@Blog

AIで記事を学習して新たな記事を生み出すにはお金が必要だと思っていたがそうでも.

2025.06.22

Logging

おはようございます.AIで記事を学習して新たな記事を生み出すにはお金が必要だと思っていたがそうでもなくローカルPCでそこら辺に落ちているLlamaモデルを持ってきてチューニングすれば何とかなるじゃねぇという思いに至った.

実はあなたの手元にあるPCと、そこら中に「落ちている」オープンソースのAIモデル、特にLlama 3があれば、十分記事が生成できるんです。

ローカルAI記事生成は、もはや夢物語じゃない

「AIで記事生成」と聞くと、SFのような世界や、大企業だけが使える特権のように感じるかもしれません。しかし、今は違います。オープンソースの強力な言語モデル、特にMetaが公開したLlama 3の登場は、この常識を大きく覆しました。

Llama 3は、その性能の高さにもかかわらず、誰でも無料で利用できるという点が最大の魅力です。さらに、80億パラメータの8Bモデルであれば、最新のゲーミングPCとまではいかなくとも、ある程度の性能を持つPCであれば十分に動作します。これにより、高額なクラウドサービスを利用せずとも、自分のPCでAI記事生成の環境を構築することが現実的になりました。

なぜLlama 3があなたのPCと相性抜群なのか？

Llama 3がローカルPCでの記事生成に適している理由はいくつかあります。

• 完全無料のオープンソース: 利用に費用がかからないため、予算を気にせずAIを試したり、本格的に導入したりできます。
• 選べるモデルサイズ: Llama 3には様々なサイズのモデルがあり、PCのスペックに合わせて選べます。特に8Bモデルは、個人利用に最適なバランスを持っています。
• 活発な開発者コミュニティ: 世界中の開発者がLlama 3を使った新しいツールや効率的なチューニング方法を日々共有しています。困ったときには助けを借りられる心強い味方です。
• 「量子化」でさらに軽量に: モデルのサイズを大幅に小さくする「量子化」という技術を使えば、より少ないメモリでLlama 3を動かせるようになります。これにより、より多くのPCで利用の道が開けます。

あなたのPCを「記事生成マシン」に変える秘訣

もちろん、いきなりプロのライター並みの記事をAIに書かせるのは難しいかもしれません。しかし、ちょっとした工夫で「何とかなる」レベルの記事生成は十分に可能です。

1. 少量のデータでファインチューニング: 大量の記事データは不要です。あなたが書きたい記事のテーマやスタイルに合った、質の良い記事を数十〜数百程度集めてLlama 3を学習（ファインチューニング）させれば、その分野に特化した記事生成能力が格段に向上します。
2. プロンプト（指示文）の工夫: AIへの「指示の出し方」は非常に重要です。具体的で明確なプロンプトを与えることで、チューニングが完璧でなくても、驚くほど質の高い記事が生成できます。これはまるで、優秀なアシスタントに的確な指示を出すようなものです。
3. 効率的な学習方法の活用: 「LoRA（Low-Rank Adaptation）」のような効率的なファインチューニング手法を使えば、少ないGPUメモリでも短時間でモデルを特定のタスクに最適化できます。

あなたの創造性が、今、AIで加速する

かつては一部の専門家や企業にしか手の届かなかったAIによる記事生成が、今やあなたのPCで実現できる時代になりました。これはまさにAI技術の「民主化」です。

とまぁそういう訳なので何とかしてみますが、ファインチューニングにどれぐらい時間がかかるのかが未知数だったりする.

ファインチューニングPythonコード

以下のPythonコードは、Llama 3モデルをロードし、提供されたテキスト記事でファインチューニング（LoRA使用）を実行し、結果を保存します。 上記の入力値は、このコードに自動的に反映されます。 このコードをPythonファイル（例: `finetune_llama.py`）として保存し、実行してください。

import os
import torch
from datasets import load_dataset
from transformers import AutoTokenizer, AutoModelForCausalLM, BitsAndBytesConfig, TrainingArguments, Trainer
from peft import LoraConfig, get_peft_model, prepare_model_for_kbit_training, TaskType

# GPUの利用可能性を確認
print("GPUが利用可能か確認中...")
if not torch.cuda.is_available():
    print("GPUが見つかりません。Fine-tuningにはGPUが強く推奨されます。")
    # GPUがない場合は、ここでスクリプトを終了するか、CPUモードで続行するか選択できます。
    # exit("GPUがないため終了します。")
else:
    print(f"GPUが利用可能です: {torch.cuda.get_device_name(0)}")

# --- 1. モデルとトークナイザーのロード ---
# Llama 3モデルのパスを指定します。Hugging Faceのモデル名（例: "meta-llama/Llama-3-8B"）
# またはローカルにダウンロードしたモデルのパスを指定してください。
MODEL_NAME = "meta-llama/Llama-3-8B" # ユーザーが入力したパスがここに挿入されます

print(f"モデルとトークナイザーをロード中: {MODEL_NAME}")

# 4bit量子化設定 (GPUメモリの節約に役立ちます)
# bnb_4bit_compute_dtypeは、Ampere以降のNVIDIA GPUに推奨されるbfloat16を使用しています。
bnb_config = BitsAndBytesConfig(
    load_in_4bit=True,
    bnb_4bit_use_double_quant=True,
    bnb_4bit_quant_type="nf4", # NF4 (NormalFloat4) 量子化タイプ
    bnb_4bit_compute_dtype=torch.bfloat16 
)

# トークナイザーをロード
tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME, trust_remote_code=True)
# Llama 3はデフォルトでbos_tokenを付与しないことがあるため、明示的に追加。
# また、padding_side='right'はLlamaモデルに推奨される設定です。
tokenizer.pad_token = tokenizer.eos_token
tokenizer.padding_side = "right"

