ビット単位のAND／OR／XOR／NOT演算とビットシフト演算について紹介し、それらによってビットパターンがどう変化するかを確認していく。 # ビットパターンを表示するヘルパー関数の定義 def bitpat(x): l = x.bit_length() + 1  # 符号ビットを含めるため＋1 if l < 8:  # 最低でも8桁のビットパターンとする l = 8 if l % 4 != 0:  # 4桁ごとの表示にするため、4の倍数にする l += 4 - l % 4 c = l // 4 - 1  # セパレーターの数 if x >= 0: pattern = f'{x:0{l+c}_b}' else: mask = (1 << l) - 1 pattern = f'{x & mask:0{l+c}_b}' return pattern print(bitpat(127))  #

Cohereは2024年5月24日（米国時間）、企業が生成AI（人工知能）の活用を推進する上で、RAG（Retrieval-Augmented Generation：検索拡張生成）を導入すべき5つの理由を、公式ブログで解説した。 RAGは、LLM（大規模言語モデル）の回答に特定の情報源を組み合わせることであり、「検索」「プロンプトの拡張」「生成」というステップで構成されている。 Cohereは、RAGを用いた質問から回答までの流れと企業がRAGを導入すべき理由を次のように解説している。 RAGを用いた質問から回答までの流れ 検索 まず、ユーザーがシステムに質問すると、システムはデータソースから情報を検索して引き出そうとする。これには基本的なキーワード検索エンジンを使用する場合もあれば、埋め込みによる高度なセマンティック検索を使用することもある。どちらの場合でも、LLMがユーザーの質問に答え

Mistral AIは2024年6月5日（フランス時間）、同社の大規模言語モデル（LLM）へのアクセスポイント（APIエンドポイント）「La Plateforme」にモデルのカスタマイズサービスを導入し、ユーザーがAI（人工知能）アプリケーションのパフォーマンスと速度の改善や、きめ細かな編集の管理を行えるようにしたと発表した。 これにより、ユーザーはMistral AIモデルを自らのニーズに簡単かつ効率的に適応させることができ、大規模な生成AIモデルのカスタマイズに必要なコストや専門知識、ノウハウのハードルが下がると、Mistral AIは述べている。 関連記事 Mistral AI、コーディング用生成AIモデル「Codestral」を提供開始　3万2000トークンのコンテキストウィンドウを持つ220億パラメーターモデル Mistral AIは、同社初のコーディングモデル「Codestra

2024年5月13日にOpenAIが新しいAI（人工知能）モデル「GPT-4o（oはOmniの意味）」の提供を開始した。同時に、OpenAIが提供しているチャットAI（人工知能）である「ChatGPT」にもGPT-4oが適用されている。 GPT-4oは、テキストだけでなく、音声や画像などによる入力が可能で、テキストや画像などの出力に対応している。また、音声入力に対する遅延も短くなっており、人間が応答するのと同等のレスポンスを実現しているという。 実際に使ったところ、回答までの時間が短く、GPT-3.5に比べて、格段に回答が正確になっているようだ。 このように魅了的なGPT-4oをChatGPTで使うにはどうすればいいのだろうか？　本Tech TIPSでは、GPT-4oを使う方法などについて解説する。 無料ユーザーがGPT-4oを使う方法 ChatGPTは無料でも利用できるが、従来、その場合

第3回ではブラケット「[]」やiloc属性／loc属性を用いて行や列、特定要素を選択する方法を紹介しました。が、pandasのDataFrameオブジェクトではその他にもさまざまな方法で行や列（Seriesオブジェクト）、DataFrameオブジェクトを構成する一部のDataFrameオブジェクト、特定の要素などを選択できます。今回はそれらの方法を紹介していきます。 at属性／iat属性による特定要素の選択 前述の通り、第3回ではブラケットやiloc属性／loc属性を使ってDataFrameオブジェクトの特定の行や列、要素を選択する方法を紹介しました。繰り返しになりますが、以下にその例を示しておきましょう。 なお、ここでは以下のようなDataFrameオブジェクトを定義して例として使うことにします。 df = pd.DataFrame([['kawasaki', 99, 175, 80],

DuckDBチームは2024年6月3日（オランダ時間）、オープンソースの分析データベースシステム「DuckDB」の正式バージョン1.0.0を公開した。 DuckDBは、2018年にプロジェクトの最初のソースコードが作成された。現在のC++エンジンのコードは30万行を超える。速度、信頼性、ポータビリティ、使いやすさに重点を置いて設計されており、豊富なSQLの方言をサポートしている。サードパーティーによる拡張機能も複数構築、配布されている。 スタンドアロンのCLI（コマンドラインインタフェース）アプリケーションとして利用可能で、Python、R、Java、Wasmといったクライアントがあり、pandasやdplyrなどのパッケージと深く統合されている。 DuckDB 1.0.0の重点ポイント 関連記事 PostgreSQLの主要コントリビューター「EDB」が語る、クラウドネイティブデータベース

