はてなブックマーク

LLM自作入門 という本の輪読会に参加しており、書籍のGitHubを用いて環境構築をしました。この記事ではLLM自作入門の第二章の環境再現を通じて、Nixとuvを利用した環境構築手法を紹介します。 本記事は requirements.txt が提供されているケースを紹介しますが、ゼロから作る場合でもほぼ同じです。(uv addが不要なだけ) 本記事の対象者はPythonの経験者です。Nixやuvの前提知識は問いません。 再現可能な環境を目指す Python(特にCPython) はmacOSや一部のLinux Distributionに採用されているため、グローバルインストールすると思わぬ副作用が発生する可能性があります。また、ハッシュ無しのrequirements.txtのみで依存パッケージを管理している場合、再現に失敗することがあります。 再現性が担保されない環境では、実装者ごとに挙動

結論 絵文字は意思をもって配置するべき。無闇にソートしない。 理由 👍と👎のような押しミスを誘発し、サービス体験が悪くなるため。 解説 Unicodeのコードポイントで👍 (U+1F44D) と 👎 (U+1F44E)は隣り同士。単純な実装だとUI上での配置も当然隣になる。あなたがSlackやGitHubで押しミスをしないように気をつけないといけない理由は実は文字コードが原因なのです。 上の写真は、Slackです。これもめっちゃ怖い。 良い事例 Google MeetのEmojiのUIはPositive -> Normal -> Negativeのような順序になっていて、押しミスが発生しにくくなっている。 文字コードが気になる方へ 次の書籍がおすすめです!! ［改訂新版］プログラマのための文字コード技術入門 WEB+DB PRESS plus

$ docker compose watch app $ docker compose exec app bash $ root@393b1996df7c:/app# uv run hello Bytecode compiled 1 file in 39ms # Hello World 前書き 以前、uv on Dockerをやっているという記事を投稿しました。 この時点では、「使ってみた程度」のレベルで投稿していたのですが、定期的にアクセスが来ています。今見ると色々修正したい部分があるので新しく書き直すことにしました。 ※ 本記事ではuvとは何か、uvコマンドの使い方は解説しません。GitHubのドキュメント貼るので読んでみてください。 Dockerfile 次は、開発用コンテナの設定です。(のちに本番に有効な設定を紹介します) FROM ghcr.io/astral-sh/uv:pyt

Looker StudioのResponsive Designがリリースされたので早速使ってみた。結論としては、めちゃめちゃ体験が良くオススメ。 次のような感じのデザインができます。 既存のレポートからはできない 一点だけ注意。既存のレポートからはできないので、移行が必要。 補足: 既存のレポートをResponsiveにしようとして失敗した図 Themeの横の Layout を確認したところ、Response Designの有効化ボタンを見つけた。 起動してみたところ、失敗した。新しくレポートを作ってほしいとのことなので作ることに。 Responsive Designを有効化したレポートを作成 作成手順 新しいレポートを作成したところ、次のようにLayout方式の選択画面が出現する。 Responsive Designを選択すると、Responsive Designを有効化できる。 有効化

Pythonは比較的自由な文法で記述できる言語で、様々な分野で利用されています。 一方で、その自由さ故、どうやって書くのが良いか分かりにくい側面もあります。そこで、本記事では、Python使いに布教したいテクニックをまとめてみました。 TLDR; Pydantic ClassをModelとしてImmutableに運用しつつ、Controller, Service, etc にTyping.Protocol使うとだいぶ体験が良い。 開発環境は、uvとTaskfileの組み合わせがおすすめ。 リポジトリ 参照しやすいように、GitHubで動くfizzbuzzのコードを用意しました。必要に応じて、ご利用ください。 環境構築 Pythonでは、メジャーな環境構築方法がいくつかあります。 virtual env Docker (この後に登場するツールとの併用を含む) PyEnv + Poetry u

Charmingとは Charmingは、Rustの強力なチャートレンダリングライブラリです．美しく高品質なデータ可視化します．GitHub上で以下のようなグラフが紹介されています． 後述しますが，このCrateは適切にStructが分割されているので，可読性の高い可視化用のコードを作ることができます． 簡単に散布図を作成する Datasaurusのデータを使います．ここでは，csvファイルをダウンロードして使っています． もちろん表示するのはdinoです． この記事では，cargo new project_nameした後に，data dirとoutput dirを作っていることを想定します．

概要 モンテカルロ積分の証明を忘れていたことに気づいたので証明を行う. モンテカルロ積分とは乱数を用いた積分手法である. 定義・性質 以下の積分を確率変数を用いて行うことを考える 関数: g(x). 積分: \theta = \int_0^1 g(x) dx. 確率変数: X : X \backsim U(0,1). このとき, \theta について以下が成り立つ. \mathbb{E}[g(X)] = \int_0^1 g(x) \cdot \frac{1}{1-0} dx = \theta. すなわち, \mathbb{E}[g(X)] を推定すればよい. ここで以下の無作為標本を考える. X_1, \cdots ,X_m \quad \text{Where} \quad X_i \backsim U(0,1). このとき以下の確率収束が成り立つ. \begin{align*} \h