この記事はLivetoon Tech Advent Calendar 2025の11日目の記事です。 本日はCTOの私がよく使ってるSQLModelについてお話します。 宣伝 今回のアドベントカレンダーでは、LivetoonのAIキャラクターアプリのkaiwaに関わるエンジニアが、アプリの話からLLM・合成音声・インフラ監視・GPU・OSSまで、幅広くアドベントカレンダーとして書いて行く予定です。 是非、publicationをフォローして、記事を追ってみてください。 SQLModelとは SQLModelは、 Pydantic と SQLAlchemy のいいとこ取りをしたPython ORMライブラリです。FastAPIの作者（tiangolo）が開発しており、以下の特徴があります： Pydanticの書き心地: バリデーション・型安全性をそのまま活用 SQLAlchemyの互換性:

記事の概要 ローカルにDIfyを構築すると、docker上に構築することになり、ローカルにファイルを保存したり、ローカルのファイルを読み込むのがめんどうな構成となっている。 特にLLMを使ったアプリ開発などでは、Dify上で実行できるプログラムにはかなり制限があるため、ローカルにファイルを出力したくなる。 そこで、ローカルへのファイル出力と読込をpythonのライブラリであるflaskを利用して実現する。 ただし、Dify自体に外部へのファイル出力の機能が実装されるのも時間の問題と思うので、一時的な手順と考えている。 全体的な構成は以下の構成となっている。 ローカル側の設定 pythonがインストールされているWindowsのPC上であれば、以下のコマンドをコマンドプロンプトで実行すれば、ローカルPC側の構築は完了する想定。 mkdir dify_external_folder cd di

1. https://developer.twitter.com/ja/docs/twitter-api2. 登録を押す 3 . 認証画面に遷移するので、APIを使いたいアカウントでログインする4. 有料をめっちゃ進めてくるので一番下に小さく案内のある"Sign up for Free Account"をクリックする5. 利用目的を聞かれるので回答する6. Dashboard画面に遷移する 7. PROJECT APPの歯車をクリック8. Projects & Apps画面に遷移するので、画面下の”User authentication settings"のEditをクリックする9. APIを使って投稿したいのならApp permissionsをRead and writeもしくはRead and write and Direct messageに変更する10. Type of AppをW

はじめに テントの中から失礼します、CX 事業本部のてんとタカハシです！ YouTube Live で配信を行うことが私の日常なのですが、そんなに視聴してくれる方が多いわけでもないので、チャット欄が結構寂しいです。 そこで、Spotify で再生中の曲を定期的に書き込んでくれる Now Playing Bot を作ってチャット欄を賑わせてみました。 ソースコードは下記リポジトリに置いています。 GitHub - iam326/now-playing-bot-on-youtube-live デモ チャット欄がこんな感じになります。 前提条件 この Bot を動かすための前提条件は下記の通りです。 YouTube Live を配信可能なアカウントを所持していること YouTube Data API を使用するために必要な認証情報が作成済みであること Spotify Web API を使用するた

はじめに テントの中から失礼します、CX事業本部のてんとタカハシです！ 以前、下記の記事で、私の YouTube チャンネルに関するデータの集計結果を記載しました。 データの集計には、YouTube Data API を使用しました。YouTube Data API を使用するためには、OAuth 2.0 か API キーで認証を通す必要があります。自分のチャンネルに関するデータの取得や操作を行う場合は、OAuth 2.0 による認証が必要です。 今回は、OAuth 2.0 による認証を通して YouTube Data API を叩くまでの手順を記載します。コード自体は Python で書いていきます。 YouTube Data API の概要や、どんな機能があるかについては、公式で日本語のドキュメントが用意されているので、そちらをご参照ください。 YouTube Data API - Y

更新のお知らせ 好評につきまして Altair のハンズオン資料を大幅アップデートしました。ぜひこちらもご活用ください。 概要 本稿ではグラフ可視化ライブラリ Altair を用いて、interactive な図を作成する方法を紹介する。前稿では Kaggle のデータセットを用いたが、今回は乱数を用いてクロスセクションデータ（ある一点のデータ）と時系列データをそれぞれ生成し、それぞれに適した可視化を説明する。 ハンズオン (2022年11月26日追記) 本稿のipython notebookを公開しました（WEB形式, ソースコード）。よろしければご活用ください。 Altair の長所 データ可視化記述フォーマット VEGA に準拠したデザイン streamlit などでサーバーを立てなくても interactive な図を html や vega で出力できる。（interactive

