yyeng

@yyeng13

データエンジニア興味：Python/AWS/Docker/機械学習/ 皆さんと情報共有していきたいのでぜひお気軽にコメント＆フォローください。

Joined October 2021

660 Following

352 Followers

657 Posts

yyeng13 retweeted

増田 @ml_taro

10 days ago

こちら私も鋭意共同執筆中です📝 ベイズ効果検証の認知度が上がると嬉しいです！

10K

yyeng13 retweeted

クラスメソッド

@classmethod

5 months ago

＼IT・DX推進者向けカンファレンス開催🎉／ AI活用の試行錯誤と判断のリアルを、事業会社11社以上・テクノロジー5社から聞ける1日！スターバックス・三菱UFJ・サントリー AWS・Anthropicなど16社が登壇🎤 📅5/20（水）東京開催／無料 🔗 https://t.co/O4g8B80LVZ #ClassmethodForum

13K

yyeng13 retweeted

harry

@gappy50

5 months ago

https://t.co/pEcGW0ev8U

196

262

127K

yyeng13 retweeted

harry

@gappy50

5 months ago

書きました📝 AIに分析のためのデータエンジニアリングしてもらう未来はもう来てます🪄 Claude Code Agent Teamで実現するAIのためのデータ品質向上プロセス｜harry https://t.co/AX1aSNNqC6 #zenn

212

152

28K

Who to follow

ろん |「マテリアルズ・インフォマティクス実践ハンドブック」（森北出版）

@mipypf

AI for Science / AI for Materials /「マテリアルズ・インフォマティクス実践ハンドブック」発売中！ https://t.co/DrbV0NUSEE Kaggle Master/博士（工学）/講演や執筆依頼はDMにお願いします

ジュンタカ@なんちゃっティストがデータサイエンティストになるまで

@Nanchattist

「なんちゃってデータサイエンティスト」が1人前になるまで🦊！｜やる気なしメーカー勤務7年サラリーマン→一念発起し転職&DS職に挑戦→年収80万Down→2度目の転職で前々職同程度まで(今ここ),こっからUpさせるで🔥｜転職・勉強について発進🚀｜気軽にフォロー&リプしてィスト｜Amazonアソシエイト参加中

ryo

@beginner_ai

AIエンジニアをしています。AI画像認識の経験を経て、現在は生成AIのコンサルを行なっています。仕事で学んだ知識を紹介させていただき、AIエンジニアになりたい方のお役に立てれば、と思ってます。AIのご相談もお気軽に！#AI #AIエンジニア #AIコンサル

yyeng13 retweeted

R.Shimogauchi

@eta1ia

7 months ago

作ってわかってください。

yyeng13 retweeted

しんいちろう @sinchir0

10 months ago

「Kaggle ではじめる大規模言語モデル入門　〜自然言語処理〈実践〉プログラミング〜」を出版します！ @takaito0423 さん @upura0 さんとの共著です。 https://t.co/yN982mAneW 自然言語処理、LLMの基礎知識を網羅し、更にそれらがKaggleコンペにてどう活用されているかがまとまった書籍となります。

sinchir0's tweet photo. 「Kaggle ではじめる大規模言語モデル入門　〜自然言語処理〈実践〉プログラミング〜」を出版します！ @takaito0423 さん @upura0 さんとの共著です。

https://t.co/yN982mAneW

自然言語処理、LLMの基礎知識を網羅し、更にそれらがKaggleコンペにてどう活用されているかがまとまった書籍となります。 https://t.co/TQlFR5AWIV

