松尾研 LLM コミュニティ "Paper & Hacks Vol.20"
https://matsuolab-community.connpass.com/event/332695/

川西発之

Reference

[1] 岡崎直観 (2023), 大規模言語モデルの驚異と脅威 - Speaker Deck
https://speakerdeck.com/chokkan/20230327_riken_llm

[2] Ilya Sutskever et al. (2014), “sequence to sequence learning with neural networks”, NeurIPS2014
https://papers.nips.cc/paper_files/paper/2014/hash/a14ac55a4f27472c5d894ec1c3c743d2-Abstract.html

[3] Tomáš Mikolov, et al. (2010), “recurrent neural network based language model”, Proc. Interspeech 2010, 1045-1048
https://www.isca-speech.org/archive/interspeech_2010/mikolov10_interspeech.html

[5] Dzmitry Bahdanau et al. (2014), “Neural machine translation by jointly learning to align and translate”, arXiv:1409.0473
https://arxiv.org/abs/1409.0473

[6] Masaki Hayashi (2022), Transformer と seq2seq with attention の違いは？系列変換モデル【Q and A 記事】 | CVMLエキスパートガイド
https://cvml-expertguide.net/column/qa/difference-between-transformer-and-seq2seq/

[7] Ashish Vaswani et al. (2017), “Attention Is All You Need”, NeurIPS2017
https://proceedings.neurips.cc/paper_files/paper/2017/file/3f5ee243547dee91fbd053c1c4a845aa-Paper.pdf

[8] OpenAI (2023) “GPT-4 Technical Report”, arXiv:2303.08774
https://arxiv.org/abs/2303.18027

[9] Jungo Kasai et al. (2023), “Evaluating GPT-4 and ChatGPT on Japanese Medical Licensing Examinations”, arXiv:2303.18027
https://arxiv.org/abs/2303.08774

[10] Harsha Nori et al. (2023), “Capabilities of GPT-4 on Medical Challenge Problems”, Microsoft
https://www.microsoft.com/en-us/research/publication/capabilities-of-gpt-4-on-medical-challenge-problems/

[11] 日本経済新聞 (2023), 生成AIが司法試験「合格水準」東大発スタートアップ、一部科目で - 日本経済新聞
https://www.nikkei.com/article/DGXZQOUC317WP0R30C23A5000000/

[12] 映画『トランスフォーマー/ビースト覚醒』公式サイト, https://tf-movie.jp/

[13] BRIDGE (2023), ジェネレーティブAIの基礎を築いた論文「Attention Is All You Need」著者たちの今——期待される〝OpenAIマフィア〟の出現 - BRIDGE（ブリッジ）テクノロジー＆スタートアップ情報, https://thebridge.jp/2023/05/expected-emergence-of-openai-mafia

[14] ASCII.jp (2023), 元グーグルのトップAI研究者、東京にAI企業「Sakana.ai」立ち上げ, https://ascii.jp/elem/000/004/150/4150456/,

[15] Shraddha Anala (2020), A Guide to Word Embedding. What are they? How are they more useful... | by Shraddha Anala | Towards Data Science, https://towardsdatascience.com/a-guide-to-word-embeddings-8a23817ab60f

[16] John Hewitt, Natural Language Processing with Deep Learning CS224N/Ling284,
https://web.stanford.edu/class/cs224n/slides/cs224n-2023-lecture08-transformers.pdf,

[17] Raimi Karim (2019) Illustrated: Self-Attention. A step-by-step guide to self-attention... | by Raimi Karim | Towards Data Science, https://towardsdatascience.com/illustrated-self-attention-2d627e33b20a

[18] Jay Alammar (2018) The Illustrated Transformer – Jay Alammar – Visualizing machine learning one concept at a time. https://jalammar.github.io/illustrated-transformer/

[19] Mor Geva et al. (2021), “Transformer Feed-Forward Layers Are Key-Value Memories”, Proceedings of the 2021 Conference on Empirical Methods in Natural Language Processing, pages 5484–5495
https://aclanthology.org/2021.emnlp-main.446/

[20] Kaiming He et al. (2016), “Deep Residual Learning for Image Recognition”,2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR) pages 770-778
https://www.computer.org/csdl/proceedings-article/cvpr/2016/8851a770/12OmNxvwoXv

[21] Jimmy Lei Ba et al. (2016), "Layer Normalization”, arXiv:1607.06450
https://arxiv.org/abs/1607.06450

[22] Rishi Bommasani et al. (2021), “On the Opportunities and Risks of Foundation Models”, arXiv:2108.07258
https://arxiv.org/abs/2108.07258

[23] Hugo Touvron et al. (2023), “LLaMA: Open and Efficient Foundation Language Models”, arXiv:2302.13971
https://arxiv.org/abs/2302.13971

[24] Tom Brown et al. (2020), “Language Models are Few-Shot Learners”, NeurIPS2020
https://papers.nips.cc/paper/2020/hash/1457c0d6bfcb4967418bfb8ac142f64a-Abstract.html

[25] Luca Soldaini (2023), AI2 Dolma: 3 Trillion Token Open Corpus for LLMs | AI2 Blog, https://blog.allenai.org/dolma-3-trillion-tokens-open-llm-corpus-9a0ff4b8da64

[26] Wayne Xin Zhao et al. (2023), “A Survey of Large Language Models”, arXiv:2303.18223
https://arxiv.org/abs/2303.18223

[27] Guilherme Penedo et al.(2023), “The RefinedWeb Dataset for Falcon LLM: Outperforming Curated Corpora with Web Data, and Web Data Only” arXiv: 2306.01116
[28] Hugo Touvron et al. (2023), "Llama 2: Open Foundation and Fine-Tuned Chat Models” arXiv:2307.09288
https://arxiv.org/abs/2307.09288

[29] Fuzhao Xue et al. (2023), “To Repeat or Not To Repeat: Insights from Scaling LLM under Token-Crisis”, arXiv:2305.13230

[30] Niklas Muennighoff et al. (2023), “Scaling Data-Constrained Language Models”, arXiv:2305.16264

[31] Stas Bekman (2022) The Technology Behind BLOOM Training https://huggingface.co/blog/bloom-megatron-deepspeed

[32] suchenxang (2023), metaseq/projects/OPT/chronicles/OPT175B_Logbook.pdf at main · facebookresearch/metaseq · GitHub,
https://github.com/facebookresearch/metaseq/blob/main/projects/OPT/chronicles/OPT175B_Logbook.pdf

[33] Diederik P. Kingma & Jimmy Ba, (2014), “Adam: A Method for Stochastic Optimization”, arXiv:1412.6980

[34] Ilya Loshchilov & Frank Hutter, (2017), “Decoupled Weight Decay Regularization”, arXiv:1711.05101

[35] Shikoan’s ML Blog (2021), Cosine DecayとWarmupを同時にこなすスケジューラー（timm）| Shikoan's ML Blog, https://blog.shikoan.com/?s=Cosine

[36] Chip Huyen (2019) Evaluation Metrics for Language Modeling, https://thegradient.pub/understanding-evaluation-metrics-for-language-models/

[37] Kaito Sugimoto (2021) テキスト生成における decoding テクニック: Greedy search, Beam search, Top-K, Top-p https://zenn.dev/hellorusk/articles/1c0bef15057b1d

[38] mm_0824 (2020) ビームサーチ(Beam Search)を理解する| 楽しみながら理解するAI・機械学習入門 https://data-analytics.fun/2020/12/16/understanding-beamsearch/

[39] cohere, Temperature, https://docs.cohere.com/docs/temperature,

[40] Ari Holtzman et al. (2019), “The Curious Case of Neural Text Degeneration”, arXiv:1904.09751

[41] Colin Raffel et al. (2020), “Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer”, The Journal of Machine Learning Research, Volume 21, Issue 1,Article No.: 140, pp 5485–5551

[42] Alexis Conneau et al. (2020), “Unsupervised Cross-lingual Representation Learning at Scale”, Proceedings of the 58th Annual Meeting of the Association for Computational
Linguistics, pages 8440–8451

[43] Linting Xue et al. (2021), “mT5: A massively multilingual pre-trained text-to-text transformer”, Proceedings of the 2021 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, pages 483–498

[44] Leo Gao et al. (2020), “The Pile: An 800GB Dataset of Diverse Text for Language Modeling”, arXiv:2101.00027

[45] Luca Soldaini et al. (2023) “Dolma: An Open Corpus of 3 Trillion Tokens for Language Model Pretraining Research”

[46] masao-classcat (2021), HuggingFace Transformers 4.5 : 利用方法 : トークナイザーの要点 – Transformers, Diffusers | ClassCat® Chatbot,
https://torch.classcat.com/2021/05/14/huggingface-transformers-4-5-tokenizer-summary/

