こんにちは．協業リテールメディアdivでデータサイエンティストをしている須ヶ﨑です．本日は珍しい話題 ...

はじめに Turing の End-to-End(E2E) 自動運転チームでチームマネージャをやっている棚橋です。今回はE2E自動運転チームでブログの連載企画を行います。本連載企画ではEnd-to-End(E2E)自動運転の最新技術やTuringの取り組みを紹介します。第一回はTuringで取り組んでいるE2E自動運転の概要と課題について取り上げます。 End-to-end自動運転とは？ Turing が取り組んでいる自動運転の方式はE2E方式と呼ばれるもので、従来の自動運転の仕組みとは大きく異なっていま

この記事は、2024年6月29日(土)に行われたオープンソースカンファレンス2024 Hokkaidoにおけるセミナーを、さくナレ編集部にて記事化したものです。 はじめに さくらインターネットの江草と申します。今日は、つ […]

このブログは “ Medical content creation in the age of generative AI ” を翻訳したものです。 生成AI やトランスフォーマーを活用した大規模言語モデル（LLM）が最近の大きなニュースになっています。これらのモデルは、質問への回答、文章の要約、コードおよびテキストの生成において優れた性能を発揮しています。現在、LLMは、規制の厳しいヘルスケア・ライフサイエンス業界（HCLS）を含む企業において実際の業務で使用されるようになってきました。ユースケースとし

こんにちは。2024年6月に中途入社した機械学習エンジニアの深澤(@fukkaa1225)です。新しいエキサイティングな環境を毎日楽しんでます！ 本記事では機械学習 API をデプロイする際、コストの観点からどのようなサービスを選ぶべきかについて述べたいと思います。

このブログは 2024 年 4 月 23 日に Jenna Leiner によって執筆された内容を翻訳したものです。原文は こちら を参照して下さい。 世界のデジタル化が進むにつれ、企業はデジタルトランスフォーメーションを推進するために電力を大量に消費する IT インフラストラクチャと、環境の持続可能性を両立させる複雑な課題に直面しています。このような相反する要求により、データセンターのエネルギー消費と炭素排出が大きな注目を集めています。 IDC InfoBrief 報告書「 Energy and Car

はじめに Data Strategyチーム（以下、DSチーム）でDWHやBIツールの運用をしている@shota.imazekiと不正検知やAWS基盤運用をしている @tawamura です。 Aurora MySQL v2（MySQL5.7互換）が2024/10/31に標準サポート終了となるため、DSチームでは2024年6月にAurora MySQL v3（MySQL8.0互換）へのアップグレードを実施しました。 その際に得られた課題や知見について紹介していきます。主に AWS DMS や Amazon

みなさんこんにちは。Amazon Connect ソリューションアーキテクトの坂田です。2017年（東京リージョンでは2018年）にサービス提供を開始した Amazon Connect は、その後、Amazon Connect Contact Lens や タスク、Voice ID、Step-by-Step ガイド、in-app & web calling など、様々な機能追加が行われてきました。これらの機能追加の95%はお客様からのフィードバックに基づいており、年々機能追加のペースは加速していま

AppSheet とは？ AppSheet は、Google が提供するノーコード開発プラットフォームです。プログラミング不要で、誰でも簡単に業務アプリを作成できます。スプレッドシートなどのデータと連携し、モバイルやWebで使えるアプリをドラッグ＆ドロップなどの操作で開発できます。

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

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

こんにちは、 電通 総研、X イノベーション 本部 AIトランスフォーメーションセンター所属の徳原光です。 以前、 Android スマホ でAIモデルを運用するために、Pandasの特徴量計算のコードをKotlin DataFrameを使用してKotlinに移植するための変換表を公開しました。 今度は、特徴量計算のコードをSwiftに移植するため、pandasと TabularData の変換表を作成しました。 Pandas ⇔ TabularData変換表 自分がよく使用していた処理から（Pandas

G-gen の奥田です。本記事は Google Cloud Next Tokyo '24の1日目に行われた AI と機械学習のセッション「 競争環境の変化に適応！Google Cloud で実現する LION 流需要予測と生成 AI 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 なぜ需要予測を行うのか 需要予測のアーキテクチャ 生成AI

7月31日、 AWS Clean Rooms での Amazon Marketing Cloud (AMC) の一般提供について お知らせします 。これにより、広告主は自社シグナルを使用して、Amazon Ads 独自のシグナルと連携できるようになります。このコラボレーションにより、広告主は差別化されたインサイトの生成、新しいオーディエンスの発見、広告キャンペーンの計画立案、アクティベーション、測定ユースケースの作成を実現できるようになります。また、基盤となるシグナルを AWS アカウントの外に移動させる

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