ヤバい保険の経済学――〈選択問題〉で、なぜいつもコケてしまうのか？ 作者:リラン・エイナヴ,エイミー・フィンケルスタイン,レイ・フィスマンみすず書房Amazonこの『ヤバい保険の経済学』は、特に保険でよくみられる「選択問題」、またこれが存在する「選択市場」の難しさを扱った一冊になる。選択問題って何？？　複数の選択肢から一個選ぶ系の問題？　と思うかも知れないが、まったく違う。 「選択市場」とはどのようなものかといえば、条件は主に二つある。第一に、買い手は売り手の知らない自分についての情報を持っていること。二つ目は、買い手がどれほど良い顧客になるかに、この情報が影響を与えることだ。たとえば医療保険を売る側からしてみれば、「健康そのもので死ぬまで病気もしない顧客」を相手にしたい。しかし現実的にはそうではなく、健康に不安を抱える人間ほど、医療保険を求めるし、顧客の真の健康情報は(たとえば運動するか

タスク管理できない人間のぼやき ELYZAでプロダクト機械学習エンジニアをやっている中村(@tyo_yo_)です。 新しい機能を実装する際、PRD (プロダクト要求仕様書: Product Requirements Document) から実装すべきタスクを一つひとつ切り出していく作業。「ここはこうで、あそこはああで...」と考えながらチケットを作る時間って、正直コーディングより疲れませんか。 あと、歯を磨いている時にふと「あ、あの不具合直さなきゃ」と思い出す瞬間。スマホを取り出してバックログツールにメモしたり、いつのまにか混沌と化したバックログを見て目を背けてしまったり... 弊社ではGitflowに基づいた開発フローを採用しているのですが、Notionのボードビューでのタスク管理とはどうも噛み合わない部分がありました。PRやブランチの進行に合わせてカードを更新してもすぐにズレが生じたり

FigmaがGoogleとの戦略的パートナーシップを発表し、AI技術を活用したデザインツールの大幅な機能向上を実現する。この提携により、Gemini 2.5 Flash、Gemini 2.0、Imagen 4といった最先端のAIモデルがFigmaプラットフォームに統合され、月間1300万人以上のアクティブユーザーがより効率的なデザインワークフローを体験できるようになる。 統合されるAI機能の中核となるのは、画像編集と生成機能の大幅な改善だ。Gemini 2.5 Flashの導入により、「Create Image」機能のレイテンシが50%削減され、デザイナーはより迅速にビジュアルコンテンツを作成・編集できるようになる。また、Imagen 4モデルにより、高品質な画像生成が直接Figma内で可能となり、外部ツールへの依存を減らすことができる。 このパートナーシップは、プロダクトデザイナーとその

ビジネスや研究に役立つ、経済・家計・金融・企業などの公的統計・オープンデータの分析方法を徹底指南。Pythonによるデータハンドリング、公的機関からのデータ取得、可視化・分析手法が、初学者でも確実に身につく！ 目次 第1章　序論 1.1　はじめに 1.1.1　想定読者 1.1.2　前提知識 1.1.3　本書の構成と読み方 1.2　データの利用規約と著作権について 1.3　Pythonの実行環境 1.3.1　本書のPythonスクリプトの表記とターミナルの表記 1.3.2　Pythonの環境構築 1.3.3　本書のPython実行環境の設定 1.3.4　Pythonの実行とJupyter 第I部　Pythonデータ分析の基礎 第2章　データハンドリングとpandas 2.1　pandasとデータフレーム 2.2　データ型 2.3　データの確認 2.4　データ抽出・追加・置換 2.5　欠測値と

日経BOOKプラスに掲載されている記事、本、著者を任意のキーワードで検索することができます。 ※ISBNも検索にご利用いただけます。ISBNとは出版物固有の13桁の番号で、裏表紙に記載されています。本サイトでISBNを使って書籍を検索する際は、ハイフン（-）を省略し、13桁の数字のみを半角文字で入力してください。