[47] Linting Xue et al. (2022), “ByT5: Towards a token-free future with pre-trained byte-to-byte models” Transactions of the Association for Computational Linguistics, vol. 10, pp.291–306

[48] Jacob Devlin et al. (2019), “BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding”, Proceedings of NAACL-HLT 2019, pages 4171–4186

[49] Yinhan Liu et al. (2019), “RoBERTa: A Robustly Optimized BERT Pretraining Approach”, arXiv:1907.11692

[50] Zhenzhong Lan et al. (2020), “ALBERT: A Lite BERT for Self-supervised Learning of Language Representations” ICLR2020

[51] Mike Lewis et al. (2020), “BART: Denoising Sequence-to-Sequence Pre-training for Natural Language Generation, Translation, and Comprehension” Proceedings of the 58th
Annual Meeting of the Association for Computational Linguistics, pages 7871–7880

[52] 清野舜 (2022), より良いTransformerをつくる - Speaker Deck https://speakerdeck.com/butsugiri/yoriliang-itransformerwotukuru

[53] Ofir Press et al. (2021), “Train Short, Test Long: Attention with Linear Biases Enables Input Length Extrapolation” arXiv:2108.12409

[54] Manzil Zaheer et al. (2020), “Big Bird: Transformers for Longer Sequences” NeurIPS2020

[55] Iz Beltagy et al. (2020), “Longformer: The Long-Document Transformer”, arXiv:2004.05150

[56] Joshua Ainslie et al. (2023), “GQA: Training Generalized Multi-Query Transformer Models from Multi-Head Checkpoints” arXiv:2305.13245

[57] Li Dong et al. (2019), “Unified Language Model Pre-training for Natural Language Understanding and Generation” NeurIPS2019

[58] Yi Tay et al. (2022), “UL2: Unifying Language Learning Paradigms” arXiv:2205.05131

[59] Yupeng Chang et al. (2023), “A Survey on Evaluation of Large Language Models” arXiv:2307.03109

[60] Seonghyeon Ye et al. (2023), “FLASK: Fine-grained Language Model Evaluation based on Alignment Skill Sets” arXiv:2307.10928

[61] Andrea Galassi et al. (2019), “Attention in Natural Language Processing” arXiv:1902.02181

[62] Samira Abnar & Willem Zuidema (2020), “Quantifying Attention Flow in Transformers” Proceedings of the 58th Annual Meeting of the Association for Computational
Linguistics, pages 4190–4197

[63] Yi Tay et al. (2021), “Are Pre-trained Convolutions Better than Pre-trained Transformers?” Proceedings of the 59th Annual Meeting of the Association for Computational Linguistics and the 11th International Joint Conference on Natural Language Processing, pages 4349–4359

[64] Jean-Baptiste et al. (2020), “On the Relationship between Self-Attention and Convolutional Layers” ICLR2020

[65] Jack Morris (2020), “What are adversarial examples in NLP?”, https://towardsdatascience.com/what-are-adversarial-examples-in-nlp-f928c574478e

[66] Yonatan Belinkov (2022), “Probing Classifiers: Promises, Shortcomings, and Advances” Computational Linguistics, Volume 48, Issue 1 - March 2022 pages 207-119

<この項は書きかけです。順次追記します。>
This article is not completed. I will add some words and/or centences in order.

Qiita Calendar 2024

2024 参加・主催Calendarと投稿記事一覧 Qiita(248)
https://qiita.com/kaizen_nagoya/items/d80b8fbac2496df7827f

主催Calendar2024分析 Qiita(254)
https://qiita.com/kaizen_nagoya/items/15807336d583076f70bc

博士論文 Calendar 2024 を開催します。
https://qiita.com/kaizen_nagoya/items/51601357efbcaf1057d0

博士論文(0)関連記事一覧
https://qiita.com/kaizen_nagoya/items/8f223a760e607b705e78

自己記事一覧

Qiitaで逆リンクを表示しなくなったような気がする。時々、スマフォで表示するとあらわっることがあり、完全に削除したのではなさそう。

４月以降、せっせとリンクリストを作り、統計を取って確率を説明しようとしている。
2025年２月末を目標にしている。

一覧の一覧( The directory of directories of mine.) Qiita(100)
https://qiita.com/kaizen_nagoya/items/7eb0e006543886138f39

