はじめに 「資格より先に手を動かすべきだ」 「資格で得られる知識は、生成 AI に聞けば十分だ」 こうした意見には、もっともな部分もあります。 実際、資格を取っただけで実務能力が身につくわけではありませんし、実装や運用における現場固有の課題は、実際に手を動かさなければ分かりません。 ただ、そのうえでなお、私は若手エンジニアに資格取得を勧めたいと考えています。 ここで言う資格とは、主に AWS(Amazon Web Services) や Google Cloud などのクラウドベンダー資格を指しています。 理由は、資格学習が単なる知識の暗記ではなく、学ぶべき範囲を定め、自分の担当領域

はじめに 近年、生成AIの進展により、ソフトウェア開発の進め方は大きく変化しつつあります。特に、コード作成が必要とされるいわゆるM(製造)・UT(単体テスト)工程での支援においてAIを活用する取り組みが広がり、従来の開発プロセスとの組み合わせが注目されています。 その中でも、テスト駆動開発（TDD）とAIを組み合わせたアプローチは、品質と開発効率の両立という観点から関心が高まっています。 本記事では、AI支援型開発フレームワーク「Tsumiki」を用いて、Vibe Codingによる簡単なアプリケーション機能を実装してみました。 この記事でわかること Tsumikiの概要 テス

はじめに マイクロサービスアーキテクチャ（MSA）のような多層のアプリケーション・多数の処理ルートを持つシステムでは、タイムアウト値の設計が重要です。呼び出しチェーンのどこかで待ち時間（＝タイムアウト値）の整合性が崩れると、想定外のタイムアウトが発生しやすくなるためです。 タイムアウト値の設計では、原則、呼び出し元のタイムアウト時間を、呼び出し先の想定処理時間よりも長く設定するのがベストプラクティスとされていますが、MSAのように、リクエストが通過するルートのパターンが複雑で多様なシステムにおいては、この原則を守った設計の難易度が高まります。 本記事では、私が実際の開発現場で得たタイ

1. はじめに 本記事は、2026年1月15日に開催されたプロジェクトマネジメント学会（以下、PM学会）主催の「2026年 新春PMセミナ」の参加レポートです。 本記事の目的は、PM領域にまだ馴染みの薄い若手エンジニアを主な読者として想定し、セミナで紹介されたフレームワークやリーダーたちの議論を、日々の現場で活かせる形で整理することです。具体的には、以下の内容を扱います。 プロジェクト成功の評価指標が「QCD」から「価値（Value）」へ転換しつつある背景 PMIが提唱するマインドセット「M.O.R.E.」と、パネルディスカッションで紹介された行動指針「SO SO」 セミナを通じて

Appium × Remote Test Kit (RTK) でスマホアプリ試験の自動化スクリプトを構築した話 背景：手動試験の限界 手動試験の問題点 試験の目的は、画面UI崩れの確認、異常系・正常系の機能動作確認です。 そのため、画面遷移・入力操作・結果表示の確認・エラーハンドリングの確認など、一連の操作を実施する必要がありました。 しかし、手動試験には以下のような課題がありました。 1端末あたり約80分の作業時間が必要 作業者依存による操作ミスや証跡取得漏れ スクリーンショット取得後の移動・リネーム・管理の手間 再現性の担保が困難（同じ操作を別の作業者や新規参画者が完全

はじめに NTTデータグループ 技術革新統括本部 AI技術部の小倉 光瑛です。 私は入社1年目から現在まで、iPaaS/API連携基盤チームに所属し、4年間、MuleSoft勉強会の企画・運営に携わってきました。 その間、MuleSoftのDeveloper／Architect関連の資格を4つ取得しながら、どうすればチームとして学びを継続できるかを試行錯誤してきました。 勉強会はチームとして初の取り組みで、大変な面もありましたが、継続して良かった点も多くありました。 本記事を通じて、「エンジニア勉強会を開催してみよう」、「自組織の勉強会にも取り入れてみよう」と感じてもらえたら嬉しいで

