエージェントのアーキテクチャーを適切に選択する必要があります。 この記事では、ADK が提供する「サブエージェント（Subagent）」と「エージェント・アズ・ア・ツール（Agent-as-a-Tool）」の機能比較を通して、マルチエージェントの基本となるアーキテクチャーを学びます。 ツールの仕組みの復習 この記事のメインテーマは、「サブエージェント」と「エージェント・アズ・ア・ツール」の比較ですが、事前準備として、下記の記事で紹介した会話型エージェントの仕組みをおさらいしながら、ADK の「ツ
AWS、AIエージェントとの統合を支援する9つのMCPサーバを「AWS MCP Servers」として公開 オープンソースで提供開始
Amazon Web Services（AWS）は2025年4月1日（米国時間、以下同）、AI（人工知能）エージェント（MCPクライアント）との統合を支援する9つのMCP（Model Context Protocol）サーバを「AWS MCP Servers」としてオープンソースで公開した。 AWS MCP Serversは、複数のMCPサーバで構築されており、互いに連携してAWSに関する包括的な知識や機能をAIエージェントに提供する。 AWSは、AWS MCP Serversで公開されている各種MCPサーバの利用方法やユースケースを開発者向けに解説するブログエントリを同日公開した。 「AWSの経験が豊富な開発者でも、クラウド初心者でも、AIコーディングアシスタントを活用することで、複雑なサービス構成、Infrastructure as Code（IaC）の実装、ナレッジベース統合といった
こんにちは、ミラティブでデータ分析基盤を担当しております芝尾です。 ミラティブでは本年度新卒研修の一環として、エンジニアではないビジネス職向けに、Web開発の研修を行いました。 Web開発研修の様子 研修の目的 この研修の目的は、ビジネス職にエンジニアになってもらおうという意図ではなく、以下のことを意図しています。 エンジニアがどのようなことをしているかをざっくり知ってもらう。 Webの基礎的な概念（HTTP,TCP,DNSなど）を知ってもらう。 研修背景 Web開発では、ビジネス職が企画を考えその企画職の考えた仕様を元にエンジニアが機能を実装することは一般的です。 Web開発を体験してもらうことでエンジニアに仕様を伝える際にどのようなように書くと伝わりやすいかなどの共有言語を身につけることを目的にしています。 研修参加者 研修は、新卒のビジネス職2名、エンジニア2名、中途社員の自由参加2
OpenAIは2025年4月16日に、新しい推論モデルの「o3」と「o4-mini」を発表しました。同社は特にo3を「OpenAI史上最も高度な推論モデル」と位置づけていますが、同時にリリースされた技術レポートと独立した外部調査により、両モデルがGPT-4oなどの従来モデルよりも幻覚(ハルシネーション)を起こしやすい傾向があり、OpenAIはその原因を把握できていないことが示されました。 OpenAI o3 and o4-mini System Card (PDFファイル)https://cdn.openai.com/pdf/2221c875-02dc-4789-800b-e7758f3722c1/o3-and-o4-mini-system-card.pdf Investigating truthfulness in a pre-release o3 model | Transluce A
GPUより安く、かつ高速な推論を実現。Amazon EC2 Inf1・Inf2インスタンスの徹底活用法 - Findy Tools
公開日 2025/04/25更新日 2025/04/24GPUより安く、かつ高速な推論を実現。Amazon EC2 Inf1・Inf2インスタンスの徹底活用法 本記事は、株式会社ゼンプロダクツの清原弘貴さんによる寄稿です。 Shodoの開発・運用に携わる中で得た実践的な知見をもとに、自社でAIモデルをホスティングする際の技術的な工夫を紹介します。特に、AWS Inferentia（Inf1、Inf2インスタンス）を活用して、安価かつ高性能な推論基盤を構築する方法を解説します。 はじめにAI校正のShodoでは、自社のAIモデルを動かしてお客様の文章を校正しています。ですがAIを自分でホストするのは簡単ではありませんし、他のミドルウェア等と比べると費用もかかるものです。この記事では自身のAIモデルを、より安価で手軽にホストする方法を紹介します。BERTとLlamaベースの日本語モデルを例にし
RubyKaigi 2025: Ivo Keynote良すぎた by osyoyu #rubykaigi - inSmartBank
こんにちは、osyoyuです。RubyKaigi 2025に行ってきました。 Day 2 Keynote "Performance Bugs and Low-Level Ruby Observability APIs" はプロファイラおたくの自分にとって実に心躍るセッションでした。地上最強のRubyプロファイラである ddtrace (Datadog) を作っているIvoが話してくれる！！！！ Keynote Speakerが公開された瞬間の高まりをよく覚えています。当日ももちろんド最前で見てました。 最前すぎて右下が見切れてました 余談ですが、私の作っているプロファイラ “Pf2” も発表中でたびたび触れられて超うれしくなっていました。良すぎる。 ということで、人のフンドシで相撲を取るようで少々恐縮ですが、本稿ではひとりのプロファイラおたく & ddtraceファンとして、Ivo Key