You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

はじめに こんにちは、検索基盤部の伊澤です。検索基盤部では普段から、ZOZOTOWNの検索機能に関するデータ分析や、データ分析を踏まえた検索性能の改善に取り組んでいます。 検索に関するデータ分析では、検索クエリの傾向把握や課題のあるクエリの特定のために、検索クエリごとの検索結果のクリック率やコンバージョン率といったパフォーマンス指標を評価しています。 本記事では、検索クエリごとのデータ分析に関する情報共有を効率化するため、ウェブフレームワークの「Dash」で開発したダッシュボードを活用した事例を紹介します。 目次 はじめに 目次 検索クエリごとのデータ分析の重要性 分析結果のチーム内共有時の課題 Dashを用いたダッシュボードの開発 Dashとは Dashを選定した理由 検索クエリごとのパフォーマンス指標のダッシュボード 1. 検索クエリごとのパフォーマンス指標のテーブル 2. 検索クエリ

You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

データアナリティクス事業本部 サービスソリューション部 サービス開発部のしんやです。 ここまで色々な可視化におけるツールやサービスを個人的に触ってきましたが、何らかの言語でサクッとデータを可視化出来るライブラリとかないものかなーと思っていたところ、『Plotly』というプロダクトの存在を知りました。ザッと内容を確認してみたところとっつき易さと表現の幅の広さが良い感じっぽいぞ！ということで個人的にこのプロダクトを触っていってみようと思います。 ? Announcing Plotly.js 2.0! - Graphing Library / Plotly.js - Plotly Community Forum Webブラウザ上でグラフを描画できる「Plotly.js 2.0」がリリース：CodeZine（コードジン） 目次 Plotly 概要 Plotlyとは Dashとは 環境構築 導入環境

データ可視化は、データサイエンスと分析において、複雑なデータの理解とコミュニケーションを向上させる重要な要素です。ここでは、Pythonで最も広く使用されている2つのデータ可視化ライブラリ、つまりPlotlyとMatplotlibの詳細な分析について掘り下げていきます。各々の長所と短所を探り、詳細な例とコードスニペットを使用して、その機能を示します。 ステージの設定: Python環境の設定 比較を開始する前に、適切なPython環境を準備することが重要です。この記事の例に沿って進む場合は、Pythonがインストールされ、必要なパッケージがインストールされていることを確認してください。Pythonのバージョンが古い場合は、次のいずれかを検討してください。 Windows 10またはMac OSX向けの「データプロット」ランタイム環境をダウンロードしてインストールする。 フリーのActive

本記事ではデータの性質毎にグラフおよびそれが伝える内容を整理し，Pythonによるそれらの実装を示す． ここでは From Data to Viz に従って整理する． ただし，一部のグラフ2とMapsとNetworkは扱わない． また，各グラフが得意とする表現は5 Quick and Easy Data Visualizations in Python with Codeで用いられている以下の図に従い，比較，分布，構成，関係，の4種類で分類する． 他の分類基準に興味がある方は他に記事があるのでそちらを参照されたい3． 本章の残りの部分ではグラフ作成時の注意点や実装方針を述べ，実行環境を明記する． 第2章ではデータの性質・目的毎にグラフを整理し，第3章でそれらの実装を示す． 最後に，第4章で参考資料を記す． 方針 グラフ作成時の注意点 ある変数についてプロットする際，凡例が複数になる場合は各

You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

TL;DR await coroutineとawait futureの違いが理解できたら公式ドキュメントを読もう。 はじめに python3.5から導入されたasync/awaitだが入門記事を読んでもいまいちピンとこない。結局のところ公式ドキュメントを読むのが一番なのだが、頭から読むには分量が多すぎる。 そこで公式ドキュメントを読む前にこれを抑えておけば勘所がつかめるというものを書いてみた。 yieldやyield fromについては知っていると理解が早いのだが、この記事ではそれらの知識は前提としないように書いた。 またasync/awaitはマルチスレッドと密接に関係していると思っている人もいるかもしれないが、pythonのasync/awaitは勝手にスレッドを生成したりは一切しない。この記事にあるコードも特に断りがない限りシングルスレッドで動作する。 async defはコルーチン