354

44K

yyeng13 retweeted

テツメモ｜AI図解×検証｜Newsletter

@tetumemo

11 months ago

📕ビジネスサイドでもノーコード（NotebookLM）で組織改善できる、めちゃくちゃ実践的なケーススタディを見つけました...！クラスメソッドさんの目標設定支援ツール導入事例、これは本当に凄い。特に『NotebookLMの使いこなし』が素晴らしいんですが、もっと本質的に重要なことに気づかされました。　　 ■一番重要なのは「プロンプト」じゃない AI活用の話になると、どうしても、・プロンプトエンジニアリングのテクニック・ワークフローの設計・ツールの選定や連携方法こういう「仕組み」サイドに目が行きがちなんですよね。でも、この事例が教えてくれるのは、『とにかく重要なのはコンテキスト、つまり情報』という、めちゃくちゃ本質的なことでした。 ■この事例が実際にやっていること目標設定支援ツールは、3層の情報を徹底的に整理してインプットしています　　 1. 全社方針・評価制度の情報・全社方針・評価制度のドキュメント・グレード定義書・OKRの定義 2. 部門の情報・部門方針・部門のOKR ・部門の課題・部門の役割 3. 本人の情報・過去の目標設定の記録・評価結果・キャリアプラン・スキルセット・現在のグレード・次のグレードの要件これ、見てください。「プロンプトをどう書くか」より前に、『必要な情報を徹底的に収集・整理している』んです。 ■なぜコンテキストが最重要なのか個人的に、AI活用で失敗するパターンってこれだと思っていて： ❌ 「良いプロンプトさえ書けば、AIが勝手に良い答えを出してくれる」 ⭕️ 「適切なコンテキストを与えれば、シンプルなプロンプトでも的確な答えが返ってくる」この事例の成功要因を分解すると… ・発表者の田部井さんが「評価制度の業務ドメインの専門家」 → つまり『何の情報が必要か』を正確に理解している・過去の目標設定記録から課題を掘り起こし → 『どんな情報があれば解決できるか』を特定している・部門ごとに情報を整備 → 『個別最適化に必要なコンテキスト』を丁寧に準備しているこれ、実は1ヶ月半のうち、かなりの時間を「情報の整理と準備」に費やしているはずなんですよね。 ■NotebookLMの真価 NotebookLMの使いこなしが素晴らしいって書きましたが、本質的にはこういうことです・ソースファイルに『制御用プロンプト』を設定（公式ドキュメントで言及されていないプラクティス）・Googleドキュメントの更新が便利で、同期機能で即座に反映・複数のドキュメントを統合的に扱えるつまり、NotebookLMは『コンテキストを管理・更新するための基盤』として機能しているわけです。「プロンプトをどう工夫するか」より、「どんな情報をどう整理して渡すか」を重視した設計。 ■実際の出力クオリティの理由　　資料に載っている実際の目標素案、めちゃくちゃ具体的なんですよ・役割の明確化・主要業務の構造化（複雑なデータ基盤設計、PM・プリセールス、生成AI活用）・OKRの素案（Objectiveと3つのKeyResults）・グレード目標（リーダーシップ、AIリテラシー）これが自動生成できるのは、プロンプトが優秀だから...だけじゃなくて、『全社方針・部門課題・個人のキャリア・次のグレード要件』という、必要十分なコンテキストが全部揃っているからなんですよね。 ■現場の声が物語ること「体感5倍速」「考える時間98%削減」この劇的な改善が実現したのは・AIが「何を書けばいいか」を考える必要がなくなった・適切なコンテキストから、的確な選択肢が提示される・人間は「選択・調整」に集中できるという構造になっているから。もし、コンテキストが不十分だったら？・AIの出力が抽象的すぎる・何度も聞き直す必要がある・結局、ゼロから書き直すこうなってしまうはずです。 ■AIによる短期導入が可能だった理由「1ヶ月半で導入」って凄いんですが、その内訳を見ると・課題ヒアリング・過去の記録からの課題掘り起こし・プロセスの整理・評価資料のエクスポート・各種方針資料の整理・部門別資料の整備実は『情報の準備』に、かなりの時間をかけているんですよね。逆に言うと、この準備があったから、ツール開発自体はスムーズに進んだ。もし独自のRAG環境を構築していたら？技術的な実装に時間を取られて、肝心の「情報の整理」が疎かになっていた可能性もあります。 NotebookLMという既存ツールを使うことで、『情報の準備』にエネルギーを集中できた。これが成功の鍵だったと思うんです。 ■私たちへの示唆　　 AI活用で成果を出したいなら 1. まず『何の情報が必要か』を徹底的に考える 2. その情報を収集・整理する（これに一番時間をかける） 3. 情報の更新・管理の仕組みを作る 4. その上で、適切なツールとシンプルなプロンプトを使う『AIによる業務改善のフロンティア』って、「凄いプロンプトを書けるスキル」じゃなくて、「業務に必要なコンテキストを見極め、整理できる能力」なんだと思います。特に、この事例の発表者が兼ね備えていた3要素：・業務ドメインの専門性（何が必要か分かる）・業務改善の経験（どう整理すべきか分かる）・AIリテラシー（どう渡すべきか分かる）この最初の2つは、まさに『適切なコンテキストを準備する力』なんですよね。 ■実践へのヒントもしあなたが業務でAI活用を考えているなら・「どんなプロンプトを書こう」より前に・『この業務には、どんな情報があれば解決できるのか？』を考える・その情報を、丁寧に収集・整理・構造化する・情報の更新フローも含めて設計するこの『準備』に時間をかけることが、結果的に最大の近道になります。 NotebookLMの可能性、まだまだ掘り下げられそうですが、それ以上に、『適切なコンテキストを準備する』というAI活用の本質を、この事例は教えてくれていると思います...！