Claude3.5の新機能！Artifacts：Claudeとの新しい対話方法 – 完全ガイド - Sun wood AI labs.2
はじめに みなさん、こんにちは！今日は、AI技術の世界に革命を起こす新機能「Artifacts（アーティファクツ）」について、わかりやすくお話ししていきます。Claudeという人工知能と、より効果的に協力して作業ができるようになる、とてもワクワクする機能なんです。 Artifactsとは何か？ 簡単な説明 Artifactsは、Claude.aiで導入された新機能です。ユーザーがClaudeに何かを作ってもらう時、その成果物を会話とは別の専用ウィンドウで見ることができます。つまり、会話しながら同時に作品を見て編集できる、そんな魔法のようなツールなんです。 Artifactsの主な特徴 リアルタイムの表示: Claudeが作った内容をすぐに見ることができます。 編集可能: 表示された内容を自由に編集できます。 作業の継続性: 一度作ったものを基に、さらに改良を加えていけます。 Artifac
Google ColabにTailscaleを用いてSSH接続する方法 - Sun wood AI labs.2
はじめに Google Colabは、機械学習やデータ分析に役立つクラウドベースのJupyter Notebook環境です。このチュートリアルでは、TailscaleのVPNを使ってGoogle ColabにSSH接続する方法を解説します。これにより、安全かつ簡単にColabのランタイムにアクセスできるようになります。 事前準備 # Google Driveをマウントし、シングルマシン用のディレクトリを作成します。 from google.colab import drive drive.mount('/root/gdrive') !mkdir /root/gdrive/MyDrive/ColabSingularity # シングルマシン用ディレクトリへのシンボリックリンクを作成し、アクセスしやすくします。 !ln -s /root/gdrive/MyDrive/ColabSingular
Flaxを使用したRecurrentGemma2Bグリフィンモデルのファインチューニングチュートリアル(Kaggle、GoogleColabノート付) - Sun wood AI labs.2
セットアップ まずは必要なライブラリをインストールし、環境を整えていきます。 !pip list --format=freeze > requirements.kaggle.txt !pip list pip listコマンドでインストール済みのライブラリを一覧表示し、requirements.kaggle.txtファイルに出力しています。これは現在の環境を再現するために必要な情報です。 次に、RecurrentGemmaライブラリをインストールします。このライブラリはグリフィンモデルを扱うために必要です。 !pip install git+https://github.com/google-deepmind/recurrentgemma.git これでRecurrentGemmaがインストールできました。続いて、必要なライブラリをインポートしていきます。 import pathlib f
Fate Stay Nightで学ぶGraphRAG（GoogleColab付） - Sun wood AI labs.2
はじめに Graph retrieval augmented generation (Graph RAG) は、従来のベクター検索による情報検索手法に強力な手法として注目を集めています。Graph RAGは、データをノードと関係性で構造化するグラフデータベースの特性を活かし、検索された情報の深さと文脈性を高めます。 本記事では、人気アニメ「Fate Stay Night」のWikipediaデータを使って、LangChainとNeo4jを用いたGraph RAGの実践的な構築方法を初心者向けに解説します。 環境のセットアップ まずは必要なライブラリをインストールしましょう。 %%capture %pip install --upgrade --quiet langchain langchain-community langchain-openai langchain-experimenta
Pythonで3Dネットワークグラフを作成する方法 - Sun wood AI labs.2
はじめに ネットワークグラフは、複雑なデータの関係性を視覚化するのに非常に役立ちます。しかし、3Dのネットワークグラフとなると、その作成方法がよく分からないという方も多いのではないでしょうか。 そこで本記事では、Pythonを使って3Dネットワークグラフを作成する方法を、初心者の方でも理解できるよう、丁寧に解説していきます。題材としては、ビクトル・ユーゴーの小説『レ・ミゼラブル』に登場するキャラクター同士の関係性を、3Dグラフで表現してみましょう。 3Dネットワークグラフを作成するメリット 3Dネットワークグラフを作成するメリットは主に以下の3点です。 複雑な関係性を視覚的に把握できる インタラクティブな操作で様々な角度から眺められる 見栄えのする洗練されたグラフになる 平面的な2Dグラフでは表現しきれない情報も、3D空間を活用することでより直感的に理解することができるのです。 必要なライ
基盤モデルを用いたAIエージェントの設計パターン - Sun wood AI labs.2
はじめに 近年、人工知能(AI: Artificial Intelligence)の分野では、AIエージェント(AI Agents)と呼ばれる技術が大きな注目を集めています。AIエージェントとは、人間に代わって自律的に行動し、目標を達成するためのソフトウェアシステムのことです。 特に、大規模な言語モデルや画像生成モデルなどの基盤モデル(Foundation Models)を用いたAIエージェントは、高度な推論能力と言語処理能力を持ち、ユーザーの目的を理解し、それを達成するために自発的に行動することができます。そのため、様々な分野での応用が期待されています。 しかし、このようなAIエージェントを開発する際には、目標設定の難しさや推論プロセスの説明性の欠如、責任の所在の複雑さなど、様々な課題が存在します。また、基盤モデルに内在する幻覚(Hallucinations)の問題もあります。 これらの
DifyとローカルLLMを使用して複数のエージェントを設定して議論する方法 - Sun wood AI labs.2
