注意 本記事は、実際のSplunk本番環境を使った移行試験ではありません。Splunkのsaved searchエクスポートを想定したダミーJSONを使い、Automatic Migrationの仕組み、操作、結果の読み方を確認した検証です。 目次 はじめに 最初に知っておきたい用語 LLM ELSER ES|QLとEQL Splunk saved search Splunk CIMとElastic ECS 必要条件と検証環境 必要条件 Match to Elastic prebuilt rules」をO

ビルド（Build）機能とは Googleスプレッドシートの「ビルド（Build）」機能とは、サイドパネルに統合された生成AI「Gemini」に対し、日本語のプロンプト（指示文）を入力するだけでデータ収集、フォーマットの最適化、複雑な数式やグラフの追加、さらにはダッシュボードの構築にいたる一連の作業を、一括で自動生成・実行できるシステムです。

はじめに こんにちは。NTTデータでデータサイエンティストを務めております@tamurayuc20ndです。 本記事では、DataRobot社が提供するAIアクセラレータの一つである「MLflowエクスペリメントの追跡」を題材に、PapermillによるNotebookの自動実行と、MLflowによる実験管理の仕組みを解説します。 単にテンプレートを動かすだけではなく、自分のユースケースに合わせてどこを修正すればよいかという観点で整理している点が本記事の主眼です。 Notebookベースで機械学習の試行錯

はじめに こんにちは、データシステム部MA推薦ブロックの佐藤（ @rayuron ）です。私たちは、主にZOZOTOWNのメール配信のパーソナライズなど、マーケティングオートメーションに関するレコメンドシステムを開発・運用しています。 以前、テックブログで工数やAI活用による工数削減を計測する仕組みを、タスク管理ツールの GitHub Projects で構築する方法をご紹介しました。 前回の記事 が計測の仕組みの作り方を扱ったのに対し、本記事では仕組みを1年間運用して得られた結果とその考察、そして今後の

G-gen の福井です。自然言語でデータを分析できる BigQuery Conversational Analytics について、回答精度を高める手段を徹底解説します。 はじめに 当記事の概要 BigQuery Conversational Analytics とは データエージェントと回答精度 回答精度向上の考え方 回答精度を決めるレイヤー構造 Google が推奨する積み上げの順序 土台となるデータとナレッジソース スキーマ設計とデータ整形 ナレッジソースの絞り込み 構造化コンテキストの整備 テーブ

みなさん、こんにちは。ソリューションアーキテクトの吉川です。FIFA ワールドカップ 2026 がいよいよ佳境を迎えていますね！先月号では「さあ、キックオフです！」とお伝えしましたが、決勝トーナメントの熱戦が続く中、もうひとつの熱い戦いの結果をお届けします。そう、6 月 25-26 日に幕張メッセで開催された AWS Summit Japan 2026 です。製造ブースには多くの方にお越しいただき、大盛況で幕を閉じました！今月の「月刊 AWS 製造」では Summit 特集として、製造ブースの展示レポート

はじめに 「50万円以上の申請はいくつありますか？」 「承認済みの購買申請を一覧表示してください」 「今月申請されたデータを確認したい」 このような業務データの確認を、毎回SQLで行うのは手間がかかります。特に、SQLに慣れていない利用者にとって、データベースに蓄積された情報を自由に活用することは簡単ではありません。 本記事では、Oracle Alloy環境上のAutonomous DatabaseとSelect AIを利用し、業務テーブルに対して自然言語で問い合わせできるデータ分析アプリケーションを試作

1. はじめに Claude Cowork や Claude Code は、調査、ファイル操作、データ分析、資料作成、コーディング、テスト、レビューといった作業を Claude に委任できる AI エージェント体験を提供します。 一方で、企業で利用する場合に重要なのは「何ができるか」だけではありません。プロンプト、ソースコード、生成物、監査ログ、コストなどをどう管理するかが重要になります。 本記事では、Claude Cowork や Claude Code を Amazon Bedrock 経由で利用する

リクルートのデータ推進室長 野村が自ら聞き手となり、現場の最前線で試行錯誤を続けるスペシャリストたちの「手の内」を紐解く連

1. はじめに AWS（Amazon Web Services） のハンズオンを試す際、これまでは個人の AWS アカウントを用意し、クレジットカードを登録し、利用後にリソースを削除する必要がありました。 もちろん、実務で AWS を扱ううえでは、アカウント管理や課金管理、IAM 権限、リソース削除の考え方を理解することは重要です。一方で、AWS を学び始めたばかりの方や、社内勉強会・顧客向けワークショップで複数人に環境を触ってもらう場合、事前準備や削除漏れへの不安がハードルになることもあります。 そのよ

本ブログは ハイテクインター株式会社 様と Amazon Web Services Japan 合同会社が共同で執筆いたしました。 みなさん、こんにちは。ソリューションアーキテクト 伊勢田氷琴です。 地方都市の中心市街地活性化は、多くの自治体が直面する共通の課題です。従来、通行者数の調査は単発的に実施されることが多く、年間を通じた傾向把握や詳細な属性分析が困難でした。このブログでは、ハイテクインター様が開発した VIX（Video Information eXchange）クラウドと AI カメラを活用し

1. はじめに こんにちは、スタンバイでデータエンジニアを担当している権藤です。 私が所属する Data Platform Group では、データ基盤の開発・運用・保守を担当しています。 今回はデータ基盤の移行について、計画〜実行までの過程を紹介していきます。 2. 移行の背景と計画 移行前のアーキテクチャの問題点 当時開発・運用していたデータ基盤について様々な課題が発生したため、リプレイスすべきだろうという話が挙がりました。 (以下、旧データ基盤と呼びます) 旧データ基盤の構成図は以下になります。 移

はじめに 最近、はじめて機械学習（ML）の案件にアサインされました。 MLというと「Pythonで高度なアルゴリズムを実装して予測モデルを作る」というイメージで臨んだのですが、実際に開発に入ってまず印象的だったのは、その手前にあるデータ分析のためのデータベース設計（ディメンショナルモデリング）が、Webエンジニアとして慣れ親しんできたWebアプリの設計と大きく異なっていたことでした。

はじめに こんにちは。社内でデータサイエンティストを務めております@tomoberです。 NTTデータ ソリューション事業本部では、お客様企業のAI・データ活用を、コンサルティングから基盤構築、実行支援を通じた成果創出までワンストップで提供しており、その支援テクノロジーの一つとしてDataRobotを提供しております。 今回は、2026年1月に開催したデータで読み解く顧客行動セミナーでご紹介させていただいた内容を元に、なぜ顧客理解が必要かといった基本的な概念や、代表的な手法とその考え方を中心にご紹介します

はじめに こんにちは。プラットフォームエンジニアリングチームに所属している徳富( @yannKazu1 )です。 GitHub Actions のセルフホストランナーを運用していると、「あのジョブのログ、後から見たいんだけど……」という場面、けっこうありますよね。普段は気にしないんですが、いざ調査となると地味に困る。しかもランナーは ephemeral（ジョブが終わると Pod が即削除される）なので、見たい頃にはログが残っていない、という状態でした。 今回は、この「消えるランナー」のログとメトリクスを観