はじめに 今回紹介するのは、Claude Opus 4.5 と M365 Copilot を組み合わせて、自社スタイルのPowerPointを自動生成する方法です。 上記PVはGemini3 Proで製作 きっかけ：まつにぃさんのNote記事 この方法を思いついたきっかけは、まつにぃさんが投稿された以下のNote記事です。 python-pptx ライブラリだけを使ってPowerPointを生成するPythonスクリプトが紹介されています。特に興味を引いたのがこの部分： このPythonスクリプトの強みは、ChatGPTやClaudeにスライド内容の編集から作成までをお願いできることにあります。Code Interpreter や Artifacts 環境でそのまま動くので、会話しながらスライドを仕上げていけます。 これを読んで思ったんです。 「このPythonコードを自社デザイン風に改修

初めましての人は初めまして、そうでない人はお久しぶりです。 エクスプラザで AIリードプロデューサー 兼 AIえばんじぇりすと をしている「まつにぃ」です。 以下のNoteに記載されているように、AIを楽しみながら仕事に邁進している人です。 昨今、スライド作成のサービスや手法がどんどん増えてきていますね。 Nanobanana Pro、Manus、Genspark、Gamma、Canva、そしてChatGPTやClaudeを使った生成など選択肢は増えてきています。 特に最近話題の「まじん式」は凄く良い思想設計だなと関心しました。 Googleスライド × Gemini × GASコードで、グラフや動画まで含む定型化スライドを作れるのは良いですよね。 ただ個人的には、こんなことで頭を悩ませていました。 テンプレートをもっと気軽にいじれないか？（もうちょっと気軽に調整がしたい） どの環境でも再

素人が生成AI無料期間中に作る！毎日自動で銘柄スクリーニング＆X自動通知Bot これまでの経緯 本記事は、Pythonによる株式スクリーニング自動化・実践の続編です。これまでの背景や検証の流れは、以下の記事をご確認ください。 現在構築中のスクリーニングモデルの全体像と今回やること 生成AI無料期間にスクリーニング結果自動通知botを作り始めた 今回のモデルのスクリーニング速度を100倍向上した方法 yfinance由来の軽量データセット構築 今回のモデルの改善点 今回のスクリーニングモデルの精度 相場状況を簡易的に数値化する 財務スクリーニング *2025年7月7日　リンク修正しました。お知らせいただきありがとうございました。 はじめに 毎日自動で銘柄スクリーニングの結果を知れたら、仕事が終わった後の疲れたの脳でも、めんどくさがらずに、お布団に吸引されることもなく、定期的に投資が続けられる

バージョンについては2025年2月時点での数字です。UbuntuのシステムPythonの場合、同じリリースでもマイクロバージョン（X.Y.Zの「Z」の部分）についてはアップグレードされることがあります。 UbuntuではもともとPython 2を使っていました。その後、Python 3へと段階的に移行し、2017年10月にリリースされた17.10からデスクトップ版でもPython 2が標準ではインストールされなくなりました。それからもPython 2のパッケージ自体は存在したのですが、2024年4月の24.04までにPython 2関連パッケージはすべてインストールできないようになっています。 ちなみにリリースによっては、「⁠複数のバージョンのPython」を提供していることもあります。たとえばUbuntu 22.04 LTSのシステムPythonのバージョンは3.10.6ですが、「⁠py

python 01agent.py INFO [browser_use] BrowserUse logging setup complete with level info INFO [root] Anonymized telemetry enabled. See https://github.com/gregpr07/browser-use for more information. INFO [agent] 🚀 Starting task: 今日の運勢について教えて INFO [agent] 📍 Step 1 INFO [agent] 🤷 Eval: Unknown - No prior goal was set. INFO [agent] 🧠 Memory: No actions have been taken yet. Current task is to find tod

