January 30, 2023 In this post, we'll implement a GPT from scratch in just 60 lines of numpy. We'll then load the trained GPT-2 model weights released by OpenAI into our implementation and generate some text. Note: This post assumes familiarity with Python, NumPy, and some basic experience with neural networks. This implementation is for educational purposes, so it's missing lots of features/improv
CloudFormation 一撃で EC2 の Blue/Green Deployment の CodePipeline を構築する | DevelopersIO
準備 CodeCommitに以下をプッシュします。 なお、CodePipelineによる自動デプロイではファイル上書きデプロイを設定できないので、必要に応じて appspec.ymlで元のファイルを削除するように対応します。 ソースコード(index.html, hello.conf) appspec.yml (本稿では beforeInstall.sh を利用) ちなみに、index.html や hello.conf の素材は こちら を使っています。 参考 ## appspec.yml version: 0.0 os: linux files: - source: ./hello.conf destination: /etc/nginx/conf.d/ - source: ./index.html destination: /usr/share/nginx/html/ hooks:
Pythonで始めるリランカー実装：mixedbread-ai、Alibaba-NLP、OpenAI GPTを比べてみた - RAKUS Developers Blog | ラクス エンジニアブログ
mixedbread-ai/ Alibaba-NLP / OpenAI GPTによるリランキング【実装サンプル付き】 はじめに RAGをはじめとする現代の情報検索システムでは、「リランカー（Reranker）」と呼ばれる仕組みが使われることがあります。 検索候補を単にキーワードマッチやベクトル検索でピックアップするだけでなく、さらに高精度なモデル(＝リランカー)で再スコアリング（再ランキング）することで、ユーザーが本当に求めている情報を上位に表示できます。 本記事では、筆者が実際に業務中の検証作業で利用した次の3つのモデル: mixedbread-ai/mxbai-rerank-v2 Alibaba-NLP/gte-multilingual OpenAIのGPT（Chatモデルをリランカーとして活用） を題材に、特徴や実装例を紹介します。 mixedbread-ai/ Alibaba-NL
SuperwhisperとVSCodeのCopilot Agentを使って、音声から素早くブログを書き上げる - yasuhisa's blog
3行まとめ アウトプットの速度を上げたいが、記事を書くのは時間がかかる SuperwhisperとVSCodeのCopilot Agentを組み合せて、音声からブログを書き上げるワークフローを組んだ 実際に使っているpromptを含め、真似しやすいように詳しく紹介 3行まとめ 背景: アウトプット速度を上げたい & LLMの急速な進化 利用している技術 Superwhisper: 技術用語も認識する書き起しアプリ VSCode Copilot Agent: 自然言語で校正のワークフローを組み込む 実用例: どれくらい早くアウトプットできるようになるか 実際のワークフロー 工夫した点 過去に自分が執筆したテキストの資産を活用する 依存関係の抽出を自動で行なう 複数のAgentにレビューをさせる タイトル案の自動生成 実装を通して得られた学び 自然言語でワークフローを組み立てることの難しさ エ
Gamedev in Lisp. Part 1: ECS and Metalinguistic Abstraction - cl-fast-ecs by Andrew
Gamedev in Lisp. Part 1: ECS and Metalinguistic Abstraction In this series of tutorials, we will delve into creating simple 2D games in Common Lisp. The result of the first part will be a development environment setup and a basic simulation displaying a 2D scene with a large number of physical objects. It is assumed that the reader is familiar with some high-level programming language, has a gener
Over the course of my Spring 2020 semester at Harvey Mudd College, I developed a self-hosting compiler entirely from scratch. This article walks through many interesting parts of the project. It’s laid out so you can just read from beginning to end, but if you’re more interested in a particular topic, feel free to jump there. Or, take a look at the project on GitHub. Table of contents What the pro
This post is an account of why I prefer using the attrs library over Pydantic. I'm writing it since I am often asked this question and I want to have something concrete to link to. This is not meant to be an objective comparison of attrs and Pydantic; I'm not interested in comparing bullet points of features, nor can I be unbiased since I'm a major contributor to attrs (at time of writing, second