Streamlit は簡単にデータサイエンス系のウェブアプリを構築できる Python ライブラリです。ウェブアプリなので、サーバーで起動してブラウザでアクセスすることになりますが、ローカルで動作するデスクトップアプリにして配布したい状況がありました。 Streamlitアプリをデスクトップアプリ化する方法はいくつかある[1][2]ようでしたが、制限があったり手間がかかったりするようでした。 「いや、お手軽にアプリにしたいんじゃっ」ということで、簡単にデスクトップアプリ化できる Streamlit Desktop App を作りました。このコマンドを使用すると、コマンド一発で Streamlitアプリをデスクトップアプリに変換できます[3]。ウィンドウを閉じたときに Stremlit のサーバープロセスが自動で Kill されるようにしたりと、細かい工夫も入っています。 なお、デスクトップ

はじめに Ryeで始めるPythonプロジェクトを執筆してから半年近く経ちました。 (よければ、まずRyeの記事から読んでいただけると嬉しいです) この半年でuvが大きく成長し、Ryeと同等かそれ以上のプロジェクトおよびパッケージ管理ができるようになりました。そのため、今度はuvを使って開発を進めたい方向けの記事も上げてみようと思いました。 本稿はRyeの記事同様、ハンズオン形式で誰でも気軽にプロジェクトを作れるようになっています。また、Ryeとの違いについても簡単にですが、言及します。 ハンズオン環境 Ubuntu / MacOS uv : 0.4.24 (2025/08追記: 0.8.9でも確認済) 0. uvとは？ Rustで書かれた非常に高速なPythonパッケージとプロジェクト管理ツールです。 以前に、Ryeの記事を執筆した際には、「パッケージインストーラー(pip等)の代替」よ

はじめに ソフトウェアアーキテクチャーの一種として、クリーンアーキテクチャがあります。クリーンアーキテクチャは、Robert C. Martin氏（「ボブおじさん」と呼ばれているらしい）が提唱したもので、以下のブログの説明が有名なようです。 私もこのブログの内容をざっと読んでみたのですが、具体的にはどんな実装になるのかがさっぱりわかりませんでした😇。そこで、いつも利用しているPythonでの実装例を探してみたところ、「Clean Architectures in Python」という英語の書籍を見つけました。以下のページから無料で閲覧できます。 この書籍では、物件情報を閲覧するためのアプリをPythonで実装することで、クリーンアーキテクチャの実例やメリットなどを説明しています。また、テスト駆動開発、エラー処理、本番環境へのデプロイなど、実業務における開発に役立ちそうな情報も記載されてい

オブジェクト指向 1. オブジェクト指向の起源 2003年チューリング賞の受賞者アラン・ケイさんはよくオブジェクト指向プログラミングの父と称されます。ご本人も憚ることなく、幾度、公の場で発明権を宣言しています。しかし、ケイさんは「C++」や「Java」などの現代のオブジェクト指向言語を蔑ろにしています。これらの言語は「Simula 67」という言語を受け継いだもので、私が作った「Smalltalk」と関係ないのだとケイさんは考えています。 オブジェクト指向という名称は確かにアラン・ケイさんに由来するものです。しかし、C++とJavaで使われている現代のオブジェクト指向は当初のと結構違います。ケイさん自身もこれらの言語を後継者として認めないです。では、ケイさん曰くC++とJavaの親であるSimula 67という言語はどんな言語でしょうか。ここで、簡単なサンプルコードを見てみましょう。 Cl

# 条件式（三項演算子）の基本パターン x = 101 s = 'odd' if x % 2 else 'even' print(s)  # odd # 条件式のネスト s = 'positive' if x > 0 else 'negative' if x < 0 else 'zero' print(s)  # positive # 内包表記と条件式 l1 = [3, 4, 6, 0, 1] l2 = ['odd' if x % 2 else 'even' for x in l1] print(l2)  # ['odd', 'even', 'even', 'even', 'odd'] # ラムダ式と条件式 l1 = [3, 4, 6, 0, 1] it = map(lambda x: 'odd' if x % 2 else 'even', l1) l2 = list(it) print(