This guide is open source, please go ⭐️ it on GitHub and make suggestions/edits there! https://github.com/FrontendMasters/front-end-handbook-2024 1. Overview of Field of Work This section provides an overview of the field of front-end development/engineering. 1.1 — What is a (Frontend||UI||UX) Developer/Engineer? A front-end developer/engineer uses Web Platform Technologies —namely HTML, CSS, and
Kamal Handbook
Kamal Handbook Kamal Handbook is the missing manual for the new Kamal deploy tool which lets you run Docker in production with minimal effort. — Visualize Kamal's concepts and learn things behind-the-scenes. — Understand Kamal's configuration. — Deploy practical life examples with confidence. Includes a foreword by Donal McBreen, Kamal contributor and Lead Programmer at 37signals.
完全リモートワークのGitLab社を支える「GitLab Handbook」とは何なのか｜翔泳社のビジネスとITの本
ITエンジニアにはお馴染みの、効率的なソフトウェア開発を支援するDevOpsプラットフォームであるGitLab。 GitLabを開発・提供しているGitLab社はオフィスのない世界最大のリモート組織と呼ばれ、世界67カ国2,000人以上のメンバーがリモートワークをしています。プロダクトだけでなく、働き方改革の文脈でも注目されているのです。 一部の企業ではリモートワークからオフィス出勤への揺り戻しが起きつつあります。リモートワーク特有の問題（コミュニケーションや効率性など）から生じた動きですが、GitLabではこうした問題をいかに解決し、またどうやってリモートワークで成果を上げ、成長を遂げているのでしょうか。 その土台となるのが「GitLab Handbook」という、同社の組織運営と仕事のやり方に関するすべてがまとめられたハンドブックです。会社の歴史からコミュニケーション、評価制度などあら
※この記事は AI によって書かれた内容をもとに作成したものになります。Hakky では自社の取り組みの一環として、記事作成に AI を導入しています。 AI 技術の進化に伴い、ビジネスシーンでの ChatGPT の活用が広がってきています。この記事では、ChatGPT に代表される大規模言語モデル（LLM）を活用するプロンプトのアプローチの一つで、LangChain にも実装されている ReAct について、ビジネスパーソン向けに解説いたします。 LLM と プロンプトエンジニアLLM を効果的に活用するための考え方のひとつに「プロンプトエンジニアリング」というものがあります。プロンプトは、LLM に与える命令等のことで、目的のタスクと併せてヒントや関連する情報などを与えることでより目的にあった回答を引き出すことができるようになります。プロンプトエンジニアリングとは何かについてはこちら
GitHub - DataEngineer-io/data-engineer-handbook: This is a repo with links to everything you'd ever want to learn about data engineering
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
OpenAI API を Python で使うOpenAI API を Python で使うには以下の手順に従います。 OpenAI PythonライブラリをインストールするAPIキーを設定するAPIを使用してテキスト生成する以下でこれらの手順を説明します。 1. OpenAI Pythonライブラリをインストールするopenai Pythonライブラリをインストールしてください
Startup-CTO-Handbook/StartupCTOHandbook.md at main · ZachGoldberg/Startup-CTO-Handbook
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
GitHub - ZachGoldberg/Startup-CTO-Handbook: The Startup CTO's Handbook, a book covering leadership, management and technical topics for leaders of software engineering teams
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
