こんにちは！SHIFT社内広報チームです。2021年にスタートした「 シフトモKidsサマースクール 」は、今年で6回目を迎えました。 ■「シフトモKidsサマースクール2026」開催概要 　 日時　7月21日（火） 　　　　8月3日（月）～7日（金）8月17日（月）～21日（金） 　　　　9：00～18：15 　場所　SHIFT 新宿第1オフィス/SHIFT本社 　対象　SHIFTグループの従業員のお子さん（小学生・一部幼児） 　参加費　無料（一部お出かけコンテンツを除く） 　＊2026年の参加者数は、のべ321人

Kiro の使い方を 1 週間で一気に学ぶオンラインチャレンジ「 Kiro University Challenge 」が開催されています。毎日公開されるレッスンで Kiro の機能を学び、学んだ内容を盛り込んだプロジェクトを最終課題として提出すると、Kiro のクレジットを獲得できます。最大 5,250 クレジットです。 参加費は無料で、Kiro の無料プランでも 7 つの必須レッスンすべてに取り組めます。学生限定でも AWS 契約者限定でもなく、誰でも参加できます。日本からの参加も対象です。 スケジュール チャレンジ期間は 2026 年 9 月 21 日 9:00 PT から 10 月 5 日 23:59 PT まで。原文の時刻はすべて太平洋時間 (PT) 表記なので、日本時間 (JST) を併記します。 日付 (PT) 公開されるもの 日本時間 9/21 (月) レッスン 1〜2 9 月 22 日 (火) 0:00 9/22 (火) レッスン 3〜4 9 月 22 日 (火) 16:00 9/23 (水) レッスン 5〜6 9 月 23 日 (水) 16:00 9/24 (木) レッスン 7 + ボーナスレッスン 2 本 9 月 24 日 (木) 16:00 9/25 (金) 最終課題の受付開始 9 月 25 日 (金) 16:00 10/5 (月) 23:59 最終課題の提出期限 10 月 6 日 (火) 15:59 レッスンは全部で 7 本、これに任意のボーナスレッスンが 2 本加わります。レッスン自体は提出も採点もされません。採点対象は最終課題 1 本だけで、その 1 本が 7 つのレッスンすべての観点で評価されます。 レッスンの一部は特定の Kiro サーフェスに固有の内容です。たとえばレッスン 4 は Kiro IDE 限定です。IDE、CLI、Kiro Web のうち 1 つしか使ったことがない方は、これを機に別のサーフェスを試してみてください。 クレジットの配点 クレジットは、最終課題の中で実際に使って見せられたレッスンの数に応じて決まります。 マイルストーン クレジット レッスン 1〜3 各 250 クレジット、最大 750 レッスン 4〜5 各 500 クレジット、最大 1,000 レッスン 6〜7 各 1,000 クレジット、最大 2,000 必須レッスン 7 本すべてを最終課題に含める 1,000 クレジットの完走ボーナス ボーナスレッスン 1 (有料プラン限定) 250 クレジット追加 ボーナスレッスン 2 250 クレジット追加 最大合計 5,250 クレジット 7 本の必須レッスンは、いずれも無料プランで利用できる機能を扱います。ボーナスレッスン 2 本のうち 1 本は有料プラン限定、もう 1 本はすべての Kiro ユーザーが対象です。ボーナスレッスンは 1,000 クレジットの完走ボーナスの条件には含まれません。 獲得したクレジットは、賞の配布後から 2026 年 11 月 30 日 23:59 PT まで引き換えでき、引き換え後は使い切るか 2027 年 3 月 31 日 23:59 PT に失効するまでアカウントに残ります。クレジットは譲渡や現金への交換はできません。 参加条件 18 歳以上 Kiro アカウントを持っていること X または LinkedIn のアカウントを持っていること 参加に使う GitHub アカウントが作成から 3 か月以上経過していること 1 人 1 エントリー、個人での参加 (チーム参加は不可) アルゼンチン、オーストラリア、ブラジル、香港、インドネシア、イタリア、マレーシア、フィリピン、タイ、ベトナム、シンガポール、ロシア、キューバ、イラン、北朝鮮、シリア、ベラルーシ、クリミア地域、いわゆるドネツク人民共和国地域 (DNR)、いわゆるルガンスク人民共和国地域 (LNR)、アラブ首長国連邦に居住する方は対象外です。日本はこのリストに含まれていないため、日本在住の方は参加できます。 AWS の従業員とその同居家族・世帯構成員は参加対象外です。 提出物の要件 最終課題は「動くもの」を 1 本提出します。静的なモックアップは対象外です。提出には次のすべてが必要です。 自分が所有する 公開 GitHub リポジトリにコードをプッシュする リポジトリに .kiro フォルダーを含め、各レッスンの機能をどう設定したかがわかる状態にする 30 秒〜3 分のデモ動画を撮る (3 分を超えた部分は審査されません) X または LinkedIn に公開投稿し、 #KiroUniversity と #BuildWithKiro を付け、X では @kirodotdev 、LinkedIn では @kiro をタグ付けする。