はてなブックマーク

はじめに CursorのようなAIのコードエディタがめちゃくちゃ進化してきている、こんな時代だからこそ静的型付け言語、特に厳格な静的型付け言語であるRustとの相性が良いのでは？という話をポエム的に書いてみます。 この記事ではあえてRustに特化して比較や検討をしているのは、個人的な好みの問題です笑 今の現場では静的型付け言語であるTypeScriptを使っているけど、厳格な静的型付け言語ではないし、実装されているコードも現場や人によって異なることが多くて、AIと共創していくことを考えたときにベターな言語があるんじゃないかって思ってつらつら書いてみます。 （TypeScriptって本当に十人十色なコードができてしまうから悩ましいw） 一方で、TypeScriptは型安全じゃないからすばらしいという意見もあるので、あくまでポエム的な内容であるということはご理解ください。 TypeScript

まずは自己紹介 ナレッジワークでエンジニア組織の仕組み作りなどを担当しているsedoと申します。 Enablement Groupという部署に所属していて、社内のプロジェクト管理の仕組みを整えたり、社外への情報発信イベントの運営サポートなどをしています！ なんか、うまくいくチームって「理由」があるよね 「天才はいらない」なんてちょっと極端かもだけど、 チームでうまくいってるときって、実は「誰かひとりがすごい」よりも、 「それぞれの強みが噛み合ってる」ことが多いんですよね。 逆に、「スキルはあるはずなのに、なぜかうまく回らない…」ってときもある。 この違いって、意外と「個人の特性」と「役割のマッチ度」が関係してたりします。 今回は、自分が大事にしたい「理想の組織づくり」について、ちょっとまじめに書いてみようと思います。 イネーブルメントって、ただの支援じゃない 組織づくりの中で、すごく大事だ

うさぎでもわかるゆめみ社長の怪文書と企業文化の衝突 👇️PodCastでも聴けます 👇スライド こんにちは、🐰うさぎエージェントです！今日は少し変わった視点からテック業界の話題を深掘りしてみようと思います。 先日、2025年5月11日に匿名掲示板に「ゆめみからアクセンチュアにJoinされる皆さんへ」というタイトルの投稿が登場し、IT業界の一部で話題になっています。この投稿は、アクセンチュアによるゆめみの買収（2025年5月8日発表）を背景に、アクセンチュア社内の状況を暴露する内容となっています。 この記事では、この匿名投稿（いわゆる「怪文書」）の内容を分析しつつ、企業文化の衝突という視点から考察していきます。それでは、ぴょんぴょん進めていきましょう！ 怪文書の概要 まず、この怪文書の概要を見ていきましょう。この投稿は、アクセンチュアの社員を名乗る人物がゆめみからアクセンチュアに移る社

$ gcc -c main.c -o main.o && gcc -c sub.c -o sub.o $ cargo run -- a.out main.o sub.o $ ./a.out $ echo $? 11 リンカーとは リンカーとは、コンパイラが生成したオブジェクトファイル（.oファイル）を結合して実行可能ファイルを作るソフトウェアです。 簡単に説明すると、次のようなことを行っています。 複数のオブジェクトファイルを読み込む シンボル（変数や関数の名前などの情報）を解決 重複や未定義の場合の処理 セクション（コードやデータの固まり）を結合して適切にレイアウトする シンボルの参照先を正しいアドレスに調整する（再配置） 実行可能な形式のファイルを出力する オブジェクトファイルとは オブジェクトファイルとは、コンパイラがソースコード（CやRustなど）をコンパイルした結果の中間ファイル

はじめに チューリングの横井です。チューリングでは視覚と言語を統合的に理解できるAIを自動運転に応用するため、Vision Language モデル（VLM）「Heron」の開発に取り組んでいます。このたび、経済産業省およびNEDOが推進する日本の生成AIの開発力強化に向けたプロジェクト「GENIAC」第2期の支援のもと開発したVLM「Heron-NVILA」15B, 2B, 1B, 33Bを公開しました。 この記事では開発したHeron-NVILAのアーキテクチャ、学習内容、ベンチマーク評価を紹介します。 モデルアーキテクチャ Heron-NVILAのアーキテクチャは名前の通りNVIDIAが提案したVLMであるNVILAを用いています。 NVILAは 「Vision Encoder → Projector（2 層 MLP）→ LLM」 という 3 段構成を取りつつ Scale ─ 画像を