# モデルをロードし、量子化設定を適用し、自動的にGPUにマッピングします。
model = AutoModelForCausalLM.from_pretrained(
    MODEL_NAME,
    quantization_config=bnb_config,
    device_map="auto", # 利用可能なデバイス（GPU）に自動的にモデルを分散
    trust_remote_code=True # リモートコードの実行を許可
)
print("モデルロード完了。")

# k-bit学習用にモデルを準備 (PEFTライブラリのため)
# gradient_checkpointingを有効にすることで、メモリ使用量をさらに削減できます。
model.gradient_checkpointing_enable()
model = prepare_model_for_kbit_training(model)
print("k-bit学習用にモデルを準備しました。")

# --- 2. データセットの準備 ---
# あなたのテキスト記事ファイルが格納されているディレクトリを指定します。
# 例: 'your_article_data/' の中に 'article1.txt', 'article2.txt', ... と置かれている場合
DATA_DIR = "./your_article_data/" # ユーザーが入力したパスがここに挿入されます

print(f"データセットをロード中: {DATA_DIR}")

# 'text'形式でデータセットをロードします。指定されたディレクトリ内のすべての.txtファイルを読み込みます。
# 各ファイルが1つのエントリとして扱われます。
try:
    dataset = load_dataset('text', data_files={'train': os.path.join(DATA_DIR, '*.txt')})
    print(f"データセットのサンプル数: {len(dataset['train'])}")
except Exception as e:
    print(f"データセットのロード中にエラーが発生しました。ディレクトリとファイル形式を確認してください: {e}")
    exit("データセットロード失敗。")

# データセットをトークン化する関数
# 長い記事をモデルの最大入力長に分割します。
def tokenize_function(examples):
    # Llama 3の最大入力長は通常8192ですが、お使いのGPUのVRAMに合わせて調整してください。
    # ここでは一般的な値として2048を設定しています。
    max_length = 2048 
    # truncate=Trueで最大長を超えるテキストを切り捨てます。
    return tokenizer(examples["text"], truncation=True, max_length=max_length)

# データセットをトークン化します。
# num_procはCPUコア数に応じて並列処理を行い、処理を高速化します。
tokenized_dataset = dataset.map(
    tokenize_function,
    batched=True,
    num_proc=os.cpu_count(),
    remove_columns=["text"] # 元のテキスト列は学習に不要になるため削除します。
)
print("データセットのトークン化が完了しました。")

# --- 3. PEFT (LoRA) の設定 ---
# LoRA (Low-Rank Adaptation) は、元のモデルの重みをフリーズし、
# 小さなアダプター層を追加して学習させることで、効率的にファインチューニングを行います。
# これにより、GPUメモリの使用量を抑えつつ、高い性能を実現できます。
lora_config = LoraConfig(
    r=16, # LoRAのランク。値を大きくすると表現力が増すが、メモリ消費も増える。
    lora_alpha=32, # LoRAのスケーリング係数。rの2倍程度が推奨されることが多いです。
    target_modules=["q_proj", "k_proj", "v_proj", "o_proj", "gate_proj", "up_proj", "down_proj"], # LoRAを適用する層。Llamaモデルで一般的な層。
    bias="none", # バイアスを学習しない設定。
    lora_dropout=0.05, # ドロップアウト率。過学習を防ぐために設定します。
    task_type=TaskType.CAUSAL_LM, # タスクタイプを因果言語モデルに設定。
)

# モデルにLoRAアダプターを追加します。
model = get_peft_model(model, lora_config)
print("モデルにLoRAアダプターを適用しました。")
model.print_trainable_parameters() # 学習可能なパラメータ数を確認します。

# --- 4. 学習の実行 ---
# 学習済みモデルを保存するディレクトリ
OUTPUT_DIR = "./llama3_finetuned_model/" # ユーザーが入力したパスがここに挿入されます

# 学習の設定
training_args = TrainingArguments(
    output_dir=OUTPUT_DIR,
    num_train_epochs=3, # エポック数。データセットのサイズと希望する精度に応じて調整してください。
    per_device_train_batch_size=1, # GPUあたりのバッチサイズ。VRAMが少ない場合は1に設定。
    gradient_accumulation_steps=4, # 勾配を蓄積するステップ数。実質的なバッチサイズは per_device_train_batch_size * gradient_accumulation_steps になります。
    optim="paged_adamw_8bit", # 8bit AdamWオプティマイザを使用し、メモリ効率を向上させます。
    save_steps=500, # 500ステップごとにモデルを保存します。
    logging_steps=100, # 100ステップごとにログを出力します。
    learning_rate=2e-4, # 学習率。
    fp16=True, # 混合精度学習を有効化 (GPUが対応している場合)。VRAM削減と高速化に寄与します。
    max_steps=-1, # num_train_epochsに基づいて学習します。
    group_by_length=True, # 同じ長さのシーケンスをグループ化し、パディングを削減します。
    lr_scheduler_type="cosine", # 学習率スケジューラーのタイプ。
    warmup_ratio=0.03, # ウォームアップ比率。
    report_to="none", # レポート先を指定しない (wandbなどを使用しない場合)。
)

# トレーナーの初期化
# data_collatorは、モデルの入力形式に合わせてデータを整形します。
trainer = Trainer(
    model=model,
    train_dataset=tokenized_dataset["train"],
    args=training_args,
    data_collator=lambda data: {
        'input_ids': torch.stack([f['input_ids'] for f in data]),
        'attention_mask': torch.stack([f['attention_mask'] for f in data]),
        'labels': torch.stack([f['input_ids'] for f in data]), # 因果言語モデルでは、入力自体がラベルとなります。
    },
)

