本記事は「IDMC REST API入門」シリーズの第4回（最終回）です。全4回にわたって、REST APIを使ったログインからジョブ実行・監視・ログ取得までの一連の流れを、公式ドキュメントの記述を交えて解説します。 シリーズ一覧： 第1回：REST APIの基本とログイン 第2回：ジョブ実行と停止 第3回：ジョブの監視 第4回：ログ取得とまとめスクリプト　👈 本記事 はじめに 第3回では、activityMonitor（実行中ジョブ）とactivityLog（完了済みジョブ）の2つのAPIでジョブの状態

本記事は「IDMC REST API入門」シリーズの第3回です。全4回にわたって、REST APIを使ったログインからジョブ実行・監視・ログ取得までの一連の流れを、公式ドキュメントの記述を交えて解説します。 シリーズ一覧： 第1回：REST APIの基本とログイン 第2回：ジョブ実行と停止 第3回：ジョブの監視　👈 本記事 第4回：ログ取得とまとめスクリプト はじめに 第2回では、REST APIでのジョブ実行と停止を解説しました。ジョブを実行したら、次に必要なのは「ジョブが正常に完了したか？失敗したか？

みなさんこんにちは！ワンキャリアのプロダクト開発部 ワンキャリア転職チームの越川（X： @kosshii_ ）です。 突然ですが、みなさんは最近技術書を読んでいますか？

こんにちは。こんばんは。 Findy Team+ 開発のフロントエンドリードをしている @shoota です。 今回はフロントエンドからは少し離れ、AIによるプルリクエストのレビューシステムを作成した話を書きます。 Findy Team+フロントエンドの現状と課題 AIコーディング時代の新たな課題 AIによる自動レビュー（Approve）を作ろう 解決したい課題 レビューは大きく3種類ある 誰が使えるのか 何を判定するのか 判定のキモはTidy First?の分類 実装とポイント GitHub Actio

Vertex AI で実現するオンライン需要予測 — ブラウザのみで完結する構築ガイド はじめに この手順でできること Google Cloud の Vertex AI を使用して、オンライン（リアルタイム）需要予測 を REST API 経由で実行できる環境をハンズオンで構築します。 通常、Vertex AI Forecast（AutoML Forecasting）はバッチ推論のみ対応ですが、Tabular Workflow for Forecasting テンプレートを使用することで、学習済みモデルを

アプリケーションサービス部の山本です。 中途社員の研修を担当しています。 が、毎日こちらが学ぶことばかりです。 はじめに 前回の記事：MCP サーバーの API キーを AWS Secrets Manager で管理してみたでは、MCP サーバーの API キーを AWS Secrets Manager で管理する方法を紹介しました。 記事を公開した後、こんな声をいただきました。 「Secrets Manager は便利だけど、API キー1つに月 $0.40 はちょっと…」 「うちのチームは Param

はじめに Integrated GradientsによるE2E自動運転モデルの判断根拠の可視化の様子。 深層学習モデルは画像認識、自然言語処理、自動運転における行動予測など幅広い分野で人間を超える精度を達成しつつありますが、その判断根拠は依然としてブラックボックスです。「なぜこの予測になったのか？」をモデル自身に説明させる技術は XAI（Explainable AI / 説明可能なAI） と呼ばれ、モデルのデバッグ・信頼性向上・安全性担保の観点でますます重要性が高まっています。 本記事では、XAI手法の中

はじめに こんにちは。MIU AI戦略本部でAIエンジニアをしている田中宏樹です。 LLMを活用した ...

サービス開発部兼ドラクエ部のくればやしです。 今度、淡路島のニジゲンノモリというところにある[ドラゴンクエスト アイランドに遊びに行く予定です。アトラクションもさることながら、グッズコーナーに行くのも非常に楽しみです。 nijigennomori.com はじめに 前回の記事では、既存のLambda関数をAWS::Serverless::Function としてインポートする方法を解説しました。 blog.serverworks.co.jp 本記事では一歩進んで、API Gateway(REST API)

1. はじめに 本稿では、Kiro を用いた仕様駆動開発の検証を通じて、API 開発における生産性と品質の変化を評価した事例を紹介します。 実際の開発案件で実装された領域に対して、設計から試験工程までを Kiro で再実装し、従来開発と比較するという試みになっています。 2. 自己紹介 株式会社 NTT データ ソリューション事業本部 C&D 事業部に所属しており、パブリッククラウド領域の案件に取り組んでいます。 本稿の取り組みのような 生成 AI を活用した開発にご興味をお持ちいただけた方は、お

「社内のドキュメント、どこにあったかな？」「ストレージのあのファイルの内容、AI に聞けたら便利なのに…」 多くの企業が社内ナレッジをさまざまなストレージツール上に保管しています。蓄積された膨大な情報を効率よく活用するのは簡単ではありません。 Amazon Quick なら、組織に散らばり保存された社内ナレッジを AI エージェントに接続し、自然言語で質問するだけで必要な情報を引き出せます。 本ブログでは、Amazon Quick の AI エージェントを社内ナレッジへ接続する例として、Microsoft

はじめに WebRTCという標準的な選択肢 産業用途での検討ポイント SFUの選定と移行コスト センサーデータとの統合 録画・解析システムの構築 intdashという選択肢 Webアプリからintdashを使う ― intdash-RTC SDK ユースケース おわりに はじめに Webアプリケーションでリアルタイムな映像通信を実装したい。ビデオ通話、遠隔支援、リアルタイム監視...。こうしたニーズは年々高まっています。 リアルタイムな映像通信を実装するとき、まず候補に挙がるのがWebRTCです。ブラウザ

WebRTCをテーマにした連載の最終回として、運用フェーズで重要となるパフォーマンス品質の測定と監視手法を解説します。WebRTCが提供する getStats() APIを用いた統計的分析と、Chromeのデバッグ機能 webrtc-internals によるリアルタイム監視の2つの方法を紹介。特に画面共有アプリケーションで重要となるフレームレート、解像度、CPU負荷などの観点や、確認すべき具体的なStats項目、 clumsy を用いたネットワーク劣化テストの実践的な確認方法にも触れます。

以下の記事で、 AIセキュリティの概要 、および それに対するソリューション である 「Cato AIセキュリティプラットフォーム」 について簡単に 機能紹介 させていただきました。 Cato AI セキュリティプラットフォームとは？～AIセキュリティ課題を解決する新たなソリューション～ AI活用が進む中で、「シャドーAI」や情報漏洩、AI特有の攻撃など、新たなセキュリティ課題が企業で問題になっています。本記事では、AIセキュリティの主なリスクを整理するとともに、それらを解決するソリューションとしてCat

こんにちは。SRE課のtaku_76です！ 今回はKubernetesマニフェスト内の非推奨API / 削除済みAPIを継続的に検知する仕組みについて紹介します。 PlutoとGitHub Actionsを使い、定期実行から検出結果の更新まで自動で行うようにしました。 他チームにも使ってもらうことを想定していたため、Plutoを実行するだけでなく導入方法や検知結果の確認方法まで含めて運用に乗せる形にしています。 はじめに 仕組みを作成した目的 全体像 利用者の負担を減らすために工夫したこと Issueを作