KPMGインターナショナルは2024年5月31日、「AIを用いたこれからの財務報告と監査」を発表した。これは世界10カ国（オーストラリア、カナダ、フランス、ドイツ、日本、アイルランド、オランダ、英国、米国、スペイン）の800社を対象に、AI（人工知能）と監査について調査した結果をまとめたもの。 それによると、4分の3（72％）の企業が財務報告プロセスにおいてAIを試験的に導入または使用しており、KPMGインターナショナルは「この割合は3年後には全世界レベル（99％）に拡大する」と予測している。 企業はAI活用に監査人に「保証」と「証明」を求めている 財務報告にAIを導入する利点について聞くと、「トレンドと影響の予測能力が手に入る」「リアルタイムにリスク洞察ができるようになる」「データに基づく意思決定を改善できる」「データの正確性を向上させられる」が上位を占めた。また約40％の企業が「（AI

この連載は、データをさまざまな角度から分析し、その背後にある有益な情報を取り出す方法を学ぶ『社会人1年生から学ぶ、やさしいデータ分析』連載（記述統計と回帰分析編）の続編で、確率分布に焦点を当てています。 この確率分布編では、推測統計の基礎となるさまざまな確率分布の特徴や応用例を説明します。身近に使える表計算ソフト（Microsoft ExcelやGoogleスプレッドシート）を使いながら具体的に事例を見ていきます。 必要に応じて、Pythonのプログラムや統計ソフト「R」などでの作成例にも触れることにします。 数学などの前提知識は特に問いません。中学・高校の教科書レベルの数式が登場するかもしれませんが、必要に応じて説明を付け加えるのでご心配なく。肩の力を抜いてぜひとも気楽に読み進めてください。 筆者紹介： IT系ライターの傍ら、非常勤講師として東大で情報・プログラミング関連の授業を、一橋大

4047社に聞いた「DX推進」のリアル　IPAが2023年版の分析レポートを発表：各企業の「DX推進指標の自己診断結果」を分析 IPAは「DX推進指標 自己診断結果 分析レポート（2023年版）」を公開した。DX推進指標に基づいて日本企業が提出した自己診断結果を分析した。中小企業は大企業に比べて、相対的に成熟度レベルが低いことが分かった。

Gartnerは2024年5月20日（米国時間）、パブリッククラウドサービスに対する世界のエンドユーザー支出についての予測結果を発表した。これによると、2023年の5610億ドルから2024年には20.4％増加し、世界のエンドユーザー支出は6754億ドルに達するという。 関連記事 国内AIシステム支出、2024年は対前年比34.5％増の9000億円規模　IDC予測 IDC Japanは、2024年の国内AIシステムの市場予測を発表した。2023年の国内AIシステム市場は前年比34.5％増の6858億7300万円。2024年は前年比31.2％増の9000億6000万円になると予測する。 世界企業のITインフラ支出調査、急上昇を遂げたのはどの分野？　IDC発表 IDCは世界の企業ITインフラ市場のレポートを発表した。企業ITインフラ支出全体の7.8%を占めたのは「構造化データベース／データ管理

プロトタイプとMVP（Minimum Viable Product）の主な違いは、その目的にある。プロトタイプは「アイデアを手元のリソースで実現可能かどうかを確認すること」が目的で、MVPは「市場に対応できる洗練された製品を生み出すこと」が目的だ。 そのため、プロトタイプには既知のバグがあったり、部分的な機能しか実装されていなかったりすることがある。逆にMVPは合意された全ての機能を完全に実装し、市場に流通させられる状態になっている必要がある。 MVPとは？ MVPの背後には「エンドユーザーにおける問題解決のカギとなる機能を必要最低限な形で実装し、製品の購入、使用を働きかける」という考え方がある。 関連記事 Microsoft、生成AIを活用したい起業家向けトレーニングをMicrosoft Learnで公開 Microsoftは、起業家向けに生成AIを学べるトレーニングコンテンツをMicr

生成AI市場の主戦場は「基盤モデル」から「開発プラットフォーム」へ？　ITRが生成AI戦略に関する資料を公開：ユースケースに基づいて実装アプローチを提言 ITRは、ホワイトペーパー「生成AIの真価を引き出すアプリケーション戦略」を公開した。生成AIのユースケースごとに、最適なアプリケーション利用形態を選択するための検討ポイントを整理している。

文字列とバイト列を相互に変換するには、文字列のencodeメソッドとバイト列のdecodeメソッドを使うか、str関数とbytes関数を使うのが簡単だ。それらの方法を紹介する。 # 文字列をバイト列に変換する s0 = 'Hello, world!' b0 = s0.encode()  # デフォルトのエンコーディングはUTF-8 print(b0)  # b'Hello, world!' # バイト列を文字列に変換する s1 = b0.decode()  # デフォルトのエンコーディングはUTF-8 print(s1)  # Hello, world! # エンコーディングを指定してバイト列に変換する s0 = 'ディープ' b0 = s0.encode(encoding='utf-8')  # UTF-8でエンコード print(b0)  # b'\xe3\x83\x87\xe3\x8