# 学習の開始
print("Fine-tuningを開始します...")
trainer.train()
print("Fine-tuningが完了しました。")

# --- 5. 学習済みモデルの保存 ---
# LoRAアダプターのみを保存します。これにより、ファイルサイズが小さく、効率的に管理できます。
trainer.save_model(OUTPUT_DIR)
print(f"学習済みLoRAアダプターが '{OUTPUT_DIR}' に保存されました。")

# 保存したアダプターを使って推論を行う方法の例 (コメントアウトされています):
# このコードは、ファインチューニング後にモデルをロードして推論を行うための参考例です。
# from peft import PeftModel
#
# # 元のモデルをロード (学習時と同じ量子化設定を使用します)
# base_model = AutoModelForCausalLM.from_pretrained(
#     MODEL_NAME,
#     quantization_config=bnb_config,
#     device_map="auto",
#     trust_remote_code=True
# )
#
# # 保存したLoRAアダプターを元のモデルに結合します。
# peft_model = PeftModel.from_pretrained(base_model, OUTPUT_DIR)
#
# # 推論モードに設定します。
# peft_model.eval()
#
# # テキスト生成の例
# prompt = "ローカルPCでのLlama 3ファインチューニングの利点とは"
# inputs = tokenizer(prompt, return_tensors="pt").to("cuda") # 入力をGPUに移動
#
# with torch.no_grad(): # 勾配計算を無効化し、メモリ使用量を削減
#     outputs = peft_model.generate(
#         **inputs,
#         max_new_tokens=200, # 生成する新しいトークンの最大数
#         do_sample=True, # サンプリングによる生成を有効化
#         top_p=0.9, # Nucleusサンプリングの閾値
#         temperature=0.7, # 生成の多様性を制御する温度
#         eos_token_id=tokenizer.eos_token_id # 終了トークンID
#     )
# print("\n--- 生成されたテキスト ---")
# print(tokenizer.decode(outputs[0], skip_special_tokens=True))

