Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? こんにちは！ひさふるです。 みなさん、ハッカソン参加してますか？ 限られた時間の中で自分の思い描くアプリケーションを実装するのは非常に楽しい半面、アイデアを盛り込みすぎると時間内に完成しない...なんてこともありますよね。 そんなとき、Difyを使えば生成AIを使ったワークフローを簡単に実装出来るので、ハッカソンのような時間の限られた開発にはもってこいです。 今回は、私が先日参加してきたTokyo Flutter Hackathon 2024での活用事例を添えて、Difyをハッカソンで使用する方法やメリットについてご紹介いたします！ ハ
ブックマーク / qiita.com (215)
-
s-feng 2024/11/23
-
-
TableauでGA4データを可視化してみた - Qiita
こんにちは。データアナリストの卵、渡辺です。デジタルマーケティングエージェンシーにて、GA4を中心としたWebサイト分析業務に従事しております。 GA4データの可視化をするためのBIツールとしては、無料かつ、Google関連サービスとの接続がしやすいLooker Studioを用いるケースが多いと思います。しかし、グラフ描画の自由度や利用できるコネクタの種類についてはTableauのほうが優れているため、今回TableauでのGA4データの可視化を行ってみました。 結論としては、記事執筆時点ではTableauのGA4コネクタでデータの可視化を行うのは難しく、BigQueryを経由したデータのつなぎ込みが必要と考えています。 GA4データのつなぎこみ方法：2023/8/25時点ではBigQuery経由が現実的 GA4のデータをつなぎこむ基本的な方法は、TableauのGA4コネクタを使うか、
-
Rundeckを使ってみた - Qiita
ジョブ管理ツールについて調べていた時にJenkins以外にRundeckというものをみつけたので調べたり使ってみました。 Rundeckとは ひと言で 使い勝手のよいOSSのジョブ管理ツール もう少し詳しく ホームページ https://www.rundeck.com/ RundeckはOSS(Community版)として公開（Apache2.0 License）しています PagerDuty社が主なメンテナー?であり、Community版のほかにEnterprise版やCloud版と展開しています プロダクトの種類について 以下のラインナップを展開しているようです。 Rundeck(Community版, OSS) PagerDuty Process Automation On Prem Software(Enterprise版) PagerDuty Runbook Automation
-
社内勉強会で生成AIについて発表したので70ページの資料を公開する！ - Qiita
前置き 毎週金曜日夕方に行われる社内勉強会にて、先日生成AIについて発表しました。折角なので少し加筆修正した資料を公開します。進化のスピードが早く、一時期食傷気味に陥ってましたが改めて昨今の生成AI関連の基本となるインプットを目指しました。 ※資料内冒頭に記載してますが、AIの専門家ではないので認識や説明に誤りがある可能性があります。 当方も勉強中なので、「ここ違うよ」や「これの説明もあるといいんじゃない」など様々なコメント大歓迎です！ 資料 資料目次 AIの基本 機械学習について 深層学習について 機械学習の種類 教師あり学習の得意なこと 教師あり学習のイメージ 教師なし学習の得意なこと 教師なし学習のイメージ 強化学習の得意なこと 生成AIについて 生成AIとは 生成AIの位置付け 生成AI利用例 代表的なサービス例 日本における盛り上がり 生成AI市場規模 AGIとは AGIは近い？
-
【ChatGPT】新機能「Function calling」が凄すぎた - Qiita
tl;tr ChatGPTの新機能「Function calling」はすごい。 今後注目される機能になっていくと思われる。 ChatGPTの新機能「Function calling」について 6/13のアップデートで、ChatGPTに新たな機能「Function calling」が実装 されました。 「Function calling」は、ChatGPTに「呼び出すことができる関数」を教えておく機能で、ChatGPTがこの関数を呼び出せるようになります。 この機能を活用すると、ChatGPTを経由することで、曖昧な指示でも関数が実行できるようになります。 「Function calling」の概要と可能性 概要 ChatGPTに呼び出せる「functions」をパラメーターとして渡します。 この状態で通常通りChatGPTに送信をすると、関数の呼び出しを要求するレスポンスが帰るようになり
