原始内容
機械学習の社会実装勉強会
毎月開催している機械学習の社会実装勉強会で利用したスクリプトなどを共有するレポジトリ。
セットアップ
このプロジェクトではuvを使用してPythonパッケージを管理しています。
前提条件
- Python 3.10以上
- uvのインストール
uvのインストール
# macOS/Linux
curl -LsSf https://astral.sh/uv/install.sh | sh
# または pipを使用
pip install uv
環境構築
# リポジトリのクローン
git clone https://github.com/your-username/machine-learning-workshop.git
cd machine-learning-workshop
# 仮想環境の作成
uv venv
# 仮想環境の有効化
source .venv/bin/activate # macOS/Linux
# .venv\Scripts\activate # Windows
# 依存関係のインストール
uv pip install -r <(sed -n '/dependencies = \[/,/\]/p' pyproject.toml | grep -E '^\s*"' | sed 's/.*"\(.*\)".*/\1/' | grep -v '^#')
# 開発用依存関係のインストール(オプション)
uv pip install 'pytest>=7.4.0' 'pytest-asyncio>=0.21.0' 'pytest-cov>=4.1.0' 'black>=24.0.0' 'ruff>=0.5.0' 'mypy>=1.5.0' 'isort>=5.12.0' 'pre-commit>=3.5.0'
オプションの依存関係
プラットフォーム固有のパッケージは以下のようにインストールできます:
# MXNet(x86_64プラットフォームのみ)
uv pip install 'mxnet>=1.9.1'
# 完全なAutoGluon(MXNetが必要)
uv pip install 'autogluon>=1.1.1'
# CUDA対応パッケージ(GPUが必要)
uv pip install 'bitsandbytes>=0.43.0'
過去の勉強会のスクリプト
- LangGraphを用いたAIアプリケーションにおけるメモリ永続化の実践 (機械学習の社会実装勉強会第38回)
- Text-to-SQLをLangSmithで評価 (機械学習の社会実装勉強会第37回)
- 効果的なLLM評価法 LangSmithの技術と実践 (機械学習の社会実装勉強会第36回)
- LangGraphのノード・エッジ・ルーティングを深堀り (機械学習の社会実装勉強会第35回)
- LangGraphでマルチエージェントワークフローを構築 (機械学習の社会実装勉強会第34回)
- LLMアプリケーションで使用するVector Databaseの比較 (機械学習の社会実装勉強会第33回)
- LLMアプリケーションの デバッグ・テスト・評価・監視を楽にするLangSmith (機械学習の社会実装勉強会第32回)
- LangChainから学ぶプロンプトエンジニアリングテクニック (機械学習の社会実装勉強会第31回)
- チャット履歴と質問を組み合わせLLMの回答精度を高めるLangChain Conversational Retrieval QA (機械学習の社会実装勉強会第30回)
- LangChain RetrievalQAとChatGPTでQAツールを作る (機械学習の社会実装勉強会第29回)
- LangChainのDocument機能を使って文書処理を柔軟にする (機械学習の社会実装勉強会第28回)
- LangChain Agentを使って自社ツールとChatGPTを連携 (機械学習の社会実装勉強会第27回)
- LLMを使ったサービス開発必須ライブリ 「LangChain」の基礎 (機械学習の社会実装勉強会第26回)