My Blog

Azure Container Instance (ACI) を用いたDocker環境の利用と学習 はじめに クラウドを活用して手軽にDocker環境を使いたい場合、Azure Container Instance (ACI) は最適な選択肢の一つです。 ACIを利用すると、仮想マシンを作成せずに、コンテナ化されたアプリケーションをすばやくデプロイできます。 本記事では、ACIを活用したDocker環境の利用方法と、それを学べるMicrosoft Learnの教材、および実際の活用事例を紹介します。 1. Azure Container Instance (ACI) とは？ Azure Container Instance (ACI) は、Azure上で軽量なコンテナを実行できるサービスです。 仮想マシンの管理不要で、すぐにコンテナを起動できます。 ACI の主な特徴 インフラ管理不要: 仮想マシンを作成せずにコンテナをデプロイ可能。 スケーラブル: 必要に応じてコンテナの数を調整可能。 柔軟なOS対応: LinuxコンテナとWindowsコンテナの両方をサポート。 ネットワーク統合: Azure Virtual Network との統合が可能。 2. ACI を使ったDocker環境のセットアップ ここでは、ACIを利用してDockerコンテナをデプロイする簡単なハンズオンを紹介します。 前提条件 Azureアカウント（無料アカウントでもOK） Azure CLI のインストール（ローカルPCでの操作が必要な場合） ステップ 1: Azureにログイン az login ステップ 2: リソースグループの作成 az group create --name myResourceGroup --location japaneast ステップ 3: ACI でコンテナを作成 今回は nginx コンテナをデプロイします。 [Read More]

Windows 11の対応CPU要件とその影響 急遽、現時点での、状況整理をします。 Windows 11は、特定のCPU要件を満たしたデバイスのみインストール可能です。 特に、Intel第8世代以降のプロセッサが必要とされており、旧世代のCPUを搭載したPCやBootCampを使用してWindowsを動作させているIntel版Macは影響を受ける可能性があります。 Windows 11対応CPUの変更点 バージョン 対応CPUリスト リリース時期 Windows 11 22H2 Intel第8世代以降 2022年後半 Windows 11 24H2 Intel第10世代以降 2024年後半 上記の変更により、Windows 11 24H2以降は第8世代・第9世代のIntel CPUがサポート対象外となる可能性があり、古いPCでは利用が難しくなります。 対応策と代替案 Windows 11の要件を満たさない場合、以下のような対応策があります。 1. Windows 10を継続利用 サポート期限：2025年10月14日まで 現在の環境を維持できるが、長期的にはセキュリティリスクが発生 2. Windows 11を手動インストール 要件を満たさないPCにもISOファイルからインストール可能（ただしMicrosoft非推奨） 将来のアップデート適用が制限される可能性 3. 仮想マシン（VM）を利用 Parallels Desktop（Pro版以上） や VMware Fusion でWindows 11を仮想環境で動作 公式サポートされている仮想マシンならWindows 11を利用可能 BootCampの代替手段として推奨 4. クラウドPCを活用 サービス 特徴 料金体系 Azure Virtual Desktop 企業向け仮想デスクトップ環境 従量課金制 Windows 365 個人・企業向けクラウドPC サブスクリプション制（月額固定） Amazon WorkSpaces AWSの仮想Windows環境 従量課金制 クラウド上のWindows環境を利用することで、ハードウェア要件を気にせず最新のWindowsを使用可能 ネットワーク環境に依存する点がデメリット 5. [Read More]

Azure Container Instances (ACI) を活用したお手軽な学習・開発環境 はじめに Azure Container Instances (ACI) を使うと、仮想マシンを用意することなく、簡単に Windows や Ubuntu などのコンテナ環境をクラウド上で利用できます。 本記事では、実践に沿った ACI の基本概念、簡単なハンズオン、活用事例について紹介します。 Azure Container Instances (ACI) とは？ ACI は、Azure 上でコンテナを実行できるサービスであり、以下の特徴があります。 仮想マシン不要：インフラの管理が不要で、コンテナ単位でデプロイ可能 迅速なスケール：リソースの割り当てが自動で、すぐにコンテナを起動 Windows/Linux 両対応：Windows Server コンテナや Ubuntu などの Linux コンテナが利用可能 コスト効率が高い：使用した分だけ課金されるため、短時間の学習や開発に最適 簡単なハンズオン ACI で Ubuntu 環境を立ち上げる 必要なもの Azure アカウント（無料アカウントでもOK） Azure CLI（ローカル環境で使用する場合） 1. Azure CLI でログイン az login 2. ACI で Ubuntu コンテナを作成 az container create --resource-group myResourceGroup \ --name myUbuntuContainer \ --image ubuntu \ --cpu 1 --memory 1. [Read More]

