Uzu (@uzu_tech) header
Uzu (@uzu_tech) profile picture

個人でWebサービスを開発しながら生活してます。ポモドーロタイマー(@Pomofocus)、作業カフェ検索サイト(@NomadableApp)、ミニシアター情報(@CinemapTokyo)、語学学習サービス(https://nitter.gq/t.co/QDzFS7aOb0)などを運営。

Japan
Joined December 2021
Photo by Uzu (@uzu_tech)Photo by Uzu (@uzu_tech)Photo by Uzu (@uzu_tech)Photo by Uzu (@uzu_tech)Photo by Uzu (@uzu_tech)Photo by Uzu (@uzu_tech)Photo by Uzu (@uzu_tech)Photo by Uzu (@uzu_tech)Photo by Uzu (@uzu_tech)Photo by Uzu (@uzu_tech)
東京駅からドアツードアで30分の立地はコレ。 これを、あなたの勤務先住所からも一発で検索できちゃう! 🗺️ 生活利便性マップ seikatsu-map.pages.dev/
超高機能な地図分析アプリ「生活利便性マップ」 を昨日から公開しております🎉 アクセスはこちらから⬇️ 🔗seikatsu-map.pages.dev/ 「あの立地、実際住む上でどうなの?」が一目で分かります。また、沢山の機能や表示に工夫を重ねた力作アプリです。具体的にこんなことができます。 1. 生活利便性を確認する ・最寄駅、ルート候補、駅距離を表示 ・飲食店・小売店の充実度をスコア化 2. アクセス利便性を確認する ・目的地までのルート検索 ・目的地までの所要時間からエリア逆検索 ・利用可能路線数をスコア化 3. 高度な地点マップ作成・分析機能 noteにも概要を記載しています。 note.com/kirin34567/n/n456e6… まずは使ってみて、そして感想を頂けますと嬉しいです!ぜひご活用ください! ※できればPCからアクセス頂けると使いやすさを最大限に実感頂けると思います。
54
6
604
189,067
はじめまして! チームみらいが運営する「みらい議会」の公式アカウントです。 いま国会で、どんな法律が決まろうとしているのか? 「みらい議会」は、国会で話し合われている「法律の案」を、わかりやすく解説するサイトです。 新しい解説を公開したら、このアカウントでお知らせします。 ぜひフォローください! gikai.team-mir.ai
16
287
41
1,486
121,243
We have improved the White/Brown noise quality. - Added fade in/out effect for smoother transition - Reduced the clicking sound between loops
2
1
1
458
【AIに意識はない】生成AIは巧みに感情を模倣しますが、脳科学の知見によれば「現在のAIには意識がなく、今後さらに進化しても意識を持つ可能性は極めて低い」とのこと。賢さと意識は根本的に別物だそうです。今朝の『ネイチャー』誌の記事→ nature.com/articles/d41586-0…
15
196
48
660
46,616
Claude「A が推奨です。A でよければ『A で』と言ってください」 僕「Aで」 ← こんなんで成長できるわけがない
31
264
124
4,188
1,797,285
Jev、画像入力に対応したらしい! 最初から対応してたのに、競合が出揃ってから出してくるの強者すぎる😂
1
2
34
2,923
アリの行列を、ただ眺めるゲームをつくりました。🐜 角砂糖を置くと、アリが見つけて集まってきます。 5種類のアリの、歩き方や行列の違いをのんびり観察できます。 #まわるゲームズ
2
2
1
6
638
nani.now が1歳になりました! ここまで広告費0・まともな施策なしでやってきましたが、シェアしてくれる皆さまのお陰でじわじわ成長できています🙏 ↓ 画像は1年のアプデの見どころ 未だに改善点が山積みですが、2年目はスマホアプリ・ブラウザ拡張などなど全力でやっていきます!
