こんにちは。分析屋の平野です。 社内チャット部屋にて紹介されたニュースや記事を紹介します。 生成AIモデルなどサイバーエージェントは225億パラメーターの日本語LLM「CyberAgentLM3」を一般公開しました。 同モデルは商用利用可能な「Apache License 2.0」で提供されており、「Hugging Face」よりダウンロード可能です。
こんにちは。分析屋の平野です。 社内チャット部屋にて紹介されたニュースや記事を紹介します。 生成AIモデルなどサイバーエージェントは225億パラメーターの日本語LLM「CyberAgentLM3」を一般公開しました。 同モデルは商用利用可能な「Apache License 2.0」で提供されており、「Hugging Face」よりダウンロード可能です。
こんにちは。分析屋の平野です。 社内チャット部屋にて紹介されたニュースや記事を紹介します。 ここ数日間、気温も湿度も高いせいでエアコンなしでは生きていけないです... 生成AIモデルなど米Googleは次世代AIモデル「Gemma 2」を開発者および研究者向けにリリースしました。 第1世代「Gemma」と同様、商用利用可能で、パラメーターサイズは「9B」と「27B」の2つのモデルが提供されており、初代よりもハイパフォーマンスで高い推論効率を実現しているとのことです。 パナソニック ホールディングスはストックマークと協業し、独自の大規模言語モデルを構築すると発表しました。 開発するLLMは1000億パラメーターで、2024年秋の完成を目指すとのことです。 設計や製造など社内の業務効率化に用いる想定で、製造過程のあらゆるプロセスにおいて利用可能とのことです。 開発するLLMは性能を劣化させず小
Adobe Fireflyを使っている理由は単にライセンスを保有しているからというだけなのですが、その他の画像生成AIのツールは私と同じくアイキャッチ作成担当をしてくださっている社員が紹介しているので、こちらをご覧ください! 今回はAdobe Fireflyをメインにお話していきます。 生成AIが苦手なこと文字画像生成AIは文字が苦手な傾向にあります。 数字はものによって綺麗に生成できるものもありますが(時計などの数字とかが限界)、特に日本語はあまりうまくいきませんね… 日本語の本を読む情景を指定しても、中身は得体の知れない文字になります。 細かな要素引きの画角での規則的で細かいものや、手指の細かい形状なども不得意です。 会社のイメージ画像で使えそうなものを作成したく「オフィスで談笑する男女 5人 若い社員 都会的」とプロンプトに入力しました。 一見そのままでも使えそうなぐらい、いい感じに
分析屋の西村です。 業務では生成AIの新規事業開発に携わっており、その中でデザインに関する仕事も担当させていただいています。 (技術ブログのサムネイルもいくつか担当しております!) 分析屋の技術ブログにはデザインに関する記事が現状あまりないのですが、わかりやすく伝えるためにデザインは必要なものだと思うので、これからデザインに関する記事を増やしていければなと思っています。 今回は「デザインの言語化」という本について紹介します。 この本はタイトルを見ると一見デザイナー向けの本かな?という印象を受けますが、デザインを発注する側も知っていて損はない内容だと思います。 デザインを発注/受注してなぜかうまくいかなかった、という経験がある方にぜひ読んでもらいたい本です。 本の概要この本では、デザインを言語化するステップを4つの章に分けて解説しています。 コンセプトを言葉にする デザインの意図を伝える ク
その机に向かう姿勢、画面を見つめる眼差し、指先がキーボードを叩くリズム。それはまるで彼の心の動きを反映するかのようだった。彼は2年前から、毎月5本の記事を書き続けている。その執筆の軌跡を見てきた私にとって、彼の情熱と継続力にはただただ驚嘆するばかりだ。 彼の作業スペースはいつも静かで、時折聞こえるのはキーボードの打音だけだ。しかし、その静かな場所から生まれるのは、知識探求の海だ。彼が創造する記事は、読者の心に深く響くものばかりだ。彼の手によって紡がれる言葉は、確かな手応えと続く執筆の軌跡を物語る。 この記事では、彼の執筆の旅を見つめ、その確かな手応えがどのように継続し、軌跡を残しているのかを探求していく。静かながらも力強い創造の炎が彼を導くその軌跡に触れることで、私たちは新たな気づきと啓発を得るだろう。 彼の執筆の軌跡を見てきた者として、私は彼の挑戦と成長に深い感銘を受けてきた。最初の数ヶ
