https://2025.emconf.jp/ での登壇資料
https://2025.emconf.jp/ での登壇資料
私には今、2つの夢があります。 1つは実現するには少し時間がかかりそうな夢、1つは今すぐにでも取り掛かることができる夢です。 今回は前者について、少しだけ勇気を出して書きたいと思います。 まだ最初の一歩私はもともと中学校の教師をしていて、今は転職してエンジニアとして働いています。 教師だった頃の実体験をもとに席替えメーカーというアプリを開発し、今では毎月1万人以上の人が使ってくれるサービスになりました。 席替えメーカーで解決しようと考えた課題は「席替え業務の効率化」ですが、「席替え業務の効率化」が私のゴールではありません。 私は教師の人たちがこんなに苦しむことが当たり前という状況をなんとか変えたいと思い、最初は学校の中から自分にできることに取り組んでいました。 しかし、課題の根本に立ち向かうためには学校の中からだけでは厳しいと感じ、外からできることにも視野を広げ、その中でまずは自分にできる
Activate Founders は、AWS クレジットと限定オファーという 2 つの特典から構成される、スタートアップ向けの特典パッケージです。特典によって AWS サービス、AWS サポート、 Slack などのパートナー製品を割引価格で使えます。 Activate Founders は、AWS クレジットと限定オファーという 2 つの特典から構成される、スタートアップ向けの特典パッケージです。特典によって AWS サービス、AWS サポート、 Slack などのパートナー製品を割引価格で使えます。 Activate Founders は、AWS クレジットと限定オファーという 2 つの特典から構成される、スタートアップ向けの特典パッケージです。特典によって AWS サービス、AWS サポート、 Slack などのパートナー製品を割引価格で使えます。
基盤モデル開発に挑む各社が成果を共有。AWS LLM 開発支援プログラム 成果発表会 | Amazon Web Services
Amazon Web Services ブログ 基盤モデル開発に挑む各社が成果を共有。AWS LLM 開発支援プログラム 成果発表会 アマゾン ウェブ サービス ジャパン（以下、AWS ジャパン）は 2023 年 7 月 3 日に、日本独自の施策として国内に法人または拠点を持つ企業・団体の生成 AI 基盤モデル・大規模言語モデル（以下、LLM）の開発を支援する AWS LLM 開発支援プログラムを発表しました。 本プログラムでは、LLM 開発を行うための計算機リソース確保に関するガイダンスや AWS 上での LLM 事前学習に関わる技術的なメンタリング、LLM 事前学習用クレジット、ビジネス支援などのサポートを提供します。 そして 2024 年 1 月 31 日に、本プログラムにおける支援対象の企業・団体が集まり成果を共有する、AWS LLM 開発支援プログラム 成果発表会が開催されました
API と OSS 、蓄積したデータで精度を改善するならどちらの基盤モデルを選択すべきか : 質問回答編 | Amazon Web Services
Amazon Web Services ブログ API と OSS 、蓄積したデータで精度を改善するならどちらの基盤モデルを選択すべきか : 質問回答編 Amzon Bedrock や ChatGPT のように API 経由で呼び出せる基盤モデルの精度とコストは実用的なレベルに到達しています。一方で、皆さんが開発している製品やサービス、プロダクトには様々なデータが蓄積されていると思います。そのデータで機械学習モデルを学習できれば、より顧客のニーズに合った体験を提供できます。体験が改善されればより多く顧客が集まり、そこから得られるデータはさらなるモデルの改善につながります。 API で利用できるモデルは追加学習なしに高い精度で推論できるものの、最初から顧客が満足するレベルの精度が出せるとは限りません。例えばカスタマーサポートの応対で使う場合、顧客の言葉の意味を取り違えたり、応対マニュアルと異
AWSジャパンは1月31日、大規模言語モデル（LLM）の開発支援プログラム「AWS LLM開発支援プログラム」の成果報告会を開催した。これまでは非公開だったが、NTTがプログラムに参加していたことも明らかになった。 AWS LLM開発支援プログラムは、2023年9月にスタート。対象企業17社に総額600万ドル規模の利用料補助や、技術支援などを提供するもので、サイバーエージェント、rinna、Preferred Networksなどが採択されていた。 NTTは当初、プログラムへの参加を発表していなかった。当時は「発表の準備が間に合っていなかった」（NTT人間情報研究所 西田京介上席特別研究員）といい、今回の成果発表会に合わせて公表した。対象企業の一覧は以下の通り。 カラクリ マネーフォワード サイバーエージェント ユビタス ストックマーク Lightblue Sparticle リクルート