※この記事は AI によって書かれた内容をもとに作成したものになります。Hakky では自社の取り組みの一環として、記事作成に AI を導入しています。 プロンプトの役割 プロンプトは、ChatGPT や他の AI 言語モデルに対して、指示や質問を与えるための入力文です。プロンプトを受け取った AI モデルは、それに基づいて適切な文章を生成したり、回答を提供します。 例えば、「東京のおすすめ観光地は？」といったプロンプトを入力すると、AI モデルは東京の人気スポットに関する情報を提供することができます。また、「怒りを表現する文章を教えてください」というプロンプトに対しては、感情を含んだ文章が生成されるでしょう。 プロンプトは、AI モデルとの対話の鍵となる要素であり、適切なプロンプトを与えることで、求める情報や文章を効果的に取得することが可能です。ただし、プロンプトの内容や表現によっては
The GitLab Handbook
Take GitLab for a spin See what your team could do with The DevSecOps Platform. Get free trial
The Handbook
Introduction The GitLab team handbook is the central repository for how we run the company. Printed, it consists of over 2,000 pages of text. As part of our value of being transparent the handbook is open to the world, and we welcome feedback. Please make a merge request to suggest improvements or add clarifications. Please use issues to ask questions. For a very specific set of internal informati
【徹底解説】ChatGPT「Code Interpreter」の活用方法ガイド | Hakky Handbook
※この記事は AI によって書かれた内容をもとに作成したものになります。Hakky では自社の取り組みの一環として、記事作成に AI を導入しています。 2023 年 7 月 7 日、ChatGPTの運営元であるOpenAIは、全 ChatGPT Plus ユーザーを対象に**Code interpreter(コードインタプリタ)**の実装を発表しました。これにより ChatGPT 上でコードを実行したりローカルファイルのデータを扱うことができるようになります。この記事では、ChatGPT と Code Interpreter の概要から、具体的な活用方法、設定方法、トラブルシューティングまでを詳しく解説します。 Code interpreter(コードインタプリタ)とは ChatGPTは、OpenAI が開発した対話型の生成 AI です。この AI は膨大な学習データに基づいて自然な応
はじめに この記事では、API のサービングの観点から EC2,ECS, Lambda を比較します。 EC2 の API サービングについて 料金 リザーブドインスタンスを購入することで料金を下げることができる メンテナンス ECS や Lambda に比べて、より多くの管理とメンテナンスが必要 EC2 では、ユーザがインスタンスを自ら管理し監視する必要があり、適切にプロビジョニングされ、必要なセキュリティ構成を持ち、適切にスケーリングされていることを確認する必要がある 利点 ECS、Lambda と比較して、もっともリソースの制約がなく、カスタマイズ性が高い GPU インスタンスをサポート 欠点 インスタンスの管理が必要であり、複雑になる可能性がある 他のオプションよりも高価になる場合があり、特に効率的に使用されない場合はそうなる可能性がある Docker を使わない限りは
ビジネスに活かす LLM：自社データ検索とベクトルデータベースの詳細ガイド はじめに 近年、生成 AI 技術の進化がビジネスの世界で大きな影響を与えています。その中でも、ChatGPT などの台頭により LLM（大規模言語モデル）の活用に注目が集まっています。この能力をビジネスにおいて最大限に活かすには、タスクの目的や領域に応じて LLM を適用させることが重要です。 そのための一つの解決策として、この記事ではベクトルデータベースの活用を紹介します。ベクトルデータベースとは何か、どのような利便性をもたらすのかについて理解を深めるための一助となれば幸いです。 LLM におけるドキュメント検索の方法 LLM（LargeL Language Model/大規模言語モデル）は、大量のテキストデータから学習し、自然言語を理解する能力を持つ AI モデルです。LLM については下記の記事でも解説し
概要OpenAI API は使用したトークン数に応じて、お金がかかります。そのため、使用するトークンをできるだけ削減することで、コストを抑えて利用することができます。本記事ではいくつかの使用トークンを減らす方法を紹介します。 消費されるトークン数の確認まず、トークン数を削減する前に「これからどの程度のトークン数を利用することになるのか」を確認することで、余計なコスをかけずに済みます。 例えば、以下の方法を用いることでプロンプトのトークン数を確認することができます。 OpenAIのツールでトークン数を計算tiktokenを使用OpenAIのAPIで使用したトークン数APIの概要 OpenAI APIでは以下のように返答に使用したトークン数が含まれています。 "usage": { "prompt_tokens": 5, "completion_tokens": 7, "total_tok