明日へ続く

タグ

```, ;;）, )。, アウト, アシスタント, アダプター, あたり, アップ, あなた, いくつ, ウォーム, エポック, エラー, エントリ, オープン, オプティマイザ, お金, クラウドサービス, グループ, クン, ゲーミング, コード, コア, ここ, こと, コミュニティ, コメント, これ, サイズ, サンプリング, サンプル, シーケンス, スクリプト, スケーリング, スケジューラー, スタイル, ステップ, スペック, すべて, ソース, そこら, タイプ, ダウンロード, タスク, ため, チューニング, ツール, データ, データセット, テーマ, ディレクトリ, テキスト, デバイス, デフォルト, トー, トークナイザー, とき, どれ, トレーナー, ドロップ, バイアス, パス, バッチ, パディング, パラメータ, バランス, ファイル, ファイルサイズ, ファインチューニング, ファインチューニングコード, フリーズ, プロ, プロンプト, マシン, マッピング, メモリ, モード, モデル, もの, ユーザー, よう, ライター, ライブラリ, ラベル, ランク, リモート, レベル, レポート, ローカル, ロード, ログ, 一般, 一部, 上記, 不要, 世界, 世界中, 並み, 並列, 予算, 付与, 以下, 以降, 企業, 使い, 使用, 係数, 保存, 個人, 優秀, 入力, 公開, 共有, 具体, 処理, 出力, 分割, 分散, 分野, 初期, 利点, 利用, 制御, 削減, 削除, 創造, 加速, 助け, 効率, 動作, 勾配, 十分, 参考, 反映, 可能, 向上, 味方, 因果, 場合, 多様, 夢物語, 大幅, 大量, 失敗, 学習, 完了, 完全, 完璧, 実現, 実行, 実質, 寄与, 対応, 専門, 導入, 少量, 工夫, 希望, 常識, 強力, 形式, 必要, 思い, 性能, 手元, 手法, 技術, 抜群, 指定, 指示, 挿入, 推奨, 推論, 提供, 整形, 新た, 方法, 日々, 明日, 明確, 明示, 時代, 時間, 最大, 最新, 最適, 有効, 未知数, 本格, 格段, 格納, 構築, 様々, 比率, 民主, 活用, 活発, 消費, 混合, 済み, 温度, 準備, 無効, 無料, 特定, 特権, 現実, 理由, 環境, 生成, 発生, 登場, 的確, 相性, 短時間, 確認, 秘訣, 移動, 程度, 管理, 節約, 精度, 終了, 結合, 結果, 続行, 能力, 自体, 自分, 自動的, 蓄積, 表現, 言語, 計算, 記事, 設定, 許可, 調整, 費用, 軽量, 追加, 通常, 適用, 選択, 重み, 重要, 量子, 開始, 開発, 関数, 閾値, 非常, 高速, 高額, 魅力,

ストリートファイターVを購入しましたよ。1990円で？

2022.05.27

Logging

おはようございます。

先日の日曜日の朝、Twitterのタイムライン、通称TLにストリートファイターVが1990円で購入できるよというものが流れてきたので、Steamで購入しました。いま、Steamではpaypay決済も出来るようになっているのですね。いやはやなんとも便利になったなって感じでストリートファイターVをポチりました。

内容は云わずと知れたストリートファイターVなので割愛しますが、テトリス以上に時間の合間に出来るので良い感じですよね。自分は不器用なのでプロゲーマーなどは目指しませんが、楽しみたいと思っています。

ストリートファイターを久々に遊んで、何かストレス発散になるなぁってちょっとした感覚を覚えました。ストレスが溜まっている人はイージーモードでコンピューターをボコボコにしてストレス発散してみてくださいな。1990円でストレス発散出来るって結構お手軽感がありますよ。

因みに新作ストリートファイター６の予告されています！！。

タグ

1990, Paypay, STEAM, tL, Twitter, イージー, いま, ゲーマー, コンピューター, ストリート, ストレス, タイムライン, テトリス, ファイター, プロ, ボコボコ, ぽち, モード, もの, りま, 不器用, 久々, 人, 便利, 先日, 内容, 割愛, 合間, 感, 感じ, 感覚, 日曜日, 時間, 朝, 決済, 発散, 自分, 購入, 通称,

並々ならぬ、ちからを感じる。表現するとはこういうモノ何だなぁ。

2022.04.19

Logging

おはよう御座います。

ポカリスエットCM、「羽はいらない」の制作現場のハイライトをみて、「あぁー」表現とはこういう事何だなぁということを感じました。これがプロなんだなぁということをマジマジと思い知らされた感じです、妥協なきという印象を映像を見ると感じますよね。

やはり何事にも妥協なきが良いものを作り出すのだと思います。今ある最善を尽くすというのは、こういう事何だなぁ凄く勉強になりました。

タグ

59, CM, com, https, jKtA, QaDx-, watch, www, youtube, こと, これ, ちから, ハイライト, はり, プロ, ポカリスエット, もの, 事, 今, 何, 何事, 制作, 勉強, 印象, 妥協, 感じ, 映像, 最善, 現場, 羽, 表現,

写真などからポリゴン（Polygon）を自動で生成（作成）するツール?。

2021.08.23

Logging

本日は写真などからポリゴン（Polygon）を自動で生成（作成）するツール?を紹介します。このツールはMac・windowsともに対応したツールになります。それも無料でポリゴンを作成します。ツール自体は英語表記で書かれていますが、イメージロードとセイブという英単語がよめれば大丈夫かと思います。

使い方は簡単でポリゴンにしたい対象の画像や写真を読み込みます、写真を読み込んだ時点でポリゴンが作成されますので、ポリゴンの線などを表示したくない場合はポイントをクリックすると非表示になります。そこだけ覚えておけば良いのかなと思います。どこからが有料機能なのかはわかりませんが、無料で十分かなと自分は思っています。

ここまで書いてツール名を記載するのを忘れておりました。DMesh（ディーメッシュ）というアプリです。おそらく有料機能（プロ）だと思いますが動画をポリゴン化する事もできるみたいですね？

タグ

DMesh, Mac, Polygon, Windows, アプリ, イメージ, クリック, ここ, セイブ, そこ, それ, ツール, ティー, どこ, プロ, ポイント, ポリゴン, メッシュ, ロード, 事, 作成, 使い方, 写真, 動画, 場合, 対応, 対象, 時点, 有料, 本日, 機能, 無料, 生成, 画像, 簡単, 紹介, 線, 自体, 自分, 自動, 英単語, 英語, 表示, 表記, 記載,