はじめに 本記事のテーマ 本記事では、マスタデータ管理における多言語対応をテーマにします。 Informatica IDMCでは多言語化を実現する機能として、ローカリゼーション機能を標準提供しています。 グローバル展開が当たり前となった今、マスタデータ管理（Master Data Management:以降ではMDMと記載）においても多言語対応が必須要件となる場合があります。 Informaticaのローカリゼーション機能は、一般的なシステム開発におけるローカリゼーションの実現方法に比べて、いくつかの優位性があります。 本記事では、一般的なシステム開発におけるローカリゼーションと

! この記事は執筆者個人の体験・見解に基づくものであり、所属組織を代表するものではありません。 ! この記事では、筆者の環境で実際に詰まったポイントと、そのときに有効だった対処を紹介しています。 PC や WSL、SnowSQL、社内ネットワーク、Zscaler の設定によって挙動が異なることがあるため、環境によっては必要な手順や結果が変わる場合があります。 はじめに はじめまして。データマネジメント統括部の田辺と申します。 2025年に入社し、現在（記事公開時点）2年目です。 業務でSnowflakeを使った開発・操作を自動化するために、AIコーディングエージェント（Codex

はじめに 2026年3月24日に、NTTグループ内でKaggle勉強会が開催されました。 本記事では、当日の内容に基づいて、 Kaggleの始め方や活用方法 各社の取り組み 実務との関係 といったポイントを整理します。 これからKaggleに取り組みたい方や、 社内でのデータ分析・AI活用に関心のある方の参考になれば幸いです。 勉強会の概要 本勉強会は、NTTグループ内の有志メンバーによる取り組みとして開催され、 Kaggleに取り組んでいる参加者を中心に、事例や経験の共有が行われました。 目的としては、 Kaggleの理解促進 グループ内のKaggle参加者のネットワー

はじめに はじめまして。 株式会社NTTデータグループ TC＆S分野 DSS事業部の平手愛と申します。 Snowflakeには、自然言語からコード生成やデータ分析を支援する「Cortex Code」という機能があります。 本記事では、プログラミング未経験者の視点から、Cortex Codeを使って「SQL生成からダッシュボード作成まで」を一通り検証してみます。 今回試したのは、Snowflake の AI コーディング支援機能である Cortex Code を使って Python コードのたたき台を生成し、そのコードを Streamlit in Snowflake 上で動かしてダッシ

設計書・コード・テストを全部AIに書かせて半年間開発してみたよ 1. はじめに 本記事は、私のチームが半年間AIネイティブ開発を行った経験とその感想をまとめたものです。 AIネイティブ開発とは、AI技術を活用してソフトウェア開発を行うことを指します。2025/10～2026/3の期間中、私たちはお客様に納品するシステムをAIネイティブで開発しました。その経験と私なりに感じたことをまとめてみました。 ※ なお、私の取組は全社的な取組とは関係ありません。 ※ あくまで、私のチームが独自に行っている取組ですので、その点はご留意ください。 2. 自己紹介 初めてテックブログに記事を書

はじめに 「CI/CD ってなんだかふわっとしていてよくわからない」 「実際にどんな流れで動くのかイメージしづらい」 こんな思いから、今回は GitHub Actions を使って静的 HTML を GitHub Pages に自動デプロイする最小構成の CI/CD を試してみたので、記事にまとめます。 本格的な運用設計ではなく、最小の CI/CD を一度動かして、Pull Request から公開までの流れをざっくりつかむことが目的です。 この記事でわかること CI/CD の基本的な考え方 GitHub Actions の役割 Pull Request 作成から GitHub

はじめに 皆さんこんにちは！私はNTT DATAにて、Copilot StudioやPower Platformを活用したAIエージェントの普及・展開を支援しています。実際の現場では、「どのMicrosoft AIソリューションを選択すべきか」という相談を受ける機会が増えてきました。 Microsoftは非常に幅広いAIソリューションを提供している一方で、それぞれの役割が分かりにくく、結果として過剰設計やミスマッチが発生するケースも少なくありません。 本記事では、主に以下の3つのソリューションを対象に整理します。 ・Microsoft 365 Copilot ・Copilot Stu

