サクサク読めて、
アプリ限定の機能も多数！
アプリで開く
いろんなジャンルの本で試してみる面白さ1つのジャンルに限定する必要はありません。 私は内容を記憶し、思い出す助けとして、あらゆる種類の本でこの方法を試しています。 自己啓発書： 実践的なエクササイズを提案してもらう（私はこのアプローチで、よくミニ演習ブックを作成します）。 ビジネス書： 著者との会話をロールプレイングし、戦略を自分の仕事に応用する。小説： 登場人物と、まるで実在の人物かのように話してみる。 教科書： 「著者」に頼んで、難しい概念を平易な言葉で解説してもらう。 便利だけど「熟読」の代わりにはならない最後に、極めて重要なことをお伝えします。ChatGPTでこのような演習を行う前に、必ず本を最初から最後までしっかりと読むべきです。LLMはハルシネーションを起こす可能性があり、間違いもあります。 また、大きなPDFの分析には時間がかかるため、特定のセクションの分析をリクエストし
はじめに本記事では、昨今話題のAI エージェントサービスをこれから作る方へ、AI エージェントシステムを作る上での抑えるべきポイントと実践的なハンズオンにて DeepDive していきたいと思います。本記事は 2 部構成になっており、以下の構成です。 第 1 部:AI エージェント の基本概念とエージェントシステム構築のガイド 第 2 部: AzureAI Agent Service を使ったワークフロールーティングの実装 第１部では、OpenAI 社のa-practical-guide-to-building-agents を参考に、AI エージェントの基本概念とエージェントシステム構築のガイドを解説します。 第２部では、Anthropic のブログ記事Building Effective Agents –Workflow Routing で紹介されている ワークフロールー
AI によるコーディングの支援はコード補完型からチャット型、そして自律型へと進化しています。この記事では現時点で主流となっているコーディングエージェントの種類とその特徴を整理したうえで、エンジニアの仕事の変化について考察します。 コーディングの仕事におけるAI技術の関わりといえば、GitHub Copilot を代表するエディタ補完型が主たるものとして認識されてきました。補完型のAI はユーザーが途中まで書いたコードを補完する形で提案を行うことから、ペアプログラムの相方のような存在として捉えられていました。例えば function add と書き始めると、AI は (a: number, b: number): number { return a + b; } といった形で関数の定義を提案します。ユーザーは Tab キーを押すことで提案を受け入れたり、提案が気に入らなければそのままコ
急速に進化する大規模言語モデル（LLM）を、視覚的に理解しながら実践的に学べるハンズオンガイド。本書では、JupyterNotebookやクラウド上で実際にモデルを動かしながら学ぶことができます。大規模言語モデルに欠かせないTransformerの仕組みをはじめ、要約、セマンティック検索、テキスト分類、クラスタリング、RAG（検索拡張生成）といった技術も、図解とともに直感的に理解できます。豊富なコード例と既存ライブラリの活用法を通じて、直感を重視したアプローチでLLMを学びたい読者に最適な一冊です。 賞賛の声 訳者まえがき まえがき 第I部 言語モデルの理解 1章 入門大規模言語モデル 1.1 言語AIとは？ 1.2 言語AIの近年の歴史 1.2.1 Bag-of-Wordsによる言語の表現 1.2.2 埋め込みによる言語の表現 1.2.3 埋め込みの種類 1.2.4 注意機構による文脈
「毎月のシフト作成、いい加減ラクしたい…」 そう感じている方は多いはず。スタッフの希望、公平性、連続勤務禁止… 複雑なルールをクリアするシフト表作りは、本当に骨が折れますよね。 これまでも大規模言語モデル（LLM）にシフト作成を手伝わせる試みはありましたが、「惜しいけど、結局手直しが必要…」というケースも少なくありませんでした。 初期のChatGPTによる取り組みはこちら しかし、LLMの性能技術は驚異的なスピードで進化しています。特に最新のGeminiモデルであるGemini 2.5 Proの登場により、シフト作成のような複雑なタスクの自動化精度が格段に向上し、"ほぼ修正不要"なレベルの下書き作成が現実のものとなりつつあります。（タスクが複雑なので個人的にこれをLLMのベンチマークの1つとしています） 今回は、AIに高精度なシフト表を作らせるためのプロンプト（以前のものから改良あり）と、
はじめにAIのコーディングアシスタントとして最近、急速に注目を集めているCline。VSCode上でAIと連携し、コード生成からバグ修正、さらにはターミナル操作まで自動化できるこのツールは、多くのエンジニアの生産性を劇的に向上させています。 mizchiさんの『CLINEに全部賭けろ』という記事では、AIから引き出せる性能は、自分の能力にそのまま比例するAI自体を管理するパイプライン設計を自分のコアスキルにする必要がある ともあるように、エンジニアはClineという強力なツールの最大限を使えるようになっていくべきです。 「AIの上手な使い方」が今のエンジニアにとって必須スキルになりつつあるため、単にClineを使うだけでなく、その仕組みを理解することで得られるメリットは数多くあります。例えば、現時点でのClineの得手・不得手を理解することでAIに対して的確に指示ができたり、clin
