概要 前回、if __name__ == '__main__':ブロックについて解説しました。 【Python】「if name == 'main':」ブロックの意味とは?スクリプト実行とモジュール読み込み この__main__に似た概念として、__main__.pyという特別なファイルがあるので、これも一緒に整理してみました。 前提 ディレクトリ構造は以下の通りです。
はじめに 目まぐるしく進化するフロントエンド開発の世界では、常に最新の知識や技術をいち早く取り入れることが、エンタープライズアプリケーションの開発を成功させる上で欠かせません。Tailwind CSS、TypeScript、Turborepo、ESLint、React Queryなどを含む強力なツールキットとNext.jsを4年間使用してきた結果、開発に役立つさまざまな知見やベストプラクティスが得られました。この記事では、大企業向けフロントエンドアプリケーションのパフォーマンス、保守性、拡張性を最大限に高める設計・構築手法を紹介したいと思います。 注記:ここに記載する内容はあくまでも個人的な見解であり、筆者が推奨する手法が必ずしも適さない場合もあります。 効果的なエンタープライズ向けフロントエンドアーキテクチャの基本原則 エンタープライズ規模のアプリケーション向けにフロントエンドソリューシ
1 - 'use client'を使う コンポーネントをクライアント化する方法は2種類あります。 No.1: ファイルの冒頭に'use client'をつける ファイルの冒頭に'use client'をつけることで、Client Componentになります。最もベーシックな設定方法だと思います。 // app/ClientComponent.tsx 'use client' export default function ClientComponent(){ return ( <button onClick={()=>{ console.log('Hello, Client') }>BUTTON</button> ) } // app/page.tsx import ClientComponent from './ClientComponent.tsx' export default f
こんにちは。株式会社ブレインパッド アナリティクスコンサルティングユニットの小澤、久津見、小牧です。 前回までの記事では、 ・「生成AIをビジネス活用するための鍵」となるドメイン特化 ・「LLMの信頼性評価で押さえておくべき8つの評価観点」 ・「生成AIの評価指標とベンチマーク」 ついて、それぞれ課題とともに詳しくご紹介しました。 LLMをビジネス活用する上では、多様な評価観点、KPIに基づく評価基準設定、専門家によるフィードバック、そしてそれらを繰り返し行う環境整備といった複雑かつコストがかかる評価アプローチが負担となっていました。また、ベンチマークは数多く提案されているものの、過学習や日本語に対する性能の低さなども問題となっています。 そこで本記事では、生成AI(特にLLM)の評価方法として最近非常に注目を集めている、LLMによる自動評価技術 (LLM-as-a-Judge) について
こんにちは、メルカリの生成AIチームで ML Engineer をしている ML_Bear です。 以前の記事[1]では商品レコメンド改善のお話をさせていただきましたが、今回は、大規模言語モデル (LLM) やその周辺技術を活用して30億を超える商品のカテゴリ分類を行なった事例を紹介します。 ChatGPTの登場によりLLMブームに火がついたということもあり、LLMは会話を通じて利用するものだと認識されている方が多いと思いますが、LLMが有する高い思考能力はさまざまなタスクを解決するためのツールとしても非常に有用です。他方、その処理速度の遅さや費用は大規模なプロジェクトでの活用にあたっての障壁となり得ます。 本記事では、こうしたLLMの課題を克服するためにさまざまな工夫を施し、LLM及びその周辺技術のポテンシャルを最大限に引き出して大規模商品データのカテゴリ分類問題を解決した取り組みについ
ども、takiponeです。 GL.iNet Brume 2で自宅サーバーを用意したので、ブログエンジンGhostをホストしCloudFrontとTailscale Funnelを組み合わせてインターネットに公開する様子をご紹介します。 Tailscale Funnelとは TailscaleはVPNサービスの一つで、メルカリさんの採用事例が有名ですね。 Wireguardをベースにハブアンドスポークとピアツーピアを自動で使い分けたりと、開発者目線の便利機能が数多く提供されているのが特徴です。 Tailscale Funnel(以下Funnel)はVPNノードをインターネットに公開する機能で、現在は招待制のAlpha版が提供されています。Funnelはインターネットからの接続に備えてLet's EnrcyptのTLS証明書の自動デプロイを内包したHTTPSサービスでListenし、TLS暗
