はじめに こんにちは！デジ戦のM.Mです。 今回は、入社後はもちろん、就職活動においても重要な、マイナビで利用できる 「福利厚生」 についてご紹介します。 近年、働く上でワークライフバランス等を意識する人が増えており、「福利厚生」は重要な会社選びの基準となっています。 マイナビでも、社員の働きやすい環境やモチベーションの維持を目的に、様々な福利厚生が用意されています！ この記事では、マイナビにどのような「福利厚生」があるか、会社生活編と私生活編に分けて紹介していきます。 ◆会社生活編 スキルアップ マイナ

生成型人工知能 (AI) は転機を迎え、誰もが想像力を掻き立てられています。顧客向けサービスやソリューションに生成 AI 機能を統合することが重要になっています。現在の生成 AI 製品は、機械学習モデルや深層学習モデルからの段階的な進化の集大成です。深層学習から生成 AI への飛躍は、 基盤モデル によって可能になりました。 Amazon Bedrock は、幅広い基盤モデルに簡単にアクセスでき、開発体験全般を大幅に簡素化します。 しかしながら、その力にもかかわらず、汎用的なモデルだけでは、特定の関連性の

コネクテッドシートとは  

1．はじめに

こんにちは、AWS ソリューションアーキテクト の深井です。 2024 年 6 月 5 日に「教育委員会におけるゼロトラストとデータ分析基盤の先進事例」というタイトルでウェビナーを開催しました。開催報告として、ウェビナーの内容と当日の資料や収録映像を紹介します。 開催の概要 校務支援システムや教育ネットワークの整備にあたり、従来のネットワーク分離型と呼ばれる対策から、クラウド基盤を活用したゼロトラストセキュリティを前提とする構成に舵を切る教育委員会が増えてきています。このウェビナーでは、初中等教育のIT環

はじめに こんにちは、イノベーションセンターの真崎です。 6月にDatabricksの年次カンファレンス Data+AI Summit 2024 が開催され、 AI/BI Genie というDatabricks上のデータを自然言語で検索・分析・可視化できる機能が発表されました。 本記事では、AI/BI Genieについて機能の概要、及び実際に使用した流れを解説します。 Databricksとは Databricksはデータウェアハウスとデータレイクの両方の強みを兼ね備えたデータとAIのためのオープンな統合

こんにちは、ブログ運営担当の小嶋です。 8月27日（火）12:00~12:30 当社主催の勉強会「NRIネットコム TECH & DESIGN STUDY #41」が開催されます!! 8月上旬に開催されたGoogle Cloudの国内大規模カンファレンスである「Google Cloud Next Tokyo '24」。 同イベントは、最新のクラウド技術に触れる貴重な機会です。 本勉強会では、このイベントに参加した横田が特に注目した、データ分析に関する領域についてご紹介します。 登壇者 横田真斗 社会人2年

こんにちは。SCSKの山口です。 今回は、BigQueryで ウィンドウ関数（分析関数） を使ってデータを集約してみたいと思います。 テーブル全体ではなく、 特定の実行範囲（パーティション）での処理 が実行できる便利な機能です。ぜひご覧ください。   ウィンドウ関数とは（イメージ） ウィンドウ関数とは、一言で言うと「行のグループ単位で計算を行い、 行ごとに一つの結果を返してくれる 」ものです。 似た言葉で、「集約関数」がありますが、ウィンドウ関数の有無で違う挙動を示します。 おそらくこの説明では

はじめに レバレジーズシステム本部 NALYSYSグループ テックリードの桐生です。 NALYSYSとは、ピープルマネジメントを支援する「 NALYSYSモチベーション管理 」や労務業務を効率化する「 NALYSYS労務管理 」などの機能を多数持った、人事労務に関わる課題を解決するためのSaaSです。 そんなNALYSYSでは、 今年4月に新たに「NALYSYS従業員ライブラリ」をリリースいたしました 。こちらのプロダクトではマイクロサービスを跨いだ検索を実現する必要があったのですが、これにより今までにな

こんにちは！SCSKの江木です。 先日、Dialogflow CXのAgentからのテストケース作成を自動化していて、「あるフォルダにファイルがアップロードされたら起動するCloud Functionsを作りたい」とふと思いました。（テストケース作成自動化について知りたい方は以下のブログを参照ください。） Dialogflow CX Agentからの単体テストケース作成を自動化してみる 今回はテストケース作成の時間を削減すべく、グラフ理論を使って、単体テストケース作成を自動化する方法を実装してみました。こ

このブログは “ Empowering analysts to perform financial statement analysis, hypothesis testing, and cause-effect analysis with Amazon Bedrock and prompt engineering ” を翻訳したものです。 このブログは、「資本市場と金融サービスにおける生成 AI 及び AI/ML」シリーズの一部です。 はじめに プロンプトエンジニアリングと高度なプロンプティングは、大規

init_mathjax = function() { if (window.MathJax) { // MathJax loaded MathJax.Hub.Config({ TeX: { equationNumbers: { autoNumber: "AMS", useLabelIds: true } }, tex2jax: { inlineMath: [ ['$','$'], ["\\(","\\)"] ], displayMath: [ ['$$','$$'], ["\\[","\\]"] ],

はじめに こんにちは、クラウドエース データソリューション部の松本です。 普段はデータ基盤や機械学習システムの構築を行なっており、Google Cloud 認定トレーナーとしてトレーニング提供もしています。 クラウドエース データソリューション部 について クラウドエースのITエンジニアリングを担う システム開発統括部 の中で、特にデータ基盤構築・分析基盤構築からデータ分析までを含む一貫したデータ課題の解決を専門とするのが データソリューション部 です。 弊社では、新たに仲間に加わってくださる方を募集して

G-gen の堂原です。当記事では、Google Cloud Next Tokyo '24 セッション「 プロジェクト間での分析を可能にした高セキュリティな企業データ分析基盤の構築と生成 AI の活用 」に関する速報レポートをお届けします。 他の Google Cloud Next Tokyo '24 関連記事は Google Cloud Next Tokyo '24 の記事一覧 からご覧いただけます。 概要 事業紹介 初期の課題とアプローチ 企業データ分析基盤 生成 AI の活用 関連記事 概要 本セッ

モノのインターネット (IoT) は、日々テラバイトの情報を流す数十億のデバイスがあり、前例のないほどのデータを生成しています。IoT データから貴重な分析情報を得ようとする企業や組織にに対して、AWS が強力な分析サービスを提供しています。 AWS IoT Analytics は、IoT 分析に着手する多くの顧客にとって出発点となります。このフルマネージドサービスでは、IoT データの高速な収集、処理、保存、分析が可能です。AWS IoT Analytics では、データを時系列データストアに保存する前