「3時間でNode.jsでREST APIを作る」ためのチュートリアルブックです。気軽に手にとってもらうために分量を少なめにしました。初心者から上級者まで学びのある内容になっています。チートシートとしても活用できます。
LLMを用いて要約や抽出など、複雑な処理を一つのクエリで行うことができます。しかし、モデルの入力の最大数により、そのクエリの長さが限られています。例えば、OpenAIのtext-davinci-003は2,049トークン、gpt-4は8,192です。したがって、一つのクエリで長いデータを処理するのは困難です。そのため、本記事では、LangChainを用いて、長いドキュメントを扱う方法を紹介します。 長い文章を扱う方法 大規模言語モデル（LLM）でToken長が超えた場合の対応方法について モデルの最大長を超えたドキュメントを扱うには、複数のクエリに分散する必要があります。その際、四つの手法があります。 Stuffing：一つのクエリで処理する（StuffDocumentsChainで実装）【既存のやり方】 Map Reduce：処理を単独なクエリで分ける（MapReduceChainで実
from abc import ABC, abstractmethod from typing import List from langchain.schema import Document class BaseRetriever(ABC): @abstractmethod def get_relevant_documents(self, query: str) -> List[Document]: """Get texts relevant for a query. Args: query: string to find relevant tests for Returns: List of relevant documents """ このクラスは、get_relevant_documents というメソッドを持ち、これは受け取ったクエリから関連するドキュメントを返すようなメソッド
handbook/interview-guide-ja.md at master · quipper/handbook
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
※この記事は AI によって書かれた内容をもとに作成したものになります。Hakky では自社の取り組みの一環として、記事作成に AI を導入しています。 ChatGPT は、OpenAI によって開発された自然言語処理 AI です。大量のテキストデータから学習し、人間のように自然な応答をすることができます。そのため、自然言語のテキスト生成や自動翻訳、質問応答システムなどに活用されています。 ChatGPT を開発した OpenAI について OpenAI は、人工知能の研究、開発、展開を行う会社であり、2015 年に設立されました。OpenAI は、イーロン・マスク、サム・アルターマン、グレッグ・ブロック、イリヤ・ススコイン、ジョン・ホプキンスなどの有名な起業家、投資家、研究者によって設立されました。 OpenAI は、人工知能技術の進歩を促進し、将来の AI に関するリスクを管理するこ
ChatGPT とはChatGPT は、OpenAI によって開発された大規模なニューラルネットワークモデルに基づく自然言語処理 AI です。人間のように自然な文章を生成する能力を持ち、様々な自然言語タスクに対して高い性能を発揮します。そのため、ビジネスの様々な領域で活用できます。 ChatGPT ができること ChatGPT は、テキスト生成、プログラミング、文書の要約、機械翻訳など、多岐にわたるタスクをこなすことができます。これらの能力は、ビジネスの様々な領域で活用することが可能です。これらはその一例です。 テキスト生成 ChatGPT は、指定されたトピックやスタイルに基づいて自然な文章を生成することができます。これにより、ブログ記事やレポートの作成、メールの自動作成など、様々な業務を効率化することが可能です。 プログラミング ChatGPT はプログラミング領域における能力でも
Haskell Optimization Handbook¶ by Jeffrey M. Young This book assumes you are using ghc 9.2.x or above and using the Linux operating system. If you are new then the best place to start is the How to use this book chapter. If you are returning then feel free to jump to the Table of Contents and best wishes. It is dangerous to go alone, please take this handbook and good luck! Sincerely, The Contribu