デジタル庁は10月9日までに、AIが法務でどれほど使えるかを測る「日本の法令に関する多肢選択式QAデータセット」を公開した。同データセットは、法令分野に関する4択問題と回答、問題の背景となる法令の抜粋などを含む。行政機関や企業の法務部門でのAI導入に役立てたい考えだ。 同データセットは、複数の大規模言語モデル（LLM）により作成・検証したもの。含まれる問題が選択式のため、AIの回答を自動で採点・評価しやすいのが特徴だ。政府が持つデータのAI開発での活用を目指し、同庁が実施した「政府等保有データのAI学習データへの変換にかかる調査研究」で利用した。 同データセットの主な利用方法として、AIが法務でどれほど使えるかを測る評価データを想定する。また、同庁のテストによると、同データセットをPreferred NetworksのLLM「PLaMo-100B」の継続事前学習と指示学習に利用することで、

れきちずとは 「れきちず」は、歴史的な地図を現代の地図感覚で楽しめるウェブサービスです。 これまでの「古地図風」ではなく、誰にとってもわかりやすく、読みやすい「現代風デザイン」で歴史地図を作成しています。 現在は江戸時代後期（1800〜1840年ごろ、文化・文政・天保年間）を想定した地図を公開中です。 本サービスは現在、暫定版として公開しており、日々アップデートを行っています。 内容に不備や誤謬が含まれる場合がありますので、あらかじめご了承ください。 データ利用について スクリーンショットの利用について 地図のスクリーンショットは、出典（れきちず）を明記していただくことで、ブログ記事（note等での有料記事も可）、SNS投稿等で自由にご利用いただけます。 タイルデータの利用について れきちずのタイルデータ・スタイルはCC BY-NC-ND 4.0の下、自由に利用することが出来ます。すなわち

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? OpenAI Agent Builderを触ってみた：Difyとの違いと実践ガイド Agent Builderについて調べて実際に触ってみたんですけど、なんかこれって単なる新ツールじゃなくて、けっこう本質的な転換点な気がしてるんです。 Agent Builderって何？ 簡単に言うと、ビジュアルでAIエージェントのワークフローを組み立てられるツール。OpenAIが2025年にリリースした公式のエージェント開発環境です。 ノードをドラッグ&ドロップして、つなげていくだけ。コードをゴリゴリ書く必要がない。LangChainで挫折した人でも、

はじめに2025年10月6日、OpenAIがAgentKitを発表しました。これは、AIエージェントを簡単に作って、実際に使えるアプリにできるツールセットです。 このガイドでは、AgentKitを使って天気予報エージェントを実際に作ってみるまでの一連の流れを解説していきます。 AgentKitの主要な要素の使い方 Agent Builderでのワークフロー作成 Web検索ツールの実装 セキュリティ機能（Guardrails）の実装 ChatKit Widgetを使った視覚的なUI作成 それでは、AgentKitの構成要素について詳しく見ていきましょう！ AgentKitとは？OpenAIのAgentKitは、開発者や企業がAIエージェントを作成し、実際のサービスとして公開・改善するためのツールの集まりです。 これまでのエージェント開発では、複雑なワークフロー管理、外部サービスとの連携設定、

fukabori.fmのtwadaさん回、面白いなー分かるなーって思いながら聞いて、今の自分の頭の中を書きだしてみようと思ったので書いておく。 どのくらい生成AIに任せているかをあらわす指標 どのくらい生成AIに任せているかをあらわす指標は、こうかなぁと僕は思っている。 「生成されたコードを自分が読んでいない割合」 どれだけたくさん生成AIにコードを書いてもらっていたとしても、生成されたコードを自分が全部読んで理解している場合は、主導権は自分にある。逆に、生成されたコードを全く読んでいなければ生成AIに主導権がある。 右のほうが生産性は上げやすい AIにどれだけたくさんコードを生成してもらったとしても、全部読んで理解しないといけないなら人間がボトルネックになる。右側にいけばいくほど、生成AIに任せられるので生産性は上げやすい。 ただ、右側にいけばいくほど自分がコードを理解していないし、構造

