LLMを理解する一歩として「ゼロから作るDeep Learning」をやった - $shibayu36->blog;
LLM、GPT界隈を追いかけていて、GPTの仕組みと限界についての考察（2.1） - conceptualizationという記事を見かけた。これを見たとき、「どういうことか全然理解できない」という気持ちになった。また、その他LLMの解説記事を理解できないことが多く、自分の機械学習知識不足が明確になった。 理解できなかったことは悔しいし、LLMやChatGPTをうまく使いこなすには最低限どのような原理で動いているか理解したいと感じた。そこで一歩目として「ゼロから作るDeep Learning」を完走した。 ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装 作者:斎藤 康毅オライリージャパンAmazon 知識なしからはじめたので時間はかかったが、次のように進めていった。 自分もコードを写経しながら読む レポジトリは https://github.co
ユーザーリサーチの設計プロセスでAIの力を借りてみる｜グロービス・デジタル・プラットフォーム
はじめにこんにちは。 GLOBIS学び放題 受講者向けプロダクトの開発チーム デザイナーの加藤です。 約一年間の産休・育休を取得し、先日復帰しました。保育園に通い始めた子どもはさっそく体調を崩しまくっており、グロービスのフレックス制度に日々助けられております…。 休職中は仕事に関するトピックからほぼ完全に離れていたので、世の中のキャッチアップも兼ねてChatGPTをさわっています。 ふだんの業務に活用できないか考えながら試してみました。 ユーザーリサーチを仮定する実際はさまざまなコンテキストがあるかとは思いますが、「キッズ服のECサイトを作りたい」という状況をひとまず仮定してみます。 まずは「キッズ服を購入する」ジャーニーマップを明確にしたいです。ユーザーインタビューを通して明文化するとします。 インタビュー対象者の条件インタビュイー募集にあたっての条件を考えるために、ChatGPT (G
エンジニアの稼働率を上げれば上げるほど機能リリースが遅くなっていく｜mtx2s
組織内のメンバーを「リソース」として見始めると、それを100%使い切ることにばかり注力してしまいます。リソースの稼働率を下げることは、すなわち、生産性を下げること。マネージャーは、まるで強迫観念に取り憑かれたように、そのような考えに囚われます。 自社でのソフトウェアプロダクト開発において、その対象は特に、開発者に強く向けられます。その理由は明らかでしょう。バックログに積み上がり続けるアイデアをソフトウェアに変えられるのは、開発者だけです。より多く、できる限り早く、アイデアを市場投入したい。彼らに空き時間という無駄を作らせてしまうわけにはいかない。 しかし、そのような努力が、必ずしも良い結果につながるとは限りません。むしろ、開発者の稼働率を高めすぎたことが、リードタイムに悪影響を与えているかもしれないのです。そして言うまでもなく、アイデアの市場投入が延びれば延びるほど、ユーザーにとってもビジ
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