仮説（0）一覧（目標100現在40）
https://qiita.com/kaizen_nagoya/items/f000506fe1837b3590df

Qiita(0)Qiita関連記事一覧（自分）
https://qiita.com/kaizen_nagoya/items/58db5fbf036b28e9dfa6

Error一覧 error(0)
https://qiita.com/kaizen_nagoya/items/48b6cbc8d68eae2c42b8

C++ Support(0)　
https://qiita.com/kaizen_nagoya/items/8720d26f762369a80514

Coding(0) Rules, C, Secure, MISRA and so on
https://qiita.com/kaizen_nagoya/items/400725644a8a0e90fbb0

Ethernet 記事一覧　Ethernet(0)
https://qiita.com/kaizen_nagoya/items/88d35e99f74aefc98794

Wireshark 一覧 wireshark(0)、Ethernet(48)
https://qiita.com/kaizen_nagoya/items/fbed841f61875c4731d0

線網（Wi-Fi）空中線(antenna)(0) 記事一覧(118/300目標)
https://qiita.com/kaizen_nagoya/items/5e5464ac2b24bd4cd001

なぜdockerで機械学習するか書籍・ソース一覧作成中 (目標100)
https://qiita.com/kaizen_nagoya/items/ddd12477544bf5ba85e2

プログラムちょい替え（0）一覧:4件
https://qiita.com/kaizen_nagoya/items/296d87ef4bfd516bc394

言語処理100本ノックをdockerで。python覚えるのに最適。:10+12
https://qiita.com/kaizen_nagoya/items/7e7eb7c543e0c18438c4

Python(0)記事をまとめたい。
https://qiita.com/kaizen_nagoya/items/088c57d70ab6904ebb53

安全（0）安全工学シンポジウムに向けて: 21
https://qiita.com/kaizen_nagoya/items/c5d78f3def8195cb2409

プログラマによる、プログラマのための、統計(0)と確率のプログラミングとその後
https://qiita.com/kaizen_nagoya/items/6e9897eb641268766909

転職(0)一覧
https://qiita.com/kaizen_nagoya/items/f77520d378d33451d6fe

技術士(0)一覧
https://qiita.com/kaizen_nagoya/items/ce4ccf4eb9c5600b89ea

Reserchmap(0) 一覧
https://qiita.com/kaizen_nagoya/items/506c79e562f406c4257e

物理記事　上位100
https://qiita.com/kaizen_nagoya/items/66e90fe31fbe3facc6ff

量子(0) 計算機, 量子力学
https://qiita.com/kaizen_nagoya/items/1cd954cb0eed92879fd4

数学関連記事１００
https://qiita.com/kaizen_nagoya/items/d8dadb49a6397e854c6d

coq(0) 一覧
https://qiita.com/kaizen_nagoya/items/d22f9995cf2173bc3b13

統計(0)一覧
https://qiita.com/kaizen_nagoya/items/80d3b221807e53e88aba

図(0) state, sequence and timing. UML and お絵描き
https://qiita.com/kaizen_nagoya/items/60440a882146aeee9e8f

色(0) 記事100書く切り口
https://qiita.com/kaizen_nagoya/items/22331c0335ed34326b9b

品質一覧
https://qiita.com/kaizen_nagoya/items/2b99b8e9db6d94b2e971

言語・文学記事　１００
https://qiita.com/kaizen_nagoya/items/42d58d5ef7fb53c407d6

医工連携関連記事一覧
https://qiita.com/kaizen_nagoya/items/6ab51c12ba51bc260a82

水の資料集(0)　方針と成果
https://qiita.com/kaizen_nagoya/items/f5dbb30087ea732b52aa

自動車　記事　１００
https://qiita.com/kaizen_nagoya/items/f7f0b9ab36569ad409c5

通信記事１００
https://qiita.com/kaizen_nagoya/items/1d67de5e1cd207b05ef7

日本語（０）一欄
https://qiita.com/kaizen_nagoya/items/7498dcfa3a9ba7fd1e68

英語(0) 一覧
https://qiita.com/kaizen_nagoya/items/680e3f5cbf9430486c7d

音楽　一覧(0)
https://qiita.com/kaizen_nagoya/items/b6e5f42bbfe3bbe40f5d

「@kazuo_reve 新人の方によく展開している有益な情報」確認一覧
https://qiita.com/kaizen_nagoya/items/b9380888d1e5a042646b

