はてなブックマーク

こんにちは！今回は4x4のミニオセロゲームをHTML、CSS、JavaScriptのみで実装する方法をご紹介します。盤面が小さいミニオセロは通常の8x8オセロよりも戦略が単純でわかりやすく、JavaScriptの学習にもぴったりです。 この記事では以下の内容について説明します： ゲームの要件と仕様 設計方針（オブジェクト指向アプローチ） 実装の詳細 ユーザーインターフェースの構築 AI(コンピュータ) の実装方法 完成イメージ 完成したゲームでは以下の機能が実現できます： 4x4のオセロ盤面 黒と白の石を交互に置ける 有効な手の表示 石を裏返すアニメーション シンプルなコンピュータ対戦 ゲームログの表示 デバッグモード ゲームの要件と仕様 基本要件 4x4のゲーム盤を作成 プレイヤーが交互に石を置ける オセロのルールに従って石を裏返す 有効な手がない場合はパス ゲーム終了時に勝者を表示 追

1行で、あなたのGradioアプリはMCP（Model Context Protocol）サーバーとして動作し、Claudeなどの大規模言語モデルから直接呼び出せるようになります。でも、この機能の裏側では、何が起きているのでしょうか？ MCPとは何か？簡単に説明 MCP（Model Control Protocol）は、大規模言語モデル（LLM）が外部ツールや関数を自然言語ベースで呼び出すための軽量なプロトコルであり、計算処理や画像生成などを外部リソースに委ねることを可能にします。 実際に試してみた つぎのページの公式のページの最初のサンプルプログラムを試してみました。 import gradio as gr def letter_counter(word, letter): """ Count the number of occurrences of a letter in a word

こんにちは！最近、Preferred Networks社からリリースされた日本語テキスト埋め込みモデル「PLaMo-Embedding-1B」を使って、カレーのレシピを意味的に検索できるシステムを構築してみました。本記事では、Google Colabで誰でも簡単に試せる形で実装方法を解説します。 1. PLaMo-Embedding-1Bとは？ PLaMo-Embedding-1Bは、Preferred Networks社が開発した日本語に特化したテキスト埋め込みモデルです。日本語テキスト埋め込みのためのベンチマークであるJMTEBにおいて、以下のような優れた性能を示しています： 総合スコア: 76.10（トップクラス） 特に検索タスクで：79.94（最高クラス） 主な特徴： 日本語特化: 日本語テキストの意味的な類似性を捉える能力が高い 比較的軽量: 1Bパラメータで実用的な処理速度を実

はじめに Webアプリを作る際に、ユーザーの入力をサポートする「入力補完」機能は非常に便利です。 今回はPythonのStreamlitを使って、シンプルながら実用的な入力補完機能の実装方法を紹介します。この記事は自分の学習内容の備忘録として書いていますが、同じような機能を実装したい方の参考になれば幸いです。 実装するもの 今回実装するのは次の機能を持つ簡単なフォームです： ドロップダウンリストから選択できる入力補完 リストにない項目を自由に入力できるカスタム入力欄 入力内容の確認と検証 コード全体 まずは完成したコード全体を見てみましょう： import streamlit as st # 入力候補（本来はDBから取得してもOK） suggestions = ["Apple", "Banana", "Blueberry", "Cherry", "Grape", "Mango", "Ora

Streamlitで簡単にExcelライクなデータ編集機能を実装する方法をQiitaに投稿しました。Pythonの勉強備忘録として、データ操作をブラウザ上で直感的に行う方法をまとめています。初心者の方にもわかりやすく解説しているので、ぜひご覧ください！📝 はじめに 最近Pythonを勉強していく中で、データ操作のためのウェブアプリを手軽に作成できるStreamlitというフレームワークに出会いました。特に、st.data_editorという機能を使うとExcelのようなインタラクティブなデータ編集が可能になることを知り、備忘録として共有します。 Streamlitとは？ Streamlitは、データサイエンス・機械学習のプロジェクトを簡単にウェブアプリ化できるPythonのフレームワークです。コードを書くだけで、インタラクティブなウェブアプリを作成できるのが特徴です。 環境構築 まずは必

