Gemini3.0がリリースされてから色々触ってみたけど、ブレストやプロジェクト全体像をざっくり固めるのにはなかなかよい相棒な感じ。
また、以前と比較して飛躍的に行間を読む能力が上がったような？
しかし、Xで使用感のポストを漁ると、詳細の詰めであったり解が限定的な問題に対する返答はいまいちっぽいな。検索周りがあまり強くないからそういう状況になっているのでは？とのこと
まあ、これはおいおい改善されていくんだろうなあと。
話題は変わって、OpenAIがコードレッド出してChatGPT5.2を出すとか言われているが、果たして...
以前立てていた学習目標のMilestone？にとりあえず到達。
https://www.amazon.co.jp/dp/483997277X/
↑の本で学ぶべき項目をほぼ（最後の細かいテクニックを使う問題以外）AC通るまで潰した。
この本に記載されている事項がちゃんと身についているならば、AtCoderの緑~水色位は狙えるらしいけど、果たして今の実力はどこまで戻っているか...？
ただ、予めどの解法で解くべきかわかっている上で解くことはできるが、どの解法を選ぶべきか？または組み合わせるべきか？という初手のアプローチを的確に決められる能力というのは、ある程度色々演習を繰り返していかないとまだまだ定着しなさそう。
色々、過去問を漁ろうかな。
ML周りの基本的な復習がある程度終わった＆数年前からの技術的進歩をざっくりキャッチアップできたので、Kaggleで遊ぼうかなあ。
Kaggleは2018年にドハマリして廃人になりかけて生活に影響出るくらいの状態になってしまったので、敢えて封印していたのだが、久々にやりたい欲が出てきた。
ということで、昨今のKaggleのトレンドや開発環境諸々をここ最近は漁っていた。
簡単な開発環境の整備も同時に進めて、ある程度これが良さそうというのを把握。
しかし、Kaggle API（とPython CLIツール）の使い勝手が相変わらず...な感じで、結構ここでハマっていた。
大容量のデータを使うコンペ（画像系とか）のデータDLにおいて、デフォルトの一括DLでは途中で失敗してもう一度やり直しみたいな状況が発生しがちだったので、チャンクでDLできるようににWrapperを書いたりしていたのだが、APIのファイルリスト一覧取得時のpagenationで6000ファイルを超えるとAPIサーバ側？の制約でこれ以上取得できなくなってしまう状況にぶち当たった。数百GBくらい使う画像系コンペだとこのくらいのファイル数は余裕でオーバーするので、どうしたものかと。
他の方法ではZIPファイル一括DLをチャンク化するような方向性を検討したりなども試してはいるが... このあたり歴戦の猛者はどのようにして対応しているのかもう少し調べてみてもいいかもなあ
AtCoder Beginner Contestの過去問を少しずつ解き始めたので、メモ。 DPの典型問題は手が勝手に動くくらい訓練しておきたい。
（※大したコードは書けていないので、この記事を参考にするのは推奨しません。）
N, M = map(int, input().split()) MOD = 1000000007 collapsed = [False for _ in range(N+1)] dp = [0 for _ in range(N+1)] # 0: 未到達orルートなし # ステップ崩壊地点を登録 for _ in range(M): a = int(input()) # 1-indexで定義する collapsed[a] = True # 初期化 dp[0] = 1 if not collapsed[1]: dp[1] = 1 for i in range(2, N+1): if collapsed[i]: continue # 剰余を求める計算は細かくやった方がメモリ＆計算時間の観点で有利 dp[i] = (dp[i-1] + dp[i-2]) % MOD # ans print(dp[N])
PAST公式本（エントリー〜中級）もある程度すすんで、2/3程度消化したのでメモ
自分のような一般人にも理解できるくらい解説が丁寧だし、解答例のコードもきれいでとても読みやすい。良本。
OpenAIからAI搭載Webブラウザがリリースされて、早速色々な使い方が開拓されつつあって色々Xの投稿を眺めるのがおもろい。
どなたかがポストされていたが、人間向けに作られていたこれまでのWebの設計ではAIによる参照がゲロ遅いので、AI用のWebの最適化がトレンドになってきそうというのは、確かにそうかもなあと。
ただ、プロンプトインジェクションはじめセキュリティ面が怖くてまだ本格導入は様子見。 お遊び利用がメインかなあ。
参考:
