サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
Pixel 9
www.imagazine.co.jp
今やAIやデータサイエンスの話題は、ChatGPTの登場もあり、IT業界だけではなく日常会話でも頻繁に登場する状況になっている。その一方、社会全般でAIを活用したオートメーションが進んでいるのかと言えば、自動運転などの特定分野を除けば、まだあまり実生活上、体感するほどには進んでいないのではないだろうか。 筆者らはデータサイエンティストとして、さまざまなデータ分析やAI実装のプロジェクトに参加しているが、そこで多くの場合にぶち当たる壁がある。それは「PoCの壁」とも言えるものだ。AIやデータ活用に関しては多くのユーザーが前向きで、PoCの形でプロジェクトを始めるが、そこで作成したAIや機械学習モデルを実際の業務プロセスに活用しようとすると、まったく進まないという問題である。
アクセンチュアが世界1176社のAI活用・浸透度を調査 ~63%の企業が“PoC止まり”、AI先進企業はわずか12%、「AIの活用は、リーダーが継続的に鍛えるべきアート(芸術)」 調査レポート 表紙 アクセンチュアは6月23日、日本を含む世界15カ国・1176社の経営者を対象にしたAI調査レポート「『AI活用浸透』の極意:実践から成果へ」を発表した。 2021年8~9月に実施された調査で、1176社の経営者1615人が回答した。1176社の業種は、航空宇宙・防衛、自動車、消費財・サービスなど16業種でほぼ全業種をカバー。調査データの分析には、企業のAI活用浸透度を0~100の数値で総合的に評価するフレームワークを利用し、企業の財務・非財務データも参照した。同フレームワークには、データ、AI、クラウドなどのテクノロジーに加えて、組織戦略、責任あるAIへの対応、経営層のコミットメント、人材、企
コンテナは、軽量さやポータビリティ性の高さといった特性により、アプリケーション開発で求められる変更の柔軟性と迅速性に対応ができることから、ここ数年多くの環境で活用が進んでいる。 コンテナ管理ツールであるKubernetesはオープンソース化され、CNCF(Cloud Native Computing Foundation)に移管されてから、コミュニティを拡大しつつ、多くの企業に注目されている。 近年は、Kubernetesがコンテナ管理ソフトウェアのデファクトスタンダードとなっており、また多くのクラウド事業者がKubernetesのマネージドサービスを提供しているため、Kubernetesを活用したプロジェクトが増加している。 OpenShiftは、Red Hat社がサポートするKubernetesディストリビューションの1つであり、企業のITの観点から、Red Hat社がKubernet
銀行OpenAPI、5年間の歩みを振り返る ~OAuth 2.0への注目、日本・欧州の違い、振込APIへ向けた取り組み text:小野 真樹 日本IBM 金融イノベーションの起爆剤 銀行OpenAPIは、従来のインターネット・バンキングに代わり、多彩なアプリケーションから資産情報を利用できるようにさせ、いわゆるフィンテック企業が金融と技術を融合させ、金融イノベーションを起こす起爆剤となった。 その背景には、2017年の銀行法改正があり、フィンテック企業は消費者が銀行へ送金指示を行ったり、口座情報を照会したりするのを代行することが認められ、消費者保護のルールが定められた。 消費者にとっての利便性をテクノロジーによって向上させた結果、単なる通帳がビッグデータによるデータ分析の恩恵を受けたり、少額投資や少額送金をスマホで簡単に実現できるようになったりして、金融取引が指一本で行える時代となった。