ReactベースのフルスタックWebアプリケーションフレームワークです。 Reactはクライアントサイドのみをサポートしますが、Next.jsはサーバサイド機能もサポートします。 MITライセンスで提供されています。私用・商用を問わず無償で利用できます。 現時点(2023年12月)の最新版は 14.0.4 です。 13.4 で新しいルーティング方式 App Router がサポートされ、開発方式が大きく変更されました。 米国Vercel社が中心となって開発しています。 Vue.jsベースの Nuxt.js とよく対比されます。 バージョンによって仕様も色々変わるので、バージョンアップへの追従コストは考慮しておく必要があります。 各バージョンのサポート状況は endoflife.date を参照してください。
こんにちは。GSです。 今日はリモートワークやプライベートのネットワーク等を色々と便利にしてくれるTailscaleを紹介します。 Tailscaleってなに? Tailscaleは、VPN(仮想プライベートネットワーク)サービスです。他のVPNサービスに対して WireGuardによる高速で信頼性のあるネットワークを簡単に作れる 多くのデバイスに対応 ユーザー側の設定がものすごく簡単 といったような特徴があります。個人的に「Tailscaleがすごい」と感じる点は、Webサイトにログインするのと同じぐらい簡単にVPNを構築し、参加できることです。またTailscaleだからこそというわけではないですが、WireGuardというVPNプロトコルの快適さにも驚かされます。Tailscaleは独自のアプリケーションをVPNの上に載せています。たとえば、クライアント間のファイル転送などです。こう
iPhoneにApple IDのパスワードリセットを求める通知を連続送信してApple IDを奪い取る攻撃手法の存在が確認されました。攻撃者は「Apple公式サポートを装った電話」も併用しているとのことです。 Recent ‘MFA Bombing’ Attacks Targeting Apple Users – Krebs on Security https://krebsonsecurity.com/2024/03/recent-mfa-bombing-attacks-targeting-apple-users/ Last night, I was targeted for a sophisticated phishing attack on my Apple ID. This was a high effort concentrated attempt at me. Other fo
RAG(Retrieval Augmented Generation)は大規模言語モデル(LLM)の性能を改善するための手法の1つであり、質問に対する回答を生成する際に、外部知識源から情報を取り込みます。 これにより、LLM 自体で学習できる情報量に制限されることなく、より正確で詳細な回答を生成することができます。 よく使われているRAGでは、外部知識源として検索エンジンにテキストをインデックスしておき、質問に関連するテキストをベクトル検索や全文検索を用いて取得します。しかし、構造化データを扱うことには苦労するため、質問によっては回答が不十分、あるいはまったく回答できないことに繋がります。 これらの問題を克服するために、ナレッジグラフを用いたRAGが構築されることがあります。ナレッジグラフでは、エンティティとその間の関係がグラフ構造で表現されており、単純な検索を用いた場合には回答できないよ
システムエンジニアとしてITベンチャー企業と金融系企業に勤めた後、2019年にデータサイエンティストとしてブレインパッドに入社。 需要予測に関するプロジェクトに多く従事し、モデル構築から運用保守まで一貫して経験。LLMを活用したプロジェクトにも携わる。 Kaggle Competition Master。 ①プロジェクトの目的を明確にする まず初めに、プロジェクトの目的を明確にすることが重要になります。 これはデータ分析プロジェクト以外にも共通する部分ですが、プロジェクトとは「特定の目的を達成するために行われる期限のある活動」です。まずデータ分析プロジェクトの目的(=ゴール)を明確にし、発注側と受注側で共通認識を持つことが、プロジェクト成功に向けた第一歩となります。「目的を明確にするなんて当たり前。意識しなくてもできる」と思われるかもしれません。しかし、私の経験上、目的が曖昧で関係者の認識
AI画像生成(主にローカル環境)で使用する詠唱呪文(プロンプト)の一覧ページです。 項目別にまとめているので、目次からお探しください。(※目次ボタンは右下) ※呪文を紹介する前に、いくつかの公開モデルである程度検証を行っています。 モデルの種類や環境によっては解説とは異なる結果になることもあるので、予めご了承下さいませ。 (当ページの掲載イラストは「7th_anime_v3_A」で生成しています) 詠唱の基本 クオリティ/呪文の強弱 ※クリック(タップ)で画像拡大 まずは基本となる、イラストのクオリティ向上に関する呪文の紹介です。 上の生成イラストを見れば分かる通り、クオリティ呪文の有無で細部などが大きく変わります。 クオリティ呪文を使用しても、画像サイズが小さすぎると上手く描写されないので注意してください。 ※「呪文の強弱」についても使う機会は多いので、覚えておくと便利です。 クオリティ
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