Pydantic AIで作る！実践Text-to-SQLシステム構築ガイド 〜自然言語によるデータ抽出の自動化で分析業務を効率化〜 こんにちは、Ubieでアナリティクスエンジニア/データアナリストをしているmatsu-ryuです。 普段は、Ubieが提供するサービスから得られる様々なデータを活用し、「テクノロジーで人々を適切な医療に案内する」というミッションの実現に向けて取り組んでいます。 皆さんの職場では、こんなやり取りはありませんか？ 「先月のカテゴリ別売上トップ3、都道府県別で出せますか？」 「レビュー評価が星1つの商品のリストと、その商品を買ったユーザーのリストをお願いします。」 データドリブンな意思決定が重視される昨今、こうしたデータ抽出・分析の依頼は日常的に発生します。しかし、その裏側では多くの組織が共通の課題を抱えています。 SQLの壁: 分析したい人が必ずしもSQLを書ける

6.1節で価格と詳細ユーティリティを表にまとめています。 モデルの進化概要 OpenAIのモデル群は、それぞれの特化性に合わせて発展し、以下のような2系統に分岐しています。 GPT系 (GPT-4.1, GPT-4oなど) 一般用途に最適化されたファミリー。GPT-4.1 は最大1Mトークンの超ロングコンテキストを扱え、GPT-4o は音声や画像（ビジョン）に対応するバリアントを含みます。 o系 (o3, o4-miniなど) ステップバイステップの推論やツールコールによる複雑なタスクに強い。reasoning_effort(low/medium/high)を調整でき、タスクごとに推論の深さを変えられます。 モデルファミリーの大きな違い GPT-4.1 ファミリー 長文処理と高精度の生成に強い mini / nano バリアントで低コスト版も用意 大規模コンテキストを必要とするドキュメント

要約 回帰分析を用いるとき、結果の読み取りとして「回帰係数の解釈」を行う場面は少なくない 一般的には「説明変数Xが1単位上がると、目的変数Yが回帰係数\beta分だけ上がる」といわれるが、どうもわかりにくいので、「増分」という考え方で解釈するほうが良いのではないかと思う 因果推論でいう介入有無での条件付き期待値として考えるやり方を上手く拡張する 当然データによっては外挿になることがあるので、そういう部分では完璧ではないが、予測ではなくモデルを通して事象を理解するという取り組みの上では、一定有効な手段なのではないか 設定 とりあえず扱いやすいように、YやXが連続実数\mathbb{R}である場合の重回帰モデルを考える。行列表現で表現したほうが良いかもしれないが、今回は回帰係数の解釈がテーマになるので、任意のiに注目する表現で書き下したほうがわかりやすいと思うので、それを採用する。 Y_i =

はじめに React Compilerを2024年7月末に導入し、2024年10月中旬からプロダクション利用を開始して現在(2025年5月中旬)に至ります これまでに起きたことや感想を共有したいと思います 前提 技術スタック Next.jsのPages Routerを使用し、サーバー側で動く処理はほぼない react-hook-formを使用 reactStrictModeはtrue 導入時にeslint-plugin-react-compilerを使った検査では違反なし 各ライブラリのバージョンアップは随時行っている // 2024年7月末の導入時 next: 15.0.0-rc.0 react: 19.0.0-rc-01172397-20240716 babel-plugin-react-compiler: 0.0.0-experimental-938cd9a-20240601 rea

生成 AI 全盛期の昨今ですが、Adobe Illustrator や InDesign 等のソフトウェアにて行われる DTP は一歩取り残されている感が否めません。本記事では、 Illustrator 用の MCP サーバを実装して、LLM を介した Illustrator の作業効率化が可能であるかを探ります。 はじめに DTP（Desktop Publishing）とは、レイアウトや組版作業を通じて印刷物用のデータを作成することを指します。この DTP では、大量のオブジェクトに対して操作を加えたり、原稿やインターネット上の情報を基に文字を入力したりする作業が頻繁に行われます。これらを Adobe 製品、特に Illustrator で実現するには、データ駆動型グラフィックの作成や、ExtendScript を用いたスクリプティング等の複雑な作業が必要です。 一方、近年では GPT

こんにちは。 株式会社キカガクの @tetsuro_b です。 2025 年 5 月 10 日、 Cursor v0.50 がリリースされました。 直近の Cursor のアップデートは細かい調整や、他の AI エディタにもある機能の輸入のような内容が多かったですが v0.50...、実に驚きのアップデート内容でした・・・！ アップデート内容の紹介に入る前に、最近の AI エディタ界隈を振り返ると... Copilot Agent がついに GA。王者 Micorsoft が AI エディタ界隈に満を持して参入 https://code.visualstudio.com/updates/v1_99 OpenAI が Windsurf を 4,300 億円買収合意 https://www.nikkei.com/article/DGXZQOGN082HU0Y5A500C2000000/ などな

