2026年6月4日、 経済産業省 と 国立研究開発法人新エネルギー・産業技術総合開発機構 (NEDO) が実施する Generative AI Accelerator Challenge (GENIAC) の一環として実施している基盤モデル開発支援事業の 第4期における採択事業者 のキックオフが行われました。今回 AWS は NVIDIA B200 Tensor Core GPU を搭載する Amazon EC2 P6-B200 インスタンス ( p6-b200.48xlarge )、NVIDIA H20

こんにちは！Data＆Analysis部の今野です。 キャディは2026年6月8日(月)〜12日(金)にGメッセ群馬で開催されたJSAI2026（人工知能学会全国大会 第40回）にプラチナスポンサーとして協賛させていただきました。 この記事では5日間にわたる開催期間中の当社ブースの出展報告や、聴講した技術セッションのレポートをお伝えします。 会場紹介 ブース紹介 聴講したセッションの感想 非構造データからの情報抽出 画像音声メディア処理：視覚言語理解とマルチモーダル生成 終わりに 会場紹介 まずは会場の様

このブログは、第一三共株式会社 スマートリサーチ第二研究所と QSimulate による共著です。 はじめに 第一三共株式会社 (以下、第一三共) では D4 を活用し、DMTA サイクル (Design-Make-Test-Analyze) の中で Structure Based Drug Design (SBDD) 及び親和性予測を通じた創薬効率化を推進している。 創薬研究の高度化に伴い、親和性予測の精度向上はますます重要な課題となっている。Free Energy Perturbation (FEP)

CA DATA NIGHTは、サイバーエージェントが主催するデータサイエンスに特化した技術者向けの勉 ...

株式会社ユーザベース スピーダ事業 機械学習エンジニアの二木です。 2026年6月8日(月)〜12日(金)にGメッセ群馬で開催される、第40回人工知能学会全国大会にゴールドスポンサーとして協賛しています。 conf.ai-gakkai.or.jp JSAI2026にスポンサーブース出展 ユーザベースの取り組み（一部） 🎓 学生の方へ | インターンイベント開催！ Speeda 機械学習エンジニア サマーインターン Speeda ソフトウェアエンジニア 1day インターン JSAI2026にスポンサーブー

みんなで記念撮影。夕日がちょっとまぶしい はじめに こんにちは！スタメンの名古屋オフィスでプロダクトエンジニアをやっているすずき( @u16suzu )です。 2026年4月22~24日に函館で開催されたRubyKaigi 2026にスタメンはPlatinum Sponsorsとして協賛いたしました。 スタメン社内からは、筆者、あさしん（ @asashin227 )、ちぇる( @ryuseikarito )、マッキー( @ MFJWR )、 もりしー、さわてつ( @t2ya305 )の6名が参加しました。

はじめに 昨今のデジタルトランスフォーメーション（DX）の流れの中で、紙の書類やPDFファイルをデータ化し、業務効率を上げたいというニーズは高まるばかりです。 特に、請求書、契約書、本人確認書類といった非構造化データから、必要な情報を自動で抽出・データ化する技術は、多くの企業で導入が検討されています。 マイクロソフトが提供する Azure Document Intelligence（旧：Azure Form Recognizer）は、こうしたニーズに応える強力なAIサービスの一つです。高精度なOCR機能に

はじめに こんにちは、Recruit Data Blog 担当の森です。 リクルートのデータ推進室では「Data Meet Up!」と題して、定期的にイ

自動運転AI開発において、従来の模倣学習から、AI自らが試行錯誤する強化学習へとシフトする中、高精度なシミュレータの確保が最大の課題となっています。本記事では、その解決策として注目される3DGS（3D Gaussian Splatting）技術を解説。実写映像から3D空間を「小さな雲」の集合体として高速かつ高精度に再構成する3DGSが、自動運転用シミュレータにもたらすメリットや、CARLAなど従来のCGベースシミュレータとの違い、そして最新の研究事例までを紹介します。

本ブログは、2025 年 10月 20 日に公開された Amazon Science Blog “ Introducing Chronos-2: From univariate to universal forecasting ” を翻訳したものです。 Chronos-2 は、追加学習なしに、多変量も共変量も扱える時系列基盤モデルです。 時系列予測は、ビジネス、科学、工学における数多くのアプリケーションにとって不可欠です。近年、基盤モデルが時系列予測にパラダイムシフトをもたらしました。1本の時系列を延長す

こんにちは、株式会社タイミーで MLOps エンジニアをしている KY です。普段は ML プラットフォームの構築・運用を担当しています。 私たちのチームでは、機械学習エンジニアやデータサイエンティストが開発に集中できるよう、VS Code のリモート開発（Remote SSH および Dev Container）を活用した開発環境を提供しています。本記事では、その中でも 共通 Dev Container Feature によるガードレール にフォーカスし、各チームが自分たちで開発環境を立ち上げられること

LINEヤフー株式会社では、技術に関するイベントや勉強会の主催・協賛などを行っています。最新情報は各リンク先でご確認ください。タイミングによっては、申し込み開始前や既に満席となっていることがあります。...

おなかが痛くてもコーヒーは飲む、近藤恭平です。 前回は生成 AI の基礎（FM・LLM・トークン・埋め込み・推論パラメータ）を整理しました。今回は、基盤モデルを実際のアプリケーションに活用するための設計・実装・評価に関する知識を整理します。試験ガイドのドメイン3に対応した内容です。 基盤モデルを使ったアプリ設計の考慮事項 FM の特性：大規模・ブラックボックス 深層学習の過程と学習の結果得られる基盤モデル（FM）には、以下の固有の特徴があります。 特性 内容 大規模なコンピューティング要件 FM のトレー

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

第35回 人工知能学会 金融情報学研究会（SIG-FIN）発表レポート リードデータサイエンティストの市川です。 今回は、昨年10月に発表した内容について説明させていただきます。 第35回 人工知能学会 金融情報学研究会（SIG-FIN）発表レポート イベントの概要 本邦中古スマートフォン市場における買取価格形成の分析概要 1. 発表の位置づけ 2. 研究の目的 3. 使用データ 4. 分析方法 4.1 発売からの経過時間と買取価格の関係 4.2 為替変動の影響分析 4.3 XGBoostによる予測分析