本記事は、 Timestream for InfluxDB 3 workload analysis and best practices を翻訳したものです。 Amazon Timestream for InfluxDB 3 のデプロイメントにおいて、適切なインスタンスサイズの選択は、時系列インフラストラクチャを設計する上で最も影響の大きい判断の 1 つです。インスタンスが小さすぎるとクエリパフォーマンスの低下や取り込みのボトルネックにつながり、大きすぎると未使用のキャパシティに対して余分なコストを支払う
(この記事は、 AWS 기반 EDA 환경으로 Rebellions의 차세대 AI NPU 개발 가속화하기 を翻訳したものです。) 先端半導体の開発においては数多くの Logic Simulation を繰り返し、DFT(Design for Test)や Physical Design のように高いコンピューティング性能を必要とする EDA(Electronic Design Automation)作業を実行する必要があります。設計規模と検証範囲が大きくなるほど、必要な CPU コアやメモリ、共有ス
本記事は 2026 年 4 月 29 日に公開された、 Features and workflows with Amazon Timestream for InfluxDB 3 を翻訳したものです。 本記事では、時系列データベースの技術を大きく進化させた Amazon Timestream for InfluxDB 3 のアーキテクチャ設計、機能、ケイパビリティについて、技術的な観点で解説します。この次世代時系列データベースは、従来のエンジンバージョンからアーキテクチャが再設計されています。コア性能を支え
英語版ブログ: “ Executive Insights from the Inaugural AWS Life Sciences Symposium EMEA ” 基調講演の全編録画: YouTube で視聴する はじめに ライフサイエンス業界は転換点に立っています。技術は揃い、ユースケースも実証されている。それにもかかわらず、多くの企業が有望なパイロットと本番規模のインパクトの間で足踏みを続けています。初開催となった Amazon Web Services (AWS) Life Sciences Sy
はじめに 生成 AI は、いまやあらゆる産業に新たな価値創出の機会をもたらす基盤技術になりつつあります。文章の作成や要約、コードの生成、問い合わせ対応、専門的な調査の補助など、これまで人手に頼っていた多くの業務を支援できるようになり、生産性向上とイノベーション創出のカギとして大きな期待が寄せられています。 その一方で、機密情報や個人情報を外部の生成 AI サービスに入力することへの懸念から、本格的な活用に踏み切れない企業も少なくありません。総務省の調査によれば、約 7 割の企業が AI 活用における「セキ
本記事は「 A free year of Kiro, now for students around the world 」を翻訳したものです。 3 月に Kiro Students ティアを立ち上げたとき、私たちは 11 の大学から始めました。需要はほぼ即座にそのリストを追い越しました。まだ私たちが届いていない学校の学生たちが、同じことを繰り返し尋ねてきました。「私の学校は次はいつ?」 新年度の始まりにあたって、私たちは、より多くの学生が本格的なツールを手にしてキャンパスへ戻ることを望んでいます。そこで
本記事は 2026 年 8 月 6 日に公開された「 Control agent behaviors and cost beyond a single action: new capabilities in Amazon Bedrock AgentCore 」を翻訳したものです。 エージェントの自律性は高まり、各チームが運用するエージェントの数も増え続けています。しかし、信頼性とセキュリティはその速度に追いついていません。McKinsey によると、およそ 80% の組織がすでに AI エージェントによる
アマゾン ウェブ サービス ジャパン(以下、AWS ジャパン)が実施する「 生成 AI 実用化推進プログラム 」は、生成 AI の活用を支援する取り組みです。お客様のニーズに合わせ、カスタムモデルによる課題解決に取り組む方向けの「モデルカスタマイズコース」、公開モデルによるビジネス課題解決を狙う方向けの「モデル活用コース」をご用意しております。 その「生成 AI 実用化推進プログラム」の参加者や、GENIAC(Generative AI Accelerator Challenge)の関係者、生成 AI に