視覚的階層の作り方 情報の重要度を視覚的に表現するテクニック： サイズによる強調：重要な要素ほど大きく 色による区別：カテゴリーごとに色分け（最大5色程度に抑える） 配置による関係性表現：中心・周辺、上下左右の位置関係で重要度を表現 線の太さと種類：実線/破線/点線で関係性の強さや種類を区別 シンプル化のコツ 図解は複雑さを減らすためのものであるため、シンプルさが重要： 抽象化レベルの統一：同じ図の中で詳細度を揃える 情報の取捨選択：本質的な要素だけを残し、ノイズを削除 チャンク化：7±2の法則を意識し、一度に表示する要素数を制限 反復パターンの活用：類似構造は同じ表現方法で統一 認識のギャップを埋める図解テクニック チームメンバー間の知識や理解の差を埋めるための図解テクニック： 前提条件の可視化 仮定リスト：図の隅に、前提としている条件を明示的にリスト化 知識マップ：議論に必要な知識領域

知識グラフ×LLMで自然言語分析してみたを勉強会で発表してみたところ、参加者の方から『そもそもグラフDBって何がいいの？』とコメントをいただき、改めて整理してみました。 RDBMSしか使ったことない方向けに、グラフDBの基本的な価値や使いどころをまとめています。図解多めで書いたので、ご参考になれば。🙏 はじめに 「知識グラフ・グラフDB面白いよ！」って言われても、「うん、それで？🤔」ってなりますよね。 私も最初はそうでした。でも使ってみると「あ、これは確かに便利かも」と思える場面に出会えました。 この記事では「グラフDBって実際何に使えるの？」という素朴な疑問に、具体例を交えて答えてみたいと思います。 グラフDBの良いところ 1. 「つながり」を扱うのが上手 例えば、こんな場面で力を発揮します： 「友達の友達を探したい」（SNSでよくありますよね） 「この商品を買った人は、他に何を買っ

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? PMBOKのテーラリングについて記事を書きました。 プロジェクトマネジメントの手法は、「全部入り」でも「完全省略」でもNG。大切なのは、プロジェクトの特性に合わせて「使える手法は何でも使う」という考え方です。 金融系基幹システムのシミュレーションとしての更改事例も紹介し、要件定義・開発・管理の各フェーズでどのようにテーラリングしたかを実践的に解説しています。 はじめに：なぜテーラリングが必要なの？ 「PMBOKの手法をすべて導入しないといけない」 「アジャイルだからウォーターフォールの手法は使えない」 ...こんな思い込み、ありませんか

はじめに この記事では、PythonのデータバリデーションライブラリであるPydanticを使って、簡単にかつ強力にデータのバリデーションを行う方法を解説します。 今回はGoogle Colab上でハンズオン形式で進めていきますので、ブラウザさえあれば実行環境を整えるのも簡単です。 1. Pydanticとは？ データのバリデーションや型の宣言を簡単に行えるPythonライブラリ Pythonの型ヒント(type hints)を活用して、データ構造の定義と検証を同時に実現 FastAPIなどの人気フレームワークでも広く採用されており、API開発・プロジェクト構成などで非常に便利 Pydanticを使うと、辞書やJSONで受け取ったデータが正しい形式になっているかどうかをPythonicに検証できるようになります。データの整合性を保つために煩雑なチェックを書かなくてよくなるので、とてもおすす

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに : Neo4jとオントロジーの世界を探る こんにちは。この記事では、「辛さでつながる人々」というユニークな視点から、知識グラフ、オントロジー、そしてNeo4jについて探っていきます。カレー好きの方も、データ分析に興味がある方も、一緒に「辛さ」を通じてデータの新しい世界を覗いてみませんか？ 1. 知識グラフって何だろう？ まずは、知識グラフについて考えてみましょう。私が理解した限りでは、知識グラフは情報をつながりで表現する方法のようです。 例えば、こんな風に考えてみました： 田中さんは辛さ耐性5 バターチキンカレーの辛さは3 田

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに こんにちは。この記事は、私が知識グラフ、Neo4j、そしてオントロジーについて学び始めたときの備忘録です。これから知識グラフを学ぼうとしている方の参考になれば幸いです。 1. 知識グラフとは 知識グラフは、実世界の情報を構造化して表現するデータモデルです。学び始めて気づいた主な特徴は： エンティティ（ノード）と関係（エッジ）で構成される 複雑な関係性を直感的に表現できる 機械学習や自然言語処理などのAI技術と相性が良い 2. Neo4jについて Neo4jは、知識グラフを実装するためによく使われるグラフデータベース管理システム