投稿には公開リポジトリのリンク、2〜3 文の説明、デモ動画を含める チャレンジのページ のエントリーフォームから、リポジトリのリンク、デモ動画、SNS 投稿のリンク、各レッスンをどう取り込んだかの説明を提出する エントリーフォームのメールアドレスは、クレジットの受け取り連絡先になります。ここを間違えると受け取れません。 失格になりやすいポイント 規約の中で、後から取り返しがつかないものを挙げておきます。 リポジトリの最初のコミットが 9 月 21 日 9:00 PT (日本時間 9 月 22 日 1:00) 以降であること。 チャレンジ期間の開始前にコミットがあるリポジトリは失格の対象です。手元にある既存プロジェクトの続きでは参加できず、チャレンジ期間中に新しく始めたプロジェクトが必要です 提出締切後、審査が終わるまでコミットしないこと。 10 月 5 日 23:59 PT の締切後は、2026 年 10 月 19 日 23:59 PT の審査完了、または受賞メールの受信のうち早いほうまで、コミットを追加できません GitHub アカウントと SNS アカウントは 1 対 1 で対応させること。同じ GitHub アカウントを複数人・複数の SNS アカウントで使った提出は失格の対象です リポジトリが非公開、 .kiro フォルダーやレッスンに必要なファイルの欠落、プロジェクトが説明どおりに動かない、SNS 投稿に指定のタグやハッシュタグ・リンクがない、これらはいずれも失格事由です 公開済みのレッスン レッスンは チャレンジのページ 、X の @kirodotdev 、LinkedIn の @kiro 、そして Kiro Discord サーバー の #kiro-university-challenge チャンネルで公開されます。本記事の公開時点で出ているレッスン 1・2 を紹介します。以降のレッスンは上記のチャンネルで順次公開されます。 レッスン 1: Spec-driven development (250 クレジット) Feature Specs は、新機能を作るための構造化されたアプローチです。要件の洗い出し、技術設計、実装計画の順に進めていきます。複雑な機能、複数ステップの実装、共同作業のプロジェクト、要件や設計を何度も練り直す必要がある機能に向いています。 WHEN a user submits a form with invalid data THE SYSTEM SHALL display validation errors next to the relevant fields この例では、EARS (Easy Approach to Requirements Syntax) 記法を使って、フォームバリデーション機能の要件を構造化されたテスト可能な形で書いています。Kiro にアイデアを渡して spec にしてもらうときは、好みの記法でも、単なる自然言語でもかまいません。詳しくは Specs のドキュメント を参照してください。 レッスン 2: Steering documents (250 クレジット) ~/.kiro/steering/ ディレクトリーに置いた Markdown ファイルを通して、Kiro にプロジェクトの知識を持たせ続けられます。Steering ファイルは Kiro の振る舞いを規定するので、毎回同じ指示を繰り返さなくても、Kiro の出力が自分たちのパターン・ライブラリー・基準に沿ったものになります。 Create a steering file to enforce [insert a convention or standard you want Kiro to enforce], so that [insert context for Kiro to understand your intent behind this prompt]. For example, [insert example of this convention or standard as a code output] ensures [repeat initial convention or standard] is followed. これは steering ファイルを作るためのテンプレートプロンプトです。1) Kiro に守らせたい基準や規約を定義する、2) なぜそれを守らせたいのかという意図を文脈として伝える、3) コードの例で比較を示して守らせる精度を上げる、というベストプラクティスに沿っています。詳しくは Steering のドキュメント を参照してください。 まずはここから チャレンジのページ で公開済みのレッスンを確認し、 Discord の #kiro-university-challenge チャンネルに参加してください。最終課題の提出は 9 月 25 日 16:00 (日本時間) に開始、締切は 10 月 6 日 15:59 (日本時間) です。新しいプロジェクトを 1 つ、Kiro をメインの開発ツールとして作ってください。 Kiro をまだ使っていない方は ダウンロードページ から始められます。 参加にあたっては購入の必要はありません。法律で禁止されている地域は無効です。参加条件・提出要件・クレジットの扱いの詳細は 規約 をご確認ください。受賞者リストはチャレンジ終了後最大 1 年間 こちらのページ で公開されます。 この記事は Kiro の Kiro University Challenge のページを日本語向けに再構成したものです。日程・条件は本記事公開時点の内容です。最新の情報は原文をご確認ください。