はじめに この度、技術評論社の「知識地図」シリーズで、Microsoft Azureの入門書「Azureの知識地図」を出版することになりました！2025年5月13日発売予定です！ Azureの知識地図〜クラウドの基礎から実装・運用管理まで（技術評論社サイト） 本書は、Azureを初めて学ぶ方や、これからAzureを使い始める方に向けて、Azureの基本的な概念やサービスをわかりやすく解説しています。 本記事では本書刊行までの経緯や本書の内容についてご紹介します。 経緯 本書の出版経緯について少しお話しします。 2023年の初めに、OpenAI社とMicrosoft社のパートナーシップにより、Azure上でOpenAIのモデルを使うことができるAzure OpenAI Serviceが一般提供されたのは記憶に新しいところです。 このサービスはセキュアにOpenAIモデルが使えるという特性から

はじめに 想定する読者 本記事はReact初級者から中級者向けの記事になります。 特に普段何となくでuseEffectを使用している方や使用を避けるべきアンチパターンを理解していない方、まだReactの公式ドキュメントのそのエフェクト不要かもを読んでない方などに少しでも知見になればと思います。 なぜ理解する必要があるのか 恐らく普段何となくでuseEffectを使用していてもそのコードの多くはひとまず期待する結果になっていると思います。「だったらいいじゃん。」と思考を停止していてはエンジニアとして成長がありませし、当然誤った使い方をするとパフォーマンスの低下やバグの温床になってしまいます。 エンジニアとして使用する技術に対して理解する、ドキュメントに沿った使い方をするというのは基本にして奥義であると思っています。 ある有名なフロントエンドエンジニアさんが言われていましたがこれまで色んなプロ

はじめに こんにちは。 今回は、自身がレビュワーに設定されているPRを一覧で確認することができるChrome拡張機能を開発したので、その内容についてお話ししたいと思います。 また、この拡張機能はGitHubでのPRレビューを効率化したいという思いがあり、業務では拡張機能の開発をしていますが、個人では開発したことがなかったので良い機会だと思い、成果物を Chrome Web Store に公開するところまで行いました。 エンジニアは日常業務において毎日のようにコードレビューを行なっていると思いますが、 以下のような課題があり、どうにか解決できないかと考えていました。 レビューの見逃しでレビューが遅れてしまう レビュー待ちのPRを確認するのが手間 承認状況や作成からの経過時間を視覚的に確認したい そこで、Chrome拡張機能として、自分がレビュアーに設定されているPRを簡単に一覧表示し、バッジ

この記事について Kubernetesはコンテナオーケストレーションを行うためのOSSツールです。 OSSであることからベンダに縛られることなく、AWSやGoogle Cloud, Azureといったパブリッククラウド、果てにはオンプレやそのハイブリッド環境まで、Kubernetesをホストし動作させる環境は要件に応じて自由に選ぶことができます。 クラスタをどこにホスティングするかは人それぞれであり、求められる様々なネットワーク・ハードウェア・クラウドベンダ要件に応じてクラスタの設定をカスタマイズする必要が出てきますが、Kubernetesはそんな様々な環境に適応できるようにするための拡張機能がところどころに用意されています。 また、「クラスタにおけるリソースの数や設定を、applyされたマニフェストファイルで宣言された状態に保ち続ける」というKubernetesのエコシステムを、Podや

Slackに疲れた研究者のためのMatrix入門 分散型チャットプロトコルがもたらす柔軟で持続可能な研究コミュニケーション 複数の国際共同研究や学際的なプロジェクトに関わっていると、Slackのワークスペースが次第に増え、管理が煩雑になります。 誰かにDMを送ろうとしても、まずどのワークスペースかを思い出す必要があり、通知も分断されがちです。 こうした問題に対して、私は最近 Matrix + Element に移行しました。分散型プロトコルであるMatrixは、研究者のコラボレーションに非常に相性が良いと感じています。本記事ではその特徴と活用方法を紹介します。 始めるには？ https://element.io https://element.io/download ダウンロードページからクライアントアプリをダウンロードして起動、matrix.orgにアカウントを作る。もしくは、ダウンロー

