Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?
簡単すぎる「エージェントの作成方法」 Microsoft 365 Copilotライセンスを有するユーザーは、Copilot Studioを利用したCopilotエージェントを作成することができます。作成方法も簡単で、エージェントをアシストしてくれるCopilotと会話をしながら設定を行ったり、エージェントに対する指示文を直接書いて設定を行ったりすることができます。 ほかにも、エージェントが参照すべきナレッジとして、SharePointサイトやそこに保存されたファイルを指定することもできます。こうした作成方法は、Copilot ChatでCopilotエージェントを作成するときと同じです。 エージェントを作成するための特別な知識が必要ないというのは、ユーザーにとっての大きなメリットでしょう。
LangChainって何？ ChatGPTを始めとする大規模言語モデル（LLM）の流行が止まりませんが、そんなLLMを活用して日々開発するエンジニアの間で最近ずっと耳にするキーワードの一つがLangChainです。 LangChainとは、LLMを用いたアプリケーション開発を効率的に行うためのライブラリです。機械学習分野で最も人気のあるPython言語用に提供されています。 そもそもライブラリって何？ プログラミングの文脈でよく聞く「ライブラリ」って何者なのか、初学者にはいまいちピンと来づらいですよね。 分かりやすく言うと 「特定の言語でプログラミングをする際によく使いそうな機能をあらかじめ誰かが作ってくれて、呼び出すだけでその機能を使えるようにしてくれている便利セット」 のようなものです。 例えば、よく使われるPython言語のライブラリの例として math があります。これは数学的な計
価値拡大のためには、リアルタイムの戦略的な行動を促進するためにデータ戦略を遂行し、適切な人材ミックス、業務運用モデル、ガバナンスフレームワークを確立して、実証段階から実用（生産）段階に移行するための手法を理解する必要があります。移行が成功すればAIの恩恵を受けることができますが、失敗すれば企業の存続を脅かすことになるかもしれません。アクセンチュアの調査では、日本企業の経営幹部の77％（グローバル全体では75%）が、「AIをビジネス全体に効果的に導入できなかった場合、今後5年以内に廃業に追い込まれるだろう」と回答しています。 もはやAIは「あった方が良いもの」や経営層の歓心を買うちょっとしたツールというだけの存在ではありません。AIもデータ戦略もビジネス基盤そのものになりつつあります。より簡単かつ低コストでテクノロジーが利用できるようになりつつある今こそ、企業は決断し行動に移すべき時です。
【独自調査】生成AI活用、プロンプトだけで対応できる業務は34%RAGによる独自データ参照やシステム開発の重要性が浮き彫りに 最先端アルゴリズムの社会実装に取り組むAIスタートアップ、株式会社Lightblue（代表取締役：園田亜斗夢、本社：東京都千代田区、以下「Lightblue」）は、生成AIを導入済み、または導入を半年以内に予定している法人を対象に、生成AIワークショップを開催し、その活用方法を模索してまいりました。ワークショップに参加した36社から抽出した1,281件の「生成AI活用アイディア」を、具現化に必要な技術の観点から集計・分析した結果、生成AIのプロンプトだけで解決できる施策は約34％にとどまり、RAGによる独自データ参照やシステム開発の重要性が浮き彫りとなりました。 調査概要 調査概要：生成AIに代替・効率化可能な業務割合に関する実態調査 調査期間：2023年9月1日
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？
言語&開発基礎編 PythonやSQLなどの言語と開発環境に関連することをまとめました。 機械学習に関する教材はこの次のセクションにまとめてあります。 学習環境 インストール及び使い方チュートリアルのサイトと、ある程度使い慣れた後に役立つtips集を各エディタでまとめました。 Google Colaboratory Python初学者にとって最もわかりやすいPython実行環境です。プログラミングは初めて！という方はまずこのGoogle Colaboratory(通称: Colab)から始めてみて、使い方がある程度わかったら、そのまま次のセクションのPython編に移りましょう。 Pythonプログラミング入門 難易度: ★☆☆ 東京大学の公開しているPython講座ですが、冒頭でColabの使い方を解説しています。使ったことのない方はこちらから！ Google Colabの知っておくべき
ChatGPTを使ってデータサイエンティストの生産性を爆上げする活用術をまとめました！ また、データサイエンティストがChatGPTを活用するための記事をまとめているので、こちらもぜひ参考にしてみてください。 データ前処理 「ChatGPTを使用すると、「データを分析可能な形に前処理して」といった大雑把なリクエストに対しても、すんなりと対応し、データ前処理を行ってくれます。」 今のところ、大量のデータを前処理する際にChatGPTを利用する場合は、ChatGPTに実際の前処理を行わせるのではなく、前処理用のサンプルコードを教えてもらう方が良いでしょう。 ただし、近い将来にはCSVやExcelを直接アップロード＆ダウンロード可能な「Code Interpreter」というプラグインが追加される予定とのことで、実務利用が大いに現実味を帯びると考えられます。 詳細は以下のページで紹介しています！
Hide Comments (–) Share Hide Toolbars
連載目次 前回の番外編4では、図形的な意味や一次独立、一次従属といった線形代数の基本を踏まえて行列式について見てきました。今回も同様に、固有値と固有ベクトルの考え方について、ポイントを押さえながら説明します。また、行列の対角化を行うことにより、行列のべき乗を簡単に求める方法を紹介し、その応用としてマルコフ過程の事例を紹介します。 ポイント1 固有ベクトルは一次変換を行っても向きが変わらないベクトル ひと言でいうと、固有値や固有ベクトルは一次変換を特徴付ける値やベクトルです。しかし、以下のような式がいきなり登場して面食らってしまった人もいるのではないでしょうか。 「一次変換を表す行列をAとしたとき、 を満たす0でないベクトルxをAの固有ベクトル、λを固有値と呼ぶ」 というものです。確かに、式を見た瞬間に気を失いそうになりますね。しかし、Aが行列で、λが定数であることに注目すれば、ベクトルを一
連載目次 行列式や固有値、固有ベクトルの壁を越えられないのは、行と列を掛けたり足したりという成分の計算で力を使い果たしてしまい、図形的な意味や線形代数の体系の中での意味を考える余裕がないからではないでしょうか。今回は行列式について、計算で力尽きないようにするための裏技を見た後、図形的な意味などについて考えてきたいと思います。固有値、固有ベクトルについては番外編5で取り扱います。 ポイント1 行列式はスカラーである まず、大前提です。行列式が求められるのは行数と列数が同じ正方行列のみです。ここからのお話に登場する行列は全て正方行列です。 さて、2×2行列の行列式は平行四辺形の面積を表すとか、3×3の行列式は平行六面体の体積を表すといった話を聞いたことがある人も多いかと思います。面積とか体積であるということは、行列式はスカラーであるということです。 行列Aの行列式はdet Aまたは|A|と表し
NVIDIAは2022年9月8日、「DLIデータサイエンス教育キット」の日本語版を提供開始した。DLI（Deep Learning Institute）は、NVIDIAが提供するデジタルスキル育成プログラム。日本語版への翻訳は滋賀大学が協力している。日本のデータサイエンス教育の普及を目的にしており、教育機関に所属する教員は無償でダウンロードし、データサイエンス教育に活用できる。 データサイエンスのさまざまな領域の基礎と応用を学習可能 DLIデータサイエンス教育キット（英語版）は、ジョージア工科大学とプレイリービューA＆M大学の研究チームがNVIDIAと共同開発した。同キットは、講義用スライドや演習課題、DLIオンライントレーニングへのアクセス権、クラウドのGPUインスタンスのクレジットなどを含む。NVIDIAは「教材や演習、学生の理解度を評価するためのテストやクイズなどをパッケージにして提
Windows環境にインストールされたAnacondaで仮想環境が作成されるパスを追加します。 anaconda では、仮想環境のパスを複数登録することができます。 Windowsのシステム環境変数に「CONDA_ENVS_PATH」を追加 ここでは、仮想環境の保存先フォルダを「C:\Anaconda_Datas\envs」にすることにします。 Windows> コントロール> システム> 詳細設定> 環境変数にて「システム環境変数」を追加 変数名：CONDA_ENVS_PATH 変数値：C:\Anaconda_Datas\envs 複数のフォルダを指定したい場合は、「;」で区切ることで可能です。 仮想環境のパスを確認する 「conda config --show envs_dirs」コマンドで、仮想環境のパスが追加されていることを確認します。 [annaconda prompt] (ba
「データという金脈を掘り当てた」 三井物産が挑むデータ活用を追う！ PoCの結果は「経営陣も注目のインパクト」 企業はいま“VUCA時代”の真っ只中にいる。AIなどテクノロジーの進歩や環境問題、国際情勢の動向といった急激な変化を前に、世の中の変動性（Volatility）、不確実性（Uncertainty）、複雑性（Complexity）、曖昧性（Ambiguity）が増した。こうした状況でも企業が成長を続けようにも、従来のやり方は通用しない。 この課題は企業規模の大小に関係なく、きちんと向き合う必要がある。こうした考えで早くから行動したのが、大手総合商社の三井物産だ。経験知に基づいた業務から一転し、データに基づく業務とそれを指揮するデータドリブン経営に舵を切った。 同社はDX（デジタルトランスフォーメーション）を掲げた「DX総合戦略」を推進する上で欠かせないデータ分析基盤の構築をテーマに
AI／機械学習、ディープラーニングを学び始めると、どこかで数式を読むことになる。それも偏微分や線形代数など大学レベルの数学である。この壁にぶつかって、数式を理解できないままスルーしたり、学ぶこと自体を諦めてしまったりする人も少なくないのではないだろうか？ 本書は、主にAI／機械学習の教材などに書かれている数式でつまずいたことがある初学者に向けた、「AIに最低限必要な数学を基礎の基礎からしっかりと、しかも効率的に学ぶ」ための電子書籍の第1部である。具体的には連載『AI・機械学習の数学入門 ― 中学・高校数学のキホンから学べる』を構成する、 という全4部の中の「第1部 中学数学からのおさらい編」を電子書籍（PDF）化したものである。 数学を学んでから10年以上のブランクがある場合は、本人が考えている以上に数学を忘れているものだ。偏微分や線形代数などのAI（特にディープラーニングのニューラルネッ
連載目次 本連載（基礎編）の目的 スクラッチ（＝他者が書いたソースコードを見たりライブラリーを使ったりせずに、何もないゼロの状態からコードを記述すること）でディープラーニングやニューラルネットワーク（DNN：Deep Neural Network、以下では「ニューラルネット」と表記）を実装して学ぶ系の書籍や動画講座、記事はたくさんあると思います。それらで学んだ際に、「誤差逆伝播」（バックプロパゲーション）のところで挫折して、そこはスルーしている人は少なくないのではないでしょうか。個々の数式や計算自体を理解していても、何となく全体像がつかめずに、 と自信を持って言えない人も多いのではないかと思います。 本連載（基礎編）はそういった人に向けた記事になります。この記事はニューラルネットの仕組みを、数学理論からではなくPythonコードから学ぶことを狙っています。「難しい高校以降の数学は苦手だけど
サインインした状態で「いいね」を押すと、マイページの 「いいね履歴」に一覧として保存されていくので、 再度読みたくなった時や、あとでじっくり読みたいときに便利です。
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
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