プロを見て思った運が良かったでは上手く行かない。考えるという事を意識しよう。

2021.06.04

Logging

YOUTUBEのおすすめに「中田敦彦の1日ルーティン〜YouTube大学のつくり方〜」が紹介されていたのでちらっと見てみようという気持ちで見始めて結局、最後まで見てしまった。見ていて中田敦彦さんは戦略に物事を考えているなと、これがプロと素人の違いなのかな。
気づいているかどうか分かりませんが、このブログもそれなりに力を入れて作ろうとしています。自分なりに考えて記事を書いたりデザインしたり開発したりを数週間前から取組でいます。

因みに自分はYOUTUBEのおすすめで見る事しか殆ど無い、いや無いと言い切っても良いぐらいです。YOUTUBEのチャンネルを紹介するのにもYOUTUBEのおすすめ機能は大活躍です。チャンネル登録数が数人でもお薦め紹介してくれるのでとても便利です。これは良いなというのはピックアップしてブログの記事として紹介したりしています。

出力（アウトプット）したことに対して、デジタルならデータという結果が返ってくるので、それと照らし合わせてここがダメだったとかの反省や改善はとても大事になってくるのだと思います。検索して何故、このブログは読まれているのかなどを考えたりしています。

最後に日々の積み重ねは大事だね。（昔書いた本質；とは真逆の記事かもなぁ。?時が経てばいろいろ考え方が変わる）

タグ

１, youtube, アウトプット, おすすめ, お薦め, こと, これ, それなり, チャンネル, つくり方, デザイン, デジタ, ピックアップ, プロ, ブログ, ルーティン, 中田敦彦, 事, 便利, 出力, 力, 取組, 大学, 大活躍, 意識, 戦略, 数, 数人, 最後, 機能, 殆ど, 気持ち, 物事, 登録, 素人, 紹介, 自分, 記事, 運, 違い, 開発,

漫画家がぞくぞくYOUTUBEに参入されています。

2021.05.06

Logging

漫画家がぞくぞくYOUTUBEに参入されています、例えば漫画家・浦沢直樹（Twitter）さんやおやすみプンプンやソラニンの描かれている漫画家・浅野いにおさんなどがYOUTUBEチャンネルを開設されて活動されています。

浦沢直樹さんのチェンネル

https://www.youtube.com/channel/UCkIFOAoFm47XOAlJwTa6Ieg

浦沢直樹さんはこの頃、YOUTUBEチャンネルされていますが、浅野いにお（Twitter）さんは結構前からYOUTUBEチャンネルを開設されて漫画家・畳ゆか（Twitter）さんと語らいながら作画しているところをライブ配信しています。ライブ配信はチャットもオープンにされているのでファン声をライブで書けるというのは貴重なだなと思えます。

そして、動画を見ていると漫画家さんとYOUTUBEってかなり相性が良いかなと感じます。見ている方もプロがどんな感じに作画やペンを走らして描いているのかなどがわかったりして良い感じです。これから先、漫画家さんがYOUTUBEにチャンネルを開設するという流れは増していくのではないかなと自分は思っています。

浅野いにおさんのYOUTUBEチャンネル

https://www.youtube.com/channel/UCUISMkOhQ2Em1uhXO7uIN8g

タグ

Twitter, You, youtube, オープン, おやすみ, かなり, これ, ソラニン, チェン, チャット, チャンネル, ところ, ネル, ファン, プロ, プンプン, べん, ゆか, ライブ, 作画, 先, 前, 動画, 参入, 声, 感じ, 方, 活動, 浅野いにお, 浦沢直樹, 漫画家, 畳, 相性, 配信, 開設, 頃,

お金もないのに株を買う?

2021.03.16

Logging

お金もないのに株を買う、株を100株ほど買いました。どうなるか分かりませんが株を買いその利益で国民年金の1年分を相殺したいと考えています。この株を長期保有することは考えていません。どうなるか分からないと書きましたが利益はおそらく出るのではないかと考えていて、昨日の午前中に買いましたが今の所、1350円ほど利益は出てます。前年度の同じ時期と比べてみてもまぁ同じような動きをしているので、おそらく大丈夫だろうという考えのもとで買いました。売るタイミングも決まっています。プロのデイトレードの方はギリギリまで見極めようとするでしょうけど、自分はそんな力量はないのである期間保有して売ります。因みに相殺と記載していますが、コロナ禍なのでおそらく凄く利益が出ても10万円ぐらいだと思います。利益が悪ければ2?3万止まりだろうと考えています。

因みに本日、デイトレードの電子書籍を買いました、デイトレードする人になるのかは読んでから判断します。この本、3000円ちょっとする本ですが電子書籍はいま期間限定のセールをしていて499円で買えちゃったので今ならお得感あります、3004ページあるので！

タグ

１, 10, 100, 1350, 2, ３, 3000, お金, ギリギリ, こと, コロナ, タイミング, ちょ, ディ, トレード, プロ, もと, 万, 人, 今, 保有, 判断, 利益, 前年度, 力量, 午前, 国民年金, 所, 方, 昨日, 時期, 書籍, 期間, 本, 本日, 株, 相殺, 禍, 自分, 記載, 長期, 電子,

とにかくプロなフロントエンドエンジニア。

2020.11.16

Logging

下記の動画を見て頂ければ分かると思うのですが、フレームワークなどを使わずにベタでこれを作っているというのは、フロントエンドエンジニアとしてはプロ領域だと感じます。出来る人の違いはCSSをゴニョゴニョ使えるかにあるだろうなと、ここまでゴニョゴニョ使えたらフレームワークなんていらないよな。ちゃんとレスポンシブにもなっていて、感心してしまいます。ここまで出来ないとプロのフロントエンドエンジニアとは言えないのかは、わからないけど。でも見ていて爽快感がありますよね。

自分もゴニョゴニョとフロントエンドエンジニアの領域も侵食していかなければ、いけないなと何事も手を動かさないと覚えない。この頃のWEBは動的なデザインをCSSやJSを駆使して作られているので、そこんトコロを自分も勉強していけたらなと思います。バックエンドもフロントエンドも両方極めたいなと思えた動画だった。未だにWEBは奥が深いなと思うし、ソフトもアプリもそうなんだけどいろいろと頑張らないと思えてならない。

タグ