少し前にOpenAIのA Practical Guide to Building Agentsから生まれた、Big Model vs Big Workflowsの議論を元に、エージェント設計指針を自分なりに再確認するためにまとめた読書メモな記事です。 下記三つの記事を元にしています。 A Practical Guide to Building Agents How to think about agent frameworks In the Matter of OpenAI vs LangGraph ちなみに一つだけ読むとしたら、LangChainの記事が、（時系列的に当たり前ですが）OpenAIのガイドやAnthropicのBuilding effective agentsに言及しながら指摘を行っており、一番主張やスタンス、全体感はわかりやすいです。Anthropicの記事のことは絶賛で

2025/05/12 有識者から no-useless-rename というESLint本体に含まれているルールを紹介していただき、これでこと足りそうでした。 この記事のカスタムルールの内容自体はほぼ意味のないものになってしまいましたが、カスタムルールを作っていく過程においては参考になるところもあると思うので引き続き残しておきたいと思います。 始めに 弊社ではESLintルールのobject-shorthandを設定しており、ショートハンドで書けるものはショートハンドで強制されるようにしています。これによってコードがスッキリしたものになるのですが、一部ショートハンドにならないケースがありました。

マークダウンを一箇所に集める LLMとMarkdownの相性が良いという話は、最近多くの人が話題にしたり感じていることかと思います。 おそらく、そのうちあらゆるデータを直接LLMに手軽に安く入力できるようになるとは思いますが、それにはしばらく時間がかかるのも確かだと思います。なので、今はとにかくMarkdownを集めてLLMの手に届く範囲に置いておきたくなるわけです。 しかしながら、データというのは、だいたい色々な形式で色々な場所に散在しているものです。なので、そういったデータを変換してまとめる仕組みが一番重要になってきます。逆に言えば、そういう仕組みさえ構築できれば、プラットフォームは、はてなブログでもZennでもTwitterでもNotionでも何でも良かったりします。ただ、データを手軽に取得（APIで取得 or エクスポート）する方法があることが重要ですね。Obsidianが、最近L

はじめに この記事では、GitHub Copilotを使用してPythonでの開発を支援する方法を学ぶためのハンズオンラボを紹介します。 05-Using-GitHub-Copilot-with-Pythonをもとに作成したハンズオンラボです。 誤りや不具合がある場合は随時修正予定です。 事前に読んでおくと良い資料 Introduction to prompt engineering with GitHub Copilot Using GitHub Copilot with Python ハンズオンの準備 Enable your GitHub Copilot service Open this repository with Codespaces ハンズオンで対応すること ステップ1：Pydanticモデルを追加する ステップ2：新しいエンドポイントを生成する ステップ3：コードを説明する

のように、22文字程度の短くてスッキリしたIDに変換できます。 これを簡単に行うためのライブラリ「uuid58」を作成しました。 本記事ではuuid58を作った背景や使い方、特徴を紹介します。 動機 データベースの主キーにUUIDを使うことは多いですが、UUIDは36文字（ハイフン込み）と長く、URLに埋め込むと見た目も悪くなりがちです。 「短くしたい！」と思ってBase64エンコードを考える人も多いですが、Base64は/や+、=などURLで使いにくい文字が含まれてしまいます。 そこで、Bitcoinでも使われているBase58（視認性の悪い文字を除外したアルファベット）でエンコードすれば、 最大22文字に短縮できる URLセーフ 見た目もスッキリ 0とO、Iとlのような区別しづらい文字が除外されている という理想的なIDが作れます。 既存のUUID→Base58変換ライブラリを探してみ

うさぎでもわかる！TypeScriptの型レベルプログラミングと高度な設計手法 👇️ポッドキャストでも聴けます こんにちは、🐰です！今日はTypeScriptを使いこなすための高度なテクニックについてお話しします。TypeScriptは単なる「JavaScriptに型をつけただけの言語」ではなく、型システムを活用した表現力豊かなプログラミングが可能なんです！ 私自身、TypeScriptでの開発に挑戦し、「こんなこともできるんだ！」と驚くことがたくさんありました。この記事では、型レベルプログラミングや高度な設計パターン、パフォーマンス最適化など、実践的で役立つ知識を共有します。 TypeScriptの型システムを極め、より安全で保守性の高いコードを書く冒険に一緒に出かけましょう！🥕 TypeScriptの型システムを極める TypeScriptの型システムとは何が凄いのか TypeS

近年のWebアプリケーションは、単なる情報表示にとどまらず、複雑なデータ処理や高度な計算処理を必要とするケースが増えています。TypeScriptは型安全性と優れた開発体験でフロントエンド開発の標準となりつつありますが、パフォーマンスが重要な処理においては限界に直面することもあります。 一方、WebAssembly（以下Wasm）は、ブラウザ上で動作する低レベルなバイナリフォーマットとして、ネイティブに近いパフォーマンスを実現する技術です。C++やRustなどの言語からコンパイルされ、JavaScriptとシームレスに連携できるため、Web開発の可能性を大きく広げています。 しかし、「いつ、どないな場合にWasmを導入すべきなんか」「導入コストに見合う性能向上が得られるんか」といった疑問に対する実践的な回答は、まだ共有が不十分です。 この記事では、大規模データ処理に焦点を当て、TypeSc

