yomitech

2026/7/25確認 読みたいIT技術書

読みたいIT技術書 この記事は私の個人的な意見でまだ読んでいない本を本屋でパラパラ見て、近く買う・図書館で借りるなどして読みたいと思った本を記載しました。 本日、連日の0時以降の帰宅で疲れていたのか昼前まで寝てしまいました。たまたま近くの本屋があるモールに行ったので、立ち読みで今後読もうと思う本を選んできました。もしかしたら同じような境遇にある人には役に立つかもしれないのでQiitaに記事を書いて…

プログラミング雑記 2026年4月2日

本日も、ネットに流れるトピックから個人的に興味を引かれたものを拾っていきます。 この記事への感想等コメントで頂けるとありがたいです。 プログラミング Python PyTorchはMeta AI（Facebook AI）が開発したPython向けのオープンソースディープラーニングフレームワークです。現在はLinux Foundationの一部となっています。Torchライブラリを基盤に構築され、テ…

「MLflowで実践するLLMOps」サポートリポジトリを大幅に拡充しました

はじめに 拙著 MLflowで実践するLLMOps――生成AIアプリケーションの実験管理と品質保証( のサポートリポジトリを大きく拡充しました。 本書はMLflowの機能を体系的に解説する構成で、紙面の都合で「現場のどんな課題に効くか」「本文と公開コードの差分の意図」までは厚く書ききれていない箇所がありました。リポジトリ側でその文脈を補完しつつ、MLflow のバージョンアップにも追従する仕組みを…

ジャッジを評価するジャッジ ― LLM-as-a-Judgeの信頼性をメタ評価で保証する

はじめに LLMアプリの品質を測るためにLLMジャッジを作ったとして、そのジャッジ自身は正しい判定をしているでしょうか。「ジャッジが pass と言っているから OK」と信じて評価を続けると、本当は問題があるのに見逃したり、その逆のケースが起きる可能性があります。 本記事では、人間の判定を基準にしてジャッジ判定の信頼性を定量的に測る「メタ評価」を扱います。Cohen's kappa という指標を使…

「MLflowで実践するLLMOps」を出版するまで――きっかけ・紆余曲折・AIエージェント時代の意義

はじめに 2026年4月20日、『MLflowで実践するLLMOps――生成AIアプリケーションの実験管理と品質保証』( Japanの同僚4名との共著で、私が企画と全体の取りまとめ、各章の執筆を担当しています。 おかげさまで4月の電子書籍ランキングでは6位デビューを果たすことができました。日本ではLLMOpsとMLflowを正面から扱った専門書はこれが初めて、ということになるそうです。 この記事で…

【保存版】Databricksを日本語で学ぶための記事＆書籍ガイド：Spark・Delta Lake・MLflowまで

はじめに 先日X(Twitter)で「これからDatabricksを学ぶ人向けのQiita記事・書籍( コンテンツは日本語のものに限定しています。「英語のドキュメントや書籍を読む前に、まずは日本語で全体像と要素技術をおさえたい」という方の出発点として使ってください。 このガイドの使い方 Databricksの学習は、次の流れで進めるのがおすすめです。

その不一致、悪いのはジャッジ? それとも人間ラベル? ― LLM-as-a-Judgeメタ評価・実践編

はじめに LLM-as-a-Judgeは、生成AIアプリの出力を自動で採点してくれる便利な仕組みです。人間が全部レビューするのは無理があるので、ジャッジに「この応答は合格か」を判定させて品質を測る。すっかり定番になりました。 ただ、ここで一段立ち止まりたくなります。そのジャッジの判定、本当に信頼していいのでしょうか。ジャッジがズレた採点をしているのに気づかず、その数字を信じて「品質は問題なし」と判…