ナレッジブログ

Application Development

2023.12.26

Firebaseと通常のバックエンド開発の違いと選定ポイント

アゼストでは、ChatGPTを活用して、テクニカルな内容の共有やテクニックの研究などをまとめた社内テックブログを運用しています。 そのブログの中から厳選した内容をいくつか公開いたします！ 今回は、UI/UXチームのEAIMが作成した、Firebaseの主要機能、開発の速度と柔軟性、そしてプロジェクトの選定要因について解説した記事をご紹介いたします！   User： Firebaseについて簡単に教えてください。 ChatGPT： Firebaseは、モバイルアプリケーションやウェブアプリケーションを開発する際に役立つバックエンドサービスの一つです。 Googleによって提供されています。 Firebaseは多くの機能とサービスを提供しており、リアルタイムデータベース、認証、クラウドストレージ、ホスティング、クラウド関数（サーバーレスアーキテクチャ）などがあります。 以下はFirebaseが提供する主要な機能とサービスです： Realtime Database / Firestore: リアルタイムでデータの保存と同期が可能なNoSQLデータベース。 Authentication: ユーザー認証サービスで、メールアドレスとパスワード、Google、Facebookなどのサードパーティ認証もサポートしています。 Cloud Storage: ファイルを保存するためのクラウドストレージサービス。 Hosting: 静的ファイルを高速で配信できるウェブホスティングサービス。 Cloud Functions: サーバーレスアーキテクチャを実装できる、イベント駆動型のクラウド関数。 Analytics: アプリの使用状況を解析するためのツール。 Cloud Messaging (FCM): プッシュ通知のためのメッセージングサービス。 Crashlytics: アプリのクラッシュレポートを収集するサービス。 Remote Config: アプリの設定をリモートで変更できる機能。 Dynamic Links: ディープリンクを簡単に実装できる機能。 FirebaseはSDK（Software Development Kit）を提供しているため、多くのプログラミング言語とプラットフォーム（iOS、Android、Web）で簡単に利用することができます。 さらに、FirebaseはGoogle Cloud Platformとも緊密に統合されているため、より高度なバックエンド要件にも対応できます。 User： Firebaseについて、開発するとき、知っておくべき機能や操作を教えてください。 ChatGPT： Firebaseを使用する際に知っておくべき主要な機能と操作には以下のようなものがあります。 基本的な設定と初期化 プロジェクト作成: Firebase Consoleで新しいプロジェクトを作成する必要があります。 SDKの導入: […]

more

Application Development

2023.11.2

JavaScriptとFirestoreを用いた配列操作とデータ取得・加工の理解

アゼストでは、ChatGPTを活用して、テクニカルな内容の共有やテクニックの研究などをまとめた社内テックブログを運用しています。 そのブログの中から厳選した内容をいくつか公開いたします！ 今回は、UI/UXチームの森下が作成した、JavaScriptのmapメソッドを用いた配列操作と、Firestoreからのデータ取得・加工について詳しく解説した記事をご紹介いたします！ 具体的なコード例を通じて、mapメソッドの動作やFirestoreのクエリ作成、データ取得の流れを理解することができます！   Array Map – Simplified Explanation You: const array1 = [1, 4, 9, 16]; // Pass a function to map const map1 = array1.map((x) => x * 2); console.log(map1); // Expected output: Array [2, 8, 18, 32] この処理について、変数の流れ等をわかりやすく説明してください。 ChatGPT: もちろんです、Tomaさん。 このJavaScriptのコードは、配列の各要素に対して特定の操作を行い、その結果を新しい配列として返すものです。 具体的には以下のような流れとなります。 array1という名前の配列を定義します。この配列には4つの数値が含まれています: [1, 4, 9, 16]。 次に、mapという配列メソッドを使用します。mapメソッドは、配列の各要素に対して引数として渡された関数を実行し、その結果を新しい配列に格納します。 このコードでは、mapメソッドに無名関数 (x) => […]

more

Application Development

2023.10.6

LLMの認識しやすい言語とその改良

アゼストでは、ChatGPTを活用して、テクニカルな内容の共有やテクニックの研究などをまとめた社内テックブログを運用しています。 そのブログの中から厳選した内容をいくつか公開いたします！ 今回は、データエンジニアチームの山下が作成した、大規模言語モデル(LLM)の認識しやすい言語の特徴と、英語をLLMがさらに認識しやすい言語に改良するための方向性について解説した記事をご紹介いたします！   LLMについての知識 You: あなたは大規模言語モデル（LLM）についての詳細な知識を持っていますか？ ChatGPT: はい、大規模言語モデル（LLM）についての詳細な知識を持っています。 具体的な質問や情報が必要であれば、お知らせいただけますか？ You: LLMの構造について説明してください。 ChatGPT: 大規模言語モデル（LLM）の構造について簡潔に説明します。 レイヤー: 多数のエンコーダーレイヤーが積み重なっています。 トランスフォーマーアーキテクチャ: LLMはトランスフォーマーのアーキテクチャを基にしていることが一般的です。 自己注意機構: 各単語が他の全ての単語との関係を計算する機構。 フィードフォワードネットワーク: 非線形性を加える層。 ポジショナルエンコーディング: 単語の順序情報を提供。 正規化と活性化関数: 各レイヤーの出力を安定化。 他に何か詳細な情報が必要であれば、お知らせください。 You: 例えばChatGPTに質問するときのように、LLMに質問を投げかけると、LLM内部ではどのように処理が行われますか？ 具体的に詳しく教えてください。 ChatGPT: LLMに質問を投げかける際の内部処理について、具体的に説明します。 前処理: 入力テキストのトークン化、ポジショナルエンコーディングの付加。 エンコーダー層の処理: 自己注意機構: 入力間の関係性計算。 フィードフォワードネットワーク: 非線形変換。 層ごとの正規化。 デコーダー層の処理: (あるモデルで使用) 過去の出力と入力間の関係性計算。 同じく、フィードフォワードネットワークと正規化。 出力層: 単語の確率分布の計算。 最も確率の高い単語の選択など。 後処理: トークンからテキストへの変換。 このプロセスは、特定の質問に対してモデルがどのように答えを形成するのかを理解するのに役立ちます。何か他の詳細や質問があればお知らせください。 You: 各ステップについて、専門用語を使わずより詳細に説明してください。 ChatGPT: もちろん、専門用語を使わずに、各ステップについて詳しく説明します。 前処理: […]

more

Application Development

2023.9.22

ネット記事をPPTに変換する便利な方法を紹介(例「LangChainの紹介」→PPT説明資料)

アゼストでは、ChatGPTを活用して、テクニカルな内容の共有やテクニックの研究などをまとめた社内テックブログを運用しています。 そのブログの中から厳選した内容をいくつか公開いたします！ 今回は、UI/UXチームの湯が作成した、ネット記事をPPTに変換する便利な方法をご紹介いたします！ LangChainについて学ぶことから始まり、それをスライドにまとめる過程を経て、その内容をスライド形式のプレゼンテーションに変換する方法を詳しく解説します。 さらに、Markdownを用いたスライド作成ツールMarpの使用方法についても紹介します。 LangChain Development Course You: 下記の英語を日本語に翻訳してもらいますか？ Welcome to this short course on LangChain for large language model application development. By prompting an LLM or large language model, it is now possible to develop AI applications much faster than ever before. But an application can require prompting an LLM multiple times and […]

more