本記事は 2026 年 2 月 17 日に公開された Nima Kaviani による “ Claude Sonnet 4.6 is now available in Kiro ” を翻訳したものです。 本日より、 Kiro IDE と CLI で Claude Sonnet 4.6 が利用可能になりました。Sonnet 4.6 は Sonnet 4.5 からの完全なアップグレードであり、ソフトウェア開発において Opus 4.6 に匹敵する知能を持ちながら、よりトークン効率が高く、ワークフロー全体でより

こんにちは、クラウドサービス関連の業務をしている藪内です。 本記事は、 「AWSパラメータシート自動生成ツール」 についてのブログリレーの最終回（5本目）です！🎉 前回は、フロントエンド技術について解説しました。概要や要件定義、機能については過去回の記事をご参照ください。 今回は本ツールをユーザーとして利用し、使用感や手作業との比較結果について紹介します。 AWSのパラメータシート作成自動化ツールの取り組みについて ~概要編~ – TechHarmony AWSパラメータシート自動生成ツールの要件定義編

はじめに 駅メモ！開発チームの id:kaidan388 です。 昨年の6月に新機能として「アルバム機能」をリリースしました。私はこの開発でリーダーを務めました。 このアルバム機能は、駅メモ！の中でも特に規模の大きな開発となりました。また、これまでの新機能がバトル面の強化やチェックイン・アクセスのしやすさが中心で、ライフログを強化する試みはあまり例がなかったため、「本当にユーザーの皆様に楽しんでいただけるだろうか」という懸念も当初はありました。 今回は、この大規模かつ前例のない開発を無事にリリースまで進め

概要 はじめに 前提条件 構成図 AWS Transform CLIとは AWS Transform CLIをインストールしたDockerイメージの作成 Dockerfileの作成 ローカルでの動作確認 ECRリポジトリの作成とイメージのプッシュ ECRリポジトリの作成 ECRへのログインとイメージのプッシュ CodeBuildプロジェクトの作成 buildspec.ymlの作成 CodeBuildプロジェクトの設定 Transform対象のCodeCommitリポジトリを作成する CodeCommitリ

LLMの量子化技術と実装方法について説明しています。AIモデルの実運用におけるモデルの大きさや処理時間の問題を解決するための量子化技術について、具体的にはAWQ、GPTQ、SmoothQuantの3つの手法とその実装方法、結果について紹介しています。

はじめに 昨今、「マスタデータマネジメントの必要性」ということが巷で話題にあがっています。 曰く、「経営判断のスピードと質を高めるため」 曰く、「データ起点の成長戦略（DX・AI）を可能にするため」 曰く、「グループ経営・事業拡大のスケーラビリティを確保するため」 曰く、「IT投資・業務コストの無駄を構造的に削減するため」 など、さまざまな理由が取りざたされています。 これらはいずれも正しいことと言えますが、こうした理由については、様々な本や記事に多く紹介されています。 また、「世界のMDM市場規模は、3

本ブログは、メック株式会社 様と Amazon Web Services Japan が共同で執筆いたしました。 みなさま、こんにちは。AWSアカウントマネージャーの尾田です。 生成 AI が注目されてから数年が経ち、多くの活用事例が生まれています。特に最近では「エージェント」というキーワードも⾮常に注⽬されており、今まで以上に、複雑な業務に AI を活⽤できるようになってきています。 本ブログでは、AI エージェントを活⽤して研究業務の効率化や品質の底上げに取り組まれたメック株式会社様の事例についてご紹

はじめに こんにちは！ アプリケーションサービス本部ディベロップメントサービス１課の森山です。 Amazon Cognito で Auth0 などの外部 IdP と SSO 連携している場合、デフォルトでは外部 IdP で認証されたユーザーが誰でも Cognito にサインアップできてしまいます。 社内ツールや限定公開サービスなど、公開範囲を絞りたいケースでは、特定のメールドメインのユーザーだけにサインアップを制限したい場面があります。 今回は、Cognito のユーザープール Lambda トリガー（p

こんにちは。ワンキャリアでデータサイエンティストをしている申（シン）です。 普段は、社内のデータを用いた分析や、機械学習モデルの構築を通じて、ビジネスの意思決定支援を行っています。

はじめに 触ってみた Step 1:Agent Space の作成 Step 2: DevOps Centerでアプリ全体を把握 Step 3: Amazon CloudWatch Alarmの調査 Step 4: Investigation（原因調査） Step 5: Mitigation Plan（緩和策の生成） Step 6: Prevention（再発防止策） ワークショップを通じて 今後の展望 テスト工程への参加 学びの機会が減る!? まとめ はじめに 皆さま、お久しぶりです。入社5年目の堀内で

はじめに こんにちは、サーバーワークス 飯山です。 Amazon Connectでのコンタクトセンター構築において、時間がかかるフェーズの一つが「テスト」かと思います。 これまでは、修正のたびに実際に電話をかけ、DTMF（プッシュボタン）操作を行い、挙動やログを確認するという物理的な作業が必要でした。 本記事ではテストの効率化に大きく貢献できる、Amazon Connectの標準機能として提供されている「テスト・シミュレーション機能」について解説します。 Lambdaのモック化や発話内容のアサーション（検

1. はじめに：なぜ「ただ並列化」しても速くならないのか？ Snowparkを用いてデータ分析や加工を行っていると、処理時間の長さがボトルネックになる場面に直面します。その際、「Pythonなのだから並列化すれば速くなるはずだ」と考えるのは自然な発想でしょう。 しかし実際に実装してみると、次のような問題に遭遇することがあります。 マルチプロセス（Joblib）で高速化を試みたところ、PicklingError が発生する マルチスレッド化しても、処理時間がほとんど変わらない（場合によっては遅くなる） その

こんにちは。Yahoo!オークションでAndroidアプリの開発を担当している高松です。2025年11月1日（土）に開催されたKotlin Fest 2025にて、LINEヤフー株式会社は「ことりプラ...

本記事は「 New spec types: fix bugs and build on top of existing apps 」を翻訳したものです。 モノリスからマイクロサービスへの移行を進めているとします。アーキテクチャはすでに明確で、イベント駆動、非同期メッセージング、特定のレイテンシ要件があります。必要なのは実装の手助けだけです。あるいは、バグを修正しているとします。何が壊れていて、何をそのままにすべきかはわかっています。外科的な修正が必要です。アプリの他の部分を変更したり、トークンを無駄に消費

はじめに はじめまして、バックエンドエンジニアを担当している小林です。 今回はPMを担当する機会があり、PMをやってみて自分なりに意識したことをまとめてみました。 現在のPM歴は約3ヶ月ほどです。 気をつけたこと メンバーへの反応を早くする 今回PMを担当し、最も気をつけたことはメンバーへの反応を早く行うことです。 反応を早くすることが重要だと考えた点は下記の理由となります。 チームの生産性向上 メンバーが「返事待ち」で手が止まる時間を最小化することで、チーム全体の生産性が向上すると考えました。 見ている