クラウドに頼らないAI体験：LM Studio＋LangChain＋StreamlitでつくるローカルRAGのマルチドキュメント・永続化対応
はじめに # 前回の記事では、1つのテキストファイル（桃太郎物語） を対象にした単純なRAG（検索＋生成）環境を構築しました。 今回はその拡張として、複数のドキュメントを読み込み・保持・削除できる永続化対応のローカルRAGアプリを構築します...
記事を読むクラウドに頼らないAI体験：LM Studio＋LangChain＋StreamlitでつくるローカルRAG環境
はじめに # 前回は、LM Studio＋Gemmaでクラウドに頼らないAI環境を構築しました。 本記事では、LM Studio を使ってローカルでLLM（例：Gemma 3 4B）を動かし、さらに LangChain と Streamlit を組み合わせて、クラウドに頼らずに動作する RAG（Retrieval-Augmented Generation） 環境を構築します...
記事を読むMATLAB/SimulinkとArduinoで学ぶ ― S-Functionブロック自作によるデバイス連携
はじめに：SimulinkとArduinoで始めるS-Functionブロックの自作 # Arduinoで利用可能なデバイスは多岐にわたりますが、Simulinkで直接サポートされていないセンサーやディスプレイも数多く存在します。 そこで有効なのが S-Function を使った自作ブロックです。 本記事では、OLEDディスプレイ SSD1306 を例に、Simulink用のS-Functionブロックを自作し、Arduinoで動作させる手順を紹介します...
記事を読むクラウドに頼らないAI体験：LM Studioで始めるローカルLLM入門（Gemma 3）
はじめに # 近年、大規模言語モデル（LLM）をローカル環境で動作させるツールが充実してきました。 その中でも LM Studio は、ユーザーが手軽にLLMを試せるアプリケーションとして注目されています。 今回は、LM Studio を使って Gemma LLM を動作させる手順と、基本的な使い方を紹介します。 LM Studio とは # LM Studio は、ローカル環境で大規模言語モデル（LLM）を手軽に動かせるように設計されたアプリケーションです...
記事を読むMATLAB/SimulinkとArduinoによるLED点滅制御（Lチカ）に挑戦する
はじめに：SimulinkとArduinoで始める「Lチカ」 # 「Lチカ」（LEDの点滅） は、ハードウェア制御の入門として最も基本的な実験です。 本記事では、MATLAB/SimulinkとArduinoを連携させ、LEDを点滅させるプログラムの作成方法を解説します...
記事を読む【IT業界雑学】「2つの正義」が交わるとき：ソフトウェアに潜む標準分裂の正体
はじめに：業界に潜む「2つの標準」問題 # ソフトウェア開発の世界には、仕様や動作が2つに分かれる“標準の分裂”現象がしばしば存在します。 「どっちが正しいの？」という話になりがちですが、実際にはそれぞれ歴史的・技術的背景があるだけだったりします。 今回は、そんな「2つの標準」にまつわる例をいくつか紹介します。 配列って「0」から？それとも「1」から？ 〜使う言語で変わる“常識”〜 # プログラミング言語によって、配列の添え字（インデックス）の起点は大きく3つのパターンに分かれます...
記事を読む統計の話をしようじゃないか - ソフトウェア品質のための統計入門（No.15 統計的品質管理(SQC)の実践事例紹介）
はじめに：いよいよ品質分析の集大成へ # 「不具合がなぜ減らないのか？」「このプロセスは本当に安定しているのか？」 ――そんな問いに、あなたは統計で答えられますか？ ここまで、ソフトウェア品質をテーマに、統計的な視点から多くの分析手法を学んできました。 そしていよいよ「統計の話をしようじゃないか」第15回、本シリーズの集大成として登場するのが、統計的品質管理（SQC: Statistical Quality Control） です...
記事を読む統計の話をしようじゃないか - ソフトウェア品質のための統計入門（No.14 予測：回帰分析で品質を読み解く）
はじめに # 「統計の話をしようじゃないか」第14回では、回帰分析という手法を用いて「将来を予測する」ことに挑戦します。 この連載では、過去データから全体像や関係性を把握してきましたが、今回はその知見を活かして、「将来どうなるか」を具体的な数値で予測する方法を学びます...
記事を読む統計の話をしようじゃないか - ソフトウェア品質のための統計入門（No.13 相関と因果：散布図と相関係数の落とし穴）
はじめに # これまでの連載では、平均や割合といった代表値を通じて、「母集団の傾向を推定する」手法について解説してきました。 具体的には、標本平均から母平均を推定したり、割合の差を比較したりといった場面で、統計的推定や仮説検定を用いる方法を取り上げてきました。 しかし実務では、「ある要因が別の結果に影響を与えているのか？」という、よりダイナミックな関係性に注目したい場面も少なくありません...
記事を読む統計の話をしようじゃないか - ソフトウェア品質のための統計入門（No.12 仮説検定：有意差って本当に意味あるの？）
はじめに # これまでは、「母集団の傾向を推定する」ために、主に以下のような手法を見てきました。 標本から母平均や母割合を推定する 推定値のばらつきを示す「標準誤差（SE）」 統計的な不確かさを数値で表す「信頼区間（Confidence Interval）」 これらはすべて、母集団の特徴を「どれくらいの精度で言えるか？」という推定の話です。 これに対して、統計的に“YESかNOか”を判断するための道具が、今回扱う仮説検定です...
記事を読む