-
1100万行・32GB超の巨大CSVファイルの基本統計量を4GBメモリマシンで算出する - Qiita
はじめに この記事は，Kaggle Advent Calendar 2022第6日目の記事になります。 本記事では、 32GB超のCSVデータの基本統計量を、小規模マシンでも省メモリかつ高速に計算するテクニック について解説します。 Kaggleコンペに限らず、 マシンスペックが低いため、大きなデータセットを満足に処理できず困っている 毎回行うファイル読み込みが遅いので、もっと高速化したい ⚡ といった悩みや課題を抱えている方の参考になれば幸いです。 モチベーション データ分析業務やKaggle等のコンペティションで初めてのデータセットを扱う場合、いきなり機械学習アルゴリズムを行うことはまず無く、最初にデータ観察を行うのが一般的です。 テーブルデータであれば、各カラムの基本統計量（最小値、最大値、平均、分散、四分位数）などを計算・可視化し、データクレンジングの要否や特徴量設計の方針などを検
-
-
Microsoft Fabric - Next Generation Cloud Data Analytics Solution - Qiita
詳細に関しては、Microsoft Fabric Docsをご参考ください。 Microsoft Fabric とは? Microsoft Fabricは、レイクセントリックのオープンで全面的な SaaS データ、分析、AI プラットフォームを提供し、データ資産の全領域に対応する統合製品を提供します。Microsoft Fabric を通じて、初心者から経験豊富な専門家まで、Microsoft OneLake を基盤にした使いやすい共有 SaaS エクスペリエンスを通じて、データベース、分析、メッセージング、データ統合、ビジネスインテリジェンスのワークロードを利用できます。 そして、Microsoft Fabric では、データ駆動型組織におけるすべての Data & AI ペルソナ及び要件に対するワンストップソリューションです。 例えば、下記のようなことができます。 データのオーケストレ
-
Pythonだけでクロスプラットフォームなアプリを作れるFletについて - Qiita
はじめに Python だけでクロスプラットフォームなアプリを作ることが出来る、Flet というフレームワークについての記事です。 Pythonだけで次のようなWeb・デスクトップに両対応したアプリを作ることが出来ます。 Flet の概要 Flet は Flutter をベースにしています。主に以下のような特徴があります。 From idea to app in minutes 「素早くGUIアプリを作成出来る」ことが、Fletの主なセールスポイントのようです。 Simple Architecture JSフロントエンドやRestAPIを書くこと無く、PythonだけでSPAを作る事が出来ます。 Batteries included Batteries Included は、Pythonの設計思想のようです。電池が付属している、つまりそのままでもすぐに動かせることを指します。 Powere
-
PythonでGoogle Cloud Data Catalog APIを使ってみた(前編) - Qiita
はじめに Google Cloud Data CatalogからPythonを使ってデータを抽出する機会があり、詰まったところ、TIPSなどをまとめてみました。 Data Catalogを使って何をするか 今回使用した Data Catalogの機能面をGoogleのサイトから拾ってみました。 フルマネージドでスケーラビリティの高いデータ検出およびメタデータ管理サービス。 Data Catalog は、さまざまな Google Cloud システムからアセット メタデータをカタログ化できます。 Data Catalog API を使用して、カスタム データソースと統合することもできます。 データをカタログ化したら、タグを使用してこれらのアセットに独自のメタデータを追加できます。 組織が大きく、データが増えるほどに以下のような課題が生じてくる為、それらをメタデータとしてData Catalo
-
ChatGPT使い方総まとめ - Qiita