他の人が書いたコードを読み込み、複雑なコードをわかりやすく視覚化したチュートリアルを作成するツール「Tutorial-Codebase-Knowledge」が公開されました。 GitHub - The-Pocket/Tutorial-Codebase-Knowledge: Turns Codebase into Easy Tutorial with AI https://github.com/The-Pocket/Tutorial-Codebase-Knowledge This AI Explains ANY Codebase in 5 Minutes - Here is How I Built it - YouTube 何百ものファイル、何千もの関数があるコードベースに出くわした時、何から見始めたらいいのかわからなくなることがあります。Tutorial-Codebase-Knowledg
How to run Python in production
My previous article recommended that one should reconsider using Python in production. However, there’s one category of use case where Python is the dominant option for running production workloads. And that’s data analysis and machine learning. Almost all bleeding-edge work in data analysis and machine learning, especially around LLMs, happens in Python. So, here are some of my learnings on how t
待望の新メジャーバージョンMySQL 8.4対応！ 【本書の概要】 メジャーバージョンであるMySQL8.4に対応した、『MySQL徹底入門 第4版』の改訂版です。 「運用データ型」「レプリケーション」「文字コード」など、実務で役立つ知識を学ぶことができます。 MySQLのバージョンアップに合わせ、実行例や説明の最新化はもちろん、MySQL Shellについての解説の追加や、各種ツールも見直し、『より効率的』に『より快適』にMySQLを活用するためのノウハウを余すところなく解説します。 【対象読者】 ・MySQLの初心者から中級者 ・システム開発者 ・データベース関連プログラマー ・データべースに興味のある学生や企業のDB関連リサーチャーなど 【執筆者】 日本MySQLユーザ会メンバー（MyNA）。 日本MySQLユーザ会 は、日本におけるMySQLのユーザ団体。 日本におけるMySQLの
Python is one of the most widely adopted programming languages in the world. Yet, because of it’s ease and simplicity to just “get something working”, it’s also one of the most underappreciated. If you search for Top 10 Advanced Python Tricks on Google or any other search engine, you’ll find tons of blogs or LinkedIn articles going over trivial (but still useful) things like generators or tuples.
Last Updated on 2025-04-20 07:51 by admin MITの研究チームは、AI生成コードの精度を向上させる画期的な手法を開発しました。この新しいアプローチは、大規模言語モデル（LLM）が生成するコードが、プログラミング言語のルールに準拠し、エラーなく動作するよう自動的に誘導します。 研究チームの手法は「逐次モンテカルロ」と呼ばれる技術を用いて、LLMが生成する複数の出力候補を並行して評価し、有望な出力に計算リソースを集中させる仕組みです。これにより、小規模なLLMでも大規模モデルを上回る精度でコードを生成できるようになりました。 MITの大学院生João Loulaを筆頭に、Mila-Quebec人工知能研究所のBenjamin LeBrun、ジョンズ・ホプキンス大学の大学院生Li Duらが中心となって行われたこの研究は、Pythonコード、SQLクエリ、分
PLaMo-Embedding-1B でベクトル検索して MCP で話せるようにする - ちょうげのブログ
はじめに オレオレ RAG をさくっと作る の記事を読み、簡単そうだったので MCP で話せるようにしてみました。 nananaman/DuckDB-RAG-MCP-Sample Claude Desktop から使う例 仕組み Markdown ファイルをローカルでベクトル化して DuckDB を使って Parquet ファイルで保存します。 ベクトル化には Plamo-Embedding-1B を採用しており、軽量なのでローカルの CPU で十分動作します。 生成した Parquet ファイルを MCP サーバーの起動時に読み込み、クエリに応じてベクトル検索が実行されます。 MCP 対応には MCP Python SDK を使っています。 RAG 周りの詳しい仕組みは参考にさせていただいた オレオレ RAG をさくっと作る の記事を参照してください。 リポジトリ構成 リポジトリは以下の
TL;DR: The hard part of building reliable agentic systems is making sure the LLM has the appropriate context at each step. This includes both controlling the exact content that goes into the LLM, as well as running the appropriate steps to generate relevant content.Agentic systems consist of both workflows and agents (and everything in between).Most agentic frameworks are neither declarative or im
