「フォーブス・トラベルガイド2024」「フォーブス・トラベルガイド2024」において京都府のホテルが最高評価「5つ星」に2軒、「4つ星」に4軒選出されました。東京の24軒に次いで京都が2番目の多さになりました 「フォーブス・トラベルガイド2024」、国内で18施設が5ツ星を獲得 【フォーブス・トラベルガイド2024、5ツ星受賞リスト】 〈ホテル部門〉 ●ザ・キャピトルホテル 東急 ●ハレクラニ沖縄 ●エグゼクティブハウス 禅（ホテルニューオータニ） ●HOTEL THE MITSUI KYOTO ●マンダリン オリエンタル 東京 ●The Okura Tokyo ●パレスホテル東京 ●ザ・ペニンシュラ東京 ●ザ・プリンスギャラリー 東京紀尾井町 ●ザ・リッツ・カールトン京都 ●ザ・リッツ・カールトン大阪 ●ザ・リッツ・カールトン東京 ●高輪 花香路（グランドプリンスホテル高輪） 〈レストラ

ベクトルデータベース（Vector Database）／ベクトルストア（Vector Store）とは？：AI・機械学習の用語辞典 ベクトルデータベースとは、テキストなどのデータを数値ベクトル（埋め込み）として保存するデータベースを指す。「ベクトルストア」とも呼ばれる。ベクトル検索により、意味的に類似する情報を探せるのが特徴で、チャットAIのRAG構築に役立つ。本稿ではベクトル検索の機能を持つ代表的な製品の概要もそれぞれ簡単に紹介する。 連載目次 用語解説 生成系AI／自然言語処理におけるベクトルデータベース（Vector Database、ベクターデータベース、ベクトルDB）とは、主に単語や文章（テキスト）、画像、音声などの複雑なデータを、AI／機械学習／言語モデルが処理しやすい数値ベクトル表現として保存するデータベースのことである。この数値ベクトル表現は「埋め込み表現（Embeddin

これはなに ども、レバテック開発部のもりたです。最近めっちゃ元気！！ 今回は『データベースについて勉強したいあなたに送る技術書17冊(+11冊1講義7link)』として、もりたがここ半年くらいでわーっと集めたデータベース周りの書籍（とか）を紹介していきます。アプリケーションって結局はデータベースみたいなところがあると思うんですが、おれは長いことデータベースをどう学んだら良いのか分かりませんでした。同じような気持ちを抱えているITエンジニアの人もいると思うので、学習ロードマップと合わせて紹介していきます。 なお具体的な対象読者は業務でなんとなくSQL書いてるけど、ウィンドウ関数とか言われると分からんな……くらいの人です。 扱う領域と扱わない領域 扱う領域としてはだいたい以下 再入門本 SQL 内部構造 論理設計 周辺知識 データベース理論 その他高度なもの モデリング、NoSQL、分散データ

Independent analysis of AI models and hosting providersUnderstand the AI landscape and choose the best model and API provider for your use-case

はじめに セキュリティチームのぐっちーです。最近、個人的に Copilot for Microsoft 365 のエンドユーザー向け研修資料を作ったので、Webで公開しました。 Copilot for Microsoft 365 をこれから触る方の参考になれば幸いです。 また、まだ書ききれていない部分も多々あるので、日々メンテはしていきたいと思います。FBやこんな内容を盛り込んで欲しいという意見がありましたらご連絡ください！ 資料

2024/1/31に開催された【StudyCo×KAGコラボ】Azure・AWSでLLMアプリ開発レベルアップ！事例＆ハンズオンで発表した資料です。 AzureでRAGによる社内文章検索をやってみてさまざまな試行錯誤を通して得たナレッジを共有します！

こんにちは。わいけいです。 今回の記事では、生成AI界隈ではかなり浸透している RAG について改めて解説していきます。 「低予算で言語モデルを使ったアプリを開発したい」というときに真っ先に選択肢に上がるRAGですが、私自身もRAGを使ったアプリケーションの実装を業務の中で何度も行ってきました。 今回はその知見をシェア出来れば幸いです。 RAG（Retrieval-Augmented Generation)とは まず、 そもそもRAGとは何ぞや？ というところから見ていきましょう。 RAG（Retrieval-Augmented Generation) は自然言語処理（NLP）と特に言語モデルの開発において使用される技術です。 この技術は、大規模な言語モデルが生成するテキストの品質と関連性を向上させるために、外部の情報源からの情報を取得（retrieval）して利用します。 要は、Chat