鉄道（０）鉄道のシステム考察はてっちゃんがてつだってくれる
https://qiita.com/kaizen_nagoya/items/faa4ea03d91d901a618a

OSEK OS設計の基礎　OSEK(100)
https://qiita.com/kaizen_nagoya/items/7528a22a14242d2d58a3

coding (101) 一覧を作成し始めた。omake:最近のQiitaで表示しない5つの事象
https://qiita.com/kaizen_nagoya/items/20667f09f19598aedb68

官公庁・学校・公的団体（NPOを含む）システムの課題、官（０）
https://qiita.com/kaizen_nagoya/items/04ee6eaf7ec13d3af4c3

「はじめての」シリーズ　ベクタージャパン　
https://qiita.com/kaizen_nagoya/items/2e41634f6e21a3cf74eb

AUTOSAR(0)Qiita記事一覧, OSEK(75)
https://qiita.com/kaizen_nagoya/items/89c07961b59a8754c869

プログラマが知っていると良い「公序良俗」
https://qiita.com/kaizen_nagoya/items/9fe7c0dfac2fbd77a945

LaTeX(0) 一覧　
https://qiita.com/kaizen_nagoya/items/e3f7dafacab58c499792

自動制御、制御工学一覧（０）
https://qiita.com/kaizen_nagoya/items/7767a4e19a6ae1479e6b

Rust(0) 一覧　
https://qiita.com/kaizen_nagoya/items/5e8bb080ba6ca0281927

関連資料

' @kazuo_reve 私が効果を確認した「小川メソッド」
https://qiita.com/kazuo_reve/items/a3ea1d9171deeccc04da

' @kazuo_reve 新人の方によく展開している有益な情報
https://qiita.com/kazuo_reve/items/d1a3f0ee48e24bba38f1

' @kazuo_reve Vモデルについて勘違いしていたと思ったこと
https://qiita.com/kazuo_reve/items/46fddb094563bd9b2e1e

Engineering Festa 2024前に必読記事一覧

programの本質は計画だ。programは設計だ。
https://qiita.com/kaizen_nagoya/items/c8545a769c246a458c27

登壇直後版色使い(JIS安全色) Qiita Engineer Festa 2023〜私しか得しないニッチな技術でLT〜スライド編 0.15
https://qiita.com/kaizen_nagoya/items/f0d3070d839f4f735b2b

プログラマが知っていると良い「公序良俗」
https://qiita.com/kaizen_nagoya/items/9fe7c0dfac2fbd77a945

逆も真：社会人が最初に確かめるとよいこと。OSEK(69)、Ethernet(59)
https://qiita.com/kaizen_nagoya/items/39afe4a728a31b903ddc

統計の嘘。仮説（127）
https://qiita.com/kaizen_nagoya/items/63b48ecf258a3471c51b

自分の言葉だけで論理展開できるのが天才なら、文章の引用だけで論理展開できるのが秀才だ。仮説（136）
https://qiita.com/kaizen_nagoya/items/97cf07b9e24f860624dd

参考文献駆動執筆(references driven writing)・デンソークリエイト編
https://qiita.com/kaizen_nagoya/items/b27b3f58b8bf265a5cd1

「何を」よりも「誰を」。１０年後のために今見習いたい人たち
https://qiita.com/kaizen_nagoya/items/8045978b16eb49d572b2

Qiitaの記事に３段階または５段階で到達するための方法
https://qiita.com/kaizen_nagoya/items/6e9298296852325adc5e

出力(output)と呼ばないで。これは状態(state)です。
https://qiita.com/kaizen_nagoya/items/80b8b5913b2748867840

coding (101) 一覧を作成し始めた。omake:最近のQiitaで表示しない5つの事象
https://qiita.com/kaizen_nagoya/items/20667f09f19598aedb68

あなたは「勘違いまとめ」から、勘違いだと言っていることが勘違いだといくつ見つけられますか。人間の間違い(human error(125))の種類と対策
https://qiita.com/kaizen_nagoya/items/ae391b77fffb098b8fb4

プログラマの「プログラムが書ける」思い込みは強みだ。３つの理由。仮説（168）統計と確率(17) , OSEK(79)
https://qiita.com/kaizen_nagoya/items/bc5dd86e414de402ec29

出力(output)と呼ばないで。これは状態(state)です。
https://qiita.com/kaizen_nagoya/items/80b8b5913b2748867840