はじめに、体調のこと 何があった 3日目に起きた瞬間から強い頭痛、倦怠感、発熱している感じ(計ってはいない1)があり、その時点で安静にしたほうがいいと判断し、よろよろとコンビニでポカリ、inゼリーを調達したあとはホテルでずっと寝ていました。その朝の時点で他のNOCメンバーが同様に体調不良でダウンしていましたし、昼以降も体調を崩すNOCメンバーが出てきてバタバタと倒れていってやばい……という様相でした。 発症時点ではとにかく頭痛！頭痛！！頭痛！！！という症状だったので、これは何か風邪、インフルエンザでもうつされたか、嗅覚はあるしコロナの線は薄いのか？なとど色々考えていました。翌日以降からは頭痛に加えてずっとお腹を下しっぱなし状態で、まあしんどかったです。ブログ公開の時点でもまだ全快してないです。おなかがゆるゆる。 何故 Day 0 で #rubykaigiNOC メンバーでご飯行ったところ当
Neovim で文字列を動的にチャチャッと切り替える
completion_plugin は "cmp" または "blink" のいずれかであると分かっている、os は "windows", "macos", "linux" のいずれかであると分かっているようなケースです。 もちろん予め設定ファイルにてそれらの文字列を切り替えるようなルールを書いておくこともできますが、こういった specific な文字列をいちいち定義するのは手間です。バッファ上に記された switch: cmp, blink のような形式のヒントを読み取り、cmp と blink を <C-a> / <C-x> で切り替えられるようにできないでしょうか。 dial.nvim で解決する方法 dial.nvim でこれを直接的に（＝簡潔な設定のみで）サポートする方法は現状ありませんが、ユーザ側で頑張って設定を書くことでやりたいことが実現できます。 local augend
RubyKaigi 2025 に登壇しました。参加者としての感想も、RubyKaigi 会期に関することは、まとめてこの記事に記しておきます。 rubykaigi.org 自分の発表について RuboCop Plugin, RuboCop 向け Ruby LSP Add-on, バックエンドパーサーへの今後の展望 印象に残った登壇をいくつか ima1zumi さんのキーノート TRICK Lightning Talks sue445 さん ぺんさん The Parser gangs 今後の 362 日 廊下会議や The Tap トラックなどで得られた会話など ご挨拶や質問し損ねた点 勤務先の永和システムマネジメントとしての活動や、もろもろ おわりに 当日の発表スライドは以下です。 自分の発表について 満員御礼だったようで、ありがとうございました。自分の登壇を撮ることはできないので @ke
「You Wouldn't Steal a Car(あなたは車を盗まない)」とは、2000年代に展開された海賊版対策キャンペーン用の動画です。この動画内で使われていたフォントが、実は不正なコピーフォントだったと指摘されています。 Rib :ms_red_panda: (@Rib) | fedi.rib.gay https://fedi.rib.gay/notes/a6xqityngfubsz0f 「あなたは車を盗まない」はイギリスの著作権盗難防止連盟とアメリカ映画協会が、シンガポール知的財産局と協力して作成した海賊版対策キャンペーン用の動画です。2004年～2007年にかけてアメリカ国内外で販売された多くのDVDには、本編が始まる前にこの動画が挿入されていたとのこと。 実際に「あなたは車を盗まない」がどのような動画だったのかは、以下のYouTube埋め込みを見ると確認できます。 Pirac
ChatGPTに酷似した「ChatGTP」偽アプリに注意—中国製詐欺アプリの実態と見分け方 - 社内SEゆうきの徒然日記
これは酷い＆AppStore審査ずさん support.apple.com ChatGPTに酷似した「ChatGTP」偽アプリに注意—中国製詐欺アプリの実態と見分け方 最近、AIの技術進化と共に人気を集めているChatGPT。その知名度に便乗する形で、App Storeに「ChatGTP」という紛らわしい名前の偽アプリが登場し、多くのユーザーが混乱しています。本物のChatGPTに一文字違いの名前を使用し、アイコンも酷似させたこの中国製アプリの実態について詳しく解説します。特に注目すべきは、このアプリが中国の甘粛省に拠点を置く企業によって製造されており、無料インストール後に課金を強制する仕組みとなっている点です。今回は、ChatGTP偽アプリの製造国や特徴、詐欺の手口、そして本物との見分け方について詳細に解説します。 ## 1. 「ChatGTP」偽アプリとは—中国製詐欺アプリの概要 ##
【問題】 以下のhandle_command関数では、if文の中で変数commandの値に応じて処理を分岐するようになっている（ただし、サンプルコードなのでここでは処理は単純にprint関数を呼び出すだけ）。このくらいなら問題ないが、コマンドの数がもっと増えると、このif文は長大なものになることが予想される。もっと見やすくスッキリとしたコードに書き換えてみよう。ただし、match文は使わないものとする。 def handle_command(command): if command == 'go': print('go straight') elif command == 'right': print('turn to right') elif command == 'left': print('turn to left') elif command == 'back': print('g
davepeck.org