情報系学生におすすめのクラウドサービス教材と事例紹介 はじめに クラウドサービスは、学生や若手エンジニアが研究や開発を進める上で非常に有用なツールです。 特に、データ分析、機械学習、システム開発、インフラ管理など、多岐にわたる分野で活用されています。 本記事では、学生におすすめのクラウドサービス教材と、簡単なハンズオン、実際の活用事例を紹介します。 おすすめのクラウドサービス 1. Microsoft Azure Azureは、幅広いクラウドソリューションを提供しており、学生向けの無料プランもあります。 主な特徴 仮想マシン、データベース、AI/MLサービスの提供 無料アカウントで一定のクレジットが付与 Microsoft Learnでの充実した学習コンテンツ おすすめ教材 Microsoft Learn - Azure Fundamentals Azure for Students 2. Google Cloud Platform (GCP) GCPは、データ分析や機械学習向けのツールが充実しており、特にBigQueryやVertex AIが注目されています。 主な特徴 データ処理向けのBigQuery、ML開発向けのVertex AI 学生向けにGCPクレジットを提供 CourseraやGoogle Cloud Skills Boostを通じた学習プログラム おすすめ教材 Google Cloud Skills Boost Coursera - Google Cloud Specializations 3. AWS (Amazon Web Services) AWSは、クラウド市場でのリーダー的存在で、EC2（仮想マシン）やS3（ストレージ）などの基本機能からAIサービスまで幅広く利用できます。 主な特徴 世界最大規模のクラウドプロバイダー 豊富な学習リソース（AWS Academy、AWS Educate） 無料枠での利用が可能 おすすめ教材 AWS Educate AWS Training and Certification 簡単なハンズオン ここでは、Azure Container Instance（ACI）を使ってDocker環境をクラウド上に構築する簡単なハンズオンを紹介します。 [Read More]

技術系勉強会等（クラウドやCTF）参加のススメ はじめに 技術系勉強会は、最新技術を学び、実践的なスキルを磨き、エンジニア同士の交流を深める絶好の機会です。 特にクラウドやCTF（Capture The Flag）の分野では、実際の環境で試せるハンズオン形式の勉強会や、実力を試せる場が豊富にあります。 本記事では、高校生や若手エンジニア向けに、おすすめの勉強会やサービス、参加のメリットについて紹介します。 技術系勉強会に参加するメリット 1. 最新技術の習得 勉強会では、業界の第一線で活躍する専門家が最新技術やトレンドを解説します。クラウド技術やセキュリティの最前線を学ぶには最適です。 クラウド系コミュニティでは、Japan Azure User Group などの有志によるコミュニティも活発でお勧めです。 Japan Azure User Group（https://r.jazug.jp/） 今回は、場の紹介という点で、公式もしくは、1人でも手探りで参加しやすそうな場を取り上げます。 2. 実践的なスキルを磨ける 多くの勉強会はハンズオン形式で行われ、実際にコードを書いたり、クラウド環境を構築したりしながら学べます。 3. コミュニティとのつながり 他のエンジニアや技術者と交流することで、新しい知見を得たり、キャリアのヒントを得たりすることができます。 4. モチベーションの向上 同じ興味を持つ仲間と学ぶことで、モチベーションが高まり、学習を継続しやすくなります。 おすすめの技術系勉強会・サービス クラウド関連 Microsoft Learn Community（https://learn.microsoft.com/） Azureに関するハンズオンやイベントが定期的に開催されている。 AWS Hands-on for Beginners（https://aws.amazon.com/events/） AWSの基礎を学べるハンズオンイベント。 Google Cloud Innovators（https://cloud.google.com/innovators） Google Cloudの活用方法を学べるコミュニティ。 CTF（Capture The Flag） SECCON Beginners（https://www.seccon.jp/） 初心者向け特化のSECCON関係CTFイベント。 picoCTF（https://picoctf.org/） 学生向けのオンラインCTF、セキュリティを基礎から学べる。 CTFtime（https://ctftime.org/） 世界中のCTF大会のスケジュールを確認できるサイト。 その他の技術系勉強会 connpass（https://connpass.com/） 日本国内の技術系勉強会が集まるプラットフォーム。 Doorkeeper（https://www.doorkeeper.jp/） 多少技術寄りではない会も見受けられるが、様々なイベントが登録されている。 Meetup（https://www.meetup.com/） 国際的な多種多様なコミュニティイベントを検索可能。 参加のコツ 1. 興味のある分野を絞る クラウド、セキュリティ、AIなど、自分が特に興味を持っている分野の勉強会を選びましょう。 2. 初心者向けイベントから参加 最初から高度な内容のイベントに参加すると難しく感じることがあるため、初心者向けのハンズオンや基礎講座を活用しましょう。 [Read More]