PMF サーベイは PMF 達成度合いを計測する手法の 1 つです。Spotify や Netflix、Uber が利用するメールクライアントサービス Superhuman によって確立されました。 PMF サーベイでは、ユーザーに「このプロダクトが明日から使えなくなるとしたらどう感じますか？」と質問します。「とても残念だ」と答えるユーザーの割合を測ることで、プロダクトに深い需要があるかを評価します。この割合を PMF スコアと呼び、 スコアが 40 % を超えると PMF が見つかったと判断します。 PMF サーベイは PMF 達成度合いを計測する手法の 1 つです。Spotify や Netflix、Uber が利用するメールクライアントサービス Superhuman によって確立されました。 PMF サーベイでは、ユーザーに「このプロダクトが明日から使えなくなるとしたらどう感じますか
PMF は Product Market Fit の略称です。プロダクトとマーケットがフィットした状態、すなわち「大きなマーケット(市場)とそのマーケットが求めるプロダクト(製品) が両方揃った状態」を指します。 大きなマーケットがあっても、顧客が満足するプロダクトを提供できなければビジネスになりません。同様に、高品質なプロダクトがあっても、そこに大きなマーケットがなければ買う人がいないのでビジネスになりません。 つまり、PMF が見つからなければ事業は成功しないということです。 PMF を見つけることは PMF 前のスタートアップにとって最大にして唯一の重要事項なのです。 ではプロダクトが売れていれば PMF なのでしょうか？ 実はプロダクトが売れているだけでは PMF とは言えません。本当の PMF とは何かを見ていきましょう。 PMF は Product Market Fit の略
一部で話題になっているけど、まだ大きく報道はされていないのでここにメモしておく。 企業版ふるさと納税を悪用した寄付金還流スキームでDMMグループが儲けちゃってるという話。 自治体に企業版ふるさと納税をすると、9割税額控除を受けられる。簡単に言うと、寄付金の1割だけ負担して地域貢献したよって宣伝できる感じ。 企業版ふるさと納税は自治体の立案した寄付対象事業に寄付を行う形になるのだが、DMMはこの仕組みをうまく使っている。 どうやるかというと、寄付対象事業に寄付しておいて、その事業をDMMグループの会社に受託させる。そうすると、事業の受託料として寄付金を取り戻すことができる。 自分が寄付した事業を自分で受託するのは、事業の受託者を決める入札がきちんと機能していれば別に悪いことではない。 実際には、この入札をコチョコチョしている部分がかなりまずそうだと感じている。 問題の舞台は、福島県の国見町だ
Amazon Bedrock Is Now Generally Available – Build and Scale Generative AI Applications with Foundation Models | Amazon Web Services
AWS News Blog Amazon Bedrock Is Now Generally Available – Build and Scale Generative AI Applications with Foundation Models Update October 10, 2023 — Amazon Bedrock is now available in 3 regions globally: US East (N. Virginia), US West (Oregon), and Asia Pacific (Tokyo). This April, we announced Amazon Bedrock as part of a set of new tools for building with generative AI on AWS. Amazon Bedrock is
AWS 日本語ハンズオン Amazon Web Services(AWS) の 日本語ハンズオンやワークショップを、カテゴリごとにまとめています。 右側の目次や、ヘッダー部分の検索ボックスから、各コンテンツにたどり着けます。 また、Ctrl + F や command + F を使ったページ内検索もご活用いただけます。 料金について ハンズオンで作成した AWS リソースは通常の料金が発生します。作成したリソースの削除を忘れずにお願いします。 もし忘れてしまうと、想定外の料金が発生する可能性があります。 画面の差異について ハンズオンで紹介されている手順と、実際の操作方法に差異がある場合があります。 AWS は随時アップデートされており、タイミングによってはハンズオンコンテンツが追いついていない事もあります。 差異がある場合、AWS Document などを活用しながら進めて頂けますと幸い