これからの情報伝達手段の在り方について考えてみよう。炎上と便乗。
https://qiita.com/kaizen_nagoya/items/71a09077ac195214f0db

ISO/IEC JTC1 SC7 Software and System Engineering
https://qiita.com/kaizen_nagoya/items/48b43f0f6976a078d907

アクセシビリティの知見を発信しよう！（再び）
https://qiita.com/kaizen_nagoya/items/03457eb9ee74105ee618

統計論及確率論輪講（再び）
https://qiita.com/kaizen_nagoya/items/590874ccfca988e85ea3

読者の心をグッと惹き寄せる7つの魔法
https://qiita.com/kaizen_nagoya/items/b1b5e89bd5c0a211d862

「@kazuo_reve 新人の方によく展開している有益な情報」確認一覧
https://qiita.com/kaizen_nagoya/items/b9380888d1e5a042646b

ソースコードで議論しよう。日本語で議論するの止めましょう（あるプログラミング技術の議論報告）
https://qiita.com/kaizen_nagoya/items/8b9811c80f3338c6c0b0

脳内コンパイラの3つの危険
https://qiita.com/kaizen_nagoya/items/7025cf2d7bd9f276e382

心理学の本を読むよりはコンパイラ書いた方がよくね。仮説（34）
https://qiita.com/kaizen_nagoya/items/fa715732cc148e48880e

NASAを超えるつもりがあれば読んでください。
https://qiita.com/kaizen_nagoya/items/e81669f9cb53109157f6

データサイエンティストの気づき!「勉強して仕事に役立てない人。大嫌い!!」『それ自分かも?』ってなった!!!
https://qiita.com/kaizen_nagoya/items/d85830d58d8dd7f71d07

「ぼくの好きな先生」「人がやらないことをやれ」プログラマになるまで。仮説（37）　
https://qiita.com/kaizen_nagoya/items/53e4bded9fe5f724b3c4

なぜ経済学徒を辞め、計算機屋になったか（経済学部入学前・入学後・卒業後対応）転職(1)
https://qiita.com/kaizen_nagoya/items/06335a1d24c099733f64

プログラミング言語教育のXYZ。仮説（52）
https://qiita.com/kaizen_nagoya/items/1950c5810fb5c0b07be4

【24卒向け】9ヶ月後に年収１０００万円を目指す。二つの関門と三つの道。
https://qiita.com/kaizen_nagoya/items/fb5bff147193f726ad25

「【25卒向け】Qiita Career Meetup for STUDENT」予習の勧め
https://qiita.com/kaizen_nagoya/items/00eadb8a6e738cb6336f

大学入試不合格でも筆記試験のない大学に入って卒業できる。卒業しなくても博士になれる。
https://qiita.com/kaizen_nagoya/items/74adec99f396d64b5fd5

全世界の不登校の子供たち「博士論文」を書こう。世界子供博士論文遠隔実践中心安全(99)
https://qiita.com/kaizen_nagoya/items/912d69032c012bcc84f2

小川メソッド　覚え（書きかけ）
https://qiita.com/kaizen_nagoya/items/3593d72eca551742df68

DoCAP（ドゥーキャップ）って何ですか？
https://qiita.com/kaizen_nagoya/items/47e0e6509ab792c43327

views 20,000越え自己記事一覧
https://qiita.com/kaizen_nagoya/items/58e8bd6450957cdecd81

Views１万越え、もうすぐ１万記事一覧最近いいねをいただいた213記事
https://qiita.com/kaizen_nagoya/items/d2b805717a92459ce853

amazon 殿堂入りNo1レビュアになるまで。仮説(102)
https://qiita.com/kaizen_nagoya/items/83259d18921ce75a91f4

100以上いいねをいただいた記事16選
https://qiita.com/kaizen_nagoya/items/f8d958d9084ffbd15d2a

小川清最終講義、最終講義（再）計画, Ethernet(100) 英語(100) 安全(100)
https://qiita.com/kaizen_nagoya/items/e2df642e3951e35e6a53

＜この記事は個人の過去の経験に基づく個人の感想です。現在所属する組織、業務とは関係がありません。＞
This article is an individual impression based on my individual experience. It has nothing to do with the organization or business to which I currently belong.

文書履歴(document history)

ver. 0.01 初稿　20241022

最後までおよみいただきありがとうございました。

いいね　💚、フォローをお願いします。

Thank you very much for reading to the last sentence.

Please press the like icon 💚　and follow me for your happy life.