こんにちは、分析屋の長田です。 突然ですが、飲み会のお店選びって悩みませんか? 私は結構悩んでしまうので割と後回しにしがちで、そうすると人気所はすでに予約が埋まってたりします。ギリギリでも予約が取れやすく、かつ評価の高い、いわゆる穴場である居酒屋を見つけたいというのが今回のテーマです。 ただ、その目線で1つ1つお店を見ていくのも面倒です。楽して探したいので、Pythonのseleniumを用いてグルメサイトからスクレイピングで店舗情報を抽出して、隠れた名店居酒屋を探してみました。 前半でスクレイピング、後半で今回のテーマである穴場居酒屋の調査をしています。 スクレイピングの注意点スクレイピングを実行するサイトの利用規約やrobots.txtを確認し、それら規約を遵守するようにしてください。 利用規約等でスクレイピングを禁止しているサイトもあります。 利用規約に明示されていない場合でも、サイ
パターン(とパターン言語)の定義は、様々ありますが、本記事では、パターンとは、ある状況(コンテキスト)において繰り返し発生する問題に対して、その問題を解決することが繰り返し行われており、したがって有効性が確認されている解決方法であり、その解決方法に名前がついたもの、とします。 パターン言語は、あるモノは、様々なパターンを組み合わせて使うことで作ることができるという概念です。我々が、様々な単語を組み合わせて、さらにその組み合わせには有効な組み合わせとなる規則があり、その規則に基づいて、ある文を作っていると同じようなイメージです。 参考として、より深みのあるパターンの定義を参照しておきます(太字は私によるもの)。私はまだ理解しきれていませんので、参考としてです。 パターンとは設計の要素であり、一般的には建築家のクリストファー・アレグザンダーに由来するとされる。アレグザンダーはパターンに基づくア
分析屋の下滝です。 Snowflakeさわってみよう、の5回目です。 あまりよくわかってないのですが、Snowpark Pythonという機能を試してみました。APIという位置づけです。 Snowparkライブラリは、データパイプライン内のデータをクエリおよび処理するための直感的な API を提供します。このライブラリを使用すると、アプリケーションコードが実行されるシステムにデータを移動することなく、Snowflakeでデータを処理するアプリケーションを構築できます。Snowparkには、他のクライアントライブラリとの差別化をもたらすいくつかの機能があります。 https://docs.snowflake.com/ja/developer-guide/snowpark/index.htmlSnowflakeコネクタとの違いもあまり分からないのですが、とりあえず使ってみます。詳しい特徴は公式
分析屋の下滝です。 Snowflakeが気になりだしてきたので、適当にさわっていきます。 まずは、単純にデータを入れるところまでです。 30日間の無料トライアルができるので、登録してください。 登録後、ログインすると、次のような画面になります。 データを入れるために、まずは、入れるためのテーブルを作成します。「データ」のメニューをクリックします。 データベースの一覧が表示される画面になります。右上のデータベースボタンを押します。 名前を入力してデータベースを作成します。日本語の名前を入れる場合は、ダブルクオーテーションでくくります。 作ったらこのような画面になると思います。 PUBLICのスキーマを選びます。 右上の作成ボタンからテーブルを選びます。 テーブル作成画面になります。おそらく、ポチポチ画面を押してテーブルを作成できるようなUIはなさそうです。 適当にテーブルを作ります。クエリを
分析屋の下滝です。 ミニ勉強会の6回目しました! 15分の勉強会です! 発表は10分で終わりますが、質問も含めていつも40分くらいになっています! ミニは無理なのかもしれません! 今回は、Hさんの発表です! 内容は、有名ゲームシリーズの、モンハンのターゲット層をデータをもとに考察してみた、という内容です! まずは、モンハンとはという説明から。 モンハンは、モンスターハンターの略で、カプコンから発売されているアクションゲームの人気シリーズですね。 続いてなぜこのお題を選んだのかです。 モンハンをやりはじめて、気になっちゃったという感じですね! モンハン15周年記念イベントってのが2019年にあったみたいです。 このイベントの来場者データから、モンハンが売れる理由をみていくという流れです! まずは年代から! データ:https://prtimes.jp/main/html/rd/p/00000
分析屋の下滝です。 ミニ勉強会の5回目しました! 15分の勉強会です! 発表は10分で終わりますが、質問も含めていつも40分くらいになっています! ミニは無理なのかもしれません! 今回は、Kさんの発表です! 内容は、pysummarizationというpythonで書かれた要約ツールを使ってみた、という内容です! Kさんがこのテーマを選んだ理由です! 読み力を高めたいみたいな感じでしょうか!? そこで試してみたツールが、pythonのようやくツールのpysummarizationです! 公式サイトによると、pysummarizationは次のように説明されています! 本ライブラリは、自然言語処理とニューラルネットワーク言語モデルの一種を用いた自動要約機能です。本ライブラリを使用すると、テキストクラスタリングによってフィルタリングされたオリジナル文書やウェブスクレイプテキストの主要なポイント
分析屋の下滝です。 DX(デジタルトランスフォーメーション)とマーケティングとの関係を考えてくシリーズの44回目です。 ここ数回は、最近発売された『コトラーのマーケティング5.0』におけるDXとその他のDX書籍での方法論とがどのように関わり合うのかを分析しています。 DXが全社的な取り組みであるとした場合、その実行のプロセスには、整合性や一貫性が求められます。各DXの方法論において、マーケティング5.0がどのように関係するのかを分析することで、それら方法論にマーケティング5.0の考えを組み込めるかどうかを評価でき、その評価に基づき、適切な方法論を作りだせる可能性があります。 分析の最終的なアウトプットは、各方法論をベースに、マーケティング5.0の要素を組み込んだ新たな方法論となります。 今後の連載の議論の流れとしては以下を考えています。 1.マーケティング5.0におけるDXを確認する(第4
分析屋の下滝です。 ミニ勉強会の4回目しました! 15分の勉強会です! 発表は10分で終わりますが、質問も含めていつも40分くらいになっています! ミニは無理なのかもしれません! 今回は、Nさんの発表です! 内容は、大谷翔平選手のバッティングについてデータで見てみたというものです! 野球のことは全然知らない人も、大谷翔平のことは知っているのではないでしょうか! ちなみに、大谷翔平の発言に、次のものがあるらしく、かっこええな、と思いました! 「伸びしろですか? 伸びしろしかないと思ってます」 大谷翔平選手のバッティングについてデータで見てみたまずは、Nさんがトピックを選んだ理由です! マンガみたいな活躍なんですね。知りませんでした~。 野球略語をまず紹介。 MLB: Major League Baseball(メジャーリーグベースボール) AVG: Average(打率) H: Hit(安打
分析屋の下滝です。 ミニ勉強会の3回目しました! 15分の勉強会です! 発表は10分で終わりますが、質問も含めていつも40分くらいになっています! 今回は、Hさんの発表です! 内容は、テキストマイニングです! テキストマイニングは、文章のデータを使って、有益な情報を引き出すようにする感じです! さっそく、勉強会で作ったスライドをみていきましょう! 世界一のベストセラー本とは、何なのか!? ハリー・ポッターシリーズなのか!? ロード・オブ・ザ・リングなのか!? 答えは聖書のようです! 聖書をテキストマイニングしてみた、というのが今回の内容です! きっかけは、高尚な感じですね! 具体的に、テキストマイニングはどのように行うのでしょうか!? 超有名ツールがあります! KH Coderです! ホームページはこちら↓↓↓↓ KH Coderは、分析屋での実務でも使うことが何度がありました! スライド
今回は、T.Tさんより、「物件検索サイトにおけるデータ活用紹介~こんな機能もあったらいいな~」との発表でした! 15分のミニ勉強会の設定ですが、今回も45分くらい使ってしまいました。発表は10分ですが、色々と議論とかで増えました。 では、以下、スライドの紹介!! 物件というのは、賃貸物件のことです。このテーマをTさんが選んだ理由はこちら↓↓↓↓↓↓↓ 引っ越し経験が多い方は共感できるできる部分があるかも? そういや私も引っ越しが多い! 大阪 → 名古屋 → 埼玉 → 京都 → 大阪 → 神奈川だった。。。けれど、何を重視して物件選びしたんだろ。。。 ということで、物件サイトだと検索機能はありますよね。ある意味これは、各物件に紐づくデータが色々あるってことですね。 普段気にしたことがありませんが、こういうデータと紐付いているわけですね。 ・エリアデータ (都道府県・市町村・路線・駅) ・物件
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