Azure Machine Learningを活用した手軽な機械学習モデルの利用事例 1. はじめに 近年、数学・工学系の研究者や開発者にとって、機械学習（ML）は重要なツールとなっています。しかし、多くの研究者は「環境構築が大変」「計算リソースが足りない」「セキュリティが心配」などの課題に直面します。 そこで、本記事では**Microsoft Azure Machine Learning（Azure ML）**を活用し、手軽に機械学習モデルを利用する方法とそのユースケースを紹介します。 2. Azure Machine Learningとは？ Azure Machine Learning（Azure ML）は、Microsoft Azureが提供するクラウドベースの機械学習プラットフォームです。主な特徴は以下の通りです。 環境構築不要：クラウド上でJupyter NotebookやPython SDKをすぐに利用可能。 スケーラブルな計算環境：GPU/CPUを選択し、オンデマンドでリソースを拡張。 簡単なモデル作成：ドラッグ＆ドロップで使えるAzure ML Designerや、AutoML機能を搭載。 エンタープライズ向けのセキュリティ：Azure Active Directoryや暗号化機能により安全な環境を提供。 3. 研究・開発用途での活用事例 3.1 数学・工学系のデータ解析と予測モデル 物理シミュレーション結果の解析 数値解析の出力データをAzure MLに取り込み、統計分析やトレンド予測を行う。 例：流体力学のシミュレーション結果を解析し、異常なパターンを機械学習で自動検出。 最適化問題の解決 線形計画法、非線形最適化の結果を強化学習で改善し、より効率的な解を求める。 例：材料工学の分野で最適な合金組成を探索するための機械学習モデル。 3.2 画像解析を用いた研究支援 顕微鏡画像の分類 生物学・医学研究で利用される顕微鏡画像をAzure MLで自動分類。 例：細胞画像を**畳み込みニューラルネットワーク（CNN）**で解析し、異常細胞を検出。 材料解析 材料工学において、金属やポリマーの結晶構造画像を機械学習で解析。 例：X線回折データを基に新しい材料特性を予測。 3.3 センサーデータの異常検知 IoTデバイスのデータ解析 物理・工学研究で利用するセンサーからのデータをAzure MLで解析し、異常を自動検出。 例：実験室の温度・湿度センサーのデータを用いて、異常値をリアルタイムで警告。 製造プロセスの最適化 工場や研究室の装置からのログデータを解析し、故障の予兆を検出。 例：半導体製造プロセスのデータから、異常なパターンを学習し、品質管理を改善。 4. セキュリティとデータ管理 Azure MLはエンタープライズレベルのセキュリティを提供し、研究データの保護を強化します。 4.1 データの安全管理 デフォルトでデータ暗号化 Azure Active Directoryによるアクセス制御 **プライベートネットワーク設定（VNet統合）**により、研究データを外部から隔離。 4. [Read More]