マイクロサービス・アーキテクチャで 避けて通れない「切り出し」の話題 マイクロサービス・アーキテクチャに関わる話題は、以下の2つに大別される。 ・「モノリス」と呼ばれる大きなシステムから、どのような指針に基づき、マイクロサービス(注1)を切り出すか。 ・切り出されたマイクロサービスを組み合わせ、どのようにシステムとして機能させるか。 注1:本稿ではマイクロサービスを「十分に絞り込まれた責務が割り当てられた、凝集性・疎結合性に優れるWebサービス」と定義する。 このうち前者は、「なぜ、システムにマイクロサービス・アーキテクチャを適用するのか」という「Why」の話題として捉えられる。 それに対して後者は、「粒度が細かいマイクロサービスを組み合わせてシステムを構成することで生じる課題に、どのように対処すべきか」という「How」の話題と考えられる。 そうした意味では、システムからのマイクロサービス
多くの企業でデータ分析やAIモデル開発が一般的になりつつある。昨今は、IBM AutoAIなどの自動AI製品やSaaSが多く登場しており、プロのデータサイエンティストではない市民データサイエンティストでも、AIモデル開発を容易にスタートできる時代になっている。 AIモデルのよし悪しが、予測精度や汎用性を大きく決定する。その重要な要素として、データから有用な特徴量を作成する技術「特徴量エンジニアリング」が挙げられる。 自動AI製品にはプロデータサイエンティストが培ってきた特徴量エンジニアリングの手法が組み込まれており、初心者でも扱える。 また一方で、Kaggle等のデータ分析コンペティションでは、有用な特徴量エンジニアリング手法が多くのユーザーからコミュニティの中で提案されている。 本稿では、初級~中級のデータサイエンティストを対象に、自動AI製品に組み込まれた手法やKaggleなどで提案さ
CONTENTS 基礎知識編 01 IBM iの歴史 02 IBM iを知る6つの基本用語 03 IBM iの仮想化 04 IBM iのインターフェース 05 IBM iとデータベース 06 IBM iとファイル・システム 07 IBM iと文字コード 操作・運用編 01 IBM iの実行環境の基本 02 IBM iのストレージ管理 03 IBM iのログ 04 IBM iのユーザー管理 05 IBM iのセキュリティ 06 IBM iの印刷機能 07 IBM iの保管/復元 08 IBM iの基本操作[コマンド編] 09 IBM iの基本操作[ツール編] 10 IBM iの監視 開発編 01 IBM iの開発環境 02 IBM iの開発言語 03 IBM i開発の基礎[CL設計・開発] 04 IBM i開発の基礎[データベース設計・開発] 05 IBM i開発の基礎[RPG開発] 06
クラウドの普及とともにインフラストラクチャ、なかでもサーバーではクラウド以前と比べて要求される構築期間が大幅に短くなっている。 サーバー構築の高速化が求められるなか、それを手助けする構成管理ツールは大きな関心を集めている。そのなかでAnsibleは今、最も利用されているインフラ構成管理ツールの1つである。 本稿では、Ansibleを基本から知りたいという読者向けに、Ansibleの概要や利用方法、他の構成管理ツールとの比較、利用事例などをコンパクトにまとめて紹介する。 Ansibleとは何か Ansibleはオープンソースの構成管理とOSやソフトウェアなどの設定作業を自動化するツールであり、主にLinuxやWindowsなどの管理に利用されている。 クラウド環境やコンテナ環境でも管理可能なモジュールは提供されているが、Ansibleは基本的には管理者が手動で実行・管理していたOSコマンドや
閾値監視の限界 情報システムの安定稼働には、ネットワーク、ハードウェア、ソフトウェアなどシステムの構成要素を総合的に監視し、サービスの中断やビジネスへの影響につながりかねない障害をいち早く検知して対応することが不可欠である。 多くの情報システムでは「統合監視ツール」を導入し、システムを構成する各コンポーネントのリソース使用状況やログを監視して、障害検知を実行している。動的に推移するリソースの使用状況やアプリケーションのパフォーマンス監視方法としては、監視対象のメトリック(計測値)ごとに閾値を設定し、その閾値を上回る(または下回る)場合にアラートを発報する「閾値監視」が一般的である。 しかし閾値監視には次のような課題がある。 ・ 閾値を超えて初めて異常を検知するため、性能の段階的劣化など、メッセージを伴わないサイレント障害を早期に検知できない。 ・ 監視対象のメトリックはその時々のサーバー負
