この記事は、投資とAI（機械学習）の交差点に興味を持ち、実際に学習を進めてきた記録とリソースのまとめです。 本記事は、マケデコアドベントカレンダー１日目の記事です。 はじめに 近年、個人のPCスペック向上やPythonライブラリの充実により、個人でも高度な金融データ分析やバックテストが可能になってきました。「投資 x AI」の領域は非常に奥が深く、どこから手をつければ良いか迷うことも多いです。 今回は、私がこの領域を学ぶにあたって実際に取り組んだMOOC（オンライン講座）、読み込んだ専門書、そしてインスピレーションを受けた読み物を体系的にまとめます。これからクオンツトレードやファイナンス機械学習を学びたいエンジニアの方々の参考になれば幸いです。 1. 手を動かして学ぶ（MOOC編） まずはPythonを使って実際にポートフォリオ構築やアルゴリズムを実装する講座です。理論だけではイメージしづ

はじめに 生成AI（ChatGPT、Claude、GitHub Copilotなど）でコードを書く機会が激増している中、開発スピードは劇的に向上していますが、「動くコード」と「安全なコード」は別物です。 特に本番環境では、パフォーマンスやセキュリティ、保守性まで考慮する必要があります。 AIが特に書きがちな（または書いたら嫌な）危険パターンを15個 厳選してみてみました。それぞれに「何が危険か」と「修正例」をセットにしています。 【 この記事の対象読者 】 ◇ 生成AIを使ってPythonコードを書いているエンジニアとか ◇「動くけど本番に載せて大丈夫？」と不安を感じたことがある人とか ◇ チーム開発でAI生成コードを安全に活用したい人とか とりあえず、「覚えておいたら便利かも！」ってところです。

以下の記事が面白かったので、簡単にまとめました。 ・modelcontextprotocol/python-sdk 1. 概要「MCP」を使用すると、アプリケーションは標準化された方法でLLMにコンテキストを提供できます。これにより、コンテキストの提供とLLMとの実際のやり取りを分離できます。「Python SDK」はMCP仕様を完全に実装しており、以下のことが容易になります。 ・任意のMCPサーバに接続できるMCPクライアントの構築 ・リソース、プロンプト、ツールを公開するMCPサーバの作成 ・stdio、SSE、Streamable HTTPなどの標準トランスポートの使用 ・すべてのMCPプロトコルメッセージとライフサイクルイベントの処理 2. インストール2-1. PythonプロジェクトにMCPを追加Pythonプロジェクトの管理には「uv」が推奨されています。 (1) プロジェク

8月22日、Pythonのf文字列（f-string）に関するチートシートが公開され、海外で話題を呼んでいる。 以下に、その内容をかいつまんで紹介する。詳しくは元ページを参照いただきたい。 All numbers（すべての数値） 以下の変数を前提とする。 >>> number = 4125.6 >>> percent = 0.3738 例の出力 置換フィールド Fill Width Grouping Precision Type

Google DeepMindは2025年7月10日（現地時間）、大規模言語モデル（LLM）によるAIアプリ開発を効率化するPython向けオープンソースライブラリ「GenAI Processors」を発表した。非同期・並列処理による柔軟なデータフロー設計が特徴で、Gemini APIとの連携にも対応する。 本ライブラリは、入力処理・前処理からモデル呼び出し、出力処理まで一貫して扱える「Processor」インターフェースを提供し、テキストや音声、画像など各種データを双方向の非同期ストリームとして処理できる。 GenAI ProcessorsはPythonのasyncioを活用した非同期・並列実行制御を自動化し、リアルタイム応答性や低遅延性を確保できる点が利点である。Gemini APIやGoogleの各種APIとの連携も容易であり、音声・映像ストリーミング処理や対話型エージェントの実装が

この記事で学べること この記事を読むことで、以下のスキルが身につきます。 Pythonコードのボトルネックを特定する方法 NumPyを使ったベクトル化処理の実装 非同期処理による並列化テクニック メモリ効率を最適化する実践的な方法 JITコンパイラ（Numba）の効果的な使い方 それでは、実際のコードと測定結果を見ながら、Pythonの高速化テクニックを学んでいきましょう。 なぜPythonは遅いのか？そして、どう高速化するのか？ Pythonが遅い理由を理解していますか？ 普段Pythonを使っている皆さんは、なぜPythonが遅いと言われるのか、その根本的な理由を理解しているでしょうか。Pythonの実行速度が遅い主な理由は以下の通りです。 動的型付け1 - 実行時に型チェックが行われる インタープリタ実行 - コードが逐次解釈される GIL（Global Interpreter Lo