こんにちは、Researchチームのアマニと福原です。 先週、キャディ（CADDi）はECCV2026に参加し、企業紹介や研究内容に関するポスターを発表してきました。弊社としては、初めての国際学会でのポスター発表となりました。 今回は国際ワークショップのスポンサーとして参加し、以下の2つのワークショップをオーガナイズしました。 FOUND: Foundation Data for Industrial Tech Transfer Foundation Modelを実世界の産業領域で活用する上で必要となる、ドメイン固有のデータや技術移転をテーマとしたワークショップです。特に、Foundation DataやPhysical AI、World Modelに焦点を当て、研究成果を実際の現場につなげるための課題が議論されました。 LIMIT : Representation Learning with Very Limited Resources 限られたデータやラベル、計算資源などの制約下で、どのように効果的な表現学習を実現するかを扱うワークショップです。自己教師あり学習やFew-shot Learning、Synthetic Dataなど、限られたリソースを前提としたさまざまなアプローチが議論されました 本記事では、ワークショップ運営の経験やECCVに参加した感想、気になった論文・発表についてレポートします。 ECCVとは ワークショップについて FOUND Workshop The Path to Manufacturing: Evolving 3D Generation to Intelligent Computer-Aided Design 特に印象に残った発表 MolmoPoint: Better Pointing for VLMs with Grounding Tokens DreamCAD: Scaling Multi-modal CAD Generation using Differentiable Parametric Surfaces Steerable Visual Representations Make Geometry Matter for Spatial Reasoning Understanding Geometric Representations in Self-Supervised Vision Transformers via Subspace Intervention MeshFM: 2D Features Are All You Need for 3D Shape Understanding Yann LeCun氏のKeynote「World Models:Enabling the Next AI revolution」 まとめ ECCVとは ECCV（European Conference on Computer Vision）は、CVPR、ICCVと並ぶ、コンピュータビジョン分野の主要な国際会議の一つです。2年に一度開催され、今年はスウェーデンのマルメで開催されました。世界中から研究者やエンジニアが集まり、会場では数多くの研究発表やワークショップ、ポスターセッションなどが行われていました。 ECCVでは、画像認識・生成、3Dビジョン、マルチモーダル学習、Vision-Language Model（VLM）など、コンピュータビジョンに関する幅広い研究が発表されます。 ECCV2026の会場 今年の本会議(main conference)では、ワークショップを除いても2,800本を超える論文が採択されており、特にPhysical AIやWorld Modelへの注目度が高かった印象でした。 今回の参加では、キャディで取り組んでいるテーマとの関連性を意識しながら、CAD・B-Rep・3D・空間把握・VLMの解釈性などの研究を中心に見て回りました。 ワークショップについて 本章では、キャディがオーガナイズしたFOUNDワークショップの運営経験と、普段取り組んでいる研究テーマに関連するワークショップ「The Path to Manufacturing」を中心に紹介します。 ワークショップのポスターセッションで発表したキャディの研究紹介ポスター FOUND Workshop 基盤データと産業応用を中心的なトピックとしたワークショップで、ICCV 2025に続いて2回目の開催で今回も福原がPrimary Organizerを担当しました。基盤モデルはCVを大きく前進させましたが、実世界のドメイン固有な運用に持ち込むと、long-tailな分布、domain shift、プライバシーや安全性やコストといった制約によって、期待したほどの信頼性が出ません。この"last-mile"を埋めるために必要なドメイン特化のデータの集合を基盤データ（Foundation Data）と呼んでいます。 