python_modules.pdf
Python3 OpenCV / Pillow / pygame / Eel / PyDub / NumPy / matplotlib / SciPy / SymPy / gmpy2 / hashlib, passlib / Cython / Numba / ctypes / PyInstaller / curses / tqdm / JupyterLab / json / psutil / urllib / zenhan / jaconv Copyright © 2017-2025, Katsunori Nakamura 2025 8 19 Python ‘ .py’ Python Python Windows PSF Python py .py Enter macOS Linux PSF Python python3 .py Enter Anaconda Prompt Python p
こんにちは、コンサル部＠大阪オフィスのTodaです。 Amazon Simple Email Service(以降SES)は任意のアプリケーションからメール配信をする際、おすすめのサービスになります。 メール配信はエンドユーザ様から指定頂いた、メールアドレスに対しておこないますが、入力ミスによる受信失敗(バウンスメール)、迷惑メール報告(苦情メール)が発生する場合があり管理が必要になります。 今回は、簡易に運営者側でバウンスメールに気づける方法を試してみます。 バウンスメール対策の重要性 SESではサービスを利用して送信したメールの中でバウンスメールと苦情メールの計測をしており、一定以上になった場合、レビュー対象や配信の停止がおこなわれます。処理を維持をするためバウンスメールの対応が必要になります。 ■ バウンスに関するよくある質問 から引用 https://docs.aws.amazon
Solving Quantitative Reasoning Problems With Language Models
Solving Quantitative Reasoning Problems with Language Models Aitor Lewkowycz∗, Anders Andreassen†, David Dohan†, Ethan Dyer†, Henryk Michalewski†, Vinay Ramasesh†, Ambrose Slone, Cem Anil, Imanol Schlag, Theo Gutman-Solo, Yuhuai Wu, Behnam Neyshabur∗, Guy Gur-Ari∗, and Vedant Misra∗ Google Research Abstract Language models have achieved remarkable performance on a wide range of tasks that require
設定手順 手順としては大きく分けると下記の4つになります。 IAM Roleの作成 SNSの作成 Lambda Functionの作成 Amazon EventBridge(CloudWatch Events)の作成 IAM Roleの作成 Lambdaが実行できるようにIAM Roleを割り当てます。以下のように設定しました。 ロール名：ec2_running_check_role を入力 ポリシー：AWSLambdaBasicExecutionRole,AmazonEC2ReadOnlyAccess AWSLambdaSNSPublishPolicyExecutionRoleをアタッチ SNSの作成 SNSのトピックを作成し、通知したいEメールアドレスのサブスクリプションを作成します。 タイプ：スタンダード を選択 名前：ec2_running_check を入力 表示名：ec2_ru
Pythonクイックリファレンス 第4版
本書はPythonの機能を十分に活用するためのリファレンスです。チュートリアルとしての「Pythonを使ってみる」、型アノテーションや文字列といった「Python言語と組み込み機能」、ファイルやテキスト、時間の操作、数値処理などをまとめた「Pythonの標準ライブラリと拡張モジュール」、HTTPの処理や構造化テキストを学ぶ「ネットワークとWebプログラミング」、バージョン移行などに関する「拡張、配布、バージョンのアップグレードと移行」という5部構成となっています。Pythonを本格的に学びたい人から、さらなるスキルアップを目指したい人まで、Pythonを最大限に活用するための有益な情報がぎっちり詰まった1冊です。Python 3.11対応。 正誤表 ここで紹介する正誤表には、書籍発行後に気づいた誤植や更新された情報を掲載しています。以下のリストに記載の年月は、正誤表を作成し、増刷書籍を印刷
とほほのPython入門 - とほほのWWW入門
とほほのPython入門 トップ Python入門 目次 索引 概要 Pythonとは 参考リンク インストール Pythonの実行 対話モード キーワード Python 3 構文 Hello world! 文・式 コメント(#) インデント エンコードルール(coding:) print文 数値・文字列・型 整数(int) 長整数(long) 浮動少数点数(float) 虚数(complex) 論理値(bool) 値無し(None) 文字列(str) エスケープシーケンス(\x) 文字列のフォーマット(%) 変数・定数 変数 定数 ドキュメントストリング(__doc__) リスト・タプル・辞書 リスト(list) タプル(tuple) 辞書(dict) リスト関数(map(), filter(), reduce()) リストの内包表記 セット(set) 演算子 算術演算子(+, -, *
使い慣れたプログラミング言語でAWSのインフラ管理をする ～AWS CDKのススメ～ - ABEJA Tech Blog
1. AWS CDKとは 2. AWS CDKを触ってみる 2.1 環境構築 Volta Node.js CDK 2.2. とりあえずLambdaを作成するところまでやってみる 2.2.1. プロジェクト作成 2.2.2. デプロイ用のLambda関数を書く 2.2.3. CDKのStackにLambda関数を記載する 2.2.4. デプロイしてみる 2.2.5. お片付け 2.3. CRUDっぽいAPIをAPI Gatewayで公開してみる 2.3.1. Lambda関数を用意する 2.3.2. CDKを用意する 2.3.3. デプロイして動かしてみる 2.3.4. お片付け 2.3.5. 詰まったところ 3. 感想 We Are Hiring! ABEJAでプロダクト開発をしている平原です。ABEJAアドベントカレンダー2023の6日目の記事です。皆さんはAWSでIaCを利用する時には
Pythonでシフトを自動作成するアプリを作成、運用した話