Neovimの開発repoで、extuiという機能を導入するPRがマージされました。本記事執筆時点ではexperimentalで、stable release版には含まれていません。HEADビルドやnightly版（:versionでv0.12.0-nightly-xxxxxxのような表示が出るもの）を使用する必要があります。 いくつかのPRはimplemented in #27855で閉じられています。複数の要望をextuiにまとめて実装したようです。 設定例 筆者はいまのところ以下のように設定しています。本体の部分は:h extuiのサンプルそのままですが、筆者は設定ファイルを複数の環境で共有しているため、バージョンが異なる環境でもエラーにならないようpcallで確認を挟んでいます。 local ok, extui = pcall(require, 'vim._extui') if o

はじめに .cursor/rules/*.mdcファイルでプロジェクト固有のルールをAIに教えられるようになってから、「これって、もしかしてコーディング規約だけじゃなくて、もっと色んな『知識』をCursorにインストールできるんじゃない？」って思い始めました。 例えば、プロジェクト管理のバイブル「PMBOK」とか、データマネジメントの教科書「DMBOK」とか。ああいうカッチリした知識体系をCursorが理解してくれたら、日々の業務がめちゃくちゃ捗るんじゃないか…？ そんな「Cursor × 専門知識体系」について、興奮が冷め上がる前に記録を残しておきます。 Cursorに「専門知識」を叩き込むって、どういうこと？ まず、おさらいですが、CursorのAIって賢いですよね。コードの提案はもちろん、チャットで質問すれば答えてくれるし、ドキュメント（@docs）を読み込ませれば、その内容に基づい

はじめに はじめまして。データアナリティクスラボの力岡です。 私は日頃、テーブルデータの分析業務において、LightGBMをはじめとする勾配ブースティング系アルゴリズムを活用しています。ただし、その仕組みを十分に理解したうえで使いこなせているかというと、まだ自信が持てない部分もあります。そこで本記事では、自分自身の理解を深めるとともに、これから学ぶ方々にも役立つよう、勾配ブースティング決定木（GBDT）について体系的に解説していきます。 1. 勾配ブースティング決定木 勾配ブースティング決定木（Gradient Boosting Decision Trees、GBDT） は、複数の決定木（弱学習器）を組み合わせて高い予測精度を実現する、アンサンブル学習の一手法です。その名の通り、「勾配降下法」「ブースティング」「決定木」という3つの要素を組み合わせて構成されており、実務やKaggleなどの

前提知識 AI 活用 Amazon.com での AI 活用 オフィスワークにおける生成 AI ユースケース このような 生成 AI ユースケースをイチから自分で作り上げるにはさまざまな知識と経験を求められます。こういったユースケースを誰でも簡単に作れるような UI/UX を提供してくれるのがご紹介するDify です。 Dify とは Difyは、AIアプリケーション開発を効率化するためのオープンソースプラットフォームです。直感的なインターフェースを通じて、複雑なAIワークフローの構築から実運用までをサポートする総合的なソリューションを提供しています。 このプラットフォームの特徴として、ビジュアルキャンバスを使用したAIワークフローの構築が可能で、GPT、Mistral、Llama3などの多様なLLMモデルとの連携をサポートしています。また、直感的なプロンプトIDEを備えており、プロンプト

3秒まとめ この記事の目的 みやっち氏作のAI PMワークフローの理解と社内プロジェクトへの応用可能性の探求 内容 AI PMの概要とコンセプト 「aipm_v0」の説明 「オンライン定性調査プラットフォーム構築」における活用シミュレーション。8年前に企画してローンチしたサービス。 考察や応用事例。示唆が多いので解説。 期待される効果 プロジェクト管理業務の効率化と質の向上 AI AgentやDigital Twin、ドキュメンテーションワークフローへの応用 AI PMとは？ AIを活用した、プロジェクトマネジメントの新しいアプローチです。 目的: プロジェクト計画の自動生成・最適化 タスクの割り当てと進捗管理の支援 リスク予測と早期警告 コミュニケーションの円滑化 期待されるメリット: プロジェクトマネージャー（PM）の負担軽減 意思決定の迅速化と精度向上 プロジェクト成功率の向上 知っ