技術部の小池です。
11/2(日)にカヤック鎌倉オフィスにてKanagawa.swift #2が開催されます。 SwiftやAppleプラットフォームの開発に興味がある方はぜひお気軽にご参加ください!
[フレーム]japan-region-swift.connpass.com
前回のKanagawa.swift #1の様子は以下の記事でご覧いただけます。
Kanagawa.swiftにカメラマンとして参加しました #kanagawa_swift
当日はイベント企画に加え、鎌倉近郊のお菓子なども用意される見込みです。 Swiftの学びとともに、鎌倉の魅力もお楽しみください。
また、11月にはカヤック運営のサウナ御成桑拿もオープンしている予定です。併せてご利用いただき、鎌倉での一日を存分に満喫してください。
カヤックでは土日や平日夜にオフィスをテックイベント向けに開放しています。鎌倉でイベント開催をご検討の際はぜひご相談ください!
こんにちは。グループ情報部の池田(@mashiike)です。
先日の6/25、26に幕張メッセで開催されたAWS Summit Japan 2025に参加してきました。
今年も2日間とも参加しましたが、今年はやはり生成AIが大きな話題となっていました。
さて、AWS Summit Japanといえば、毎年恒例の(削除) Elastic座布団 (削除ここまで)クッションの配布があります。
今年ももちろんゲットしてきました。そこで、参加レポートという形で、今年のクッションが例年に比べてどうだったのかを考察します。
まずは、2023年・2024年のクッションと並べて比較した写真がこちらです。
2023年のクッションには「AWS Summit Tokyo」と書かれています。実は2023年までの表記はJapanではなくTokyoだったんですね。
2024年のときは「おぉ!厚くなってる!」「Elasticさが増している!」と明らかにクッションの厚みが増しており感動しました。
今年のクッションは「2024年と厚みはあまり変わらなそう?柄が鮮やかになってるな」と思いました。
さて、今年のクッションをただ眺めるだけでは面白くありません。雑でも良いので、それっぽいElasticさの指標を測定してみたいと思い、実際に計測してみました。
このように、クッションの厚さをノギスで計測しました。
その後、Elasticさの評価のために2Lのペットボトルを乗せて再度計測しました。
このようにして、沈み込みの深さを測ることができます。
また、30秒後の厚さも測定しました。つまり、沈み込み量と回復量を考えることでElasticさを定量的に評価してみます。
実際の計測データは以下の通りです。
year,before,after,after30 2022,,, 2023,20.9,14.7,16.4 2024,45.9,36.9,37.5 2025,50.0,39.7,45.0
2022年はそもそもクッションがなかったため、空欄にしています。
このデータは各4回計測した平均値です。
実際に測ってみると、2025年のクッションのほうが若干厚みがあるようです。
Elasticさの評価を行うにあたり、せっかくAWS Summitに参加したので、学んだことを活かしたいと思います。
Day 2の11:50‐12:30のセッション「AWS‐57 『AI Agent 時代のソフトウェア開発の型 〜 Everything as Code で叡智を伝える 〜』」では、Amazon Q Developerを使って実際にコードを書くデモがありました。
そこで、私もAmazon Q Developerを使って分析プログラムを書いてみました。
README.mdには以下のように記載しています。
# AWS Summit Cushion Analysis このリポジトリは各年に開催されたAWS Summitのクッションに関するデータを分析するためのリポジトリです。 ## データに関する説明 data.csvはクッションに関する測定値です。 yearが配布された年、beforeが重りとなる2Lのペットボトルを置く前の厚さ、afterが重りを置いた後の厚さを表しています。 after30は重りを置いてから30秒後の厚さを表しています。 beforeとafter、after30の単位はmmです。 2022年はクッションは配布されませんでした。 ## このリポジトリの目標 各年のクッションの厚さおよびElasticさに関しての評価および、その傾向の推移を考察してください。 そのための分析を行うプログラムを作成してください。 ## 制約条件 - プログラムの出力はREPORT.mdになるようにしてください。 - グラフなどの画像はimagesディレクトリに保存してください。 - 推定にはベイズ階層モデリングで3つくらいのモデルを検討し、何かしらの情報量基準でモデル選択をしてください。 - Python言語で書いてください。パッケージマネージャーはuvを使用してください。 - レポートの生成には `Bedrock` を使用し、リージョンはオレゴン、`us.anthropic.claude-sonnet-4-20250514-v1:0` のモデルを使用してください。 - Converse APIを使用し、`additionalModelRequestFields` にはthinking.type.enabledを指定して、extended thinkingを有効にしましょう。 - 評価は、沈み込み率と回復量を考慮したElasticさの指標で評価してください。
完成したリポジトリはこちらです。
レポートは以下で公開しています。
レポートの内容を簡単にまとめると、「データ数が少ない」「Elasticさは収束傾向にあるかも」「見ている指標が適切か再考の余地あり」といった指摘がありました。
確かに個体差もあるでしょうし、3個のクッションだけでは結論を出すのは難しいですね。妥当な指摘だと思います。
最後にAmazon Q Developer上で「結局どうなの?」と聞いてみたところ、以下のような回答が返ってきました。
今年のクッションが最もElasticだったようです。(なるほど...)
今年もAWS Summit Japanに参加し、無事にクッションをゲットできました。
今回聴講したセッションも生成AI系が多く、AIエージェントの構築やCoding Agentの話など、濃厚な内容を聞くことができました。
そこで、学んだことを活かし、クッションのElasticさを定量的に評価するプログラムをAmazon Q Developerを使って作成しました。
結果として、Amazon Q Developer曰く、今年のクッションが最もElasticであることがわかりました。
(個人的には2024年と2025年のクッションの差は個体差の範囲かなとも思いますが...)
今年のセッションは生成AIがとても多かったので、みなさまもこのように身近なところからAIの活用を進めてみましょう。
引用をストックしました
引用するにはまずログインしてください
引用をストックできませんでした。再度お試しください
限定公開記事のため引用できません。