こんにちは！sakasegawaです！ ( https://twitter.com/gyakuse ) 今日は今流行のChatGPTについて紹介します！ ChatGPTとは OpenAIが開発するGPT-3(※)というめちゃくちゃすごい言語モデルをベースとしたチャットアプリです。 色んな質問にすぐ答えてくれます。 この記事ではさまざまな使い方を紹介します。 https://chat.openai.com/ ちなみにGPT-3関連では、noteの以下記事も便利なのでぜひ読んでみてください AIがコミットメッセージ自動生成！神ツール『auto-commit』『commit-autosuggestions』の紹介 ※正確にはGPT-3.5シリーズと呼ばれています ChatGPTの仕組みを考えながらプロンプトを作る手法はこちらに別途まとめています 文章 質問-応答 〜について教えて Wikiped
-
【エンジニア向け】GA4 / GTM 完全攻略マニュアル PV編 - Qiita
はじめに 2022年3月16日にGoogleからユニバーサルアナリティクス（UA）のサポート終了が発表されてしばらく経ちましたが皆さんいかがお過ごしでしょうか。 きっと上司や顧客から「2023年7月までにGA4に移行しろ」と言われている日々かと存じます。 本記事はGA4やGTMの設定を完全攻略するためのマニュアルとなっています。 既に様々な記事が出ていますが、不要な情報が多くて欲しい情報になかなか辿り着けないことも多いかと思います。 本記事では忙しいエンジニアの皆さん向けに必要な情報だけをまとめた記事となっています。 初回はPV編ということでGTMで取得したPVをGA4で確認してみます。 GA4の設定 アカウントとプロパティの作成がまだの方はこちらの記事を参考に設定してください。 トラッキングIDを確認する 「設定」＞「管理」＞「アカウント」＞「プロパティ」＞「データストリーム」＞「測定I
-
ほぼ毎日Qiitaを２時間見る私が、特に好きな記事をまとめてみた - Qiita
前書き 5か月ほど前にQiitaに登録し、それから登下校中や休憩時間など、空いた時間は基本Qiitaを見るようになりました。 ストックした記事が106、LGTMした記事が12ページ分にもなり、記事の整理もかねて、特に好きな記事や理解が深まった記事などを振り返りつつまとめようと思います。 無言で記事を掲載しております。迷惑だったら申し訳ありません。 が、随時更新予定です。 追記(2022/10/18) Twitterにておすすめの記事を紹介していただきました！ 今後もそういった機会があることを信じて、ほかの方にオススメされた記事を紹介する枠を設けます。 誰に向けて Qiita触りたての人 プログラミング始めたての人 自分自身 最初に見ておくべき記事 最初の頃は数学と同じように変数を決めていたため、aやbとしていたが、この記事を見て驚愕した（笑） リーダブルコードを読むきっかけとなった記事。
-
Pythonを使ったネットワークの可視化 - Qiita
ネットワークを「見る」のに役立つツールの実践ガイド Photo by Scott Webb on Unsplash この記事のコードは、このリポジトリですべて公開されています。 【更新情報】2021年2月2日：ネットワーク可視化のためのpythonパッケージJaalをリリースしました。後述のリストのオプション4と考えることができます。ぜひ使ってみてください。詳細については、このブログに記載があります。 はじめに ネットワークまたはグラフは、相互に関係を持つエンティティの特別な表現です。ネットワークは、(1) ノード（エンティティ）と (2) エッジ（2つのノード間の接続）の、2つの汎用オブジェクトのコレクションで構成されています。複雑なネットワークでは、各ノードやエッジに関連付けられた属性や特徴もあります。例えば、人物のノードは、年齢、性別、給与などの属性、「友人」という2人の人物間のエッ
-
【自然言語処理】日本語の教師なし学習をやってみた - Qiita
'男はご飯を食べた。', '男はパンを食べた', '女はスープを飲んだ', '女子はスマホでメールを送る。', '私は時計を彼女に送る。', '男は車に乗る', '小学生が自転車に乗る', 'サルがドラムを演奏する', 'カンガルーがタンバリンを叩く', 'チーターが獲物の後ろを走っている。', 'チーターが獲物を追いかける' from sentence_transformers import SentenceTransformer from sklearn.cluster import KMeans import random embedder = SentenceTransformer('distiluse-base-multilingual-cased') # Corpus with example sentences corpus = ['男はご飯を食べた。', '男はパンを食べた