クラウド・ネイティブ・コンピューティングへの取り組みが、さまざまな局面で並行して進み大きなうねりへと成長する兆しを見せている。ユーザーは、進行しつつあるこの動きをどう捉えどのように考えて未来に備えればよいか。ISO IEC JTC1/SC38の専門委員としてクラウドの国際標準の策定にも従事する日本IBMの樽澤広亨氏に話をうかがった。 樽澤 広亨氏 日本Iアイ・ビー・エム株式会社 クラウド・テクニカル・セールス 部長 エグゼクティブ・テクニカル・スペシャリスト クラウド・アーキテクト マイクロサービスは あえて複雑なことをやっている IS magazine(以下、IS) 日本におけるクラウド・ネイティブ・コンピューティングの普及状況をどのように見ていますか。 樽澤 この3?4年、話題の中心であったコンテナへの関心は当然のこととして、Kubernetesやマイクロサービスへの関心も非常に高い、
コンテナは、数年前から主にアプリケーション開発局面で浸透してきた。アプリケーション開発サイクルが年々短縮化されるなか、機能単位でアプリケーションを疎結合するマイクロサービスが注目されている。軽量かつポータビリティ性の高いコンテナはその実装基盤として最適であり、本番アプリケーションの実行基盤として利用が広がりつつある。 コンテナ管理ツールであるKubernetesはGoogleによって開発されたのち、CNCF(Cloud Native Computing Foundation)に寄贈され、今もコミュニティは拡大し続けているのに加え、大手クラウド事業者でのKubernetesサービス提供が充実してきた。Kubernetesはコンテナ管理ソフトウェアの事実上のスタンダードであり、これからのインフラ担当者にはKubernetesの知識が必須である。 またコンテナ上でアプリケーションを実行する際、イ
ディープラーニングにはいくつかの手法が存在するが、そのなかで最も成功しているのが、畳み込みネットワークである。畳み込みネットワークは主に画像認識で用いられ、その圧倒的な精度ゆえにディープラーニングが注目される1つの要因を作り出した手法でもある。 畳み込みネットワークによる画像認識は応用範囲が広く、自動運転、監視カメラ、オンラインショッピングの商品検索など、さまざまな分野で活用が進んでいる。また少し変わったところでは、アルファ碁の碁盤の局面認識にも利用されており、その認識精度の高さがアルファ碁の強さの一因にもなっている。 連載第2回では、この畳み込みネットワークを取り上げる。 ImageNet 2012で注目を 集めた畳み込みネットワーク 世界中のコンピュータビジョン関連の研究者たちが集まる「ImageNet Large Scale Visual Recognition Challenge」
クラウド時代のモニタリング 業務でクラウドサービスを利用する企業の割合は年々増加しており、その利用形態もサーバーからクラウド上のサービスまで数多い。 そうしたクラウド利用のメリットとして、システム資産や保守体制を自社で準備・保有する必要のないこと、どこでもサービスを利用できることなどが挙げられる一方で、セキュリティやコスト面、既存システムとの連携など、多くの懸念事項も指摘される。 なかでもユーザーへのサービス提供という観点から見ると、クラウド障害は大きな脅威となり得る存在であり、クラウド環境をどのようにモニタリングするかはクラウドサービスの利用に際して避けられない課題である。 これまでのようなオンプレミス環境では、ネットワーク、ハードウェア、ストレージ、仮想化基盤、OS、ミドルウェア、アプリケーションなどといったシステムを構成する全コンポーネントをユーザーが自前で用意し、システムのモニタリ
現在、自動運転、スマートフォン、新薬開発など、さまざまな領域で人工知能、コグニティブの応用が進められているが、それとともに「ディープラーニング」(深層学習)と呼ばれる技術が注目を浴びている。ディープラーニングは、ある意味で「人間のように考える」ことができ、昨今の人工知能・コグニティブ・ブームを作り出した1つの要因ともなった技術である。本連載では、このディープラーニングの技術的な概略と代表的な手法およびその実装方法を取り上げる。第1回は、ディープラーニングの基礎であるニューラルネットワークを中心に解説を進める。 思考するアルゴリズム 280手目、黒の投了。全5局で行われたチャンピオン イ・セドルvs人工知能の囲碁対決は、最終戦も人工知能の勝利で幕を閉じた。最終戦績は、人工知能側の4勝1敗で、完全勝利と言えるものだ。勝利した人工知能は、Google傘下のDeepMind社が開発した「アルファ碁