css, JS, web, アプリ, いろいろ, エンジニア, エンド, ここ, ゴニョゴニョ, これ, そこ, ソフト, デザイン, トコロ, バック, フレームワーク, プロ, フロント, ベタ, 下記, 両方, 人, 何事, 侵食, 勉強, 動画, 奥, 感心, 手, 爽快感, 自分, 違い, 頃, 領域, 駆使,

この頃の近況PV

2020.09.15

Logging

この頃、雑記の路線を絵描きにかえると高々と宣言していましたが、絵描きの本数を変えます。平日は絵描きの挿絵をやめてもとに戻します。理由は絵にしてもあまり反響がなかった。基本的にツイッターでコメントしてくれる人もいないので反響の指数はPVでしかわからないのですが、そのPVがあまり伸びなかったのと何だかプロでもないので、正直な所、絵を描いていると年相応でもない気がすると感じてきたのが原因。ちょっと恥ずかしいなと思ったので土日だけ絵の挿絵にします。

それ意外は日々ネタは極力書かないようにします。そういう事なので日々ネタは土日以外見えないかもしれませんがご了承くださいませ。

仕事を始めてもブログは続けていきますのでよろしくお願いします。

トイウコトデ、現場からでした?

タグ

PV, お願い, コメント, ご了承, それ, ツイッター, トイウコトデ, ネタ, プロ, ブログ, もと, 事, 人, 仕事, 原因, 反響, 土日, 宣言, 平日, 年相応, 意外, 所, 指数, 挿絵, 日々, 本数, 正直, 気, 現場, 理由, 絵, 絵描き, 路線, 近況, 雑記, 頃, 高々,

質問DATA検索を作りました。

2020.08.29

Logging

質問箱というサービスでじぶんに質問してくれる方がいます、そんな人達が使用してくれればなと思い、ちょこちょこっと作りました。OR検索はできません。ワンキーワードだけの検索ですが、役に立つかなと。

じぶんは重複した（似たような）質問には答えなくて良いかなと思います。なお、質問箱のデータは手動で登録しました。いちぶブログラムでデータを抜き取りましたが、未回答は完璧な手動での登録です…。

ちなみにこういう仕様のサービスは１時間もなく出来上がります、とても簡単なので・・・。ウェブサイトのサービスって基本的に簡単なので長年やっていると飽きます。とくに簡単なものはコードを書くのが面倒くさくなってなんでこんな簡単なコードを書かなくてはならないのかと思ってしまうことも過去に何度かありました。なので汎用性のあるコードを構えておいてコピペで使えるものを構えておくと良いですよ。長年、プログラムをやっていると飽きますね。

URLはこちら
https://zip358.com/QuestionTXT/

タグ

１, data, OR, url, いち, ウェブ, キーワード, グラム, コード, こちら, こと, コピペ, サービス, サイト, じぶん, ちょこ, データ, プロ, プログラム, もの, ワン, 人, 仕様, 何度か, 使用, 回答, 完璧, 役, 手動, 方, 検索, 汎用性, 登録, 簡単, 質問, 過去, 重複, 長年,

広告収入で暮らせれば夢！？

2020.06.25

Logging

広告収入で暮らす事ができれば。これに真剣に挑んでいるひとはどれぐらいいるのかな？どうすればリピーターは増えるのかなどあれこれ考えても仕方がない。自分の出来ることを毎日一つはすることを心がけている。あのプロゲーマーのウメハラさんの『一日ひとつだけ強くなる』を読んでから、何か1日ひとつの小さな目標を立てて日々、達成している。昨日は記事に自動でA社の広告が入るようにワードプレスにオリジナルプラグインを作りました。

ユーザーも増えていっているので収益を得ているただ振り込まれる金額の上限に達してないのでそこからはお金が入っていない。
生活に困らないぐらいのお金が毎月、入るようになればと思っている。みんなユーチューバーを目指しているけど自分はそういうのではなく、自分のできる範囲のサービスやアプリ等で収益を得れればそれで満足かなと思っている。

いまの目標は１日、500人の訪問者が来てくれること。それをクリアすれば1000人と考えている。毎日安定して1000人の訪問者来ると夏目漱石さんが10人から数十人が月に銀行の中からひょっこり顔を出すそうだ・・・。そうなれば自分はそれで暮らすことを選択します。それが数ヶ月続けばの話だけど、きっとそうすると思います。

因みにブログのレベルはノービスクラスに当たるらしい。やっとブロガーとしての土俵入りしたぐらいのレベルらしいです。変な感覚だけど訪問者、1000人に増えると思っています。地道にその道を歩んでいけば何とかなるじゃないかなとか…。

SEO対策は自分はしていないと言えば嘘になるけど、しなくても中身のある記事を書けばアクセスは記事が増えていくごとに上がっていくのではないかなと思います。ちなみに自分は一見さんが結構多いのでまだまだですけどね。

文章力のあるひとはこれぐらいの大量の記事を書けばそれで生活することが可能なんじゃないかなと。いま、インディーズでも生活することが可能になってきていると思っています。

その話は明日の記事でまとめて書きますがそういう感じになってきている。

タグ

１, 1000, 500, アプリ, いま, ウメハラ, オリジナル, お金, クリア, ゲーマー, こと, これ, サービス, そこ, それ, だだ, どれぐらい, ひと, ひとつ, プラグイン, プレス, プロ, みんな, ユーザー, ユーチューバー, リピーター, ワード, 一, 一つ, 上限, 事, 収入, 収益, 夢, 安定, 広告, 日々, 昨日, 毎日, 毎月, 生活, 目標, 真剣, 社, 範囲, 自分, 自動, 記事, 訪問者, 達成, 金額,

欲しい物リスト。

2020.06.22

Logging

マックブックプロ（MacBook Pro）です、アプリ開発するときにios用のアプリをリリースさせる方法の最短なルートはアップル製品を手元に持つことだと思います。そういう事もあってこれが欲しい。SSD1Tバイトすると20万円します。これにWINDOWSのOSも入れる事が可能なのでこれで良い感じです。

次に曲面ディスプレイです、これともうひとつ、ディスプレイを添えれば自宅で作業するときは十分かと思います。この利点は動画編集するときに良さが出るらしい（タイムライン？が見やすくなる）

これも欲しい昇降デスクです、この頃長時間、デスクの前に座るとお腰が痛くなり始めたのでやはりデスクの高さが自動で調整できるデスクは良いなと思います。これがあれば立った状態でも作業ができるみたいなのでその日の気分によって調整できるのは良いですねということです。

そしてこれもデスクトップ周りだけど、これも欲しいものです。デスクトップをスッキリさせるにはこれが必要ですね。