はじめに Anthropic といえば、最近はコード生成ツールが大きな話題になっていますよね。 ＡＩ企業アンスロピック、今年の売上高30億ドルに急増へ 売上高を牽引しているのはコード生成機能です。グーグルの親会社であるアルファベット（[GOOGL.O](https://jp.reuters.com/markets/companies/GOOGL.O)）や、アマゾン・ドット・コム（[AMZN.O](https://jp.reuters.com/markets/companies/AMZN.O)）が支援しているアンスロピックは、コンピュータープログラミングに特化した AI として知られています。 このコード生成機能を活用する際に使用するのが、CLI コマンドの claude です。このツールの完成度は非常に高く、最近ではコード生成時に積極的に利用するエンジニアも増えてきています。 この cla

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

お疲れさまです。とーちです。 こちらの記事を読んで、MCPサーバーすごそうとなったのでMCPについてキャッチアップしたくなりました。 また、こちらの資料を読んでいて知ったのですが、MCPサーバーを作るクイックスタートが公開されているようです。これは良さそうだと思ったのでクイックスタートをやってみることにしました。 やさしいMCP入門 クイックスタートのURLは以下になります。 For Server Developers - Model Context Protocol MCPとは？ そもそもMCPとは？といった部分については上記の資料等をご確認いただければと思いますが、自分なりに理解したことをまとめると以下のようになります。 MCPとは アプリケーションが LLM にコンテキストを提供する方法を標準化するためのもの MCP は、AI アプリケーション用の USB-C ポートのようなもので、

はじめに こんにちは。２０２３年１２月からInsight Edgeに参画したData Scientistのカイオと申します。 入社してから幅広い分野のAIや機械学習だけでなく、API構築やクラウドと関わり海外出張までする機会があって非常に感謝しています。 最近、LLMを使ってPPTXを生成する案件に携わり得た知識を共有しようと思ってこの記事を書きました。 目次 PPTXファイルの構成 PythonによるPPTXライブラリ(python-pptx) わかった課題 まとめ PPTXファイルの構成 皆様ご存知だと思いますが、PowerPointが世界一使われている発表資料です。OpenOffice等のオープンソースアプリも存在しますが人気度がそこまで高くありません。 PowerPointは２００７においてPPTからPPTXフォーマットに変わってその中身の仕様は大きく変わりました。中身は非常に複雑

今年（2025年）10月にリリースされる予定のPython 3.14では新型のインタプリタが採用され、実行速度が最大で30％改善される見通しであることが分かりました。 テイルコールに基づく新型インタプリタ 現在開発中のPythonの最新バージョン「Python 3.14」では、新型インタプリタが採用される予定です。 Python 3.14のドキュメント「A new type of interpreter」では、この新型インタプリタについて次のように説明されています。文中の「CPython」とはPythonの標準実装のことで、C言語で実装されているため通称CPythonと呼ばれています。 A new type of interpreter based on tail calls has been added to CPython. For certain newer compilers, t

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに この記事では、私がこれまでXで発信してきたデータサイエンスに関わるさまざまな分野のチートシートを一挙にまとめました。前処理、可視化、機械学習、深層学習、ベイズ・統計、さらにはその他の関連トピックまで、私が作成したものからネット上のものまで多岐にわたる内容を網羅しています。 それぞれのセクションでは、実践的かつ即戦力となる情報が詰まったチートシートを紹介しており、初心者から上級者まで幅広い層に役立つ内容を目指しました。 日頃からX（旧Twitter）を通じて、データサイエンスに関する知識や役立つリソースを共有していますが、今回の

この記事は 2024 TSG Advent Calendar 3日目の記事です。昨日の記事は @__dAi00 さんの記事 AivisSpeechを使ったDiscordボットの作成　①AivisSpeechをGoogle Cloud Runにデプロイする でした。12/5 公開予定の続編も楽しみです。 今回は、初日に公開した以下の記事の副産物です。 import unicodedata # Python 3.12 まで 1000000000000.0 # Python 3.13 から 1000000.0 print(unicodedata.numeric("兆")) 大変だ。Python 3.13 から「5000 兆円」が 50 億円になってしまう（？） unicodedata.numeric メソッドと Unicode 例によって Unicode が関係してきます。前編でも触れたとおり、

【追記おしらせ！】本ブログで紹介したPyxelの本が出ます！しかも Kitaoさん著&監修。ご縁あってイベントも開催します！ ■ゲームで学ぶPython！ Pyxelではじめるレトロゲームプログラミング