「カスタム指示」を設定してプロンプトの入力を楽にする 同じ条件などをいつもプロンプトとして入力しているのならば、ChatGPTの「カスタム指示」機能を使うとよい。「カスタム指示」を設定すると、そこに入力した指示がチャット全体に対して適用される。この「カスタム指示」の使い方を紹介しよう。 「ChatGPT」を使っていて、毎回、同じ条件などをプロンプトとして入力していることはないだろうか？　ChatGPTはトークン数（入力文字数）に制限があるため、毎回のように同じ条件などを入力していると、他の条件が書き切れなくなることがある。 このような場合、事前に条件などを設定しておき、全てのチャットに反映できる「カスタム指示（Custom Instructions）」機能を使うと便利だ。ここでは、Web版のChatGPTによる設定方法と注意点を紹介しよう。 なお「カスタム指示」機能は、以前は有料版のみに提

Mistral AI、コーディング用生成AIモデル「Codestral」を提供開始　3万2000トークンのコンテキストウィンドウを持つ220億パラメーターモデル：80以上のプログラミング言語のデータセットで学習 Mistral AIは、同社初のコーディングモデル「Codestral」を発表した。コード生成タスク用に設計され、重みが公開されている生成AIモデルだ。

OpenAIは2024年5月7日（米国時間）、C2PA（Coalition for Content Provenance and Authenticity Steering Committee）運営委員会への参加を発表した。また、それと同時に同社のコンテンツの真正性を保証するための取り組みを同社のブログで紹介した。 C2PAはデジタルコンテンツの認証に広く使用されている標準で、コンテンツのソースを証明することができる。ソフトウェア企業、カメラメーカー、オンラインプラットフォームなどの関係者によって開発、採用されている。 関連記事 生成AIが抱えるリスクと、プラットフォームエンジニアリングで生成AIを活用するメリット 生成AI導入の最前線に立っているのは、DevOpsチームとプラットフォームエンジニアだ。生成AIが抱えるリスクを解説したり、生成AIを活用するメリットの事例として、プラットフォ

Amazon Web Services（AWS）は2023年4月に、大規模言語モデル（LLM）のフルマネージドサービス「Amazon Bedrock」のプレビュー版を公開した。プレビュー版の公開時点で導入を決め、1年にわたって同サービスを活用してきた企業の担当者らが、アプリケーション開発に生成AI（人工知能）を利用する際のポイントを語った。 語ったのは、カナダのトロントを拠点とする顧客調査プラットフォームプロバイダーAlidaでチーフアーキテクトを務めるシャーウィン・チュー氏と、米国ニューヨーク州メルビルのContact center as a ServiceプロバイダーVerint Systemsでチーフサイエンティストを務めるイアン・ビーバー氏だ。 AlidaはなぜAmazon Bedrockを選んだのか 関連記事 最適な学習方法は？　安全にデータを使うには？　AWSが解説する「生成A

テキスト生成AIのリスクを利用形態、想定ユースケースごとに解説　デジタル庁がガイドブックを公開：テキスト生成AIのサービス開発者が対象 デジタル庁は、「テキスト生成AI利活用におけるリスクへの対策ガイドブック（α版）」を公開した。政府情報システムを対象に、テキスト生成AI固有と思われるリスクに焦点を当て、留意点を紹介している。

AIによる自動化機能が追加された「GitLab Duo」、DevSecOpsパイプラインへの統合は開発者に何をもたらすのか：GitHubとの違いも解説 TechTargetはGitLabの開発者向けツール戦略に関する記事を公開した。GitLabは、プラットフォームエンジニア間におけるAI自動化への関心の高まりに応えるため、次期リリースで同社「Duo」のAIツールをDevSecOpsパイプライン全体に結び付ける予定だ。

ミンコフスキー距離（Minkowski distance）／Lpノルムとは？：AI・機械学習の用語辞典 用語「ミンコフスキー距離」について説明。2点間の距離を計測する方法の一つで、マンハッタン距離（L1ノルム）やユークリッド距離（L2ノルム）、チェビシェフ距離（L∞ノルム）などを一般化したもの。パラメーター「p」の値を調整することで柔軟に距離を表現できる。 連載目次 用語解説 数学／統計学／機械学習におけるミンコフスキー距離（Minkowski distance）とは、n次元ベクトルで表現される2点（例えばx＝[x1,x2,...,xn]とy＝[y1,y2,...,yn]）間の「距離（ノルム）」を計算するための方法の一つである（具体的な計算方法は後述する）。マンハッタン距離（L1ノルム）や、ユークリッド距離（L2ノルム）、チェビシェフ距離（L∞ノルム）の計算を一般化したものとも見なせる。ミ