あと自分は新しいマックブックプロを購入したら自宅で作業するときはWINDOWS10と切り替えて作業することがあるのでこれが必要ですね。これが2個（ディスプレイが2つの場合）必要になるけどね。

上記のものを全て揃えたいというのが目標だったりします。これがあればかなり快適な作業ができると思います。全て揃えたら30万円超になります。まぁ揃えるつもりですけど・・・。

タグ

１, 20, iOS, MacBook, OS, Pro, SSD, Windows, アップル, アプリ, こと, これ, タイムライン, ディスプレイ, デスク, デスクトップ, とき, バイド, プロ, マックブック, もうひとつ, もの, リスト, リリース, ルート, 万, 事, 作業, 利点, 前, 動画, 可能, 周り, 感じ, 手元, 方法, 日, 昇降, 曲面, 最短, 気分, 物, 状態, 用, 編集, 腰, 自動, 自宅, 製品, 調整, 長時間, 開発, 頃,

inliving=いん りびんぐと読みます。

2020.03.15

Logging

いんりびんぐ（ririka / vlog）さんのvlogです。中堅YOUTUBERというあたりのポジションかなと思います。ちなみに自分が知った頃はもっと登録者数は少なかったように覚えています。このひと、数年前からYOUTUBEやメディアに登場している人なので、どちらかと言えばプロレベルだと思います。女性層と男性層といえば男性層の登録者数が多そうだなと思います。

こういう人はスタイルも顔も良いので何をしてもいいねされそうです。ショップも運営しているみたいです。ただ女性層に敵がいそうな気もします。有名になればなるほど、いろいろな人がいるので大変かと思いますね。これからも頑張っていってもらいたいですね。そしてUNIQLOや無印良品でセンスよく見えるのは着こなし方、コーディネートが上手いからと顔も良いからという理由も少なからずあるでしょうね。本人がそう思っていなくても。

最後にチャンネル登録はこちらになります。
https://www.youtube.com/channel/UC-kl8i6lq_ObZAn4kTL2WHA/featured

タグ

htt, inliving, ririka, UNIQLO, Vlog, youtube, YOUTUBER, あたり, いろいろ, いん, がいそう, ぐ, コーディネート, こちら, これ, ショップ, スタイル, センス, チャンネル, どちらか, ひと, プロ, ポジション, メディア, りびん, レベル, 中堅, 人, 何, 大変, 女性層, 数, 敵, 最後, 有名, 本人, 気, 無印良品, 理由, 男性層, 登場, 登録, 登録者, 自分, 運営, 頃, 顔,

漫画家もYOUTUBERしている。

2020.02.12

Logging

漫画家もYOUTUBERしている。下記の動画を観てプロフェッショナルってどういう事なのかが、ヒシヒシと伝わってきます。恐らくプロとアマの違いは妥協するハードルの設定が違う。要するに技術的なところが圧倒的に違うということ。そこがプロとアマの境目なんだろうと動画を観て思いました。

そして自分の動画やブログを読み返したり見返したりする事があるのですが、甘々なアマから抜け出せないのは、そこらへんのクオリティに拘るとかそういう所なのかもしれないなと思います。有名なひとはクオリティがあまり無くても視聴者はつきます、特に芸能人とかはそんな感じですね。

自分みたいな無名な素人はクオリティが無いと再生回数やブログのプレビュー数は跳ねないなとつくづく思います。いきなりクオリティが良くなるわけではないのでやはり日々、精進していくしかないと思います。ちなみに今日からYOUTUBE動画、実の声で配信することにしました。実の声は嫌いなのですが動画を見直すと少しうるさく感じるので変えてます。あとは解説をもっと上手にしたいのですが、コレばかりは慣れかなと思います。大量に解説すれば何れ上達すると思っています。無編集の状態でUPしているのですがなんか加工した方が良いのかなと思っていますが解説動画なので悩ましい限りです。

最後に漫画家さんのYOUTUBEチャンネルのリンクを貼っときます。 https://www.youtube.com/channel/UCeySBnV71dyC-gwqapq9NwQ

タグ

youtube, YOUTUBER, アマ, クオリティ, こと, そこ, そこら, ところ, ハードル, ひと, プレビュー, プロ, ブログ, プロフェッショナル, べん, わけ, 下記, 事, 今日, 再生, 動画, 回数, 境目, 声, 妥協, 嫌い, 少し, 感じ, 所, 日々, 有名, 漫画家, 無名, 甘々, 精進, 素人, 自分, 芸能人, 視聴者, 設定, 違い, 配信,

たぶんこの人、昔TVに出てた？やっぱ凄いよ異端児？天才かよ。

2020.02.03

Logging

たぶんこの人、昔TVに出てた？やっぱ凄いよ異端児？天才かよ。
昔、この子、テレビに出てましたよね？自分の記憶が正しければ？そのまま成長して上手になりすぎている。普通のこどもじゃないな、大人顔負け以上、いやプロでしょ！、これでこの人は生活できちゃうね。音色がいいよね。

自分が書くまでもなく聴けばわかる。何だ天才かと…。

最後にYOUTUBEチャンネル登録はこちら、台湾の天才ウクレレ少年、Feng Eさん
https://www.youtube.com/channel/UCrD_XR5v2OlAC7uAbI-dLwA

タグ

2, 5, 6, 7, channel-, com, Feng, ndysaP-r, OlAC, TV, uAbI-dLwA, UCrD, vI, XR, youtube, ウクレレ, こちら, こども, これ, チャンネル, テレビ, プロ, 上手, 人, 台湾, 大人, 天才, 子, 少年, 成長, 昔, 普通, 最後, 生活, 異端, 登録, 自分, 記憶, 音色, 顔負け,

モノ作りYOUTUBERのミニチュア作りが凄いオイラは無理、。

2020.02.02

Logging

モノ作りYOUTUBERのミニチュア作りが凄いオイラは無理ですね…。かなり不器用なのでこういう細かい作業が出来る人は凄いなと思います。0からのオリジナルミニチュア作りは唯ただ、感心するばかりです（汗）。こんな事が出来る人は楽しいだろうな。そしてこれを作って喜んでもらえる人がいるのだから、良いなぁと思います。こういうニッチなYOUTUBER（ユーチューバー）さんは競合相手が少なそうです。

そしてHanabira工房（はなびら工房）さんが作っているオリジナルミニチュアは精巧かつリアルです、リアルというか本当に動くものまであるですよ！！！
