シフト作成を自動化するAI手法｜AI活用のメリットや注意点についても解説 2025.4.22 株式会社Laboro.AI　リードマーケター　熊谷勇一 執行役員 マーケティング部長　和田 崇 概　要 シフト作成において、時間や手間、人員の確保に頭を悩ませることがあります。近年、AI技術の進化により、こうした課題を自動的に解決できるシフト作成へのAI活用が注目を集めています。本コラム では、シフト作成に活用するAIの基本的な仕組みから導入のメリット、具体的な手法や注意点まで、導入の検討の前に知っておきたい事柄

みなさんこんにちは！ミイダス株式会社です。 ミイダスは今年も技術書典にゴールドスポンサーとして参加し、HRサイエンス研究所が執筆した『HR Science Technical Note #3』を無料頒布しました。この記事では書籍の簡単なご紹介と、無料でダウンロードできるURLも掲載していますので是非ご覧ください。 技術書典18にご参加の皆様、ミイダスのブースにお越しいただき、また書籍ダウンロード用のカードをお受け取りいただきましてありがとうございます！以下からダウンロードをお願いいたします📖

こんにちは、 AIチームの戸田です 今回はPythonでリアルタイムなAIアプリケーションを作る際に役立つライブラリ、 FastRTC を使って簡単なVoicebotを構築してみたいと思います。 FastRTC https://fastrtc.org/ FastRTCは、Pythonでリアルタイムの音声およびビデオストリーミングアプリケーションを構築するためのライブラリです。 VoicebotのようなリアルタイムなAIアプリケーションを作るとなると、 WebRTC や websockets などの技術が必

こんにちは！今回は 2025 年 4 月 8 日に AWS Startup Loft Tokyo で開催された「Coding Agent at Loft #1 ~ Cline with Amazon Bedrock 爆速開発体験ハンズオン ~」のイベントの様子をレポートします。 このイベントではは、AI コーディングエージェントである Cline と Amazon Bedrock を活用した開発手法を体験できる座学とワークショップを提供しました。4 月 7 日に Amazon Bedrock が prom

Neuron Community – Day One 会場の様子 こんにちは、ソリューションアーキテクトの宇佐美です。2025年4月9日に開催された「Neuron Community – Day One」の様子をレポートします。このイベントは、2025年3月に立ち上げられた「Neuron Community」の協力のもと開催しました。記念すべきイベントの第1回目ということで、Day Oneと名付けられています。 Neuron Community とは AWS では、機械学習のトレーニングと推論のための高性

はじめに JSR 株式会社 （以下、 JSR ） はライフサイエンス事業の研究開発における HPC 環境利用において、 AWS を活用することでオンプレミスデータセンターの CPU とストレージを削減し利用効率を高めるとともに、研究者のインフラ管理負荷を下げ研究効率を向上しました。このブログでは JSR株式会社 JSR・慶應義塾大学 医学化学イノベーションセンター (JKiC) 青戸 良賢 様に JSR 様のチャレンジと AWS 導入効果に関する記事を寄稿いただきました。 JSR のライフサイエンス事業へ

  サイバーエージェントは、生成AIを会社の競争力とするために全社で取り組んでいます。20 ...

本記事は 2025 年 4 月 7 日に AWS Machine Learning Blog で公開された Effectively use prompt caching on Amazon Bedrock を翻訳したものです。翻訳はソリューションアーキテクトの川戸渉が担当しました。 Amazon Bedrock において、プロンプトキャッシュの一般提供が開始されました。Anthropic の Claude 3.5 Haiku と Claude 3.7 Sonnet に加え、 Nova Micro、 Nov

LLMOpsとは？ 近年、GPT-4のような大規模言語モデル（large language model、以下LLM）の使用が普及し、それを活用したアプリケーションの開発が活発に行われています。たとえば...

  はじめまして、AI事業本部プリズムパートナーカンパニーでデータサイエンティストをしてい ...

目標：AutoGluonを試してみる！ 今回は近年話題になっているAutoMLの一つであるAutoGluonのクイックスタートを試してみて、実際にどのようなことができるのかを理解しようと思います！ なぜこのチャレンジをするのか 近年、生成AIやデータサイエンス業界の発展により、学生のデータサイエンス力が年々向上しています。その影響もあり、毎年開催しているデータサイエンティストコースのインターンシップでは、模範解答の精度が学生の精度よりも低いという結果になってしまったことも…。 これはまずいということで、A

2025/3/31 – 4/4に世界最大規模の製造業展示会ハノーバーメッセが開催されました。AWS は「Built for Industrial AI」をテーマに、ものづくりの全プロセスにおける AI の活用を訴求しました。AWS ブースには、AWS のフォーカスエリアである「Smart Manufacturing」「Smart Products」「Engineering & Design」「Supply Chain」「Sustainability」の５つのエリアに 13 の AWS キオスクと、

AWS の生成 AI ワークロードのコスト最適化に関するシリーズの第 2 回目のブログへようこそ。 最初のブログ では、生成 AI を適用するためのさまざまな実装アプローチとクラウド財務管理の原則に関する概要を説明しました。今回は、Amazon Elastic Compute Cloud ( Amazon EC2 ) と Amazon SageMaker AI を使用し、カスタム AI モデルの構築とデプロイに関するコスト最適化戦略について詳しく説明します。大規模な言語モデルをトレーニングする場合、既存の

Insight Edgeのデータサイエンティストの山科です。 今回はタイトルにもある通り、画像に対する異常検知結果を大規模言語モデル(LLM)で解説させることで説明性を付与できるか検証を行いましたので、その結果について記載したいと思います。 なお、本内容は先日、長崎で開催された自然言語処理学会（NLP2025）でも発表した内容（ 自然言語での異常解釈:LLMを用いたAI説明モデルの提案 ）となっています。 目次 はじめに なぜ異常検知タスクで説明性が必要なのか 提案アプローチ 実験 まとめ はじめに 異常

はじめに ユーザーの関心や嗜好に適したアイテムを推薦することは、ユーザーエクスペリエンスの向上や購買意欲の促進に直結するた