Template strings, also known as t-strings, have been officially accepted as a feature in Python 3.14, which will ship in late 2025. 🎉 I'm excited; t-strings open the door to safer more flexible string processing in Python. What's the big idea with t-strings? Since they were introduced in Python 3.6, f-strings have become a very popular way to format strings. They are concise, readable, and powerf
Pandas が登場してから Python はデータ分析の事実上の標準言語になりました。 しかし、データ量が数千万行を超えると途端に RAM が足りない・処理が遅い という現実にぶつかります。 クラスタ環境に逃げる選択肢もありますが、準備・コスト・学習コストを考えると “ちょっと重い” だけのデータに対してはオーバーキルです。 そこで登場するのが Dask。 以下 3 点が現場エンジニアにとって大きな魅力です。 API 類似度 90 %: 既存の Pandas/NumPy 知識をそのまま使える。 遅延評価 × 並列化: PC のコア数を自動で使い切り、メモリフットプリントを抑制。 スケールラインが滑らか: ローカル PC → 分散クラスタへ“ほぼ同じコード”で移行可能。 今回は「大量 CSV を集計する」という 典型的に重くなる処理 を通して、Dask がどのように恩恵をもたらすかを見てみ
OpenAI APIを使ってLLMの出力を構造化する方法
はじめに こんにちは、株式会社STAR AIでデータサイエンティスト兼人事をしている本田です。 LLM（大規模言語モデル）を活用したサービスやプロジェクトを考える上で、モデルの出力をどのように制御するかは非常に重要なポイントです。 何も指示を与えずに質問などを入力すると、LLMは自由記述の形式で回答を返してきます。これでは、情報の整理や再利用が難しく、ビジネスでの活用には不向きです。もちろん、プロンプトエンジニアリングによってある程度の出力制御は可能ですが、ノウハウが必要であったり、質問文などの入力が変動することで指示がうまく通らないこともあります。結果として、毎回同じ形式での出力を安定して得るのは難しいというのが現状です。 そこで今回は、OpenAIのAPIを活用して、LLMの出力を構造化データとして制御・取得する方法をご紹介します。 プロンプトの工夫だけに頼らず、より確実に出力フォーマ
はじめに こんにちは。AI Shift バックエンドエンジニアの木村です。 私たちのプロダクトでは開発チーム（フロント、バック、インフラ）とAIチーム（自然言語処理、音声対話など）が共同して開発しています。 開発プロセスの中で開発チームのバックエンドエンジニアとAIチームが連携することが多く、その中で感じた課題や改善案、実際に現在行なっていることをまとめてみました。 背景と目的 私たちのプロダクトは音声対話に関わるプロダクトで、AIチームの専門性とバックエンドエンジニアの専門性をどう効率よく連携させるかという課題がありました。 それまで2パターンの連携方法を試していました。 Pythonでプロトタイプ → Goでプロダクトに組み込み AIチームがPython（Jupiter NotebookやGradio）でプロトタイプとして実現方法を検証し、バックエンドエンジニアがプロダクトにGoで組み
Recently, Shopify’s CEO Tobi Lütke shared his thoughts on AI’s role in coding, stating that “reflexive AI usage is now a baseline expectation at Shopify.” The gist of his message was that AI is revolutionizing how we work, and everybody should jump on board this train or risk being left behind. I’m paraphrasing a bit, but not much – check out the post for complete context and content. This struck
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? SaaSやサブスクリプション型のビジネスを運営していて、顧客の継続状況を把握するためのコホート分析に頭を悩ませていませんか？ 「コホート分析という言葉は聞いたことがあるものの専門的な知識がないから、試す気力が湧かない...」「コホート分析は重要だとわかっているけど、データの準備が複雑で時間がかかる...」 「コホート分析の曲線の作り方が分からない...」 そんな悩みを抱えている方に朗報です。データの加工、可視化、分析、レポーティングのためのUIツールのExploratoryの「AI プロンプト」を使ったら、これが驚くほど簡単でした。 「
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに こちらの記事で執筆した通り、2024/01からAWSの設計構築案件に参画し、現在で1年3ヶ月が経過しました。 こちらの記事ではAWS案件に参画するまでにやってきたことをまとめていますが、本記事はAWS設計構築でやったきたことのまとめとなります。 経験してきたフェーズとしては以下の通りです。 各フェーズにおいてどのようなことを経験してきたのかをまとめていきたいと思います。 途中プロジェクト内で別案件の依頼があり、コンテナイメージで使用しているAmazon Linux2 -> 2023へのVersionUp対応、およびLambda
