1. この記事で書いていること Amazon Web Services（以下AWS）より、2026年5月にAmazon Aurora MySQL 8.4がGAとなったことのリリースがありました。[1] Aurora MySQL v3はMySQL 8.0互換のメジャーバージョンでしたが、Aurora MySQL 8.4は MySQL Community Edition 8.4 LTSをベースにしたメジャーバージョンです。 このため、Aurora MySQL v3から8.4への移行は、単なるマイナーバージョン

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

本記事は 2026 年 5 月 19 日 に公開された「 Automated JDBC query caching with the AWS Advanced JDBC Wrapper 」を翻訳したものです。 データベース負荷の大半を読み取りクエリが占めている場合、元データがほとんど変化しない場合でもレスポンスタイムが悪化し、コストが増加します。従来の対策はカスタムキャッシュレイヤーの構築ですが、クエリごとに外部キャッシュロジックを実装し、シリアライゼーションを処理し、データベースとの整合性を維持する必要

はじめに 第2回まででサーバーの準備が整いました。今回は、Select AIの心臓部となるAutonomous AI Database (ADB) を構築し、プライベートLLMと通信するための特別な設定を施します。 なぜ「データベース」に設定が必要なのか？ Autonomous AI Databaseは通常、非常に高いセキュリティで守られており、外部への通信は厳しく制限されています。 今回の構成では、データベースからプライベートサブネットにあるLLMサーバー（Ollama）にリクエストを送る必要があるため

はじめに 仕上げとなる今回は、プライベートVMにLLM（Ollama）を実装し、データベースから自然言語でデータを検索する「Select AI」の実行確認をします。 1. Ollama のインストール まずは、プライベートVM内でLLMを動かす準備をします。踏み台サーバー経由でコマンドを実行していきましょう。 Ollama のダウンロード Ollama は、LLMサーバで動作させるのですが、LLMサーバはプライベート・サブネットにあるため、インターネットからのダウンロードができません。このため、一旦踏み台

こんにちは。 KINTO テクノロジーズの DBRE チーム所属の @hoshino です。 はじめに Aurora MySQL 2系（MySQL 5.7互換）から3系（MySQL 8.0互換）へのメジャーバージョンアップを、19クラスタ・46スキーマ規模のメインシステムで実施しました。 このバージョンアップで最も苦労したのが COLLATION の問題です。 Aurora MySQL 3系ではデフォルト COLLATION が utf8mb4_0900_ai_ci に変わりますが、既存システムでは、検索

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です。 私はもともと、小売・金融・旅行業向けのシステム開発に携わっていました。金融系のトランザクション処理や旅行予約の在庫管理など、止まったら即アウトの領域です。 前職でデータサイエンティストへと転身し、現在はワンキャリアでデータ分析や AI・機械学習モデルの開発を中心に取り組んでいます。

みなさんこんにちは！ワンキャリアのプロダクト開発部 ワンキャリア転職チームの越川（X：@kosshii_）です。 前回は、プロダクト開発チームのエンジニア4名に「学びになった技術書トップ3」を聞いてみました。新卒エンジニアの「本を読んで勉強したいけど、何から読めばいいかわからない」という悩みに寄り添った記事になっておりますので、是非、本記事と一緒にご一読いただきたいです！ ▼ Part1はこちら

はじめに こんにちは。開発本部 開発1部 デリッシュリサーチチームの江﨑です。 デリッシュリサーチは、デリッシュキッチンに蓄積された検索ログやレシピへの反応をもとに食トレンドを分析できるサービスです。 本記事では、社内用にデリッシュリサーチのデータを Claude から自然言語で問い合わせられるようにする MCP サーバーを自作した話を紹介します。FastMCP と Databricks Apps で実装した構成、運用上のノウハウ、そしてリリース後に社内で広がった活用事例をまとめます。 はじめに 背景：な

1. 自己紹介・経歴 はじめまして、データアナリストのrizumuです。2025年にタイミーに入社しました。 前職ではファッション系のCtoCマーケットプレイスを運営する会社で約4年間データアナリストとして働いていました。UIの分析やクーポン施策の効果検証、顧客セグメントの分析などを担当していました。 2. なぜタイミーを選んだか 転職活動で最も重視したのは、アナリストが多い環境で働きたいという点でした。 前職のチームでは、少人数ならではのスピード感や、幅広い領域を任せてもらえる環境に感謝していました。一

本記事は 2026 年 2 月 12 日 に公開された「 Achieve near-zero downtime database maintenance by using blue/green deployments with AWS JDBC Driver 」を翻訳したものです。 最新のアプリケーションは継続的な可用性を求めており、データベースのメンテナンス運用は開発チームにとって重要な課題となっています。データベース更新、パッチ適用、アップグレードに対する従来のアプローチでは、ダウンタイムや

想定読者：SOC アナリスト、脅威ハンター、検知エンジニア。SIEM の経験はあるが Elastic / EQL は初めて、あるいは復習したい方。 読了時間：約 15 分 セキュリティ運用の現場では、毎日とんでもない量のログを見ます。Elasticsearch は「ログを保存して検索する」のはとても得意です。でも、 脅威の検出 となると話が一段難しくなります。 なぜか。攻撃は単独のイベントではなく、 複数のステップが時間軸の上で連なる流れ だからです。 たとえば、次のような流れを「ひとかたまり」として検出

AI エージェントに本番データを分析させるには、単にモデルと API をつなぐだけでは足りません。認可、ビジネスデータカタログ、ドメイン知識の 3 要素が揃うことで、エージェントは組織のアクセス制御とデータ構造を尊重した形で動作できます。 本記事は、シリーズ「AWS における AI エージェント対応のデータ基盤」の第 1 回です。 Amazon SageMaker を使用したデータ分析エージェントの参照実装としてサンプルリポジトリ aws-samples/sample-sagemaker-agentic-

はじめに こんにちは。全社データ技術局データビジュアライゼーションチームの與田龍人です。 モダンデー ...

はじめに 対象読者と前提条件 Dataset Q&A とは Dataset Q&A と Topic Q&A の使い分け やってみる 1. 検証構成の全体像 2. 使用したサンプルデータ 3. Amazon Quick の VPC 接続設定 4. データソースとデータセットの作成 5. Dataset Q&A で質問してみる 6. Explain 機能で生成 SQL を確認 7. Dataset Enrichment の設定 8. Enrichment あり／なしの比較 まとめ 参考資料 はじめに こんにち