Copilot for Microsoft 365とCopilotの違い 昨年Bing Chatから名称が変更されたCopilotと、Copilot for Microsoft 365の違いを詳しく見ていきましょう。 Copilot for Microsoft 365の機能のひとつであるMicrosoft 365 Chatは、Copilotと同様に生成AIとチャットで会話ができる機能です。ユーザーインタフェースなど見た目がほぼ同じで、使い勝手もそれほど違いはありません。Microsoft 365 Chatが大きくCopilotと異なる点は、ユーザーからの指示への回答のために、Microsoft 365内に保存された情報にアクセスできるという点です。 たとえば、「Copilot for Microsoft 365のメリットは何ですか？」とそれぞれに質問してみます。Copilotは、学習済みの

新型コロナウイルス禍での各種制限は緩和され、インバウンドが本格的に復活、円安など経済環境も揺れ動く中、2024年の消費はどうなるのか。マーケターが注目すべきポイントは何か。消費、広告、EC、顧客コミュニケーションの動向について、調査データや企業、専門家などへの取材から、2024年の注目点を予測する。（記事の末尾からパワーポイントファイルのダウンロードが可能です） （元の記事は → こちら） スライドの内容（全13ページ）

このNOTEの使い方◯ビジネス観点でGenerative AIの考え方を養うため ◯ファクト集・投資動向・インプリケーション ✗生成AIとは・技術解説・技術動向など 注：サマリーはすべて生成AIで要約し翻訳したものです。 とりあえずこれを読め

2023年は「ChatGPT」をはじめとする生成AI（人工知能）がIT業界の話題を総取りしました。2024年も生成AIを巡る動きは、引き続きIT／デジタルの中心を占める存在であり続けそうです。 デジタルトランスフォーメーション（DX）をはじめとするIT活用を率いる立場のCIO（最高情報責任者）やCDO（最高デジタル責任者）は、生成AIの存在を前提に事業の見直しや業務改革、新規事業の創出に取り組まなければなりません。 一方で気になるデータもあります。スイスのビジネススクールであるIMDが発表した2023年版の世界デジタル競争力ランキングによれば、日本の順位は32位。前回調査よりランクを3つ下げ、2017年の調査開始以来過去最低でした。個別の項目では30位だった「技術」と28位だった「将来の準備」が、ともに32位に下落。IMDは「技術的枠組みや科学的集積における優位性を、ビジネスの俊敏性、規制

マーケティングの世界は今、新しいステージに移行しています。よく知られている従来のマーケティングの「常識」だけでは、消費者の心を揺さぶり買ってもらえるような商品・サービスを生み出すことは難しくなりつつあります。実務経験に基づいて、「新しいマーケティング」の姿に迫ってみようと思います。 ※書籍『超図解・新しいマーケティング入門』（日経BP、2020年刊）から一部抜粋して再掲載 ※執筆者の肩書は書籍刊行当時。現在は、経営企画局長／マーケットデザイントランスフォーメーションユニット エグゼクティブマーケティングディレクター 24年1月にスタートした教育系新連載「1週間で分かるマーケ講座」シリーズ。第1弾がこの「超図解・新しいマーケティング」であり、デビューしたばかりの新人マーケターが最初に身に付けるべき知識のうち、基本の「キ」について、マーケティングの「新しい姿」も展望しながら紹介していく（Sum

DX（デジタルトランスフォーメーション）により、注目が高まる「データドリブン経営」。経営層から現場まで全社員がデータを活用して業務を進めるよう、社内の体制や文化を築く取り組みだ。 多くの企業がデータドリブン経営の推進を経営目標に掲げる一方で、ガートナージャパンの調査によると、全社的なデータ活用について「十分に効果が出ている」と感じる企業は数％しかない。 データドリブン経営に取り組む企業は、どうして効果を十分に感じられない「残念」な状況に陥ってしまうのか。データドリブン経営を支援するコンサルティング会社や、データ基盤・活用のツールベンダー、そしてデータドリブン経営に取り組む企業への取材を基に、その原因と対策を探る。 前回はデータドリブン経営に向けた準備について取り上げたが、今回はデータドリブン経営に着手して数年たった企業が陥りがちな残念ポイントを取り上げる。データドリブン経営を継続し、成果を