これは凄いなと下記の動画を見ていただけると分かる通り、『台所のプロペラ換気扇』を1/16サイズが実際に動いてます。スゴ！！まさにプロ職人です。

最後に Hanabira工房さんのチャンネル登録はこちらになります。
https://www.youtube.com/channel/UCyyp7X9QBvJh6mIoQYJmUuA

タグ

0, １, 16, Hanabira, youtube, YOUTUBER, おいら, オリジナル, かなり, こちら, これ, サイズ, チャンネル, ニッチ, はなびら, プロ, プロペラ, ミニチュア, もの, ユーチューバー, リアル, 下記, 不器用, 事, 人, 作業, 動画, 台所, 実際, 工房, 感心, 換気扇, 最後, 本当, 汗, 無理, 登録, 相手, 競合, 精巧, 職人, 通り,

動画編集の方法をYOUTUBEで解説している人＋クリエイター

2020.01.25

Logging

動画編集の方法をYOUTUBEで解説している人 GIV-ギブさん、Premiere Pro（プレミアプロ）などの編集ソフトの方法を解説してくれてます。自分もこれから動画などをYOUTUBEにUPしていこうと思っているのでとても勉強になる動画です。動画編集の本を購入する予算がいま無いので切り詰められるところはネットで勉強して技術習得を行うつもりでいます。

ネット情報だけで、こんなにも良い情報が転がっていることが驚きです、昔は技術がこんなにもなかったと思います。ここ数年で情報がかなりオープンになってきている気がします。これはいろいろな事を始める一歩を踏みやすい状況になってきていると感じます。

最後に動画編集の解説と GIV-ギブさん のチャンネル登録URLを貼っときます。

https://www.youtube.com/channel/UCPodLbvajx-60sRzRqL338Q/featured

タグ

338, 60, channel-, com, fea, GIV-, Premiere, Pro, sRzRqL, UCPodLbvajx-, UP, url, youtube, いま, いろいろ, かなり, ギブ, クリエイター, ここ, こと, これ, ソフト, チャンネル, つもり, ところ, ネット, プレミア, プロ, 一, 予算, 事, 人, 勉強, 動画, 情報, 技術, 数, 方法, 昔, 最後, 本, 気, 状況, 登録, 編集, 習得, 自分, 解説, 購入,

毎日記事5本書いてた男に然りと思うこと。

2020.01.18

Logging

毎日記事5本書いてた男に然りと思うこと。いろいろなブロガーがいますが彼らは最低でも毎日1本、多いひとになると5本の記事を掲載するそうです。
高知県に移住してきたあのアンチが多いと言われるイケダハヤトさんも昔は毎日5本のブログ記事を書いていたときがあったそうです。今ではYOUTUBERを本業にしていますが。

毎日1本の記事は大体の人は書けると思いますが、毎日5本の記事をアップするのは大変です。それは自分で手を動かしてやってみないとわからない事です。質の良い記事を毎回、長文で5記事書けますか？と言われると自分は「難しいですね」と答える。ちなみに自分は毎日大体、2本の記事をアップすることを心掛けて記事を掲載しています。

毎日、5本の記事をアップしてもブログを立ち上げたばかりだと、アクセス数は無いに等しいそれを1年ほど書き続けてやっと光が見えてくる人もいるぐらいのレベルだと思います。ある意味、イケダハヤトさんやプロブロガーはストイックな人だなと感じます。なにせ成功するとか安定するとかいう保証はないのだから、企業するとかフリーランスよりもブロガーはストイックなものだったと思います。

ちなみに今はブロガーだけではなかなか生計を立てるのが難しいので大体の人はNoteなどをやっている人が多い。そんな中、ブロガーだけで生計を立てるひともいる。なのでどういうジャンルのブログをやっているかで収益は全然違うような気がする。
唯、言えることは毎日記事をアップすること辞めない事がアクセスUPや収益に繋がることは間違いない。

タグ

１, 2, 5, YOUTUBER, アクセス, アップ, イケダハヤト, いろいろ, こと, ストイック, それ, とき, ひと, プロ, ブロガー, ブログ, レベル, 事, 人, 今, 光, 大体, 大変, 彼ら, 意味, 手, 掲載, 昔, 最低, 本業, 毎回, 毎日, 然り, 男, 移住, 自分, 記事, 質, 長文, 高知県,

強烈な歌詞、平井堅の「ノンフィクション」。

2017.06.03

Logging

強烈な歌詞、平井堅の「ノンフィクション」。
ドラマの主題歌になっている、この歌詞は本当にすごい歌詞だと
思います、魂の叫びのような歌詞でありメロディだなと。
やはりプロは違います。
この世の中の人々が噤んでいる言葉を表現したような歌詞にも思えます。
それを歌詞にするそして、音楽として提供する。だからヒットする単純なこと
でありながら、それはとても難しい事だと感じます。
 

タグ

B071YN7XLT, jp, この世, すごい歌詞, ドラマ, ノンフィクション, プロ, メロディ, 主題歌, 人々, 体調, 叫び, 平井堅, 歌詞, 言葉, 難しい事, 音楽, 魂,

現場のプロが教えるWEB制作の最新常識をパラ読みして(´Д｀)

2014.08.25

Logging

現場のプロが教えるをパラ読みしての感想などを書いてみます。
この本ですけども、毎日WEBの技術やデザインの流行をチェックしている方は
然程目新しい内容を書いている本ではないです。
こんな方はおすすめ、Web制作会社に入社したのだけど、
周りに技術を持った人がいない、または自分の技術や知識が
どれぐらいのレベルなのか知りたいなどが分かる本です。
この本が示すトコロは世間一般でいうWeb制作会社を
軸として経営している会社のレベルです。
ただ、これは技術書ではないため、
これだけではWeb技術やデザインの知識を得ることは難しいです。
ちなみにこの本は、文章が結構多めですけど
重要な部分にはマーカー（黄背景色）を塗っているので
マーカーの前後を読むことで一通り理解できるような感じになってます。
 

タグ

4844363980, asin, jp, web, おすすめ, こと, コレ, これだけ, ため, チェック, デザイン, トコロ, どれぐらい, プロ, マーカー, レベル, 一般, 一通り, 世間, 人, 会社, 入社, 内容, 制作, 前後, 周り, 多め, 常識, 感想, 技術, 技術書, 文章, 方, 最新, 本, 毎日, 流行, 現場, 理解, 知識, 経営, 背景色, 自分, 軸, 部分, 重要, 黄,