はじめに こんにちは、カレー愛好家の皆さん！今回は、Pythonと大規模言語モデル（LLM）を使って、カレーに関する知識を管理し、質問に答えるシステムを作ってみました。このシステムでは、カレー好きの人々のネットワークや、お気に入りのカレー店、新しいメニューなどの情報をグラフ構造で表現し、それをベースに質問応答を行います。 システムの概要 このシステムは以下の主要な機能を持っています： カレー関連の知識をグラフ構造で表現 ユーザーのコメントを分析し、新しい知識をグラフに追加 グラフの可視化（日本語対応） グラフ情報を基にした質問応答 それでは、知識グラフの魅力について詳しく見ていきましょう！ 知識グラフのメリットと有益性 皆さんは「知識グラフ」という言葉を聞いて、どんなイメージを持ちますか？難しそう？複雑そう？確かに最初はそう感じるかもしれません。でも、実はとてもパワフルで、私たちの日常生活

はじめに 2024年9月18日に開催された勉強会「ついに出た！OpenAIの最新モデル『o1』って何がすごいの？みんなで勉強しよう」に参加しました。 本記事では、勉強会で学んだ内容、そこから得た個人的な気づき、そして今後の展望についてまとめています。まず、貴重な学びの機会を提供してくださった主催者と登壇者の皆様に心からお礼申し上げます。 本記事はあくまで筆者の個人的な理解と解釈に基づいています。まだ勉強会の内容をチェックされていない方は、ぜひconnpassの資料、動画アーカイブのリンクをご覧ください。 勉強会のまとめ o1モデルの特徴 深い推論能力：複雑な問題解決や分析タスクに強み 高度なプログラミング能力：複雑なコードの生成や理解が可能 長い応答時間：じっくりと考えることで質の高い回答を提供 AIモデルの進化と o1 の位置づけ AIモデルの進化の流れが以下のように示されました： スケ

はじめに カレー好きの皆さん、こんにちは！「もっと自分好みのカレーに出会いたい」「友達にぴったりのカレーを提案したい」と思ったことはありませんか？今回は、そんな夢を叶える魔法のような AI 技術、「協調フィルタリング」を使って、カレー推薦システムを作ってみましょう。 この記事で学べること カレー好きの皆さん、協調フィルタリングを学ぶことで、こんな素敵な体験ができるんです： AIの実践的な使い方を知る: NetflixやAmazonなど、普段使っているサービスの裏側で動いているAI技術を、カレーという身近な題材で理解できます。難しそうなAIも、こうして実践的に学べば、とても親しみやすいものだとわかりますよ。 個人の好みに合わせる技を習得: 「この人にはこのカレーがぴったり！」というマッチングの裏側にある技術を学べます。これは、カレーショップのオーナーさんや、友達にぴったりのプレゼントを選びた

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 1. はじめに MapReduceは大規模データ処理のための強力なプログラミングモデルです。本記事では、Google Colab環境でPythonを使用してMapReduceの概念を学び、効率的なデータ処理パイプラインを構築する方法を解説します。 MapReduceの概要 MapReduceは主に2つの段階から構成されています： Map: 入力データを key-value ペアに変換する Reduce: 同じキーを持つ値をまとめて処理する これらの操作を組み合わせることで、大規模なデータセットを効率的に処理することができます。 記事の目

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに こんにちは！今回は、Pythonを使ってポモドーロタイマーを作成する過程を、要件定義から実装まで詳しく解説します。このプロジェクトを通じて、以下のスキルを身につけることができます： ソフトウェア開発のプロセス（要件定義、仕様策定、設計、実装） Pythonの基本的な構文とオブジェクト指向プログラミング Tkinterを使ったGUIアプリケーションの作成 時間管理の基本概念とその実装方法 それでは、プロジェクトの各段階を見ていきましょう。 1. 要件定義 まず、ポモドーロタイマーの基本的な要件を定義します。 1.1 機能要件 2

はじめに こんにちは、皆さん。今回は、FastAPIを使用して天気予報APIと交通情報APIを作成し、それらから取得したデータを効率的に統合する方法について、Pythonのジェネレータを使用したアプローチを紹介します。この例を通じて、複数のデータソースを組み合わせることで、日常生活の計画をより効率的に立てる方法を学びましょう。 目次 はじめに 環境準備 FastAPIを使用した天気・交通APIの作成 ジェネレータを使用したデータ統合 動作確認と日常生活への応用 パフォーマンスと拡張性 まとめ はじめに 日々の生活において、天気予報や交通情報は私たちの行動計画に大きな影響を与えます。本記事では、これらの情報を提供する2つのAPIを作成し、それらからのデータを効率的に統合して活用する方法を紹介します。 環境準備 まず、必要なライブラリをインストールします： from fastapi impor