Simplifying Data Analysis & Visualization with Developer Tools & AI

マーケターが高い成果を目指す上で必須ともいえる、マーケティング指標と計算式を分かりやすく解説する連載。ECなどネットビジネスやサブスクリプションのサービスは、どの分野の企業でも無関係ではいられなくなりつつある。第2回は、ネットビジネスやサブスクサービスでよく使う指標を取り上げる。

正月もいよいよ大詰め。 とはいえ、AIは待ってはくれない、ということで昨日から「デイリーAIニュース」を再開しています。今週だけ過去の特番を全て見れるスペシャル仕様になっているのでこの機会にぜひ去年のAIの流れと基礎知識を振り返ってみてください。 さて、昨年末は怒涛のようにいろんな日本語対応のオープンLLMが公開されました。 東工大のSwallow-70Bや、Elyza13B、LightblueのQarasu-14Bなどです。 僕がよく使う「Wikipediaの内容を要約して会話データセットを作る」というタスクをそれぞれのLLMにやってもらいました。その結果を書いておきます。 各テストの動作環境はうちの社長(AI)こと継之助です。現在のスペックは以下 ・GPU NVIDIA A100 80GBx8 ・256GB RAM ・20TB SSD(RAID0) ・20TB HDD(RAID0) ・

はじめに 最近プロジェクトマネジメント関連の仕事をする機会が増え、(駆け出しですが)要件定義や設計関連の業務もするようになったので、私の経験を基に要件定義の具体的なプロセスや考え方について、まとめていきます。 この記事の対象者 要件定義の基本や思考プロセスを学びたい人 エンジニアからプロジェクトマネジメントをやりたい人 ビジネスサイドとエンジニアサイドのコミニュケーション能力を向上させたい人 具体的な事例を通して要件定義を学びたい人 前提 紹介する内容はあくまで一例であり、プロジェクトやチームの状況に応じて調整が必要 あくまで自分(駆け出しPM)の経験に基づいた内容を言語化しています プロジェクト規模は10名〜20名のWebアプリ開発を想定しています システム開発の全体像 一般的なシステム開発のプロジェクトは下記のフェーズで進んでいきます。 ※ コンサルの領域だと要件定義の前に企画構想とい

Image made by DALL-E / BRIDGE 2023年は生成AIと基盤モデルの話題がすべてだった。しかし企業がワークフローにおいて生成AIを真剣に使おうとすればするほど、データ管理を整えることがいかに重要であるかに気付き出したのだ。 企業は常にビジネスの成功における高品質データの役割を理解していたが、生成AIの台頭によってその価値はさらに高まり、誰もがデータに注目するようになった。2024年はさらに大きな生成AIのストーリーが生まれると予想されている。そこで本稿では業界をリードする専門家やベンダーたちに、データ・エコシステムが今後の数カ月でどのように進化するかについて、それぞれの予測を語ってもらった。 1.リレーショナルはSQLから脱却する 最新のエッジ、IoT、または生成AIアプリケーションを活用してビジネスを成長させるにせよ、2024年の企業の大胆な計画には事欠かない。

- PostgreSQLカンファレンス 2021 - チュートリアル - https://www.postgresql.jp/jpug-pgcon2021 - 詳細はこちら https://github.com/soudai/pgcon21j-tutorial

2023年の1年間、ChatGPTやMidjourneyなどの生成AIを使い続けて、得た知見をブログやYouTubeにて情報発信してきました。 僕は生成AIのユーザーでしかありませんが、音楽も映像も画像編集もコーディングもライティングも、どれもこれも生成AIに助けられてきた人間として、生成AIが今年どう進化していくかを予想してみたいと思います。 paiza転職について詳しくはこちら もうしばらくはChatGPT一強時代が続きそう 2024年も、もうしばらくはChatGPTが飛び抜けて強そうです。GPTがLLMとして優れているだけでなく、ChatGPTのユーザーインターフェースが優秀すぎます。 チャットで喋るだけという手軽さで、様々なプラグインの利用、DALL·E 3による画像生成、画像の解析など、様々なサービスを渡り歩かなくてもChatGPTだけで完結できるのが素晴らしいです。 また、GP