Posted in人工知能
Claude AIでデスクトップを操作：Computer Use API「実践」ガイド
AnthropicのComputer Use APIを使用して、Claude AIでコンピュータを操作する方法を詳しく解説します。複雑なUIタスクに対するSeleniumに代わる新しいソリューションです。
Posted inGit
.gitignoreのグローバル設定とプロジェクト別テンプレート：OS、IDE、プログラミング言語のファイルを正しく除外する
.gitignoreを二つのレベルで設定する方法を解説：OSとIDE用のグローバル設定と、プログラミング言語用のプロジェクト別設定。Python・Node.jsの実践的なテンプレート、誤ってコミットしたファイルの対処法、gitignoreルールのデバッグ方法も含む。
Posted in人工知能
LlamaIndex + Ollama: 完全オフラインで構築する社内文書Q&Aシステム
LlamaIndexとOllamaを組み合わせることで、PDF・Word・社内Webサイトのデータをクラウドへ一切送信せずに文書Q&Aシステムを構築できる。各アプローチの比較、オフラインソリューションが適したケースの分析、インストールから本番導入までのステップバイステップガイドを解説する。
Posted inVMware
PythonでVMware vSphere REST APIを使う: PowerCLIなしでVM管理とインベントリを自動化する
PythonとvSphere REST APIを使って、VM管理、インベントリのCSV出力、スナップショット作成、一括電源管理を自動化する方法を解説します。PowerCLIは不要で、あらゆるOSで動作します。実践的なスクリプトとVMware本番環境の運用経験から得たヒントを紹介します。
Posted in人工知能
論理的に正しい数百万行のデータベースデータを生成：LLMとSDVを組み合わせた究極のテクニック
手動でのデータ生成スクリプト作成はもう不要です。LLMとSDVライブラリを組み合わせて、論理的整合性を保ちつつ、セキュリティを確保した数百万行のデータを生成する手法を解説します。あらゆる難解なテストに対応可能なデータ準備術を紹介。
Posted in人工知能
BentoML：LinuxでAI/MLモデルをproduction-readyなREST APIとしてパッケージ化・デプロイする
BentoMLはAI/MLモデルをLinux上でproduction-readyなREST APIとしてパッケージ化できるML servingフレームワークで、モデルバージョン管理、アダプティブバッチング、Dockerエクスポートの自動化に対応。本記事ではFlask/FastAPI、TorchServe、Tritonとの比較と、BentoMLをトレーニングからsystemd・Dockerを使ったproduction環境までデプロイする手順を解説する。
Posted in人工知能
Haystack 2.0: Document Indexing・Hybrid Retrieval・スマートQ&Aで構築するドキュメント処理パイプライン
Haystack 2.0は有向グラフ形式のAIドキュメント処理パイプラインを構築できる。各コンポーネントが明示的に接続され、デバッグも拡張も容易だ。本記事では、ドキュメントのインデックス化、BM25とEmbeddingを組み合わせたHybrid Retrieval、Pythonを使った本番対応Q&Aパイプラインまでを実践的に解説する。
Posted inPython
Dask Python：RAMを超えるBig Dataを並列処理で攻略 — 実践から学んだTips
RAMを超える大規模データセットを並列処理で扱うDaskの実践的な使い方ガイド。インストール、DataFrame/Arrayの設定、Partitionの最適化、Dask Dashboardによるパフォーマンス監視までを網羅。
Posted inPython
Cythonとは？PythonをCにコンパイルして処理速度を数十倍高速化する方法
CythonはPythonモジュールをC extensionにコンパイルし、重い計算処理を10〜150倍高速化しながらも、Pythonの馴染みある構文をそのまま維持できる。本記事では人気のPython高速化アプローチを比較し、実際のベンチマーク付きでCythonの導入手順をステップバイステップで解説する。
Posted in人工知能
AIがPythonコードから自動でUnit Testを生成：PynguinとCodiumAIでCoverageを向上させるガイド
既存のPythonソースコードからPynguinとCodiumAIを使ってUnit Testを自動生成し、一つひとつ手書きすることなくコードカバレッジを80%以上に引き上げる方法を解説します。実践的なワークフロー、2つのツールの組み合わせ方、そしてAI生成テストをcommitする前の重要な注意点も含めて紹介します。