注意: Modelfile の構文は開発中です。モデルファイルは、Ollamaでモデルを作成・共有するための設計図です。おススメ記事フォーマットModelfile のフォーマット:# コメントINSTRUCTION 引数インストラクション説... モデルプロバイダーの追加 モデルタイプを選択: 「ollama」を選択します。 必要な情報を入力: モデル名: llm-jp-13b-v2 Base URL: http://host.docker.internal:11434 Completion Mode: 「Chat」 モデルコンテキストサイズ: 4096 最大トークン数の上限: 4096 Vision Support: 「No」を選択 ワークフローの作成 4人のエージェントのシステムプロンプトを設定: 楽観的AI研究者、慎重派経済学者、AIジャーナリスト、倫理学者の4人のエージェントを作成
AI を活用したソフトウェア開発のための個人的ガイド - Sun wood AI labs.2
https://www.reddit.com/r/LocalLLaMA/comments/1cvw3s5/my_personal_guide_for_developing_software_with_ai/?rdt=40405 はじめに 私は個人プロジェクトでコードを書く際、特に自動化のためのものを書く際には、AI を活用しています。この点について、人によって意見が分かれるようです。同じように AI を使っている人もいれば、AI が良いコードを書くことは不可能だと考える人もいます。私の分野の専門家の間でも同様の考え方に遭遇し、AI の使い方が人によって異なるのかもしれないと気づきました。 私自身のバックグラウンドですが、私は開発マネージャーであり、業界で長年の経験を積み、大学院でもソフトウェア開発を学んできました。ですので、このガイドは素人ではなく、大規模システムの構築と運用に関するかなり
Langchain統合のためのクックブック: Langfuse編 - Sun wood AI labs.2
こんにちは！今日は、LangchainとLangfuseを組み合わせて使う方法について、初心者にもわかりやすく解説していきたいと思います。 Langchainは自然言語処理に特化したPythonライブラリで、LangfuseはLangchainの機能を拡張するプラグインのようなものです。 二つを組み合わせることで、より強力な自然言語処理システムを構築することができるのです。 セットアップ まずは必要なライブラリをインストールしましょう。以下のコマンドを実行してください。 %pip install langfuse langchain langchain_openai --upgrade 次に、LangfuseのAPIキーを環境変数に設定します。APIキーは、Langfuseのプロジェクト設定ページから取得できます。 import os # Langfuseのプロジェクト設定からAPIキーを
LLama 3のSFTTrainer＋Weights & Biasesでファインチューニング - Sun wood AI labs.2
Meta社が、オープンソースの大規模言語モデル（LLM）ファミリー「Llama」の最新版である「Llama 3」を2024年4月18日にリリースしました。Llama 3モデルはHugging Faceからアクセス可能で、Hugging Fa... 環境のセットアップ 最初に必要なライブラリをインストールします。 !pip install -U transformers trl accelerate bitsandbytes !pip install -U peft !pip install --upgrade huggingface_hub 次に、Hugging FaceとWandbにログインします。 from huggingface_hub import login login(token=userdata.get('HF_TOKEN')) import wandb from googl
RAGシステムの検索に新たな知見！日本語版 The Power of Noise: Redefining Retrieval for RAG Systems - Sun wood AI labs.2
ろんJアイスブレイク 1 ： 名無し専門家 ：2024/04/02(火) 12:34:56.78 ID:IR56 この論文は、Retrieval-Augmented Generation (RAG) システムにおける検索の役割について興味深い洞察を提供しているね。検索結果の種類がシステムのパフォーマンスに大きな影響を与えるんだ。 2 ：新人研究員：2024/04/02(火) 12:36:12.34 ID:ML90 ＞＞1 RAGシステムって何ですか？機械学習の初心者なのでわかりやすく説明してもらえると嬉しいです。 3 ：言語学徒：2024/04/02(火) 12:38:23.45 ID:NL78 ＞＞2 RAGシステムは、言語モデルに検索機能を組み合わせたものだよ。言語モデルだけだと知識が限られるから、関連する情報を外部から取り込むことで性能を上げようとしているんだ。 4 ：IR上級者：2
Style-Bert-VITS2でずんだもんの声を学習させてみた（GoogleColabのノート付き） - Sun wood AI labs.2
デモ動画 環境構築 まずは、プロジェクトを始めるための環境を構築する必要があります。Google Colabは、ブラウザ上でPythonコードを書いて実行できるサービスです。GPUを無料で使うことができ、機械学習の実験に最適です。 !git clone https://github.com/litagin02/Style-Bert-VITS2.git %cd Style-Bert-VITS2/ !pip install -r requirements.txt !apt install libcublas11 !python initialize.py --skip_jvnv 上記のコードは、Style-Bert-VITS2のGitHubリポジトリをクローンし、必要なライブラリをインストールするためのものです。%cdコマンドでディレクトリを移動し、その後必要なパッケージをインストールします。
1
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
VTube StudioとPython連携してモーション発動させてみた - Sun wood AI labs.2