背景 現在焼肉屋でアルバイトをしている大学生です。 バイトのシフトの管理は完全に学生に任されています。 手書き入力の紙提出でなおかつ作成者は経験と勘で組まなければなりませんでした。 そこでPythonとかで解決できないかと考え、アプリ作成に至りました。 解決すべき問題 紙提出をやめてネットでの提出にする。 シフト作成にかける時間を減らしつつそれなりみんなが満足するシフトを作る。 の２つでした。 アプローチ まず考えついたのは実際に提出からシフト作成まで完結するWebアプリの作成です。 しかし、最低限の提出とシフト作成ができるWebアプリをDjangoで実装したのですがやはり保守の面で厳しいものがありました。（主にサーバー代と改良の手間） そこで最終的には、「調整さん」＋シフト作成のツールという組み合わせで運用を行っています。 調整さん 「調整さんhttps://chouseisan.com
はじめに お疲れ様です。矢儀 @yuki_ink です。 こちらのAWS公式ハンズオンをやってみました。 ECSとFargate/EC2を利用した環境構築から、CI/CDパイプラインを利用したデプロイまで、一通り体験できる素晴らしいハンズオンでした。 次のようなみなさんにおすすめです。 ECSを知識として知ってはいるが、実際に触ったことがない コンテナの何が優れているのか、実感を持っては理解できない CI/CDパイプラインでコンテナをデプロイしてみたい ハンズオンで構築する環境の構成イメージはこちら。 1. VS Code Serverの構築 このハンズオンでは、開発環境として Visual Studio Code Server (VS Code Server) を利用するとのことで、まず、CloudFormationでVS Code Serverを構築していきます。 ハンズオンページの
Training a reinforcement learning Agent with Unity and Amazon SageMaker RL | Amazon Web Services
Artificial Intelligence Training a reinforcement learning Agent with Unity and Amazon SageMaker RL Unity is one of the most popular game engines that has been adopted not only for video game development but also by industries such as film and automotive. Unity offers tools to create virtual simulated environments with customizable physics, landscapes, and characters. The Unity Machine Learning Age
Pythonチュートリアル 第4版
本書はプログラミング言語Pythonの作者Guido氏が書き下ろした、Python入門者のための手引書です。Pythonの言語とシステムの基本的な機能やコンセプトをわかりやすくまとめて解説し、さらにPythonの特徴的な機能を数多く取り上げて紹介しており、Pythonの雰囲気とスタイルをつかむことができます。本書を読むことで、Pythonのモジュールやプログラムを読み書きできるようになり、ライブラリリファレンスで解説されているさまざまなモジュールについて、詳しく学ぶ準備が整います。細部にわたり改訂し、最新の3.9.0版ドキュメントに追随した入門者必読の書です。 正誤表 書籍発行後に気づいた誤植や更新された情報を掲載しています。お手持ちの書籍では、すでに修正が施されている場合がありますので、書籍最終ページの奥付でお手持ちの書籍の刷数をご確認の上、ご利用ください。 第1刷正誤表 ※2022年4
Rust Programming Language Tutorial – How to Build a To-Do List App
By Claudio Restifo Since its first open-source release in 2015, the Rust programming language has gained a lot of attention from the community. It's also been voted the most loved programming language on StackOverflow's developer survey each year since 2016. Rust was designed by Mozilla and is considered a system programming language (like C or C++). It has no garbage collector, which makes its pe
とほほのPython入門 - とほほのWWW入門
とほほのPython入門 トップ Python入門 目次 索引 概要 Pythonとは 参考リンク インストール Pythonの実行 対話モード キーワード Python 3 構文 Hello world! 文・式 コメント(#) インデント エンコードルール(coding:) print文 数値・文字列・型 整数(int) 長整数(long) 浮動少数点数(float) 虚数(complex) 論理値(bool) 値無し(None) 文字列(str) エスケープシーケンス(\x) 文字列のフォーマット(%) 変数・定数 変数 定数 ドキュメントストリング(__doc__) リスト・タプル・辞書 リスト(list) タプル(tuple) 辞書(dict) リスト関数(map(), filter(), reduce()) リストの内包表記 セット(set) 演算子 算術演算子(+, -, *
Try Mastering Emacs for free! Are you struggling with the basics? Have you mastered movement and editing yet? When you have read Mastering Emacs you will understand Emacs. It’s that time again: there’s a new major version of Emacs and, with it, a treasure trove of new features and changes. Notable features include the formal inclusion of native compilation, a technique that will greatly speed up y
vim9script4pythondevelopers.md Vim9 script for Python Developers Vim9 script�Vim script��������������������������������������������������系��� def������義����������Vim script��vim9script�����使����������(vim9script���
Kiroがまだ使えない😭ので自作した！ #1
はじめに 話題のkiro使いたかったのですが、残念ながらwaiting list待ち。。いつになったら使えるのやら。ということで、待つのもダルいし作ろうというわけです。むしろゼロから作ることで新しいカスタマイズ性や新たな発見があるかもしれません。まずは使ってみないことには課題もわかりません。 今回の開発ターゲット kiro自体は、 ①requirements:要求仕様書(Eras) ②design:設計書 ③tasks:設計書に基づくタスク ④code:タスクで定義されたコード … など複数の成果物をステップバイステップで作成します。 普段の自分の業務にもせっかくならすぐに使えるようにしたいので、まずはrequirements、degin、tasksをターゲットにします。私の普段の業務的には、要件定義のスタートとしてはユーザーヒアリングから始まります。なので、最初のインプットはユーザーヒア
ChatGPT時代に必要かも!? Pythonで実行するファイルパース（PowerPoint編） | DevelopersIO
こんちには。 データアナリティクス事業本部 インテグレーション部 機械学習チームの中村です。 今回は話題のChatGPTにコンテキストを与える際に必要となるファイルパース処理について見ていきたいと思います。 PowerPointに焦点を絞ってみていきます。既存のライブラリ内の実装も確認していきます。 先行事例の実装 先行事例の実装として、よく話題となる以下のライブラリを見ていきます。 （LlamaIndexとLlamaHubはほぼ同じですが、parserとしては片方にしかないものもあるため） LlamaIndex https://github.com/jerryjliu/llama_index https://gpt-index.readthedocs.io/en/latest/index.html LlamaHub https://github.com/emptycrown/llama-
Create rule を押します。 作成したあとは inactive 状態なので、Set as active を押します Set as active を押します。 メールを SES に送信 ここまでの設定で、送信したメールが無事に S3 に保存されるか確認します。Gmail で適当にメールを送信します。 S3 上にファイルが保存されています。この中にメール本文や添付ファイルが含まれています。 Lambda 関数作成 S3 に保存されるメールデータの中から、メールの本文と添付ファイルを抜き出す処理を行います。S3 にメールデータが置かれたことをイベント通知で検知して、Lambda 関数を起動します。次の Python コードで、Lambda 関数を適当に作成します。 行っている内容は、ざっくり以下の通りです。 S3 イベント通知をトリガーに Lambda 関数を起動する Lambda 関数
For almost a complete decade—starting with discovering Haskell in about 2009 and right up until switching to a job where I used primarily Ruby and C++ in about 2019—I would have called myself first and foremost a Haskell programmer. Not necessarily a dogmatic Haskeller! I was—and still am—proudly a polyglot who bounces between languages depending on the needs of the project. However, Haskell was m
Renato Athaydes
Revenge of Lisp (Part 1⁄2) Background vector created by upklyak - www.freepik.com This may surprise you if you know me, but I’ve been learning Common Lisp for a few weeks now. It all started when I was reading, funnily enough, a blog post about another, much more hyped, language called Julia. The post was titled Julia and the reincarnation of Lisp, and in it the author lamented that despite his lo
A Lisp REPL as my main shell
If you enjoy this article and would like to help me keep writing, consider chipping in, every little bit helps to keep me going :) Thank you! Update: As of 2021-02-07, not all the code and configurations used in this presentation have been published. Should happen in the coming days, stay tuned! Introduction video The concepts I’m going to present in this article were featured in a presentation at
LangChain Agentsを使ってテストコードから「テストの通るコード」を自動生成するプログラムを書いてみた｜mah_lab / 西見 公宏
先日以下のような記事を書いてみたものの、いちいち結果をChatGPTに手でコピペしながら検証するのはダサいなと思っていました。 そういうわけでRSpecが通るまで愚直に検証＆生成を繰り返すようなコードを書いてみたものの、修正履歴までChatGPTのコンテキストに持たせようとすると、すぐに最大トークン数を超えてしまい失敗してしまいます。 最大トークン数を超えないように頭の良いコンテキストを持たせるような実装も可能だとは思いますが、結構複雑な実装になってしまいそうです。 そんな中で出会ったのがこのツイートでした。 I saw a somewhat astonishing thing today. GPT was asked a question that it needed to write code to answer, and given access to a Python REPL.
