はじめに Turing の mlops 3 チームの加藤です。2026 年 3 月に Turing に入社し、自動運転モデルの学習基盤の開発ワークフロー改善を担当しています。最近は主に学習を高速化しています。 今回は、学習時に S3 から直接データを読み出すことで、学習データ容量の制限と、クラスタへの学習データのステージングを無くした時の話をしたいと思います。 この記事の内容 学習データを S3 から直接読む構成に変え、学習に使えるデータ量をクラスタのストレージ容量から切り離した。 S3 の帯域は十分だっ

こんにちは。タイミーのデータエンジニアリング部DSグループでMLOpsを担当しているYukitomoです。 前回の記事では、Python + uvのモノレポ環境において、Renovateを用いて依存関係更新のプルリクエストを制御するための基本設計を紹介しました。 その後、実際に運用してみると、Renovateの管理対象はPythonの依存パッケージだけでは収まりませんでした。 devcontainer.json やCloud Runのマニフェストなどへ対象を広げるにつれて設定が複雑になり、Mend.io経

1. はじめに はじめまして、NTTデータの菊地です。 普段はデータ分析やデータ活用に関する業務に携わっています。 Dataikuについては、業務をきっかけにほぼ初心者の状態から学習を始めました。 Dataikuに興味を持ったものの、 「そもそも何ができるの？」 「何から学習すればいい？」 「どこまで学べば、ある程度使えるようになる？」 と迷う方も多いのではないでしょうか。 私自身も同じ状態からスタートし、公式Learning Pathを中心に学習して、以下の認定資格を取得しました。 ・Core Desi

リクルートのデータ推進室にて、データエンジニアリンググループのマネジャーを務める山本 哲生。ゲーム業界で10年以上にわたり

チューリングの MLOps エンジニアの岩政です。 以前、Databricks の Declarative Automation Bundles を用いた機械学習データセット作成基盤の構築をまとめました。この記事はその続きにあたるので、まだご覧になっていない方は先に読んでいただけると嬉しいです。 https://zenn.dev/turing_motors/articles/46b5560dce0e3a この中で「4.5.2 Python のライブラリの依存解決を高速にする」を紹介しました。 Databr

はじめに こんにちは、AIテクノロジーグループの検索チームです。 昨年公開した エニグモのAI活用を支える「AIテクノロジーグループ」について紹介します！ では、グループ全体の体制と各チームの役割を紹介しました。 本記事ではそのなかの検索チームに焦点を当て、日々どんなシステムを運用し、どんな案件を進めているかをもう一段詳しくお伝えします。 検索チームは名前のとおり BUYMA の検索システムを担当していますが、それだけではありません。 データサイエンティストが開発したモデルを安定して動かす MLOps と

はじめに こんにちは、データシステム部MLOpsブロックの 木村 と、推薦基盤ブロックの 上國料 です。 ZOZOでは2025年7月より、Claude Codeをはじめとする各種AI開発ツールを利用できる制度を開始しました。 corp.zozo.com 現在ではこの制度のもと、数百名にのぼる社員がClaude Codeを活用しています。 Claude Codeの活用が進むにつれ、スキルやエージェントといった開発資産がチームごとに蓄積されていきます。しかし、それらの資産がチーム内に閉じたままでは、組織全体で

本ブログは 2026 年 8 月 25 日現在の内容を基に記載しております。記載内容については今後変更される可能性があります。 こんにちは ! テクニカルインストラクターの室橋です。AWS クラウドの知識やスキルを証明する方法としての「 AWS 認定 」はご存知の方も多いかと思います。しかし、2025 年末より AWS Skill Builder に順次コースが追加されている「マイクロクレデンシャル」という新しいスキル証明については、まだご存じない方や、AWS 認定との違いがよくわからないという方もいらっ

～Vertex AIからAgent Platformへ。試験を通して理解したGoogle Cloud AI/MLの現在地～ はじめに 先日、Google CloudのProfessional Machine Learning Engineer（PMLE）試験に合格し、約2年ぶりに資格を更新しました。これにより、保有するGoogle Cloud認定資格の「全冠」も維持することができました。 本記事では、今回の受験を通じて感じた 「Google Cloud認定試験の変化」 に加え、試験勉強を通じて改めて整理で

チューリングの MLOps エンジニアの岩政です。 チューリングでは、センサ入力から車両の将来の行動を一貫して推定する学習ベースのモデルとして End-to-End (E2E) 自動運転 AI を開発しています。E2E 自動運転 AI の学習にはデータセットが必要です。私の所属する MLOps チームが、これを作成するためのデータ基盤の開発を行っています。 MLOps チームでは車両に搭載したカメラなどのセンサから走行データを収集し、Data Lake に格納しています。更に ETL (Extract,

みなさん、こんにちは。AWS ソリューションアーキテクトの野間です。今週も生成 AI に関する 1 週間のアップデートをお届けします。 8 月 18 日（火）から、5 年目を迎える「 AWS デジタル社会実現ツアー 」が全国 8 都市（北海道・新潟・静岡・愛知・広島・愛媛・福岡・宮城）を約 2 週間で巡ります。注目の AI エージェント技術をデモを交えて解説するセッションに加え、地域企業の AI/クラウド活用事例を当事者が語るパート、社会課題に挑んだ学生コンテスト入賞者のプレゼンテーション、自治体・地銀・

本ブログは dSPACE Japan 様と アマゾン ウェブ サービス ジャパン合同会社が共同で執筆いたしました。 1. はじめに 自動車分野で行われている自動運転技術の開発では、データ駆動型アプローチの重要度が高まっています。膨大な実走行データを体系的に整備・活用することで多様な運転環境への対応が可能になり、モデルの汎化性能と信頼性を継続的に向上させることができます。 しかし、自動運転システムが生成するデータ量は膨大であり、その管理と活用には大きな課題が伴います。データ収集から学習、検証、デプロイ、モニ

はじめに Turingのインフラチームで、クラウドGPUクラスタの構築・運用を担当している大戸（おおど）です。前回の記事を書いた当時はMLOpsチームに所属していましたが、兼務期間を経て、現在はインフラチームの専任になりました。 Google Cloud Next Tokyo 26では、CTOの山口が「End-to-End 自動運転開発を加速するデータ - セントリックな GPU 計算基盤」を発表しました。そこで紹介したのが、Google Cloud上に構築したA3 Ultra（NVIDIA H200 ×

このブログは、東海旅客鉄道株式会社（以下、JR 東海）中央新幹線推進本部 リニア開発部 藤原 海渡氏と、アマゾン ウェブ サービス ジャパン合同会社 カスタマーソリューションマネージャー 西部 信博、プロフェッショナルサービス本部 正村 雄介、森田 和真による共著です。 1. はじめに JR 東海では、中央新幹線の保守・運用として、山梨リニア線において超電導リニアの電気設備保守の省力化・高度化を進めています。本活動の一環として、状態監視保全（Condition Based Maintenance、以下 C

はじめに こんにちは！ タイミーでPlatform Engineerをしている @MoneyForest です。 2026年6月9日〜10日にニューヨークで開催された Datadog の年次カンファレンス DASH 2026 に参加してきました。弊社からは、MLOpsエンジニアの斎藤が「 How Timee Delivers Day 1 Production Ready LLM Features 」というタイトルで登壇していました。 本記事では、Keynote の全体像、タイミーの登壇セッション、そして