はじめに 時系列データの分析は、ビジネス、金融、科学研究など、様々な分野で重要な役割を果たしています。その中でも、移動平均は最も基本的かつ強力なツールの一つです。この記事では、Pandasを使用した移動平均の計算と可視化について、基礎から応用まで幅広く解説します。 この記事を読むメリット 実践的なデータ分析スキルの向上: 単純な移動平均から適応型移動平均まで、様々な手法の実装方法を学べます。これらのスキルは、株価予測、需要予測、センサーデータの分析など、実務で即座に活用できます。 効率的なコード設計とパフォーマンス最適化: 大規模データセットの処理技術や、再利用性の高いコード設計について学べます。これにより、より効率的で保守性の高い分析プログラムを作成できるようになります。 分析手法と可視化技術の習得: 移動平均の交差シグナルやボリンジャーバンドなど、分析手法と、それらを効果的に可視化する

はじめに Pythonの f文字列（フォーマット済み文字列リテラル）は、Python 3.6から導入された強力な機能です。文字列内に直接Python式を埋め込むことができ、コードの可読性と効率を大幅に向上させます。この記事では、f文字列の便利な使い方を10個紹介します。 Pythonのf文字列：便利な使い方10選 基本的な変数の挿入 式の評価 メソッドの呼び出し 辞書のアクセス 条件式（三項演算子） フォーマット指定子の使用 左寄せ、中央寄せ、右寄せ 日付のフォーマット 2進数、8進数、16進数表現 デバッグ用の=指定子 1. 基本的な変数の挿入 最も基本的な使い方は、変数の値を文字列に挿入することです。

はじめに ビジネスの世界で「先を読む」ことの重要性は言うまでもありません。売上予測、需要予測、株価分析など、時系列データを扱う機会は非常に多いですよね。しかし、時系列データの分析は一筋縄ではいきません。トレンド、季節性、外部要因など、考慮すべき要素が多岐にわたります。 そこで本記事では、Pythonを使って時系列データを効果的に分析する方法をご紹介します。特に、データサイエンティストの強い味方であるpandasライブラリの時系列機能と、FacebookのAIチームが開発した予測ライブラリProphetに焦点を当てます。 これらのツールを使いこなせば、複雑な時系列データでも、まるで未来を見通すかのように分析できるようになります。さあ、一緒にPythonで時を操る魔法を学んでいきましょう！ 1. pandasを使った基本的な時系列データ操作 1.1 データの読み込みと前処理 まず、時系列データ

はじめに Pythonのデータ解析エコシステムは日々進化を続けています。2024年現在、効率的なデータ処理、直感的な可視化、高度な機械学習の自動化など、様々な新しいツールが登場しています。本記事では、最新のPythonデータ解析ライブラリを紹介し、それぞれの特徴や使用例、実際のユースケース、そして導入方法まで詳しく解説します。 1. データ操作ライブラリ 1.1 Polars: 高速データ処理の新標準 Polarsは、Rustで実装された高速なデータ操作ライブラリです。pandasに似たAPIを持ちながら、大規模データセットでより高速に動作します。 特徴: 高速な処理速度 メモリ効率が良い pandasに似たAPI 使用例: import pandas as pd # サンプルデータを作成 data = { "age": [25, 32, 28, 35, 40, 50], "categor

はじめに グラフィカルユーザーインターフェース（GUI）プログラミングは、多くの開発者にとって魅力的な分野です。特に、イベント駆動プログラミングの概念は、GUIアプリケーション開発の核心部分です。この記事では、Pythonとtkinterライブラリを使用して、イベント駆動GUIの基本を学びます。 イベント駆動プログラミングとは？ イベント駆動プログラミングは、プログラムの流れがユーザーのアクション（イベント）によって決定される設計パラダイムです。GUIアプリケーションでは、ボタンのクリックやキー入力などのユーザーアクションがイベントとして扱われ、それに応じてプログラムが反応します。 主な特徴： イベントリスナー：特定のイベントを監視 イベントハンドラ：イベントが発生したときに実行される関数 イベントループ：継続的にイベントを監視し、適切なハンドラを呼び出す プロセスの流れ： ユーザーがGU

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに 革新的な連携: ノーコードプラットフォームDifyとAIツールOllamaの連携により、開発プロセスが劇的に変革されます。 探求: この記事では、両ツールの統合手順と開発者にとっての利点を詳しく探ります。Difyの直感的なインターフェースを通じて、OllamaのAIモデルを効果的に活用する方法を紹介します。 Ollamaとは Ollamaは、LLama3やLLava、vicunaやPhiなどのオープンに公開されているモデルを手元のPCやサーバーで動かすことの出来るツールです。 difyとは DifyはオープンソースのLLMアプ