OpenAIプロジェクト別OpenAIが手掛ける革新的なAIプロジェクトは、AI技術の新たな可能性を開く先進的なものが多く、特に以下のプロジェクトが注目されています。1. GPTシリーズ（Generative Pretrained Transformer）概要: GPTシリーズは、自然言語処理（NLP）の分野で非常に革新的なプロジェクトです。トランスフォーマーアーキテクチャに基づく大規模な言語モデルで、膨大なテキストデータを基に学習しています。革新性: 人間に非常に近い自然な文章を生成できる点で画期的。GPT-3やGPT-4は数千億のパラメータを持ち、会話、文章作成、コード生成など、幅広いタスクに対応しています。応用例: チャットボット、コンテンツ生成、翻訳、プログラムの自動化など、さまざまな分野で利用されています。2. DALL-E概要: DALL-Eは、テキストから画像を生成するAIプロジェクトです。ユーザーが入力したテキストに基づき、それに対応するユニークな画像を生成します。革新性: テキストプロンプ
はじめにShopify CLIを使用すると、テーマファイルをローカル環境にダウンロードできます。これにより、テーマファイルを編集したり、grepを使った検索が可能になります。手順テーマファイルのダウンロード方法Shopify CLIのインストールShopify CLIをインストールします。CLIを使うと、Shopifyストアとローカル環境間でテーマファイルを操作することができます。CLIのインストール方法はこちらを参考にしてください。テーマのダウンロードインストール後、ターミナルまたはコマンドプロンプトで以下のコマンドを実行すると、URLが表示されるので、ログインを許可し、themeをダウンロードする% shopify theme pull --store <store url>テーマの編集と検索テーマファイルがダウンロードされたら、エディタを使って編集したり、grepコマンドで特定のテキストを検索したりできます。テーマのアップロードテーマをダウンロードして編集した後、変更をS
ShopifyのSales Channel（販売チャネル）とは商品を顧客に販売するためのプラットフォームを指します。複数の販売チャネルを利用することで、Shopifyストアをさまざまな方法で運営でき、顧客にリーチする方法を増やすことが可能です。主なShopifyの販売チャネルには以下のようなものがあります。1. Online Store（オンラインストア）Shopifyが提供するメインの販売チャネルで、ユーザーが自分のWebサイトを作成して商品を販売できます。Shopifyのテーマを使用して、カスタマイズされたオンラインショップを作成でき、ストアの見た目や機能を簡単に管理できます。2. Point of Sale (POS)実店舗での販売をサポートするための販売チャネルです。Shopify POSアプリを使用して、実際の店舗で商品を販売し、在庫や顧客データをShopify内で一元管理できます。オンラインとオフラインの統合をスムーズに行うためのツールとして利用されます。3. Shop（ショッピングアプリ）Shopifyが
はじめに以下のサイトを参考に、openai/whisperモデルのFine TuningをおこなってみるHugging Faceのブログがオリジナルの情報源https://huggingface.co/blog/fine-tune-whisper?source=post_page-----3744e2779c71--------------------------------その他関連記事https://research.google/blog/specaugment-a-new-data-augmentation-method-for-automatic-speech-recognition/https://colab.research.google.com/github/sanchit-gandhi/notebooks/blob/main/fine_tune_whisper.ipynbWhisperについてWhisperは68万時間分のラベル付きAudio-Transcriptionデータで教師ありの事前学
はじめに以下のチュートリアルを試すhttps://aws.amazon.com/jp/tutorials/machine-learning-tutorial-mlops-automate-ml-workflowsこのチュートリアルでは、Amazon SageMaker Pipelines、SageMaker Model Registry、SageMaker Clarifyを使用して、エンドツーエンドの機械学習（ML）ワークフローを自動化する方法を学びます。SageMaker Pipelinesは、ML用のCI/CDサービスで、データの読み込み、変換、トレーニング、チューニング、評価、デプロイなどのステップを自動化できます。SageMaker Model Registryは、モデルのバージョンやメタデータ、パフォーマンスを管理し、ビジネス要件に応じた最適なモデルの選択をサポートします。SageMaker Clarifyは、データやモデルのバイアスを検出し、予測の説明可能性を提供します。このチュートリアルでは、XGBoostを使