週刊Railsウォッチ: DI的な書き方が必要なとき、脆弱性学習用アプリRailsGoat、brakemanは優秀ほか（20210705前編）｜TechRacho by BPS株式会社
週刊Railsウォッチについて 各記事冒頭には🔗でパーマリンクを置いてあります: 社内やTwitterでの議論などにどうぞ 「つっつきボイス」はRailsウォッチ公開前ドラフトを（鍋のように）社内有志でつっついたときの会話の再構成です👄 お気づきの点がありましたら@hachi8833までメンションをいただければ確認・対応いたします🙇 TechRachoではRubyやRailsなどの最新情報記事を平日に公開しています。TechRacho記事をいち早くお読みになりたい方はTwitterにて@techrachoのフォローをお願いします。また、タグやカテゴリごとにRSSフィードを購読することもできます（例:週刊Railsウォッチタグ） 🔗Rails: 先週の改修（Rails公式ニュースより） 今回も以下の公式更新情報の続きを追います。次の更新情報も出ましたね。 更新情報: Rails 6.
PR-Agentの使用方法 PR-Agentの使用方法として、公式のリポジトリでは以下の9つの方法を提示されています。 Docker imageの使用ソースから実行GitHub Actionsとしての実行Polling serverとしての実行GitHub Appとしての実行AWS Lambda FunctionでのデプロイAWS CodeCommit(PR-Agent CLIの使用)GitHub webhook serverでの実行Bitbucketパイプラインとしての実行 ここでは、GitHub Actionとしての実行とソースからの実行を例として使用方法について述べていきます。どちらも共通してOpenAI API keyが必要で、ソースからの実行の場合はそれに加えてGitHub Tokenが必要になります。 GitHub Actionとしての実行 １．OpenAI API keyをリ
Python behind the scenes #6: how Python object system works
As we know from the previous parts of this series, the execution of a Python program consists of two major steps: The CPython compiler translates Python code to bytecode. The CPython VM executes the bytecode. We've been focusing on the second step for quite a while. In part 4 we've looked at the evaluation loop, a place where Python bytecode gets executed. And in part 5 we've studied how the VM ex
はじめての自然言語処理 ELECTRA（BERT の事前学習手法の改良）による固有表現抽出の検証 | オブジェクトの広場
今回は BERT における事前学習の改良手法である ELECTRA の検証です。ELECTRA はモデルサイズ、データ、計算量が同一条件であればオリジナルの BERT を凌ぐ性能とのことなので結果が楽しみなところです。事前学習をした後のファインチューニングは、いつも livedoor News Corpus の文書分類ばかりだったので、今回は固有表現抽出を試すことにしました。 1. はじめに 今回は BERT における事前学習の改良手法である ELECTRA 1 の検証です。 BERT に関しては 第3回 で取り上げていますが、トークン化が Sentencepiece である為、トークン単位での処理に難がありました2。今回は ELECTRA を試すにあたり、そのあたりの対応も入れ、 Megagon Labs さんから公開されている UD_Japanese-GSD v2.6-NE 3 を使っ
【Python】形態素解析エンジンMeCabをPythonでやってみた。せっかくなのでパーソルP&T社長メッセージから単語を出現数順に抽出してみたよ。｜パーソルビジネスプロセスデザイン BX事業本部
#インストール pip install mecab-python3 #辞書インストール pip install unidic-liteこれで準備OKです。 2. 基本的な使い方基本的な使い方も先ほどのサイトにならって実行してみます。 import MeCab wakati = MeCab.Tagger("-Owakati") wakati.parse("pythonが大好きです").split()#実行結果 ['python', 'が', '大好き', 'です'] 分かち書きができました！ ※分かち書きとは、文章の語の区切りに空白を挟んで記述することです。 tagger = MeCab.Tagger() print(tagger.parse("pythonが大好きです"))#実行結果 python python python python 名詞-普通名詞-一般 0 が ガ
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? こんにちは。自分は現在駒澤大学GMS学部の2年生でタイトルにあるように**ツイッターのトレンドについて研究しています。**この記事では研究やコードや参考になりそうなものを紹介します。 元々、ツイッタートレンドに興味があり、1年生の頃から、PythonとTwitterAPIとMeCabを使っていましたが、形態素解析して単語ごとに集計するという原始的なものでした。他に言語と位置情報や出現する漢字などで遊んでいました() ↓ そしてN-gramの要領で例えば2-12単語節ごとに記録し、全てを集計する簡易的なトレンド解析ができました。補足として
LambdaLisp - A Lisp Interpreter That Runs on Lambda Calculus