5ヶ月間の運用結果(+704,415円)早速ですが，次の損益グラフがJQuantsAPIを用いて約５ヶ月運用してみた損益です。 5ヶ月間の運用結果(+704,415円)Xで流れてくる超人たちの爆益には到底及びませんが，凡人なので良いことにします。 データ取得→分析→戦略策定→実運用　の全てのプロセスにJQuants APIを使っています。マケデコ含めて出会えて良かった！！ 以下，各月の結果について振り返っていきます。 2024年6月の運用結果 (+94,070円)2024年6月の運用結果 (+94,070円)運用し始めて２週間で早速マイナス5万になってます。 初期に負け続け，懐疑的になったはずですが，よく運用をやめなかったなと思います。 バックテスト時に統計量（勝率，日々の平均収益，標準偏差，シャープレシオ等）を出しておき，それと比較して許容範囲だと判断できたのが良かったのだと思います。

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 ついに ChatGPT-4V が使えるようになりました！ これまでGUIを作成するときには、ChatGPT に 「まず左上にテキストボックスがあって、その右にボタンがあって...」 とちまちま指示する必要があったのですが、GPT-4V により画像を渡せるようになります。 この記事では、ChatGPT-4V を使うと GUI 作成がどのくらい楽になるのかを検証してみたいと思います！ 作成するGUIはこちらのものです。 2. GPT-4V の読み取り精度の確認 2.1. 日本語のポンチ絵 まず、元の記事で使用した日本語のポンチ絵を渡して、どのように読み取れるのかを確認します。 GUIの各要素の位置はなんとなく読み取れている感じがしますが、日本語の読み取り精度はあまり高くないようです。 2.2. 英語のポンチ絵 先ほどのポンチ絵を英語に変換してみます（左下だけ詳しく書き直しました

概要 はじめに Qlibの試用 動作条件 使用したrequirements.txt データの取得 予測の実施 出力 図示 ソースコード バックテストでのポートフォリオ分析 リスク分析、分析モデル おわりに 概要 本記事では、Qlibを使用して、機械学習パイプライン環境を構築する第一歩について述べる。 はじめに このブログの趣旨としては、当初は「戦略作成」→「戦略検証」→「戦略稼働」→「成果の評価」→「戦略へフィードバック」といったサイクルを管理できるような自動トレーディングシステムを作ることを考えていた。 最近、すこし株取引から離れていたのだが、最近になってまたやり始めようかなと思い、色々と現在の状況を調べはじめた。 その中で、MicrosoftのリポジトリにQlibというものがあるのを見つけた。これが2020年の8月から作られたもので、現在でもメンテされており、もしかするとこれがやりたい

PyData.Tokyoは「Python＋Dataを通じて、世界のPyDataエクスパートと繋がれるコミュニティーを作る」ことを目的として設立され、これまでに勉強会3回およびチュートリアル1回が開催されました（過去のイベントのリスト）。4回目の勉強会となる今回は「データ解析アルゴリズムの高速化」をテーマに、株式会社ブレインパッドの佐藤貴海さん（@tkm2261）とシルバーエッグ・テクノロジー株式会社の加藤公一さん（@hamukazu）の2人に話していただきました。 登壇者のレベルの高い講演に加え、ヤフー、日本IBM、NTTデータ、AWS、Gunosy、Preferred Networksなど、第一線で活躍されている非常に質の高い聴講者にも参加いただき、大変充実した会になりました。 Pythonは書きやすい言語仕様と豊富なライブラリが特徴で、手軽に複雑なデータ分析を行えますが、他言語と同じ感

PandasとNumPyとの違い NumPyは計算が速い Pandasは扱うデータが幅広い PandasはSQLと似た操作が揃っている Pandasは集計関数などの統計処理に強い Pandasは時系列データに強い Pandasは様々なインタフェースとの互換性を持つ 実際のデータ分析での流れ データの可視化の比較 計算速度の比較 違いのまとめ PandasとNumPyの互換性 NumPy→Pandas Pandas→NumPy まとめ Pythonでデータサイエンスをしている人は必ずと言っていいほどPandasとNumPyを使用していると思います。Pandasは、NumPyを利用してさらにAPIを拡張し、使いやすくしたものです。 本記事では PandasとNumPyの違い PandasとNumPyのデータ型の変換方法 について解説します。 PandasとNumPyとの違い PandasとNu