私がプログラミングに入門したときに、そういえばこの辺よく分からなかったなという点を思い出してまとめてみました。 良かったら参考にしていただけると嬉しいです。でも完璧に覚える必要はありませんので、流し読み程度に。 「Pythonの始め方」みたいな記事が大量にある 同じ言語に対して、なぜこんなにも始め方の記事があるのだろうと思いました。 結論、それは作業環境が沢山あるからでした。 VScode Pycharm Jupyter Notebook Jupyter Lab Google Colab などなど、いろんな環境でPythonを動かすことができるんです。 もちろんこの作業環境の分、ネットには記事があって、これがややこしい原因の1つかなと思います。 特にこだわりがない人は「Python VScode 環境構築」あたりで調べればいいかと。 手軽に始めたい人はGoogle Colabもおすすめです
The full dataset viewer is not available (click to read why). Only showing a preview of the rows. Error code: DatasetGenerationCastError Exception: DatasetGenerationCastError Message: An error occurred while generating the dataset All the data files must have the same columns, but at some point there are 6 new columns ({'name', 'pct_total_occurrences', 'parent_cluster_id', 'description', 'cluster_
I stumbled over Bart de Goede’s article on building a full-text search engine in 150 lines of Python, and was reminded of my quest to show how useful Haskell is for solving real-world problems. Python is an eminently practical language, so nobody is surprised this can be done in Python. But Haskell? The Python code spends a lot of time updating mutable dictionaries. Surely we cannot easily port th
1. はじめに はじめまして、株式会社neoAIでソフトウェアエンジニアをしている加藤と申します。 SaaSプロダクトを開発していると、クライアントや環境ごとに異なる認証方式に対応する必要があります。オンプレミス環境、クラウド環境、大手企業からスタートアップまで、多様なニーズに応えるためには、IdP（Identity Provider）を柔軟に切り替えられる仕組みが求められます。 以前、弊社のMoriyasuが執筆した「FastAPI の Dependency Injection (Depends + Injector)」では、FastAPIとDIの基本的な活用方法や、プロダクトへの導入事例をご紹介しました。 本記事ではそれを踏まえ、FastAPIのDIを活用して、SaaSプロダクトにおけるIdP（Identity Provider）の実装をいかに抽象化し、柔軟に切り替え可能な構成を実現す
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
2025年現在のNewSQL (最強DB講義 #36 発表資料)
4万行超のopenapi.yamlをTypeSpecに移行した話
Python 入門100本ノック - Qiita
ビジネス職向けに、Webプログラミング研修をしました。 - Mirrativ Tech Blog
OpenAIの「o3」と「o4-mini」は従来のAIよりも「幻覚」を起こしやすいことが判明
GitHubコードのチュートリアルをAIで自動作成する「Tutorial-Codebase-Knowledge」
MySQL徹底入門 第5版 MySQL 8.4 LTS対応 | 翔泳社
14 Advanced Python Features
MITが開発、AIコード生成の精度を飛躍的に向上させる新手法 – 小規模モデルで大型AIを凌駕 - イノベトピア
How to think about agent frameworks
RubyKaigi 2025 参加記 | うなすけとあれこれ
RubyKaigi 2025 に登壇した - koicの日記
海賊版対策キャンペーンで使用されていたフォントが不正なコピーフォントだったという指摘
［Pythonクイズ］if文に条件分岐がたくさんある？ それならアレの出番ですよね？
Python Dask入門 小さなマシンで大きなデータを扱う最初の一歩
開発チーム・AIチーム間のシステム境界と責任境界について
Coding as Craft: Going Back to the Old Gym
AI使ったら、一度やってみたかったSaaSに必須のコホート分析が一瞬でできた - Qiita
AWS実務未経験からAWSエンジニアになって1年で学んだ実践的なこと - Qiita
図解で分かる！Pythonを始める前に最低限知っておきたいTips - Qiita
Anthropic/values-in-the-wild · Datasets at Hugging Face
Search Index in 150 Lines of Haskell
「Microsoft 365 Copilot Wave 2」の春リリースが発表 ～5月下旬から提供開始／人間とエージェントのコラボレーションを次の段階へ
SaaSにおけるIdP実装の抽象化とDI活用による柔軟な設計