FOUNDワークショップのフライヤー Opening Remarksでは、1年前の第1回で投げた問い「Are we fully delivering the value of foundation models across industries?（私たちは基盤モデルの価値を、産業のすみずみまで届けられているだろうか）」を、もう一度投げるところから始めました。同じ問いでも、この1年で足元の地面は動いています。私たちが取り組んでいるCADの領域でも、MLLMを使用して1年前とは比べものにならない精度で、図面から3D CADを起こすことができるようになりました。ただし産業の尺度で測ると話は変わり、直前に公開されたRealCADBenchというベンチマーク（プレプリント）では、コードが実行できる割合が57〜81%ある一方で、Surface IoUは11〜22%にとどまります。動くことと、使えることは同じではない。景色は変わったけれど問いはまだ生きている、というのが2回目の出発点でした。 福原によるOpening Remarks 今回フォーカスを当てたのは、World ModelsとPhysical AIです。この1年で進展がもっとも速かった領域である一方、基盤データという観点ではギャップが大きい領域でもあります。言語モデルが数兆トークンで学習されているのに対して、ロボットの学習データは約100万軌跡。桁が大きく違います。 招待講演には、以下の4名をお迎えしました。 Iro Armeni氏（Stanford University） Amir Bar氏（Imperial College London / AMI Labs） Anastasia Varava氏（SEBx / Link） Marc Pollefeys氏（ETH Zurich / Microsoft Mixed Reality and AI Lab） とくに印象に残ったのは、Iro Armeni氏の講演でした。道路から撮影されたGoogleマップのような画像をもとに、VLMを使って住宅や建築物が何で作られているのか、どのくらいの耐久性があるのかを推定する。そうした一連の研究を紹介してくれました。建物の外壁の素材を推定するFacade Material Mappingというタスクでは8割ほどの精度が出ていて、この用途ではそれで十分に有用だということでした。基盤モデルをそのまま持ち込んだだけでは精度が届かない場面もありますが、そこに大きなコストをかけずに精度を引き上げる工夫を重ねていて、汎用のモデルをドメインの課題にどう届けるかという問いへの具体的な答えになっていました。我々が取り組んでいる製造業の分野でも、こうしたアイデアは非常に有用だと思いました。 ワークショップの前日にあたる9月8日の夜には、同じ週に開催したLIMITとの合同レセプションを、マルメ中央駅前のレストランで開きました。費用は、両ワークショップのスポンサーであるSansan、SB Intuitions、そして弊社キャディの3社で持ち、参加者は無料で参加できる形にしています。賑やかな飲み会ではなく研究者が落ち着いて議論できる場にしたかったので、座ってしっかり食事ができること、立ち上がって自由に交流できるスペースがあること、学会会場からの移動が負担にならないこと、という条件で会場を探しました。当日は、両ワークショップの招待講演者をはじめ、著名な研究者の方々に数多く参加していただきました。ワークショップのプログラムの中では時間が取れない話題までゆっくり話すことができ、運営した側としても得るものの大きい時間になりました。 ワークショップの立ち上げから当日の運営、終了後のフォローまで、実際にやったことはマニュアルの形でまとめて公開しています。プロポーザルの提出から、CFPの設計、登壇者やスポンサーへの声がけ、当日の進行、レセプションの手配まで、半年がかりのプロジェクトとして時系列で書いたものです。第1回（ICCV2025）の経験をもとにしたものですが、これから国際会議でワークショップをオーガナイズしてみようという方には参考になるかもしれません。興味のある方はこちらをご覧ください。 国際会議ワークショップのオーガナイズ・実践マニュアル（note, 2025年12月） https://note.com/gatheluck/n/ndf49c03bdb8a The Path to Manufacturing: Evolving 3D Generation to Intelligent Computer-Aided Design 本ワークショップは、生成AIを製造業に応用していく上で、3Dモデルをどこまで実際の製造に使えるものとして生成できるかを扱うワークショップです。 3D Foundation Modelによる生成技術が発展する一方で、製造用途では、見た目がそれらしいだけでは不十分で、幾何学的な正確性や、製造可能な形状であることが求められます。 そのため、製造における3Dモデリングの基盤であるCADや、CADの設計手順をプログラムとして扱うような生成AIの活用について議論されていました。 The Path to Manufacturingワークショップ 最初のKeynoteでは、Simon Fraser UniversityのHao (Richard) Zhang氏が、3D生成の発展を振り返りながら、製造までを見据えるなら、単に形状を生成するだけではなく、構造化されたCAD表現が必要になるという話がありました。