本記事は AI・MLウィーク 4日目の記事です。 💻 3日目 ▶▶ 本記事 📱 はじめに 【逆引き】やりたいこと別・サービス対応表 サービス名称の「覚え方」のコツ AWS：機能説明型（動詞・名詞） Google Cloud：ブランド・概念型 主要サービスの深掘りと選定の根拠 ① 統合プラットフォーム：SageMaker vs Vertex AI ② 生成AIの最前線：Bedrock vs Gemini 最初の1歩：初心者はどこから触るべき？ おわりに 参考文献（公式ドキュメント） はじめに AWSとGoo

こんにちは。 株式会社SHIFT データエンジニアの小畑です。 本記事では、トラブルシューティングとインシデント対応について解説していきます。InstanaやSREの領域に関心がある方の参考になれば幸いです。

こんにちは。 ファインディ株式会社でテックリードマネージャーをやらせてもらってる戸田です。 生成AIを活用した開発支援ツールが開発者のワークフローに組み込まれつつある中、先日、福岡でFindy AI Meetupの第4回を開催しました！ findy-inc.connpass.com 当日参加くださったみなさま、ありがとうございました！ Findy AI Meetupとは？ 登壇内容 Agent Skills 入門 【Claude Code】Plugins作成から始まったファインディの開発フロー改革 懇親会

こんにちは！プロダクトエンジニアの @kazzhira です。 私たちのチームでは、2025年の夏ごろから「AI活用による開発生産性の向上」に取り組んできました。しかし、当初の取り組みは抽象的なガードレールの提示や個々人の実践にとどまり、チームとして大きな成果には結びつきませんでした。 その後、SDD（仕様駆動開発）というアプローチに出会い、オープンソースの cc-sdd フレームワークをベースに試行錯誤を重ねてきました。 本記事では、AI開発標準の策定に失敗した経験から何を学び、どのように仕様駆動開発に

はじめに

本記事は 2026 年 2 月 17 日に公開された Nima Kaviani による “ Claude Sonnet 4.6 is now available in Kiro ” を翻訳したものです。 本日より、 Kiro IDE と CLI で Claude Sonnet 4.6 が利用可能になりました。Sonnet 4.6 は Sonnet 4.5 からの完全なアップグレードであり、ソフトウェア開発において Opus 4.6 に匹敵する知能を持ちながら、よりトークン効率が高く、ワークフロー全体でより

こんにちは、クラウドサービス関連の業務をしている藪内です。 本記事は、 「AWSパラメータシート自動生成ツール」 についてのブログリレーの最終回（5本目）です！🎉 前回は、フロントエンド技術について解説しました。概要や要件定義、機能については過去回の記事をご参照ください。 今回は本ツールをユーザーとして利用し、使用感や手作業との比較結果について紹介します。 AWSのパラメータシート作成自動化ツールの取り組みについて ~概要編~ – TechHarmony AWSパラメータシート自動生成ツールの要件定義編

はじめに 駅メモ！開発チームの id:kaidan388 です。 昨年の6月に新機能として「アルバム機能」をリリースしました。私はこの開発でリーダーを務めました。 このアルバム機能は、駅メモ！の中でも特に規模の大きな開発となりました。また、これまでの新機能がバトル面の強化やチェックイン・アクセスのしやすさが中心で、ライフログを強化する試みはあまり例がなかったため、「本当にユーザーの皆様に楽しんでいただけるだろうか」という懸念も当初はありました。 今回は、この大規模かつ前例のない開発を無事にリリースまで進め

概要 はじめに 前提条件 構成図 AWS Transform CLIとは AWS Transform CLIをインストールしたDockerイメージの作成 Dockerfileの作成 ローカルでの動作確認 ECRリポジトリの作成とイメージのプッシュ ECRリポジトリの作成 ECRへのログインとイメージのプッシュ CodeBuildプロジェクトの作成 buildspec.ymlの作成 CodeBuildプロジェクトの設定 Transform対象のCodeCommitリポジトリを作成する CodeCommitリ

LLMの量子化技術と実装方法について説明しています。AIモデルの実運用におけるモデルの大きさや処理時間の問題を解決するための量子化技術について、具体的にはAWQ、GPTQ、SmoothQuantの3つの手法とその実装方法、結果について紹介しています。

はじめに 昨今、「マスタデータマネジメントの必要性」ということが巷で話題にあがっています。 曰く、「経営判断のスピードと質を高めるため」 曰く、「データ起点の成長戦略（DX・AI）を可能にするため」 曰く、「グループ経営・事業拡大のスケーラビリティを確保するため」 曰く、「IT投資・業務コストの無駄を構造的に削減するため」 など、さまざまな理由が取りざたされています。 これらはいずれも正しいことと言えますが、こうした理由については、様々な本や記事に多く紹介されています。 また、「世界のMDM市場規模は、3

本ブログは、メック株式会社 様と Amazon Web Services Japan が共同で執筆いたしました。 みなさま、こんにちは。AWSアカウントマネージャーの尾田です。 生成 AI が注目されてから数年が経ち、多くの活用事例が生まれています。特に最近では「エージェント」というキーワードも⾮常に注⽬されており、今まで以上に、複雑な業務に AI を活⽤できるようになってきています。 本ブログでは、AI エージェントを活⽤して研究業務の効率化や品質の底上げに取り組まれたメック株式会社様の事例についてご紹

はじめに こんにちは！ アプリケーションサービス本部ディベロップメントサービス１課の森山です。 Amazon Cognito で Auth0 などの外部 IdP と SSO 連携している場合、デフォルトでは外部 IdP で認証されたユーザーが誰でも Cognito にサインアップできてしまいます。 社内ツールや限定公開サービスなど、公開範囲を絞りたいケースでは、特定のメールドメインのユーザーだけにサインアップを制限したい場面があります。 今回は、Cognito のユーザープール Lambda トリガー（p

こんにちは。ワンキャリアでデータサイエンティストをしている申（シン）です。 普段は、社内のデータを用いた分析や、機械学習モデルの構築を通じて、ビジネスの意思決定支援を行っています。

はじめに 触ってみた Step 1:Agent Space の作成 Step 2: DevOps Centerでアプリ全体を把握 Step 3: Amazon CloudWatch Alarmの調査 Step 4: Investigation（原因調査） Step 5: Mitigation Plan（緩和策の生成） Step 6: Prevention（再発防止策） ワークショップを通じて 今後の展望 テスト工程への参加 学びの機会が減る!? まとめ はじめに 皆さま、お久しぶりです。入社5年目の堀内で