-
有名企業のエンジニア向け研修資料まとめ - Qiita
はじめに 今回は有名企業の公開されているエンジニア新人研修資料をまとめました。 昨今、新人向けの研修資料を公開する企業が増えています。 またクオリティーがかなり高いものが多く、初級者~中級者でも学びがある資料となっています。 資料の作り方も勉強になるので「勉強会で登壇している人」「企業の研修担当の人」にも有益な資料になっています。 この記事の主な対象者 有名企業の研修資料を網羅的に見たい人 エンジニア初級~中級者の人 独学で学習をしている人 研修資料の作成を今後していきたい人 ミクシィ まずはじめに紹介するのは、毎年新人向けの研修資料を公開している株式会社ミクシィです。 ミクシィの研修資料で公開されている内容は、 Git研修 データベース研修 設計・テスト研修 コンテナ研修 iOSアプリ開発研修 Androidアプリ開発研修 フロントエンド研修 ゲーム開発研修 Flutter研修 AI研修
-
2019年末版 形態素解析器の比較 - Qiita
形態素解析は日本語処理の初歩であり、文を単語に分割したり、品詞や活用形、基本形を分析するために行います。本記事では形態素解析のツールをいくつかの出力例を交えて比較していきます。 （SentencePieceでいいじゃん、という人はお呼びでないですが、そういう方には、Twitterのトレンドが変な分割になってたら嫌では？と申し上げておきたいです） MeCab 言わずと知れた形態素解析器。とりあえずMeCabを使うという人は今なお多いことでしょう。とにかく高速であるということと、システムと辞書が分離されているのが特徴です。またPythonから使うのも簡単になりました（Janomeというものがありましたがmecab-python3の方が高速です）。Javaから使いたい人はKuromojiを使えばmecab(+ipadic)相当の結果が得られるはずです。 辞書はIPA辞書が推奨されていますが、Un
-
BigQueryへGCS上のCSVファイルをEmbulkで取り込む際のポイント - Qiita
前提 outputには、embulk/embulk-output-bigqueryを利用します。 ここに書いてあることはだいたいREADMEに書いています。 取り込み先はパーティショニングテーブル(timePartitioning:DAY) データ取り込みは日時で行い、日付パーティショニングするものとします。 embulk 0.9.17でテストした。 サンプル(.yml.liquid) input部分については、本記事では触れません in: type: gcs project: foobar_project bucket: foobar_bucket path_prefix: /path/to/{{ env.EXECUTE_DATE }}/{{ env.LOGNAME }}.csv.gz auth_method: compute_engine application_name: fooba
-
「テキストアナリティクスの基礎と実践」をpythonで読む4 トピック分析 - Qiita
この内容は金明哲さんの「テキストアナリティクスの基礎と実践」のRでの実装をpythonで書き換えながら読んでいくものです。 提供されているデータは、すでに形態素解析されてある程度集計されたデータとなります。 説明が不十分であること、参考書通りの解析ができているわけではないことはご了承ください。 詳しくは本を読んでいただければと思います。 前回 テキストの特徴分析 4. トピック分析 4.1 トピックモデルとは テキストにおける名詞は文章の主題や内容から大きく影響を受けるため、人による読みを経なくても、語句を集計したデータから、テキストの話題を推定できる可能性がある。 テキストをテキスト内に出現する毒と頻度によってのみ捉えるという点で、主成分分析や対応分析、潜在意味解析の手法と変わらないが、 線形代数の行列分解をベースとした方法では、高次元データの場合にデータの内在構造を十分に理解できない可
公式Twitter
- @HatenaBookmark
リリース、障害情報などのサービスのお知らせ
- @hatebu
最新の人気エントリーの配信
キーボードショートカット一覧
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
Copyright © 2005-2025 Hatena. All Rights Reserved.
設定を変更しました