Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? １．はじめに こんにちは。(株) 日立製作所のLumada Data Science Lab.の山崎 建です。 私は入社１年目の新人データサイエンティストであり、普段の業務では、データ分析による課題解決や、データ利活用のためのコンサルティングを行っています。 今回は 自身のデータサイエンスの知識と生成AIを用いて、自宅で活用できるデバイスを短期間・低コストで開発できる ことを実体験を紹介しながらお伝えします。 本記事が、ご覧くださっている方々が気軽にデバイスの開発に取り組み、その面白さを体感するきっかけとなれば嬉しいです。データサイエン

特徴量/featureの設定 ここがElasticの提供するLearning To Rankで特徴的な箇所だと思われます。今あるジャッジメントリストを見ると、クエリー文字列に対してドキュメントの関連度が定義されているので、もう学習ができそうにも見えるかもしれません。しかし、一般的に機械学習では文字列は直接学習に利用することはできません。Elasticseachで言うところのkeywordのように、いくつかの種類をとるような文字列パターンのみならエンコーディングというテクニックを使って数値化する方法も使えるかもしれませんが、通常クエリーには自然文が入ってきます。時には比較的長い文章になることもあるでしょう。そういった文章に対して、適切にエンコーディングを行うことは難しいものと考えられます。 そこでElasticsearchでは、そのクエリーを実際にElasticsearchで検索してみて、そ

今回はGeminiアイコンを開きます。 「Login to Google Cloud」をクリック。 「Open」 ログイン用のアカウントを選択します。 「ログイン」 「Enable API」で有効化します。 これでGeminiを使用する準備が出来ました。左下のチャット欄に指示を入力するとGeminiが答えてくれます。 ちなみにBottom barの左下の雲アイコンの右側にはログイン中のGoogle Cloudのプロジェクト名が表示されます。ログイン後はデフォルトPJが選択されますが、適宜クリックして変更してください。（以下のスクショではPJ名は消しています） 使い方 実際に拡張機能の使い方を見ていきます。 チャットからコード生成 まずはゼロベースでコードを生成する指示を出してみます。 以下の例は、青色の部分が入力した指示文で、それ以降はGeminiの出力です。 このくらいは難なく作成してく

本書ではソフトウェア開発の工程で起こりがちな42の失敗事例を取り上げ、その原因と回避方法を解説しています。 特に新任リーダーやチームで開発に取り組むエンジニアにとって、絶対に避けるべきだとわかっていながら避けられない失敗や、気づいたらはまってしまっていた落とし穴など、チームの足を止める状況はできるだけ避けたいものです。もし完全には避けられないなら、被害を最小限に抑える必要があります。 紹介する失敗エピソードは、例えば下記のようなもの。それぞれのエピソードに、架空の開発現場を舞台にした4コマ漫画も収録しています。 機能がてんこ盛りで実装が間に合わない「全部入りソフトウェア」 お願いされた機能を断れない「八方美人な仕様」 ユーザーを迷わす自分ルールのUI「オレオレ表記」 行間を読ませる「文学的仕様書」 リリース版が復元できない「不完全リポジトリ」 アクションしない「聞くだけ進捗会議」 施策を打

AppleはMac上でクロスコンパイルによるLinuxバイナリの生成を可能にするSwift言語の新しいSDK「Swift Static Linux SDK」を発表しました。 Mac上でLinuxバイナリの生成を可能にするSwift Static Linux SDK Swiftは以前からMacやiPhoneなどのAppleプラットフォーム、Windows、Linuxに対応しており、Linux用のアプリケーション開発が可能です。 しかしこれまでSwiftで開発したLinuxアプリケーションは、ターゲットとなるマシンにSwiftのランタイムや依存関係を持つファイルなどをあらかじめコピーしておく必要がありました。また、特定のLinuxディストリビューションのバージョンをターゲットに開発した場合、メジャーバージョンが変わるとうまく実行できないことがありました。 今回発表された「Swift Stati

損失関数 (Loss function) って？ 機械学習と言っても結局学習をするのは計算機なので，所詮数字で評価されたものが全てだと言えます．例えば感性データのようなものでも，最終的に混同行列を使うなどして数的に処理をします．その際，計算機に対して「どれくらい間違っているよ」という結果を伝えるための計算式がこれにあたります．つまり，これが大きければ大きいほど大きく間違っているということになります． ざっくりとした数式で表すと簡単に以下の式で表されます．ほぼ情報量がゼロの式ですが． つまり，何かしらの定義に基づいて $Y_\mathrm{prediction}$ および $Y_\mathrm{grand\mbox{_}truth}$ の違い・誤差・距離を計測するというものがこれにあたります． また，以下の式に関しまして基本的に損失関数として考えた入力， $y_{\mathrm{pred}}

「llamafile」は大規模言語モデルのモデルやウェイトの情報が1つの実行ファイルにまとまった形式のファイルです。Linux・macOS・Windows・FreeBSD・NetBSD・OpenBSDという6つのOS上でインストール不要で大規模言語モデルを動作させることが可能とのことなので、実際にWindowsおよびLinuxディストリビューションの1つであるDebian上で動かしてみました。 Mozilla-Ocho/llamafile: Distribute and run LLMs with a single file. https://github.com/Mozilla-Ocho/llamafile#readme Introducing llamafile - Mozilla Hacks - the Web developer blog https://hacks.mozilla