Azure Machine Learningで学ぶ！簡単な家計簿＆気温データの可視化 1. はじめに 最近、「データ分析」や「AI（人工知能）」という言葉をよく聞くけれど、なんだか難しそう…と思っていませんか？実は、小学生でも楽しく学べる方法があります！ 今回は、**Microsoft Azure Machine Learning（Azure ML）**を使って、家計簿データと日本の気温データを簡単に分析＆可視化する方法を紹介します。 2. Azure Machine Learningってなに？ Azure Machine Learning（Azure ML）は、Microsoft Azureが提供するクラウドベースの機械学習プラットフォームです。 つまり、「インターネット上にあるスーパーパソコン」を使って、AIやデータ分析ができるサービスです！ 主な特徴は： ✅ パソコンにソフトを入れなくても使える！ ✅ 難しいプログラムなしでデータを分析！ ✅ クラウドなので、いつでもどこでもアクセス可能！ 3. 【事例①】Azure MLで簡単！家計簿データを分析して節約しよう📊 3.1 家計簿データを用意しよう まずは、1ヶ月の家計簿データを用意します。例えばこんな感じ： 日付 費目 金額（円） 2025/02/01 食費 2000 2025/02/02 交通費 500 2025/02/03 食費 1500 2025/02/04 娯楽費 3000 2025/02/05 交通費 700 3.2 データをAzure MLにアップロード📤 Azure Machine Learning Studioにログイン データセットを作成（CSVファイルでアップロード） Azure MLの可視化ツールを使って分析開始！ 3.3 家計簿の可視化をしてみよう📈 Azure MLのデータ可視化ツールを使うと、こんなグラフが簡単に作れます！ 【例①】費目ごとの支出割合（円グラフ）📊 どの費目にお金を使っているか、一目でわかる！ 【例②】日別の支出推移（折れ線グラフ）📉 どの日にたくさん使ったかチェック！ [Read More]

Azure Blob Storageを活用した安全な研究・開発用データ置き場の構築 1. はじめに 数学・工学系の研究者や開発者にとって、大規模なデータセットを安全に保存し、アクセスできる環境は不可欠です。特に、シミュレーションデータや実験データの長期保存、共同研究のためのデータ共有、機械学習のトレーニングデータ管理などのユースケースでは、スケーラブルで高いセキュリティを持つクラウドストレージが求められます。 本記事では、Microsoft Azure Blob Storageを活用して、安全な研究・開発用のデータ置き場を構築する方法を紹介します。 2. Azure Blob Storageとは？ Azure Blob Storageは、Microsoft Azureが提供するクラウドベースのオブジェクトストレージで、以下のような特徴を持ちます。 スケーラブル：データ容量に制限がなく、大規模データの保存が可能。 高セキュリティ：データ暗号化、アクセス制御、リージョン冗長性が標準提供。 コスト最適化：アクセス頻度に応じたストレージ階層（Hot, Cool, Archive）を選択可能。 グローバルアクセス：インターネット経由で世界中から安全にデータにアクセス可能。 3. 研究・開発用途での活用方法 Azure Blob Storageは、以下のような研究・開発のユースケースに適しています。 3.1 数学・工学系研究データの保存・管理 大規模な数値シミュレーション結果（例：気象シミュレーション、流体解析）をクラウドに保存し、研究チーム内で共有。 数学的モデルや計算結果を長期保存し、後の再検証に活用。 研究論文のデータセットを公開し、共同研究者や学生と共有。 3.2 AI・機械学習用データセットの管理 トレーニングデータの保存：画像・音声・テキストデータを大量に保持し、Azure Machine Learningと連携可能。 モデルのバージョン管理：学習済みモデルをBlob Storageに保存し、実験の再現性を向上。 3.3 実験データの長期アーカイブ 物理・化学・生物学の実験データをAzure Archive Storageに移動し、低コストで長期保存。 IoTセンサーやロボットのログデータを保存し、長期的な解析を可能に。 4. セキュリティとデータ保護 Azure Blob Storageは、高度なセキュリティ機能を提供し、研究データを安全に管理できます。 4.1 データ暗号化とアクセス制御 デフォルトでデータ暗号化（Azure Storage Service Encryption）。 Azure Active Directory (Azure AD)と統合し、厳格なアクセス制御を実施。 ネットワークレベルの制限（Private Link, Firewall）により、不正アクセスを防止。 4.2 リージョン冗長性（Geo-Redundancy） データの自動バックアップ：地理的に異なるリージョンにデータをレプリケーション可能。 **RA-GRS（Read-Access Geo-Redundant Storage）**により、障害時にも別リージョンから読み取りが可能。 5. [Read More]