LangFlow とは LangFlow は、LangChain の GUI を提供するパッケージです。 これを用いることで、ドラッグ＆ドロップでコンポーネントを組み立て、チャットボックスでフローの実験とプロトタイプを楽に行うことができます。 LangFlow の使い方 LangFlow の実行 ここでは、LangFlow の使い方を簡単に紹介します。 実行環境への依存度を下げるため、今回は Docker コンテナを用いて実行します。 適当なディレクトリ内に、以下の２つのファイルを作成します。 Dockerfile FROM python:3 USER root RUN apt-get update RUN apt-get -y install locales && \ localedef -f UTF-8 -i ja_JP ja_JP.UTF-8 ENV LANG ja_JP.UT
Pythonシェル。Pythonコマンドを実行するために使用します。入力は有効なPythonコマンドである必要があります。
概要 このページでは、LangChain のエージェントの使用例を紹介します。 エージェントの概要や基本的な使用例を確認したい方は、先に、「エージェントについて」や 「LangChain を Python で使う」 などをご覧ください。 このページでは、エージェントの使用例として、以下に挙げるものを取り扱います。 Conversation Agent "conversational-react-description" エージェントを用いてチャットボットを作成します MRKL "MRKL Systems" という論文で提案されたアーキテクチャを模倣するエージェントを構築します 使用するエージェントタイプは "zero-shot-react-description" です ツールとしてデータベースや検索 API などの外部のツールを呼び出せるようなエージェントを構築します ReAct "r
概要 本記事ではWhisperの音声認識にヒントを設定する方法を紹介します。すなわち、辞書登録機能になります。 サンプルファイル 本記事ではテストサンプルとしてMozilla Common Voiceの日本語データセット（v12）のcommon_voice_ja_23633673.mp3（「文書は年々増えていく。」）を使用します。 tinyモデルでヒントなしの場合、「分子は年年増えていく」として認識されます。 initial_prompt引数を使用 --initial_prompt: optional text to provide as a prompt for the first window initial_promptはモデルにコンテキスト（プロンプト）を提供するための引数です。 したがって、その引数を用いて、ヒントになる単語をモデルに提供することができます。 しかし、「文書
概要 このページでは、LangChain におけるメモリの概要に加えて、以下に挙げる基本的な使用方法も紹介します。 メモリの初期化 メモリへの書き込み メモリのクリア メモリを保存する方法 メモリをチェーンに組み込む方法 また、これらを説明するにあたって、以下の２種類メモリの使用例を紹介します。 ConversationBufferMemory ConversationBufferWindowMemory その他のメモリの詳細については紹介を省きますので、必要であれば公式ドキュメントを参照して情報を補ってください。 LangChain におけるメモリ メモリは「ユーザーと言語モデルの対話を"記憶"するためのクラス」の総称です。 この"記憶"を言語モデルに渡すことで「"記憶"の内容を反映した応答を返す」ことができるようになります。 LangChain では、いくつかの種類のメモリが用意さ
毎回1つのテーマに絞り、テーマに対してのLTを行うTechDLT。「プロジェクトマネジメント・プロダクトマネジメント」をテーマにした「プロジェクト/プロダクトマネジメントについてLT！ TechDLT Vol.7」に登壇したのはJAXA宇宙科学研究所の三浦氏。続いて、「審査会」と「コンフィグレーション管理」について話します。前回はこちらから。 ウォーターフォール型の開発における「審査会」 三浦政司氏：今日特に紹介したいのは、先ほど申し上げたゲートのことですね。ウォーターフォール型の開発におけるゲート。一般的にはレビューとか審査会などと呼ばれます。あとは、そこでゲートを通るために更新していく設計情報について、一貫していて整合性が取れている設計情報の集まりをコンフィグレーションといいます。審査会とコンフィグレーション、この2つの話をちょっとピックアップして紹介させてください。 まずは審査会の話
LangChain を使用する手順は以下の通りです。 インストール 環境設定 LLM を利用したアプリケーションの実装 本文書では、まず、LangChain のインストール方法と環境設定の方法を説明します。 その後、LLM を利用したアプリケーションの実装で用いる機能であろう以下の６つの機能の使用例を紹介します。 LLMs: 言語モデルを呼び出すためのラッパーを提供します チャットモデル: チャットモデルを呼び出すためのラッパーを提供します プロンプトテンプレート: プロンプトのテンプレートを作成する機能を提供します チェーン: ひとつのワークフロー内で LLM やプロンプトテンプレートを組み合わせて使用するための機能を提供します エージェント: エージェントを使用することで、課題の解決順序をも LLM を用いて決定し、実行させることができます メモリー: チェーンとエージェントに状態を持
