
閾値問題に関する考察
以下の文章はこちらの記事を翻訳したものです。 https://github.com/HypothesisWorks/hypothesis/blob/master/HypothesisWorks.github.io/posts/2017-09...


以下の文章はこちらの記事を翻訳したものです。 https://github.com/HypothesisWorks/hypothesis/blob/master/HypothesisWorks.github.io/posts/2017-09...

以下の文章はこちらの記事を翻訳したものです。 https://github.com/HypothesisWorks/hypothesis/blob/master/HypothesisWorks.github.io/posts/2017-09...

以下の文章はこちらの記事を翻訳したものです。 https://github.com/HypothesisWorks/hypothesis/blob/master/HypothesisWorks.github.io/posts/2017-07...

以下の文章はこちらの記事を翻訳したものです。 https://github.com/HypothesisWorks/hypothesis/blob/master/HypothesisWorks.github.io/posts/2017-04...

その1はこちら https://kdotdev.com/kdotdev/pyright-pylance-type-check-rule 各ルール解説 reportUninitializedInstanceVariable 概要 report...

Pythonの型チェックツールPyrightは設定によって静的型解析の挙動を変えることができる。 具体的には以下のページにある「Type Check Diagnostics Settings 」の値をいじる。 https://github....

以下の文章はこちらの記事を翻訳したものです。 https://github.com/HypothesisWorks/hypothesis/blob/master/HypothesisWorks.github.io/posts/2016-04...

以下の文章はこちらの記事を翻訳したものです: https://github.com/HypothesisWorks/hypothesis/blob/master/HypothesisWorks.github.io/posts/2016-04...

以下の文章はこちらの記事を翻訳したものです。 https://github.com/HypothesisWorks/hypothesis/blob/master/HypothesisWorks.github.io/posts/2016-05...

簡単に言えば可変長なtype parameter. 複数の型を一つの型変数で表現できる。 例えば下の例ではtupleの長さによって戻り値の型が変わっている。 TypeVarTupleのモチベーション 大きなユースケースの一つはnumpyなど...

以下の文章は執筆者のAbu Ashraf Masnunさんからの許可を得て翻訳したものです。 https://masnun.com/2015/11/13/python-generators-coroutines-native-corouti...

以下の文章は執筆者のDavid Lorenzoさんからの許可を得て翻訳したものです。 https://medium.com/gradiant-talks/identifying-fastapi-requests-in-logs-bac328...

polarsにはstringのカラムに対してreplaceをするための仕組みが備わっている。 pythonなどいろんな言語でよくやるstringの部分をマッチさせて、その部分を対象の文字列に置き換えたりする処理。 polarsではexpr....

以下の文章はこちらのページを翻訳したものです。(後編) https://github.com/satwikkansal/wtfpython こちらのGitHubプロジェクト「What the fck Python! 😱」は、予想外のコード...

以下の文章はこちらのページを翻訳したものです。 https://github.com/satwikkansal/wtfpython こちらのGitHubプロジェクト「What the fck Python! 😱」は、予想外のコードスニペッ...
広告代理店との取り組みです。同社は過去実績の示唆を次の提案へ反映し、結果をどのように予測したか、その背景まで提案先のクライアントへ説明できるようになりました。KDOT は案ごとの見込みと判断材料を比較できる仕組みを業務アプリとして実装しました。さらに業務アプリの中核となる処理ロジックと機械学習モデルについて、特許手続きを担う弁理士が技術の新規性や工夫を検討するための資料を作成しました。その後この発明には特許が付与されました。
効果検証を提供する分析会社との取り組みです。同社は分析者の人数に比例してしか売上と利益を伸ばせない事業の形を、効果検証をプロダクトとして提供することで変革しようとしていました。手法とモデルは同社のまま、社内では開発できなかった、データと機械学習の重い推定を製品として動かす仕組みの開発を、開発支援会社の KDOT に任せました。推定を案件ごとの手作業ではなくシステムで実行できるようになったことで、同社は人数に比例しない形で売上と利益を伸ばすことを目指せるようになりました。
AI を主力とする開発会社との取り組みです。同社にはプロダクト開発の引き合いがありましたが、大規模な開発の経験も、中核の技術を担当できる人もいませんでした。KDOT は技術顧問として、アプリケーション基盤と中核の技術を用意し、エンドクライアントとのプロジェクトの進め方も並走しながら伝えました。同社は海外市場向けの単発ワークのマッチングサービスを受託し、数億円規模の開発を公開まで完走しました。これで同社が受託できる範囲は、AI からプロダクト開発まで拡大しました。
広告クリエイティブの良し悪しを予測する AI を、自社プロダクトとして提供する企業との取り組みです。同社には推論の精度を評価する基盤がなく、改善が手探りで進み、現在のモデルが十分な水準に達しているかを把握しにくい状態でした。開発支援会社の KDOT は、機械学習のモデルを学習からリリースまで継続的に改善する基盤(MLOps 基盤)を設計し、同社のエンジニアがそれを自ら実装しました。導入後、同社は実験の計画からデプロイまでを効率よく進められるようになり、新たなモデルの出来を見極めたうえで改善を自分たちの手で継続しています。
製造業向けにソフトウェア製品を提供する企業との取り組みです。同社は工場の電力を見える化する機能を製品に追加したいと考えていましたが、社内の開発者だけでは手も知見も不足していました。電力計の接続から、データを工場の判断に活用できる形にするところまでを開発支援会社の KDOT に一括で委託し、同社は着手から約 4 か月でこの機能を製品に追加して工場へ販売できるようになりました。納品後の約 9 か月は KDOT が運用を担い、支援が終了した現在は同社が自ら運用を継続しています。
広告枠の価格設定モデルを開発する分析会社との取り組みです。分析会社はこのモデルを、アドネットワークを運営する配信事業者に提供しています。配信事業者は、自社の環境で自社のデータと統合して分析し、新たなモデルを自ら検証できるようにしたいと考えていました。それにはモデルを配信事業者のシステム上で稼働させる基盤が必要でしたが、分析会社はそれを社内で開発できませんでした。KDOT は分析会社側のチームに参画し、この基盤をチームで設計・構築しました。分析会社はモデルを分析結果として納品するだけでなく、稼働させる基盤まで含めて納品できました。同時に、社外からの要望に応じてモデルを相手の環境へデプロイできる基盤を自社の資産にできました。分析会社はこの基盤を継続的に提供するサービスも配信事業者に提案しています。
販促物の制作と効果測定を手がける会社との仕事です。同社には 500 件を超える施策の実績データが溜まっていましたが、提案の場で活用できる形になっていませんでした。