はじめに こんにちは。2025年5月よりaskenでデータサイエンティストとして働いている平です。 私はこれまでデータサイエンティストとしてSQL・R・Pythonを使った分析やプロトタイプ作成は行なっていましたが、ReactやFastAPIといったモダンなWeb開発技術を使って本番環境で動くアプリケーションを作ることは未経験でした。機械学習モデルをプロダクト化したいと思いつつも、このスキルギャップをどう埋めるかが入社以前から課題でした。 そんな私にとって、AIツール、特に「Vibe Coding」という開発スタイルは、このギャップを越える可能性を感じさせるものでした。今回は入社してからの約5ヶ月間、実際にAIツールを使って開発に挑戦した経験を振り返ります。 (こちらの記事は、「すぐに試せる！AI活用リアルLT」での発表内容を元に作成しています) 3つのAIツール導入 入社数日でCurso

はじめにメディア研究開発センターの山崎です。 毎日いろいろ移動しているけれど、気づくと忘れてしまいがち。自分の行動を記録しておきたいと思い、Googleマップのタイムラインを活用した日記自動生成に挑戦してみました。Googleマップのタイムライン（Location History）には細かなログが残っているので、これを材料に生成AIで日記っぽくまとめる仕組みをPythonで作ってみました。 Googleタイムラインデータの取得使用するデータはGoogleマップアプリに記録されているGoogleタイムラインデータです。端末内に保存する仕様になっており、どうやらPCからはダウンロードできなくなりました。スマホのGoogleマップアプリの「設定」からダウンロードして、PCへ転送できます。 ダウンロード手順とデータについては以下にて解説されています。 Googleタイムラインデータの内容ダウンロー

tl;dr Claude Sonnet 4.5 が発表されたよ コーディング性能はあらゆるモデルの中で一番高いよ ミスアライメントがすべてのモデルの中で最も低いよ Opus 4.1 と比べても全体的に性能が向上しているよ Claude Code が v 2.0.0 にアプデされたよ Claude Code にチェックポイント機能がついたよ（ESC x2 か /rewind） Claude Code SDK が Claude Agent SDK にリネームされたよ Claude for Chrome がウェイトリスト登録者全員に解放されたよ Claude API にコンテキスト管理のふたつの機能が追加されたよ Claude Sonnet 4.5 に既に対応済みのサービスをまとめたよ Claude Sonnet 4.5 の発表にともなって公開されたリソースが盛りだくさんで、迷子になりかけたので

こんにちは！ 前回のnoteでは、私の自己紹介と、「なぜ今、楽天エンジョイバッジについて発信するのか？」という、このnoteを始めたきっかけをお話ししました。 まだ読んでいない方は、ぜひこちらもご覧くださいね！ さて、今回は前回の予告通り、「楽天エンジョイバッジってそもそも何？」という基本的な疑問について、深く掘り下げていきます。 「楽天ポイントは貯めてるけど、バッジはよく知らないな…」という方も多いのではないでしょうか？実は、このバッジ、楽天生活をさらに楽しく、お得にする隠れた魅力なんです！ ちなみに、私自身は現在エンジョイバッジを31個獲得し、全種類コンプリートを目指して日々奮闘中です🔥 将来的に、このバッジの数が増えることで、楽天から特別な特典や、もしかしたら現在のブラックカードよりもさらに上位の、特別な待遇が受けられるようになるのではないかと、密かに期待もしています！ 1. 楽天

uvが良さそうという噂を聞いたので、自分の場合はMiniForgeからuvに移行することを決意しました。 直接のきっかけは以下のUdemy講座の受講です。eikichi先生ありがとうございます！ Python初学者でもOK！UV×VSCode×GitHub×Vast aiを活用したデータ分析・AI開発環境構築術 MiniForgeはインストールしてないよって人は、最初のMiniForge/Pyenv削除を読み飛ばせばuvのセットアップ記事として読めます！ MiniForge/Pyenvの削除 MiniForgeを断固たる決意で削除します。以下記事の最後にちゃんとアンインストールの方法が書いてあります。 pyenvの場合は以下です。 uvのセットアップ 公式ガイドを参考にセットアップします。 インストールは以下コマンドです。