【読売新聞】 虐待が疑われる子どもの一時保護を巡り、人工知能（ＡＩ）にその必要性を判定させるシステムについて、こども家庭庁が導入見送りを決めたことがわかった。国が２０２１年度から約１０億円をかけて開発を進め、最終的な判断を下す児童相
今や、AIを活用してソフトウェア開発すること自体は一般的になり、一種のブームと化している。 しかし、Web上で見かけるのはワンショットでテトリスを作る程度の小規模なプロジェクトの話がほとんどで、驚けるものの、正直あまり実用性は無いように感じる。 俺たちが本当に知りたいのはテトリスの作り方じゃねえ！現実の中規模以上のシステム開発で、いかに楽に良いものを作れるかだろ！ ということで、まずは弊社から現時点のノウハウを全公開しようと思う。 弊社ではCursorを1年以上活用（サービスがGAになったタイミングから全社員で利用）しており、一定のノウハウを蓄積してきている自負がある。ただ、あくまで一例ではあるので、ぜひみなさんの現場での活用事例も共有してほしい！ 免責事項AIエディタでの開発は、LLMとAIエディタの進化に伴い、常に変化している。 そのため、この記事で述べる方法論は、現時点での、弊社での
しぴぴぴ！Vtuberのしぴちゃん (https://www.youtube.com/@CP-chan)です。普段はゲーム配信しかしてませんが、たまにAIについて発信することがあります。今日はAIの記事の方。 現在はローカルAIモデルに関する連載をしています。 第一弾 本記事（DeepSeek R1をほぼ準備なしからローカルGPUで動かす） 第二弾 Cline＋ローカル版DeepSeek R1でAIコーディングを使い放題にする（高スペックマシン向け） 最近話題のローカルで動くLLM、DeepSeek R1 をローカルGPU環境（NVIDIA）で動かしてみましょう。 多少のコマンドラインの操作ができれば、事前にローカルLLMを触ったことがなくてもインストールできるように書くつもりです。 サムネはDeepSeek R1くんに画像を生成してもらおうとしたところです（そんな機能はありません）。
Explore common agent recipes with ready to copy code to improve your LLM applications. These agent recipes are largely inspired by Anthropic's article. Aworkflow where the output of one LLM call becomes the input for the next. This sequential design allows for structured reasoning and step-by-step task completion.
近年、AI 分野の中でも特に大規模言語モデル（LLM）の研究開発が急速に進展しています。日本国内においても、日本語に特化した「国産 LLM」の開発競争が激化しています。さらに、比較的小規模なパラメータ数でありながら高い性能を持つモデルが次々と登場し、特別なGPU 環境がない手元のPC でも、LLM を手軽に動かせる時代が到来しつつあります。本書では、まず LLM を「動かす」こと、すなわち推論（Inference） に焦点を当て、そのために必要な基本的な知識を分かりやすく解説します。LLM の学習やファインチューニングには膨大な知識や計算資源が必要ですが、単に既存のモデルを動かすだけであれば、いくつかの重要なポイントを押さえることで、どなたでも比較的容易に始めることができます。 その上で、近年注目を集めている LLM 推論フレームワーク Ollama を活用し、実際にいくつかの代表的
Claude3.5Sonnetで当直シフト作成の悩みから解放！（以下、ほぼClaude3Opusが執筆） 当直表やシフトの作成に頭を悩ませたことはありませんか？不都合日や休日の希望を考慮しつつ、担当数の公平性や当直の間隔など、様々な条件をクリアしなければならないこの作業。これまでは人の手で行うしかなく、とてつもない時間と労力を要していました。 （2024.6.22追記） Claude3.5Sonnetのリリースに伴い、Claude3Opus→Claude3.5Sonnetに変更しました でも、そんな悩みともついにサヨナラできる日が来たのです！そう、Claude3.5Sonnetならこの面倒なシフト作成をほぼ完璧にこなしてくれるんです。しかもChatGPTに比べて出力が速いです。 Claude3.5Sonnetはスタッフ一人一人の希望を汲み取りつつ、担当数のバランスや当直間隔など、様々な条件
やっぱGPTを仕組みから勉強したい、という本をいくつか見つけたのでまとめておきます。 まず理論的な概要。機械学習からニューラルネットワーク、CNNでの画像処理、トランスフォーマーでの自然言語処理、音声認識・合成、そしてそれらを組み合わせたマルチモーダルと章が進むので、理論的な概観を得るのにいいと思います。 最初は数式が多いのだけど、Σをfor文だと思いつつ、定義が説明文中に埋まってるPerlよりたちが悪い記号主体言語だと思えば読めるけどめんどくさいので飛ばしても問題ないと思います。 深層学習からマルチモーダル情報処理へ (AI/データサイエンスライブラリ“基礎から応用へ” 3) 作者:中山 英樹,二反田 篤史,田村 晃裕,井上 中順,牛久 祥孝サイエンス社Amazon で、もういきなり作る。 トークナイザーから全部つくっていきます。TensorFlowでBERTをつくってGPT2をつくる
1リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
