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

AWS の請求書からわかるのは、支出パターンだけではありません。セキュリティ上の問題を特定することもできます。 AWS Cost and Usage Reports (CUR) には、 AWS Organizations 全体にわたる詳細な使用状況データが含まれており、コスト最適化の機会の発見、コストの配分、そして潜在的なセキュリティリスクの検出に活用できます。この記事では、AWS CUR を使用して環境内の潜在的なセキュリティ上の問題を特定する方法について説明します。潜在的なリスクの例と、それらがアカウ

本ブログは ONESTRUCTION 株式会社様と Amazon Web Services Japan 合同会社が共同で執筆しました。GENIAC（Generative AI Accelerator Challenge）第 3 期の取り組みとして、ONESTRUCTION が AWS の Generative AI Innovation Center（以下、GenAIIC）から技術アドバイスを受けながら開発した、建設・BIM 特化型基盤モデル「Ishigaki-IDS」の開発事例をご紹介します。 背景 O

2026年4月17日、目黒セントラルスクエア17F AWS Startup Loft Tokyoにて「AWS Container Platform Engineering Meetup」を開催しました。このイベントは、Amazon ECSやAmazon EKSを活用しながらプラットフォームエンジニアリングに取り組む企業が一堂に会し、実践的な知見を共有し合うイベントです。今回は約60名の方にご参加いただき、会場ではPlatform Engineering に関する様々な知見が飛び交いました。 イベント構成

G-gen の杉村です。当記事では、Google Cloud を管理・運用していくうえで必須となる 課金レポート の基本的な見方について、またコスト分析と対策を効率的に行うためのテクニックについて解説します。 課金レポートとは 課金レポートの基本 アクセス方法 基本的な見方 グループ化条件とフィルタ サービス単位での表示の限界 SKU とは グループ条件を SKU に設定する 表示対象の絞り込み その他のコスト分析テクニック 料金スパイクの原因を調査 特に料金が発生しているプロジェクトの特定 異常検知（A

はじめに みなさんこんにちは、ワンキャリアでデータサイエンティストをしているヨウです。中国・蘇州出身で、日本の大学・大学院を経て、新卒でワンキャリアに入社しました。

こんにちは！イーゴリです。 背景 近年、機械学習を活用した画像分類のニーズは急速に高まっています。 例えば、以下のようなユースケースがあります。 ECサイトでの商品画像の自動分類 不正画像や不適切コンテンツの検知 製造業における外観検査の自動化 ペット・動物画像の自動タグ付け しかし従来、画像分類モデルの構築には以下のような課題がありました。 Pythonや機械学習の専門知識が必要 モデル選定やハイパーパラメータ調整が難しい 学習環境の構築に時間がかかる 推論用APIの実装・運用が複雑 このような課題を解

G-gen の佐々木です。当記事では、Agent Development Kit（ADK）で開発した AI エージェントで Agent Runtime（旧称 : Vertex AI Agent Engine）の Memory Bank 機能を使用することで、セッション間で情報を保持できるエージェントを構築していきます。 構成 当記事で使用するもの Agent Development Kit（ADK） Agent Runtime Memory Bank Cloud Run Memory Bank を使用する

2026 年 4 月 14 日、アマゾン ウェブ サービス ジャパン合同会社（以下、AWS ジャパン）は、「フィジカル AI 開発支援プログラム by AWS ジャパン」の採択企業向け勉強会を東京の AWS 目黒オフィスにて開催しました。勉強会では、 NVIDIA 加瀬 敬唯氏より、NVIDIA Robotics Solutions をご紹介いただきました。AWS からは、Physical AI 開発 「データ生成」 フェーズにおける AWS の活用方法と Remote AWS Develop Stati

製造業のお客様を支援しているソリューションアーキテクトの澤、大前、池田です。 2026 年 3 月 31 日に AWS 大阪オフィスにて「生成 AI ラウンドテーブル in 大阪」を開催しました。本記事ではイベントの概要と当日の様子をお伝えします。 開催の背景 製造業における生成 AI の活用は、ユースケース選定のフェーズを経て、実運用を目指したプロジェクトとして推進する企業が増えています。製造現場に眠る暗黙知を生成 AI で活用できる形式知へと変える取り組みや、生成 AI を搭載した自社製品の開発など、

はじめに こんにちは、株式会社タイミーでデータサイエンティストをしている藤井です。 普段は推薦システムの改善を担当しています。 早速ですが、皆さんは推薦モデルの改善実験を月に何本回せていますか？ 仮説を立てて、実装し、実験し、結果を整理し、次を考える。 1サイクル回すだけでも、相応の負荷がかかります。片手間でサイクル数を増やすのは簡単ではありません。 しかし、もし「仮説を立てる」から「結果を整理する」までを AI が担えるとしたら？ 実際に AI の案から改善が生まれています。しかも、人間が担うのは方針の

G-gen の佐々木です。当記事では、Google Cloud Next '26 で発表された Google Kubernetes Engine （略称 GKE）の新機能について、公式の投稿記事「What's new in GKE at Next '26」の内容をもとに紹介します。 はじめに Accelerating the agentic era GKE Agent Sandbox（GA） Redefining the scalability ceiling GKE Hypercluster（Priva

おなかが痛くてもコーヒーは飲む、近藤恭平です。 前回は機械学習の基礎（教師あり・なし・強化学習、回帰・分類）を整理しました。今回は生成 AI（Generative AI）について解説します。試験ガイドのドメイン2に対応した内容です。 生成 AI とは 予測と生成 これまでの機械学習は、データのパターンを学習し「予測・分類」を行うことが主な役割でした。生成 AI はそこから一歩進み、新しいデータ（テキスト・画像・音声など）を「作り出す」ことができます。 比較軸 予測 AI 生成 AI 例 明日の天気を予測す