特に、部品の構造だけでなく、アセンブリや機能まで考慮した表現が、Spatial AIやPhysical AI、Embodied AI、World Modelにおいて重要になるという点が印象的でした。 研究例として、建築物をプログラムとして表現するArcProなども紹介され、3Dの「形」から、より意味のある構造化表現へと進んでいく流れを感じました。ArcProでは、建築構造を独自のDSLによるプログラムとして表現し、疎な点群からそのプログラムを推定しています。 CADの設計手順をプログラムとして表現し、LLMにそのプログラムを生成させることで、CAD生成をコード生成として捉えるというアイディアは面白いと思いました。 Niloy J. Mitra氏のKeynoteでは、4D Geometryをテーマに、3Dモデルに時間や動きを加えた表現について紹介されました。ActionMeshなどの研究に加え、自然言語によるB-Rep CAD編集の研究にも触れられていました。 Xin Tong氏のKeynoteでは、3D生成を「shape」から「topology」へと発展させる方向性が紹介されました。2Dスケッチからの3D生成や、CADのB-Repの構造・トポロジーを扱う研究が取り上げられました。 Dinesh Manocha氏のKeynoteでは、見た目としては正しい3Dモデルでも、物理的には正しくないことがあるという問題が取り上げられました。そこで、従来のジオメトリや外観を再現するだけの3Dモデルを、物理的な性質やインタラクションまで扱えるモデルへ発展させ、より現実世界に近いDigital Twinを作ることを目指します。その一方で、画像だけから得られる情報には限界があり、視覚情報だけでは判断できない物理的な性質もあるという点も紹介されました。 Panelでは、LLMが研究やアイデア創出まで担うようになってきた中で、研究者は今後どのような方向に進むべきか、という学生からの質問がありました。 それに対して、以下のようなアドバイスがありました。 LLMでは扱いにくいエッジケースに取り組む 取得が難しいデータを必要とする問題に取り組み、データを蓄積する 最新の研究だけでなく、過去の論文にも目を向ける LLM時代に研究を進める上で参考になる内容で、個人的にも勉強になりました。 特に2点目は、製造現場に蓄積された図面・技術データという、キャディならではの貴重なデータ資産にもつながる話で、その強みを改めて実感できる内容でした。 本ワークショップのPaper Spotlightセッションで紹介された研究の中でも、Dacheng Qiらによる「Pointer-CAD v2」が特に印象に残りました。 初代Pointer-CADでは、B-Repの形状情報とCADのコマンド列を組み合わせ、既存の面やエッジを直接指定しながらCADモデルを生成する手法が提案されています。 今回紹介されていたPointer-CAD v2では、さらに寸法を意識したCAD生成に対応し、「Plan-Then-Construct」という構成によって、パラメータの推論と幾何形状の構築を分離しています。 また、v2では数値パラメータを離散化せず、連続値として直接予測することで、量子化による誤差を避け、寸法を正確に保ったCAD生成を目指しています。 生成したい形状だけでなく、「どの寸法で作るか」を明示的に扱える点が、製造を前提としたCAD生成という観点でも興味深いと感じました。 今回のワークショップを通して、3D生成の研究が「それらしい形を作る」だけでなく、構造・トポロジー・寸法・機能・物理特性など、現実世界のオブジェクトを構成する情報をどこまで扱えるかという方向に広がっていることを実感しました。また、全体を通して、Physical AIについてはまだ発展途上で、実世界で本当に機能するものを作るには、まだ多くの課題があるという印象を受けました。 Dinesh Manocha氏のKeynoteで「You can't cheat physics」という言葉があり、見た目として正しいものを作るだけではなく、実際に機能するものを作るには、物理的な正しさまで考える必要があるという趣旨が特に印象に残りました。 特に印象に残った発表 MolmoPoint: Better Pointing for VLMs with Grounding Tokens Christopher Clark, Yue Yang, Jae Sung Park, Zixian Ma, Jieyu Zhang, Rohun Tripathi, Mohammadreza Salehi, Sangho Lee, Taira Anderson, Winson Han, Ranjay Krishna 従来のように座標をテキストとして出力するのではなく、画像中のvisual tokenを直接選択することでpointingを行う手法です。個人的には、こうしたpointingの仕組みを使って、既存の検出タスクの一部を「検出」ではなく「pointing」として捉え直せないか、という点に興味を持ちました。 