前回は、ディープラーニングの中でも、とくに画像認識で利用される畳み込みネットワークを取り上げた。画像認識はディープラーニングの応用分野として、最も研究が盛んで、適用事例も多いエリアである。しかし、そのほかの分野でもさまざまな形での応用が進められており、そこでは畳み込みネットワーク以外の手法が利用されることも多い。 今回は、それらの中から「再帰型ニューラルネットワーク」と呼ばれる手法を取り上げて解説する。 ある時刻の値は、以前の 時刻の変化の延長上にある 再帰型ニューラルネットワーク(Recurrent Neural Network:以下、RNN)は、ニューラルネットワークを拡張して時系列データを扱えるようにしたものである。ここで言う時系列データとは、ある時間の経過とともに値が変化していくようなデータを指し、店舗の日次売上データやホームページのアクセス数履歴、工場設備のセンサデータなど、多種
インフラ構築・運用自動化が 求められる背景と課題 クラウドが普及した今日、規模の大きなシステムであっても短期間の構築・リリースが強く求められている。実際、クラウドを活用する企業のなかには、1日に数百〜数千回もアプリケーションを変更しデプロイするケースもある。 インフラについても同様で、短期間の構築が要請されている。そして今、それを可能にするアプローチとして、「Infrast ructure as Code」によるインフラ構築・運用の自動化が重要になりつつある。 本稿では、Infrastructure as Codeによるインフラ構築の自動化を実案件で経験した筆者が、そのときの知見をもとに、Infrastructure as Codeの課題と対処法について解説してみたい。 読者のなかには、インフラの構築・運用に関わるすべての作業をコード化するアプローチは、効率が悪く、手間がかかるだけと思う人
机上調査と実機検証により多角的に比較 ツール選択の参考になる「特徴・推奨ユーザー・提言」 JGS研究2016プロジェクト論文 企業が蓄積・収集する膨大なデータを、いかに分析し企業活動に役立てるかが大きなテーマになっている。その際、データ分析のためのツールは必須となるが、市場にはすでに多数のツールがあり、どれを選択すべきかは悩ましい問題である。 そこで、「Matlab」「R」「Python」「IBM SPSS Modeler(以下、SPSS)」という4つの著名なデータ分析ツールを取り上げ、さまざまな切り口で比較・検証して、それぞれの特徴や推奨ユーザーを明確にするとともに、その改善点を提言としてまとめたのが、今回紹介する論文である。 研究プロジェクトのメンバーは4名。このなかで研究対象の分析ツールについて知見をもっていたのはサブリーダーの五十嵐夢生氏(みずほ情報総研)だけで、ほかの3名は「初め
昨今は技術者でなくても、多くの人たちがFacebookやTwitterといったソーシャルネットワーキング・サービス(以下、SNS)や乗換案内のアプリを利用している。膨大なデータからどのようにして、検索を起点にした関連情報を芋づる式に、しかも即座に取り出しているのだろうか。その背景にはグラフデータベース(以下、グラフDB)やそれに類した考え方がある。 グラフDBとは一言で言うと、グラフ構造を備えたデータベースのことである。データの構造が従来のリレーショナルではなくネットワーク状になっている場合に、格納・検索の面で威力を発揮する。 グラフは「ノード」「エッジ」「プロパティ」の3要素によって、ノード間の「関係性」を表現できる(図表1)。 ノード(node):別名バーテックス、頂点。点や丸で表現されるエンティティー。「ラベル」を付けて種別を分類することが多い。 エッジ(edge):別名リレーション
