はてなブックマーク

はじめに この記事では Claude Code を利用してアプリを開発する過程を共有します。 こちらの記事もみていただけると嬉しいです → 普通のエンジニアが、 4 年かけて個人開発の OSS でGitHub Star 2.3k を獲得するまでに考えたこと TL;DR GitHub の任意リポジトリを入力すると、スターを付けたユーザの所在地を世界地図にプロットする Web アプリを作りました。 デモ : https://geostarmap.pages.dev/ なぜ作ったか OSS を開発していると「どの国の開発者に届いているのか」が気になってきます。しかし既存のソフトウェアは、Pythonでローカルで動かす必要があったり、メンテされておらず動かないなどの問題がありました。 そこで「Claude Code に作らせたら、一瞬でできるのでは？」という実験を兼ねて、自分で最小構成のアプリを構

TL;DR 本記事では、『コンピュータシステムの理論と実装』（原題：Build a Modern Computer from First Principles）という有名教材におけるアセンブラの実装について解説します。この教材を受講したことがない方でも、アセンブラの概要と実装内容を理解できるように記述しています。アセンブラの実装コードは以下のリポジトリに公開しています。 『コンピュータシステムの理論と実装（Nand to Tetris)』とは 『コンピュータシステムの理論と実装』は、コンピュータサイエンスの教材として世界的に高い評価を受けている書籍およびコースです（原題：Build a Modern Computer from First Principles: From Nand to Tetris）。イスラエルのヘブライ大学でコンピュータサイエンス学部の教授を務めるNoam Nisan

はじめに この記事では、5chスレッドのコメントを大規模言語モデル（LLM）を使って分析する手法と、その過程で遭遇した課題や解決策を紹介します。 TL;DR この記事では、5chスレッドのコメントを大規模言語モデル（LLM）を使って分析する手法と、その過程で遭遇した課題や解決策を紹介します。 分析対象のスレ → リップクリーム・リップケア総合スレ35本目 分析結果 → https://talk-analyzer.pages.dev/ 大規模言語モデルを用いたテキスト分析の応用可能性 LLMを用いたテキスト分析は、様々な業務に活用できる可能性があります。 マーケティングにおける定性分析: SNSやインタビューなどのテキストデータを分析し、顧客の価値観やニーズ、ブランドイメージなどを把握する。 企業にかかわる重要リスクの監視: ニュース記事や企業の財務報告書などのテキストデータを分析し、潜在的

要約 既存の ETL パイプラインの管理を効率化するため、YAMLでワークフローを定義し、実行できるツールを開発しました。 なぜ Airflow や Prefect を使わないのか？ Airflow や Prefect は素晴らしいツールですが、これらのツールでワークフロー（DAG）を定義するには、Python でコードを書く必要があります。 私が関わっている環境では、すでに数十万行のシェルスクリプトや Perl スクリプトのコードがあります。この上に Python のレイヤーを重ねれば、さらに保守が難しくなってしまいます。また、既存のコードを Python に書き換えることも現実的ではありません。 そのため、プログラムを書かずに、ノーコード（YAML ファイル）でワークフローを定義でき、既存のプログラムをそのまま利用できる軽量なツールを開発することにしました。 Dagu の仕組み Dag