株式会社サイバーエージェント（本社：東京都渋谷区、代表取締役：藤田晋、東証プライム市場：証券コード4751）は、75億パラメータの日本語VLM（Vision Language Model、大規模視覚言語モデル）を公開したことをお知らせいたします。 近年、OpenAI社が開発した「GPT-4o」※1 を始めとした画像も扱えるLLMが急速な進化を遂げており、世界中のあらゆる業界・ビジネスにおいて活用が進んでいます。 当社においてもデジタル広告におけるクリエイティブ制作において、2023年5月に画像を考慮した「広告コピー自動生成機能」を実装するなど、画像とテキストの複合領域での研究開発および活用に取り組んでおります。 一方、既存の公開されているVLMのほとんどは英語を中心に学習されているため、日本文化の理解や日本語での会話に強いVLMは少ない状況です。 こうした背景のもと、当社は日本語VLMの開

2024年6月13日に大阪大学大学院 情報科学研究科で行った「情報科学特別講義Ⅰ」の講義資料です。 https://www.ist.osaka-u.ac.jp/japanese/news/newsDetailNews.php?id=308

Kapper@Linuxガジェヲタ＆異世界小説家＆生成AI＆電子工作大好き @kapper1224 パウ…では無いけどヤフオク3000円で買ったジャンクChromebook Lenovo 300e。 ストレージ少なくてAMD A4だからウマ娘とSteam動かないけどそれ以外はいいね。Linuxコンテナ動かして使える。 ガラスが浮いてるから光が入るけどそれ以外は問題なし pic.twitter.com/2DubNcJg2H 2024-06-12 19:36:08

※本サイトは、アフィリエイト広告および広告による収益を得て運営しています。購入により売上の一部が本サイトに還元されることがあります。 Appleが、WWDC24において「機械学習とAIモデルをAppleシリコンに統合」を公開しています。 AppleのCore MLチームのエンジニアQiqi Ziao氏は、Core ML Toolsに加えられたいくつかのエキサイティングなアップデートについてお話しします。これらのアップデートは、機械学習やAIのモデルをApple Siliconでより良く活用するのに役立ちます。モデルデプロイのワークフローには3つの重要な段階があります。 私は準備段階に焦点を当て、多くの最適化を共有し、デバイス上でモデルを最も効率的に実行するための機能が含まれていることを確認します。このセッションでは、あなたがすでに機械学習モデルを持っていると仮定します。このモデルは、事前に

こんにちは。kimihiro_nです。 今回はアプリケーションの動作を保証するために不可欠なテストコードの書き方についてです。 特に外部依存要素のテストに焦点を当ててみていきたいと思います。 外部に依存するテストコード 皆さんはアプリケーションのテストコードを書いていますか？ 内部的な状態を持たず、入力と出力が常に変化しない関数であれば、テストコードを書くのは比較的容易です。実際に関数を呼び出ししてその出力と期待値が一致しているかをみればテストすることができます。 しかし実際にアプリケーションを開発する場合、データベースへの接続だったり外部へのAPI呼び出しだったりといった外部の状態に依存した処理が含まれることが多いです。このような場合、素直にテストを書くのが難しいです。 多くの場合モックを利用して実際のデータベース呼び出しを置き換えたり、テスト用のリソースをdockerなどで構築してダミ

こんにちは。LINEヤフー株式会社で、出前館というプロダクトのサーバーサイドエンジニアをしている古田大志です。 株式会社出前館はLINEヤフーのグループ会社です。資本業務提携を結んでいて、LINEヤフーが開発などをサポートしています。 詳しくはこちらをご参照ください。（https://corporate.demae-can.co.jp/pr/news/demaecan/line.html）（外部サイト） 今回の記事では、その出前館における開発の内容を紹介させていただきます。 出前館はデリバリーサービス事業のプロダクトで、開発においてはマイクロサービスアーキテクチャを採用しています。出前館のマイクロサービスの1つに、クーポンに関するドメインの責務を持ったコンポーネントであるクーポンサービスがあります。 クーポンサービスでは、ビジネスエンハンスに伴う「非機能要件の増大」や「仕様の複雑さの肥大化

人工知能（AI）に仕事を奪われるのではないかとビクビクしている人は大勢いる。その気持ちはよく分かるし、理解もできる。だが、AIは新しい仕事への扉を開くものでもある。上位の職種では、「OpenCV」「PyTorch」「TensorFlow」を使ったプログラミングの知識といった高度なスキルが求められるが、コンピューターサイエンティストではない人向けの仕事もある。例えば、Amazon Web Services（AWS）では、さまざまなトレーニングコースや新しい認定資格を導入して、さまざまな人に門戸を開いている。 企業の従業員がAIの専門知識を身に付け、その知識を証明できるようにするために、AWSは必要なAIスキルを学べる新しいAIトレーニングコースと、そのスキルを証明できる2種類の新しい認定資格を発表した。具体的には次の通りだ。 「AWS Certified AI Practitioner」：こ