ログ分析トレーニング バージョン2をHayabusaで解いてみる この記事では、JPCERT/CCが公開している「ログ分析トレーニング バージョン2」の応用編のハンズオン1を、Hayabusaで分析する方法を紹介します。 もとはNTTDATA-CERTのフォレンジックエンジニア向けに作ったもので、Windowsイベントログ分析の初心者や、Hayabusaに慣れたい方向けの書き方にしています。 トレーニングコンテンツ内でも「Hayabusaを使って分析すると簡単になる」旨は記されているのですが、探した限り「実際にHayabusaを使うとどうなるか？」について書かれている記事はなさそうだ

! この記事は執筆者個人の体験・見解に基づくものであり、所属組織を代表するものではありません。 ! この記事は Cloud Data and Application Integration R36, Professional Certification の受験体験記です。 本文中の受験情報や表に記載した内容は 2026年3月時点 で確認した情報をもとにしています。試験バージョン、出題範囲、受験環境、名称などは変更される可能性があるため、受験前には必ず公式情報をご確認ください。 はじめに はじめまして。データマネジメント統括部の田辺と申します。 2025年に入社し現在2年目です。（

1.はじめに 1.1本記事で得られること 本記事を読むことで、以下の点を把握できます。 ➀ 社内DNSを利用して複数のSnowflakeアカウントへAWS PrivateLink接続する際に発生しうるDNS名登録上の課題、その際の設計方法 ➁ Amazon Route 53を用いてAWS PrivateLink用DNS名を管理した構成において、VPC内のEC2サーバ(Red Hat Enterprise Linux 9（RHEL 9）)からSnowSQLでSnowflakeに接続する際の注意点 1.2本記事を書こうと思った背景 SnowflakeをAmazon Web Ser

※本記事は、ホスト系COBOL処理系からオープン系COBOL処理系への移行検証を整理する連載の第3回です。 1. 問題の所在 暗黙初期値は、仕様上「未定義」とされる領域です。 しかし移行時に問題となるのは、 未定義であること 実装が環境ごとに異なること その差が業務結果に影響すること です。 つまり、 「未定義」は“差が出ない”ことを意味しない という点が本質です。 2. メモリ表現レベルでの差異 2.1 文字項目（PIC X） 未初期化状態のメモリダンプ比較（例）： 環境 16進表現 現行 40 40 40 40 次期 00 00 00 00

AWS（Amazon Web Services）のデータレイク機能 Amazon S3 Tables を利用して、 Apache Icebergテーブルの作成からアクセス制御まで一通り検証しました。 本記事では、S3 Tablesの検証を通して発生した ハマりポイントとその対処方法を中心に紹介します。 1. 前提 本記事では S3 Tablesを利用したApache Icebergテーブルを検証しています。 最初にIcebergとS3 Tablesについて簡単に説明します。 参考記事： Amazon S3 Tables（Apache Iceberg）をやってみる 1-1. Apa

はじめに こんにちは。生成AIを使ったアプリを作った/作ろうとしている皆さん、プロンプト改善に苦労していませんか？ 私はしていました。新規で何かを実装するときには、プロンプト修正で1つ不具合を消したら新しい不具合が出てきて……と、もぐらたたきのいたちごっこをしてました。既存業務の置き換えのトライアルでも、「なんで人間と同じ判断ができないの？」 ⇒ 「どこにもドキュメントがないからだよ！」 なんてことが日常茶飯事でした。 そこで今回はプロンプト改善から逃げ出す（ことができるかもしれない）方法をご紹介します！ TL;DR LangGraphを使えば直感的な記述で生成AIを利用したワ

はじめに こんにちは。dbt Cloud×Amazon Web Services (AWS) の構成でデータパイプラインを組む機会があり、ジョブ設計面でいろいろと考えた点があるので、自身の備忘録もかねて、どういった思想で設計を行ったのかについて紹介したいと思います。 データパイプラインの構成 AWS×dbt Cloud×Snowflakeを活用してデータ基盤を構築したいという要件のもと、全体のシステムとしては以下のようなアーキテクチャとしました。 ジョブ設計を行う上で考えたこと 案件開始当初は、極力シンプルなジョブ設計としたかったため、 AWS Step Functions