22
114
35
1,434
130,094
なんで今エンジニアは個人開発に投資すべきなのかを自分の考えを図解してみた。このループを実現すれば仮に個人開発が微々たるものでも長い目を見ればあなたにキャリア価値が残ると思うよ。
1
6
2
130
6,261
生き残るソーシャルサービスの共通点は頻度の高いユースケースを軸にしていること Zenlyの共同創業者は、多くの人たちが陥りがちなのは「便利だが使うのは月1回」といったユースケースが小さすぎるものをつくってしまうことだと語る ユーザーが「このサービスが大好き!」と褒めてくれたとしても週に3〜4日は開く高い利用頻度が低いと忘れられてしまう。頻度が低いままだと習慣化しないため。 好きな場所を保存できる「Mapster」は、「場所を登録する瞬間」にしか使われず、利用頻度が低いため淘汰されてしまった。 一方で、Googleマップは「経路の案内」という日常的によくつかう頻度の高いユースケースを押さえているため、「場所の保存」という低頻度な機能があったとしてもユーザーをうまく繋ぎ止められている。 つまり、頻度が低い機能というのは高頻度なコアなユースケースの上に載せるような形で提供するのが鉄則なのだと。 立ち上げの成功には「小さな友達関係」で機能することも重要になる。 例えば、写真共有アプリやチャットアプリの多くは10〜15人の友達がいないと価値を感じにくい構造になっている。 位置情報共有アプリは「今どこにいる?」「いつ帰ってくる?」という日常の中でのメッセージの代わりになり親しい1〜2人だけでも続ける価値が生まれやすい。 少人数でも毎日使いたくなるような明確で密着したユースケースを盛り込めると初期のユーザーがグッと定着しやすくなる。
【記事更新】Zenlyの共同創業者に、世界4,500万ユーザーまで成長したZenlyのストーリーと、新たに開発した「Bump」についての話を取材しました✍️ ●1. Zenly誕生のきっかけ もともと、家族向けの位置情報サービスを開発していたが、バッテリー消費や位置情報の精度に課題が多かったため、2年かけて技術を磨いていった。その後、BtoBで収益化しようと考えた。 商談でデモを行うためにストアに「小さなデモアプリ」を公開すると、そのアプリが勝手に成長しはじめた。若いユーザーたちは「友達や家族が今どこにいて何をしてるか」を知るために使っていたのだった。そこからピボットして「Zenly」が生まれた。 ●2. Zenly初期のハンバーガーテスト Zenlyの創業者たちは、ファストフード店に毎週通って学生にランチをおごり、待っている間にアプリを試してもらった。このテストは「リアルな生活のノイズ」の中で行えるのがメリット。友達とのおしゃべり、SNSからの通知、おいしそうなハンバーガー、ノイズがある中でも完了されるオンボーディングがつくれた。 ●3. 日本でZenlyが流行した理由は「ソーシャル気配り文化」 日本でZenlyやBumpなどの「位置情報共有アプリ」が伸びたひとつの理由は、デジタル空間での気配りの文化があるためだと考察されている。日本のユーザーは位置情報を見て「相手は寝ているか」「移動中か」「バッテリーは少ないか」といったソーシャルな気配りを行う。「バッテリー10%だからあとで通話しよう」「電車にいるからあとで連絡しよう」これは日本では当たり前かもしれないが世界では当たり前ではないという。このユニークな文化が位置情報共有アプリを爆発的に普及させた。 ●4. コミュニティの中で「一定割合を超える」と一気に広がる Zenlyでは、学校などのコミュニティの中で「一定の普及率」を超えるとネットワーク効果が働き、アプリが爆発的にコミュニティ内に広がる現象を発見。当初は20〜25%がティッピングポイントと考えていたが、より低い割合でも発生するとわかった。国単位では約5%まで広がると自走的な成長がはじまる。Bumpは日本では2026年6月にティッピングポイントを超えたことで爆発的に成長している。 ●5. ソーシャルアプリには「高頻度なユースケース」が必須 ソーシャルサービスが生き残り成長するには、週3〜4日はつかわれる「高頻度なユースケース」が必須だという。頻度が高ければ習慣化しやすく、頻度が低ければ忘れられやすい。多くの人が陥りがちなのは「便利だけど、使うのは月に1回だけ」といった、ユースケースが小さすぎるものをつくってしまうこと。Googleマップの「経路案内」のような高頻度な機能があれば、その上に低頻度な機能をのせても定着しやすい。 ●6. 初期Zenlyを支えた泥臭い開発生活 Zenlyの初期数年は、共同創業者は別の仕事で稼ぎながらZenlyを開発していた。クラブイベントの仕事で得た資金をフリーランスへの支払いにあてた。長期で成功する起業家と脱落する人の違いは「レジリエンス」にある。学び続け、高い野心を持ち、適切な環境にいる限り、成功をジャマするのは「挑戦の打席数」だけ。打席に立ち続け、学習をくり返せば、いつかは勝てる瞬間がくる。 ●7. Bumpが解決したい「ソーシャルメディア」の問題 元Zenlyの開発者らが集まってつくられた「Bump」は、友達との交流を促進して、大手SNSから友情を取り戻す設計になっている。オンラインのソーシャルはメディアに置き換えられ、スマホを能動的につかう機会も減っている。この問題を解決しようとしている。Bumpは毎月数百万回ダウンロードされていて、日本が最も急成長している市場になっている。 【👇詳細記事】 世界4,500万人に広がった「Zenly」の成長ストーリーを創設者に聞く。日本で位置情報共有アプリが広がったのはデジタル空間での気配り文化があるため。新たなアプリ「Bump」を開発した理由。 markelabo.com/n/needfa55486c…
5
2
39
9,273
TODOアプリ、スマホでも快適なものを作ろうとするとかなり大変で、実力がはっきり出るいい題材よね スマホで下の方のタスクをタップしたときにキーボードに隠れる。いい感じにスクロール位置調整するのムズい その場で入力させる場合、確定の仕様がムズい。確定ボタンだけでなく外側タップでも確定させたい かといって編集のたびにモーダルを出すと体験が悪い 入力中に別のアイテムをタップしたときにどうする?確定して次のアイテムへ移行? 各タスクは最初から入力欄にしておく?ボタンとして置いておき、タップで入力欄に差し替え? 差し替え時にガタつかないようにするには? 空欄のまま編集を終えたら? 既存のタスクなら削除?元に戻す? 既存のタスクどうしの間に新しいタスクを追加する方法は? チェック済みはその場で薄くする?下に移す?非表示?いつ消す? 長押しは並び替え?メニュー表示? 改行許す?1,000字のテキストをコピペされたときに何行まで見せる?全テキストを見る導線は? 複数タスクを連続して入れるための仕組みは? PCと共有するなら同期のタイミングどうする?どこに保存する? 複数端末で同じアイテムを編集されたときどうする? 並び替えどうする?複数端末で別々に並び替えされたときどうする? このへんにストレスを感じさせないAppleのリマインダーはめちゃくちゃよくできてる
逆に,ただの TODO アプリとかをどれだけ荘厳な設計にできるかのオーバエンジニアリングハッカソンもやりたい
5
117
29
1,486
292,516
Jevを使って日本語全角と半角英数のキーボード(IME)モード切り替えを自動化するツールプロトタイプできた! タイピングを監視して、Jevで日英を判定し自動切り替え。 ①「watashi」と入力 ②日本語判定し入力モード切り替え ③既入力の「watashi」も「私」に変換 切り替えは手癖になってるからそんな困らないんだけど実験として意外とうまくいってよかった
14
108
28
933
75,920
Jev、「速い」「安い」「汎用的」で話題ですが、「精度」はどうなんでしょうか? Kaggleで実験してみました↓ 結論、「学習ゼロ」の Jev 、特化学習させたBERTの精度にわずかに届かず。 ただ、「学習ゼロ」で実用面で充分な精度を出すという恐ろしい結果に。 精度以外にも面白い発見がありました。 ✅️ 精度面 精度面でいうと、なんと Fable や Astra に遜色なかった。 「精度取るなら Fable や Astra を使えばいい」という声がチラホラありますが、検証してみるとそうでもない。分類タスクに特化した Jev は Fable や Astra 級か、それ以上の精度が出せる。 ただ、特化学習させた BERT にはさすがに敵わなかった。が、差はわずか。 大量のデータを収集して学習させるコストを考えれば、「学習ゼロ」で実務上充分な精度が出せる Jev はやはり革命的。 さらに、TF-IDF(キーワードベースの特徴量)をLogistic RegressionというMLモデルで特化学習させた場合より、「学習ゼロ」の Jev が有意に勝った。 ✅️ 閾値調整 Noul vs. Choice Jev の出力として、分類に特化した Choice と、確率を出力する Noul があり、 ・最も精度が高かったのが、Noul の出力に対して閾値調整したもの ・閾値を0.5のまま Noul や Choice を採用すると、BERTの特化学習版に比べて大きく劣る結果に つまり、分類タスクで Jev の精度にこだわるなら、閾値を0.5のままより実データで調整した方が良い ✅️ few-shot learning Jev に、「few-shot learning」という手法を採用してBERTに勝とうとしたら、分類の精度は上がらないものの、確率出力の精度は上がった。 「few-shot learning」とは、モデルのパラメータ学習はせず、モデルへのインプット(プロンプト)に学習データを数件記載する方法。 要は、AI に対して「処理例付き」マニュアルを渡す感じ。 詳しくはリプライにつけたKaggle公開ノートブックと記事をご覧ください!