DreamCAD: Scaling Multi-modal CAD Generation using Differentiable Parametric Surfaces Mohammad Sadil Khan, Muhammad Usama, Rolandos Alexandros Potamias, Didier Stricker, Muhammad Zeshan Afzal, Jiankang Deng, Ismail Elezi CADをBezier surfaceとして表現し、CADアノテーションのない大量の3D meshを学習に利用できるようにした研究です。1.3M以上のmeshを使えるため、従来のCAD生成でボトルネックになりやすかったアノテーションに依存せずスケールさせる、という発想が面白いと感じました。 実際に著者の方ともお話ししましたが、複雑なCAD生成にはまだ課題があるとのことでした。それでも、既存の大量の3D meshという、これまで十分に活用できていなかったデータをCAD生成に取り込むという方向性は興味深かったです。 Steerable Visual Representations Jona Ruthardt, Manu Gaur, Deva Ramanan, Makarand Tapaswi, Yuki M. Asano 画像中の「どこに注目するか」を自然言語で指定できる視覚表現を提案しています。 汎用的なViTの特徴を保ちながら、対象や属性に応じて視覚表現そのものをsteerできるため、目的に応じて見たいものを指定したいタスクへの応用が期待できます。 ドメイン固有の学習データが限られる汎用Vision Modelに対しても、記号の見た目を言語で説明することで、製造業の図面などに含まれる記号の識別に活用できるのではないかと感じ、興味深い方向性だと思いました。 Make Geometry Matter for Spatial Reasoning Shihua Zhang, Qiuhong Shen, Shizun Wang, Tianbo Pan, Xinchao Wang VLMに3Dのgeometry tokenを入れるだけでは、モデルが実際には2Dの見た目に頼ってしまうという問題に着目した研究です。2D情報への依存を抑え、geometryを実際の空間推論に使わせることで、静的・動的なspatial reasoningの向上を目指しています。 Understanding Geometric Representations in Self-Supervised Vision Transformers via Subspace Intervention Weichen Zhou, Yawen Zou, Chunzhi Gu, Ran Dong, Haoran Xie, Chao Zhang 自己教師ありViTの内部にgeometryの情報がどのように表現されているのかを、linear probeの重みをSVDで分解することで調べた研究です。層によってgeometryの情報量が異なり、中間層で幾何学的な精度が高くなることなどを分析しています。 MeshFM: 2D Features Are All You Need for 3D Shape Understanding Jinfan Zhou, Richard Liu, Itai Lang, Rana Hanocka 2DのVisual Foundation Modelから得られる特徴を3D surfaceに蒸留し、3D annotationなしで汎用的な3D featureを学習する手法です。2Dで学習された表現だけでも、part segmentationやcorrespondence、deformationなどの3Dタスクに利用できる点が興味深い研究でした。 Yann LeCun氏のKeynote「World Models:Enabling the Next AI revolution」 Yann LeCun氏のKeynote「World Models:Enabling the Next AI revolution」では、LLMのスケーリングだけでは人間レベルのAIには到達せず、世界モデルやJEPAのような新しいアプローチが重要になるという主張が紹介されました。 Yann LeCun氏のKeynoteより。「研究者へのメッセージ」 このKeynoteはECCVに限らずSNSなどでも話題になっていたので、ご存じの方も多いかもしれません。最後の「If you are interested in human-level AI, don't work on LLMs」というメッセージも含め、印象に残る内容でした。 まとめ 本記事では、ECCVに参加した感想、気になった論文・発表について紹介しました。少しでもECCVの雰囲気や、現地で感じた研究の面白さが伝わっていれば嬉しいです。 今回の参加でさまざまな研究から多くの刺激を受けました。今後は研究チームとして、次の国際会議での論文発表も目指していきたいと思います。 キャディでは現在、2D・3D領域を中心にResearch Engineerを募集しています。キャディがどのような研究開発に取り組み、それを通して何を実現しようとしているのか、少しでも気になった方は、ぜひお気軽にご連絡ください。 speakerdeck.com open.talentio.com