Booch法やUMLの開発で知られるIBMフェローのグラディ・ブーチ(Grady Booch)氏が、「ソフトウェアエンジニアリングの歴史」と題する講演を昨年6月12日に行った(TEC-J主催)。紀元前27世紀から現在に至るまでのソフトウェアエンジニアリングの歩みを、人を軸にエピソードたっぷりに語る講演は、一般に知られていない事柄も多く、参加者を魅了した。本サイトでは、ブーチ氏の講演全文を9回に分けて掲載する。 なお、ブーチ氏が2018年4月25日に行った同題のWebinarがACMサイトで公開されている。そのスライドは日本講演のスライドと同じなので、参照していただければ幸いである。日本講演の内容は、アイマガジン編集部で英文に起こしたものをブーチ氏に確認していただき翻訳したものであることをお断りしておく。 ◎グラディ・ブーチ(Grady Booch)氏 グラディ・ブーチ(Grady Booc
近年、いわゆるAI を構成する要素技術として機械学習の発展が著しい。とくにディープラーニングはその火付け役であり、画像分類、物体検出、セグメンテーションなどの画像領域をはじめ、自然言語処理、音声認識といった分野にまで広く応用されている。その表現力の高さから、今や従来の機械学習手法を凌ぐ結果を見せている。 ディープラーニングの技術は日進月歩で進化しており、新たな研究が発表されると、すぐに実装コードが公開されたり、応用研究が進められたり、ビジネスに適用されたりする。 なかでも最近注目されている技術の1つに、「敵対的生成ネットワーク」(Genera tive Adversarial Networks。以下、GAN)がある。GANは生成モデルの一種であり、データから特徴を学習することで、実在しないデータを生成したり、存在するデータの特徴に沿って変換できる。 GANは、正解データを与えることなく特徴
ネットワークやセキュリティの担当者にとって、運用業務における機器へのその都度のセキュリティ定義の追加・修正作業はワークロードが多く、常日頃の悩みのタネだと思う。そのワークロードを削減する手段として、機器の設定変更を自動化するスクリプトなどを開発して作業の効率化を図っているのではないだろうか。 本連載では、その悩みを解決するアプローチの1つとして、Cisco社のネットワーク・セキュリティソリューションである「TrustSec」を全2回にわたって取り上げる。新しいセキュリティソリューションの一例として、ぜひ採用を検討してほしい。 TrustSec自体は実用化から10年近くたつが、従来はサポート可能な製品ラインナップが少なく適用範囲が限定的であったので、汎用的なネットワーク環境での採用が難しかった。しかしながら、近年はサポート製品が大幅に追加され、さらに機能の拡張も進んで実装しやすくなったため注
IBM・IBM iユーザーのためのメディア|モダナイゼーション・Watson・コグニティブ・Bluemix・クラウド・ブロックチェーン・セキュリティ・RPA・ハイパーコンバージド・RPG・Power Systems・AS/400にフォーカス
Node.jsの概要 昨今、JavaScriptは最もポピュラーなWebアプリ開発言語であると言っていいだろう。 当初はNetScpae Navigator用であったが、現在ではすべてのブラウザにJavaScript実行エンジンが付属しており、汎用的な言語となっている。 JavaScript実行エンジンとしてGoogleが開発したV8があるが、Node.jsはこのV8をサーバーサイドで実行させ、その上でJavaScriptを動作させる。ポピュラーなJavaScriptを使ってサーバーサイドアプリケーションを(も)構築できる点が、人気の理由となっている。 Node.jsを利用すれば、フロントエンド(ブラウザ)アプリもバックエンド(サーバー)アプリも、両方ともJavaScriptで開発できる。IBM i のNode.js(V8 JavaScriptエンジン)はPASE上で動作する。パッケージを
このページを最初にブックマークしてみませんか?
『IBM、IBM i(AS/400)専門メディア|i Magazine, IS magazine |モダナイゼーショ...』の新着エントリーを見る
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