LambdaLisp is a Lisp interpreter written as an untyped lambda calculus term. The input and output text is encoded into closed lambda terms using the Mogensen-Scott encoding, so the entire computation process solely consists of the beta-reduction of lambda calculus terms. When run on a lambda calculus interpreter that runs on the terminal, it presents a REPL where you can interactively define and e
By Zed A. ShawC++ Is An Absolute BlastI want you to ask yourself an honest question. When was the last time you actually had fun in programming? Looking back, I don't think I've actually had fun in programming for close to...10 years? I don't have fun with JavaScript, Python, Ruby, C, nothing. When I say "fun" I mean, you genuinely were excited to work on your project and the whole time you work o
概要 arelle の使い方を示しつつ、XBRL からきちんとリンクファイルを使って階層構造をとってきて、それに対応するインスタンスを取得する方法を示す。 どちらかといえば、経済学徒ではなく、エンジニア寄りのバックグラウンドを持つ人向けに書いている。 背景 最近、財務諸表の勉強をしていて、いろんな企業の財務諸表を一括で見たいと思った。 読んでいた解説が、財務諸表を視覚化して説明するタイプのものだったので、会計データをとってきて、それを D3.js で描画することを考えた。 結果、作成した財務諸表可視化アプリの方はある程度できていて、以下のリンクから閲覧できる。 https://financial-statements-visualization.sasakiy84.net/ sasakiy84/xbrl-extractor (XBRL 抽出コード) ただし、まだ少し大きめのバグが残っていた
Reindex, Transform, and Aggregate datasets using pandas Library
Most of the time, the dataset we will get from the business will be dirty and cannot be used straight forward to train machine learning models. Therefore, we must treat the dataset and bring it to the desired form to input it into an algorithm. This tutorial discusses reindexing, transforming, and aggregating datasets in Pandas. What are Reindexing, Transforming, and Aggregating?Reindexing, transf
以下の記事が面白かったので、簡単にまとめました。 ・How to migrate from legacy LangChain agents to LangGraph 1. はじめに従来の「LangChainエージェント」から「LangGraph エージェント」への移行手順を解説します。LangChainエージェント (特に AgentExecutor) には複数の構成パラメータがあります。これらのパラメータを LangGraphエージェント(ReactAgentExecutor) にどのようにマップされるかを示します。 2. 準備(1) パッケージのインストール。 # パッケージのインストール !pip install -U langgraph langchain langchain-openai(2) 環境変数の準備。 左端の鍵アイコンで「OPENAI_API_KEY」を設定してからセル
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
GPT in 60 Lines of NumPy | Jay Mody
Kalyn: a self-hosting compiler for x86-64
Why I use attrs instead of pydantic
SESでバウンスメールを確認する方法をいくつか試してみた | DevelopersIO
AWS Lambdaを使ってEC2停止忘れを通知してみた | DevelopersIO
AWS公式のECSハンズオンがとても良かった!! - Qiita
What's New in Emacs 28.1?
Vim9 script for Python Developers · GitHub
SES でメール受信を行い、Lambda 関数でメール本文、添付ファイルを抜き出す - Qiita
Leaving Haskell behind
PR-Agentとその類似システムの解説 | sreake.com | 株式会社スリーシェイク
ツイッタートレンド解析のためのプログラム(個人的メモ) - Qiita
C++ Is An Absolute Blast
XBRL から財務諸表を抽出する | sasakiy84.net
従来の LangChainエージェント から LangGraphエージェント への移行手順｜npaka