大規模言語モデル（LLM）の概要 **大規模言語モデル(LLM, Large Language Model)**は、膨大なデータセットを基に学習した言語モデルのことで、2018 年にBERTのモデルが登場して以来、注目を集めています。 LLM は、与えられた入力から適切な出力を生成する能力を持ち、GPTやBLOOM、LLaMAといった多言語対応のモデルが多いことも特徴です。 大規模言語モデル（LLM）の基本的な仕組み 入力文をベクターに変換（形態素解析などで文をトークンに分割） Encoder（トークンから特徴量を抽出） Decoder（特徴量を基に次のトークンを予測） 入力文に続くトークンの確率を出力 上記の手順を繰り返して、文章が生成されます。 尚、これらのモデルは非常に大規模で、メモリー不足のため一般的なマシンでの実行が難しい場合が多いです。 大規模言語モデル（LLM）ができるこ
LangChainとは何か LangChainとは、GPT-3 のような大規模言語モデル（Large Language Model: LLM）を用いたサービス開発時に役立つライブラリです。 LangChainを用いると、他のシステムと統合することで、最新情報の取得や複雑な計算処理にも対応したLLMサービスを容易に開発できるようになります。 例えば、OpenAIのAPIを用いて「最新の検索結果の内容も踏まえて AI に返答させるチャットアプリ」を開発するケースなどでLangchainは有効です。 このケースでは、LLMsとSerpApi （検索エンジンでの検索結果を API で返してくれるサービス）を組み合わせるLangchainの機能を使うことで実現できます。 このように、Langchainを使うことで様々なニーズに対応したサービスを柔軟に展開できるようになります。 Langchainが
The LangChain library empowers developers to create intelligent applications using large language models. It’s revolutionizing industries and technology, transforming our every interaction with technology.
概要 本記事ではWhisperとPyannoteを使った話者分離と音声認識の方法をサンプルコードとともに紹介します。 2022年12月現在、Whisperで話者分離を行うことは難しく、Pyannoteで話者分離した音声に対してWhisperで音声認識を行う手法が主流となっています。本記事ではYoutube動画を上記方法で話者分離と音声認識にかけてみます。なお、本記事は動作環境としてGoogle Colabを想定しています。 音声ファイルの準備 はじめに音声ファイルを準備する必要があります。今回は冒頭で述べたとおり任意のYoutube動画をDownloadしてきて利用します。 from pathlib import Path #@markdown #### **Youtube video** video_url = "https://www.youtube.com/watch?v=V2R
デザインの構造を正しく捉えることは、UI の実装を専門にしているかどうかを問わず、開発生産性が高く、ユーザにとっても使いやすい実装を実現するための重要なポイントです。 この章では、Wantedly におけるデザインシステムの構成、そして UI を実装する上で基礎となる Wantedly の UI デザインシステムの概念と考え方について解説します。 なお、この記事はノンデザイナーズ・Wantedly デザインシステム完全理解ペーパーを元に書いています。
Faissの概要 | Hakky Handbook
概要 本記事では近似最近傍探索ライブラリの Faiss について解説します。 Faiss とは Faiss とは、Meta（Facebook）製の近似最近傍探索ライブラリであり、類似の画像やテキストを検索するためのインデックスを作成するツールです。Faiss は C ++で記述されていますが、Python ラッパーを使用して Python で高速な学習が可能です。 他の近似最近傍探索ライブラリ Faiss の他に、有名な近似最近傍探索ライブラリとして、FLANN、Annoy、NMSLIB、NGT などがあります。ライブラリの比較は以下の記事が参考になります。 近似最近傍探索ライブラリ比較 類似商品 API で使っている近傍探索のツールを NGT から faiss に切り替えたお話 Index のアルゴリズム 探索の手法 探索の手法は大きく以下の 2 種類があります。（IVF が使
GitHub - recuraki/cphb-ja: (JA)Competitive Programmer's Handbook
A tag already exists with the provided branch name. Many Git commands accept both tag and branch names, so creating this branch may cause unexpected behavior. Are you sure you want to create this branch?