3D技術を用いてDXを推進 当社の独自ソリューション「Orizuru 3D」は「形状認識」「類似検索」「3D Viewer」といった3D/AI技術により、見積もり、設計、調達、製造工程設計などの業務の変革を推進します。 「Orizuru 3D」による自動見積は設計データ（3D CADなど）から製造価格/原価、納期を自動算出する技術で、当社では大きく2つのアプローチでソリューションを提供しています。CADや点群などの3D形状データからAIで特徴を抽出することにより、部品製造の見積もり・工程設計を効率化し、属人性を低減できます。 この技術はミスミ様の機械部品調達AIプラットフォームにも採用されています。 1自動見積 様々な要因が重なり経験者の暗黙知となっているケースが多い見積もり作業を、「ルールベースでの原価積算」「機械学習による価格推定」といったアプローチで自動化し、属人化の低減を実現します

こんにちは、ほけきよです。 pythonでデータを取り扱っているとき「あれ、これどうやるんだっけ？？」 ってなること、ありませんか？僕は10分に1回程度なります。 いや、覚えろと自分でも思うんですが、覚えられないんですよね。100回くらい同じコマンドを調べてたりする。 物覚えが良くないので、ココを見れば絶対大丈夫なようにしておこうと思い、まとめてみました。 jupyterで最初に開くときに読み込むモジュールたち datetime 日付⇔文字列の変換 datetimeの足し算引き算 json dict型⇔json jsonファイルの入出力 datetimeをjsonにする時、エラーが出る pandas ～以外を表すやつ andとor inf弾く リストをdfにサクッと変換 datetimeとして読み込み 読み込み時にcodecのエラーが出る DataFrameのfor文 numpy lins

はじめに コードは理解しやすくなければいけない。 リーダブルコード ―より良いコードを書くためのシンプルで実践的なテクニック (Theory in practice) 作者:Dustin Boswell,Trevor Foucher発売日: 2012/06/23メディア: 単行本（ソフトカバー） コードの保守性や可読性を高めるために我々エンジニアはどんなことができるでしょうか？ テストを書く 推奨されているコードスタイルに準拠する コメントを書く DRY原則に則る 変更・拡張しやすく設計する ログを出力する・監視する 適切な命名をする etc... まだまだ意識すべきことはあると思いますが、上記の項目はエンジニアであれば恐らく一度は目にしたことがあるような内容であり、暗黙的に了承されたいルールです。 しかし、これらはただの心構えであり、体現するために実際には以下のような項目に落とし込む必要

前提・実現したいこと Mecabのサンプルを動かしている際にnode.surfaceの結果が想定と異なります。 MeCabを使い parseToNodeでnodeに分割した場合に node.surface で表層ではなく 後半部分が取得されてしまいます。 バージョン python: 3.7.1 mecab: 0.996 発生している問題・エラーメッセージ 実際に実行した結果と想定している結果を記載致します。 実行結果 庭には二羽鶏がいる。 BOS/EOS,*,*,*,*,*,*,*,* 庭には二羽鶏がいる。 名詞,一般,*,*,*,*,庭,ニワ,ニワ には二羽鶏がいる。 助詞,格助詞,一般,*,*,*,に,ニ,ニ は二羽鶏がいる。 助詞,係助詞,*,*,*,*,は,ハ,ワ 二羽鶏がいる。 名詞,数,*,*,*,*,二,ニ,ニ 羽鶏がいる。 名詞,接尾,助数詞,*,*,*,羽,ワ,ワ 鶏がい