はじめにHugging Faceで入手できるSageMakerでのデプロイ用のコードの利用の仕方を確認する手順https://huggingface.co/openai/whisper-small にて、deploy > Amazon SageMakerを選択し、以下のコードを入手するimport sagemakerimport boto3from sagemaker.huggingface import HuggingFaceModeltry: role = sagemaker.get_execution_role()except ValueError: iam = boto3.client('iam') role = iam.get_role(RoleName='sagemaker_execution_role')# Hub Model configuration. https://huggingface.co/modelshub = { 'HF_MODEL_ID':'
はじめに以下のチュートリアルを実行する。https://aws.amazon.com/jp/tutorials/machine-learning-tutorial-deploy-model-to-real-time-inference-endpoint/?nc1=h_lsAmazon SageMaker Studio、SageMaker Studio notebook、およびSageMaker Studioドメインについて説明します。SageMaker StudioSageMaker Studioは、Amazon SageMakerの中で提供される統合開発環境（IDE）です。機械学習のモデル開発、トレーニング、デプロイまでのすべてのプロセスを一つの環境で行えるのが特徴です。次のような特徴があります：ビジュアルインターフェース: コードを書くことなく、データの前処理、トレーニング、モデルのデプロイを行うことができます。ノートブックの管理: Jupyterノートブックを活用し、開発作業をスムーズに進めることができます。
はじめにAmplify, Beanstalkで動かせなかった（経験不足、情報不足）ので、手動でデプロイすることにした本番環境ではなく、Shopifyと連携できることを確認するためのシンプルな環境を構築した１時間くらいでできるので、最初にこれをやってから、サーバレス系を試すべきだった関連https://www.s3lab.co.jp/blog/remix/2189/https://www.s3lab.co.jp/blog/remix/2145/手順EC2インスタンスの生成EIPの付与RDS Proxy経由でPostgresqlへ接続できるようにセキュリティグループを設定nginxのインストールRemixソースをgitからチェックアウトビルド、DBマイグレーション.envを設定npm installremix vite:buildnpx prisma generatenpx prisma migrate deployPubl
はじめにDBマイグレーションはEC2からおこなうCIツールは取り扱わない結末情報不足で動かすことができなかったので一旦中止する参考https://tamotech.blog/2020/07/17/forever-pm2-express/https://remix.run/docs/en/main/start/quickstart開発環境での作業Shopify 関連Shopify Partnerへのデプロイ$ shopify app deploy --resetリリース準備環境での作業設定ファイルの更新.envにステージに応じた設定を入力SHOPIFY_API_KEY= # Shopify partner consoleSHOPIFY_API_SECRET= # Shopify partner consoleDATASOURCE_URL=SHOPIFY_APP_URL=ビルド実行buildディレクトリにデプロイ用のcli
はじめにRemixで作成したShopifyアプリをAWS Amplifyへデプロイし動かしてみたamplify.ymlでビルド時の指示ができる、これはAmplifyコンソール上のビルド指示を上書きするサーバーサイドとクライアントサイドを同時にデプロイできるメリットがあるAmplifyコンソールで設定する環境変数はビルド時のものなので、実行時は別で準備する必要があるサーバーサイドはLambda関数が自動で作られている、これに環境変数を渡すため、ビルド時に.envを作成し、実行時にdotenvで読み込むことにしたnode_modulesを含めたサイズが220MB以下になるエラーでハマったが、node-pruneで凌いだShopifyのセッション管理をsqliteはやめて、postgresqlに変更結末LambdaからRDSへの接続を解決できず、情報が少ないため断念参考https://richdevelops.dev/how-to-deploy-remix-apps-with-ssr-to-a