ecspresso handbook v2対応版
Amazon ECS デプロイツール ecspresso の作者による解説本です。 チュートリアル、基本的な使いかた、応用的な使いかた、設計思想と実装、全コマンドのリファレンスを掲載しています。 本書は[ecspresso handbook v1対応版](https://zenn.dev/fujiwara/books/ecspresso-handbook)を元に、2022年12月14日にリリースされたecspresso v2への対応と構成変更、新章の追加を行ったものです。 v1対応版とは多くの内容が重複しているため、購入の際にはご注意ください。 2023-12-21 v2.3.0対応版に更新しました。
Handbook Introduction このドキュメントは、Hakky Handbook のイントロです。 目的 Hakky Handbook は、Hakky の会社・事業・カルチャー・技術に関する情報を体系化し、外部・内部に発信することを目的として情報の蓄積や発信を行なっています。 Hakky について知りたい外部の関係者の方や、技術的なナレッジを知りたい方、社内のメンバーにとっても有益な情報を公開していくことを目的としています。 コンテンツ コンテンツは以下のカテゴリーに分かれています。 Docs となっているところが、各事業についてや会社で扱う技術や情報などを体系的に取りまとめたものになります。各事業のサービスを受ける方や、これから Hakky に参画したい、また興味を持っていただいてる方は、気になるものを読んでいただけると参考になるかなと思います。 Docs データ活用支援
dbt入門 | Hakky Handbook
dbt 入門 dbt とは dbt とは、data build tool の略で、ELT の T を担当するソフトウェアです。つまり、データウェアハウスにあるデータを加工してデータウェアハウスに書き戻すツールになります。ELT の EL の部分は Meltano など他のツールに任せます。 特徴 dbt には主に以下の機能や特徴があります。 SQL の SELECT 文だけで開発可能 スキーマや依存関係に関するドキュメントの自動生成機能 NULL、参照整合性などの自動テスト機能 Jinjaによる処理のモジュール化 Git、CI / CD などソフトウェア開発の手法が活用可能 dbt の利用方法 dbt は、SaaS としての「dbt Cloud」と OSS の「dbt CLI」を利用することができます。それぞれの機能の違いは以下の記事をご参照ください。 dbt Cloud と dbt
GraphQL Gateway - アプリ向けに API を公開する | Wantedly Engineering Handbook
Wantedly では、システム内部のマイクロサービス間通信に Protocol Buffers / gRPC を利用しています（『protobufスキーマとgRPC通信』の章）。 では、他のマイクロサービスではなく、Webアプリやモバイルアプリに向けて API を提供する場合についてはどうすると良いでしょうか？ この章では、アプリから使えるシステムの API（まさに "Application Programming Interface" です）を用意する際に使う、GraphQL Gateway について概説します。 GraphQL Gateway とは、システムの中に数あるマイクロサービスの一つで、アプリ向けに GraphQL API を提供するものです。 基本的に、アプリからシステムに対しての API 呼び出しは全て GraphQL Gateway が引き受けることを想定しています（ま
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
The Front End Developer/Engineer Handbook 2024
LLMに考えて行動させるLLM の ReActの概要 | Hakky Handbook
OpenAI API を Python で使う | Hakky Handbook
SNSで話題のChatGPTプロンプトインジェクション攻撃とは | Hakky Handbook
EC2 vs ECS vs Lambda：APIのサービングの観点から | Hakky Handbook
ビジネスに活かすLLM：自社データ検索とベクトルデータベースの詳細ガイド | Hakky Handbook
OpenAI API の利用トークン数を減らす方法 | Hakky Handbook
JavaScript REST API Handbook
LangChain の長い文章を扱う方法 | Hakky Handbook
LangChain の インデックスについて | Hakky Handbook
ChatGPTとは？得意なことや不得意なことも説明！ | Hakky Handbook
ChatGPTのビジネス活用法：具体事例46選とその効果 | Hakky Handbook
Haskell Optimization Handbook
LangFlow とは | Hakky Handbook
LangChain のエージェントについて | Hakky Handbook
LangChain のエージェントの使用例 | Hakky Handbook
Whisperで辞書登録機能を実装する方法 | Hakky Handbook
LangChain のメモリについて | Hakky Handbook
『NASA Systems Engineering Handbook』に基づいて、自信を持ったロケットの打ち上げを
LangChain を Python で使う | Hakky Handbook
大規模言語モデル（LLM）の概要について | Hakky Handbook
LangChainとは？各モジュールの機能と活用事例まとめ | Hakky Handbook
LangChain AI Handbook | Pinecone
WhisperとPyannoteを用いた話者分離と音声認識 | Hakky Handbook
デザインシステム入門 | Wantedly Engineering Handbook
Handbook Introduction | Hakky Handbook