10
109
22
656
80,434
Unlike LLMs, Jev didn't invent a new concept. Classifiers have existed for decades, with exactly the same interface → ask a question, get a probability score. BUT, here's what the hype is all about: - it works for *any* problem, no training required - it's fast → you can do stuff in real-time - it's cheap You can see it as a democratization of classifiers. Before, only those with a huge amount of their own training data could own one. Now, you get your own at the speed of thought. This won't disrupt the existing classifier market. Custom-trained classifiers will always beat the one-size-fits-all solution. But this opens a whole new market for the rest of us where retail is more than good enough. It's the same thing that happened with digital photography, Canva, 3d printing, and vibe coding.
Here's a 45-second TL;DR on Jev. I find the core idea beautifully simple, but the video made it really hard to understand. Hope you find it helpful.
32
45
4
423
61,370
1人のインフルエンサーが1つのアプリを紹介し続けるのってネタ切れもするしなかなか難しくて、でも、複数のアプリを紹介するインフルエンサーがたくさんいる状況は作れると思うんですよね そういうエコシステムを思い描いています
これは成果報酬という点にかなり期待。 開発者、インフルエンサー、そして消費者を含めたエコシステム全体を考えるとこれが一番良い設計な気がする。
3
1
10
1,819
個人開発者がいいアプリを作っても、多くの人に知ってもらうのが難しい。 そこで、アプリを成果報酬でインフルエンサーに紹介してもらえる「GoAlong」を作っています。 初期費用、月額費用は0円。成果が出るまで費用はゼロ。 本日、先行登録を開始しました! 先行登録はこちら↓
22
63
65
675
113,101
政府情報システムにおける利用者満足度評価の導入📝 デジタル庁は、政府情報システムの利便性を利用者視点で継続的に改善するため、統一的な指標に基づいた満足度評価の仕組みを整備し、各府省庁における改善サイクルの定着を支援します。 詳細はこちら↓ digital.go.jp/policies/gov-s…
3
9
2
46
8,785
努力で英語喋れるようになった系の人皆んなこうやって自主学習してる (しかも楽しい←これがミソ)
英語学習がChromeだけで完結するようになってきた。Geminiのサイドバーが使えるようになって、YouTubeを見ながら意味やニュアンスをその場で聞けるし、動画を見終わったらGemini Liveで内容について英語で会話もできる。「インプット → 質問 → アウトプット」の理想的な流れが無料で簡単にできます。
223
3
2,529
154,677
マーケティングをするときは、脳内に「ドパガキのペルソナ」を飼っておくといいかも。 「長い。読まん」 「地味。見ない」 「難しい。わからん」 「めんどい。やらん」 「で、俺になんの得があるの?」 くらいの前提で考える。 その上で、 ・LPはFVで一瞬で価値を伝える ・動画は冒頭3秒に死ぬほどこだわる ・クリエイティブはまず目を止めさせる ・文章は小学生でもわかるくらい簡単にする ・CTAまでのハードルを極限まで下げる ・便益は「結局、自分に何がいいの?」まで翻訳する ユーザーは、こっちが思っているほど読まないし、考えないし、待ってくれない。 「ちゃんと見れば伝わる」は、だいたい伝わらない。ドパガキをコンバージョンさせられるくらいこだわる。
21
361
174
2,915
2,045,998