Python 早見帳が SageMaker Studio Lab からすぐに学べるようになりました | Amazon Web Services
Amazon Web Services ブログ Python 早見帳が SageMaker Studio Lab からすぐに学べるようになりました みなさんこんにちは。AWS Japan ソリューションアーキテクトの関谷侑希です。 AI/ML の技術が大好きで、現在は交通・物流・旅行・不動産・建設業界のお客様に対し技術支援をしています。 AI/ML 技術の支援をする中で伺う悩みの１つにキャッチアップをどうすればよいか、というものがあります。このブログの読者の中には、上司から AI でいい感じにやってくれと言われた、非 AI/ML エンジニアの方もいらっしゃるのではないでしょうか。そんな駆け出しエンジニアの方に向けて、今回はとっておきの教材をご紹介します。 Python 早見帳とは Python 早見帳は東京工業大学の岡崎直観先生が作成された Python の入門教材です。 今回、岡崎先生の
株式会社カミナシ（本社：東京都千代田区、代表取締役CEO：諸岡 裕人、以下「カミナシ」）は、2022年7月1日付で新執行役員CTOに原トリが就任したことをお知らせします。 カミナシは「ノンデスクワーカーの才能を解き放つ」というミッションのもと、日本の就業人口の半数以上にあたる約3,900万人（※）のノンデスクワーカーの働き方を変革すべく、現場DXプラットフォーム『カミナシ』を提供しています。これまで食品や飲食、宿泊、物流、製造など、工場や店舗を持つ180社以上の企業に『カミナシ』を導入いただいています。 このたび、Amazon Web Services（AWS）をはじめ複数企業において開発運用から顧客支援まで幅広い経験を持つ原トリが執行役員CTO就任しました。カミナシの開発組織体制や技術面を強化するとともに、経営にエンジニアリングの視点を備えることで、あらゆる現場のDXを強力に推進するテク
機械学習モデル開発の課題と解決方法として Amazon SageMaker Training の使い方を解説します。 00:00 はじめに 01:26 機械学習のトレーニングで発生する課題 03:41 Amazon SageMaker Training の概要 12:08 実際に動作するコードを用いたトレーニング開始方法 22:40 Tips ・動画内で紹介しているコード https://github.com/aws-samples/aws-ml-jp/tree/main/sagemaker/sagemaker-traning/tutorial git clone https://github.com/aws-samples/aws-ml-jp したあと、 sagemaker-traning/tutorial/1_hello_sagemaker_training.ipynb を開いてく
はじめにこんにちは、じゃが(@jagaimogmog)です 🥔 この度、3年間勤めた Amazon Web Services Japan (以後 AWS )を退職しました。 本記事は、主には以下の２つのモチベーションから執筆しています。 新卒で AWS の Solutions Architect (以後 SA) に興味を持つ人が少しでも増えれば嬉しい 忘れっぽいので、少しでも記憶が新鮮なうちに AWS での体験と学びをまとめておきたい 気の赴くまま書いていたら、読み辛い長さになってしまったので分割しました。 Part 1. AWS へ新卒入社した理由 + 新卒研修(前半) Part 2. 新卒研修 (後半) Part 3. 配属後の２年間 の3部作でお届けする予定です。(構成は変更する可能性あり) 詳しい転職の経緯は別途、転職エントリで書く予定です。転職の理由を一言添えておくならば、「入
AWS構成の基本をユースケースごとに学ぼう。AWSの中の人がサンプルをもとに解説する 多種多様なサービスを提供するAWSですが、よりよい構成にするためには、なにをどのように選ぶべきでしょうか。ユースケースに応じたAWSのシステム構成サンプルを「AWSの中の人」が解説します。 多くのIT企業が、クラウドコンピューティングサービス・Amazon Web Services（以下、AWS）を用いてシステムを構築していますが、多岐にわたるAWSの各種サービスを有効活用するには、適切なアーキテクチャ設計が重要になります。いずれのサービスにも得意・不得意があるため、それらの特徴を理解しながら、適切に使い分ける必要があるのです。 では、さまざまなユースケースにおいて、私たちはどのような判断軸に基づいてサービスを選定すべきなのでしょうか。今回はその知見を学ぶため、AWSを用いたアーキテクチャ構築のスペシャリ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
日本の生成 AI 活用を支援