Azureストレージを活用した外部ストレージの再現とその活用方法 1. はじめに 研究データや実験結果の保管には、長期的に安全に保存できるストレージ環境が必要です。特に、数学・工学系の研究者にとって、大量のシミュレーションデータや測定結果を管理するための予備データ保管庫の構築は欠かせません。本記事では、Microsoft Azureのストレージサービスを活用して、外部ストレージを再現する方法を解説します。 2. Azureのストレージサービスとは？ Azureにはさまざまなストレージサービスがあり、用途に応じたデータ管理が可能です。以下に主要なストレージサービスを紹介します。 2.1 Azure Blob Storage（オブジェクトストレージ） 特徴: 大量の非構造化データ（例：画像、動画、バイナリデータ）の保存に適している。 用途: 研究データやバックアップの長期保存。 2.2 Azure Files（クラウドベースのファイル共有） 特徴: SMB/NFSプロトコルをサポートし、オンプレミス環境とも連携可能。 用途: 実験データや論文のバージョン管理、共同研究環境のファイル共有。 2.3 Azure Data Lake Storage（大規模データ処理向けストレージ） 特徴: 大量のデータを分析・処理するための最適化がされている。 用途: AI・機械学習モデルのトレーニングデータの保存。 2.4 Azure Archive Storage（低コストの長期保存向け） 特徴: 頻繁にはアクセスしないが、長期保管が必要なデータ向け。 用途: 過去の実験データ、学術研究のアーカイブ。 3. 予備データ保管庫の構築と活用 3.1 研究用途での活用 数学・工学系の研究者は、以下のようなユースケースでAzureストレージを活用できます。 機械学習・AI研究：大量のトレーニングデータをAzure Data Lakeに保存し、Azure MLと連携。 実験データ管理：Azure Blob Storageを用いて実験データをバージョン管理。 論文・資料管理：Azure Filesを利用し、共同研究チームでのファイル共有をスムーズに。 3.2 セキュリティとデータ保護 データ暗号化: 保存時（静的データ）と転送時（動的データ）の両方で暗号化が可能。 アクセス制御: Azure Active Directoryと統合し、厳密な権限管理を実現。 リージョン冗長性: 地理的に離れたデータセンター間でバックアップが可能。 3.3 スケーラビリティの考慮 Azureストレージは、使用量に応じて拡張可能なため、研究データが増えても問題なく対応可能です。 ストレージサービス 容量制限 自動スケール 主要な用途 Azure Blob Storage 無制限 ◯ 研究データ・バックアップ Azure Files 100TB ◯ チームでのファイル共有 Azure Data Lake 無制限 ◯ AI・機械学習データ Azure Archive Storage 無制限 ◯ 低コストの長期保存 4. [Read More]

Microsoft Cloudを活用したCTF競技・学習環境の構築妄想 1. はじめに Capture The Flag（CTF）は、サイバーセキュリティを学ぶための競技形式の学習プラットフォームとして広く利用されています。 Microsoftのクラウドサービスを活用してCTF環境を構築する方法を考えてみたので、それらを列挙整理し、特に数学・工学系の研究者が活用できるユースケースもおまけとして紹介します。 費用や運用規模、管理コストなどは考慮せずに、ぱっと思いついたユースケースやメリットを整理しております。その点はご了承ください。 2. 基本的な用語解説 (1) CTF（Capture The Flag）とは？ CTF（Capture The Flag）: セキュリティの脆弱性を発見し、課題を解決する競技形式のイベント。 ジャンプボックス（Jump Box）: 安全な管理環境を提供する中継サーバー。 仮想ネットワーク（Virtual Network）: クラウド内で構築される仮想的なネットワーク環境。 コンテナ（Container）: 軽量な仮想化技術を利用した隔離環境。 (2) Microsoft クラウド関連技術 Azure Virtual Machines: クラウド上で仮想マシン（VM）を作成できる。 Azure Kubernetes Service（AKS）: コンテナ化されたCTF環境をスケーラブルに運用可能。 Azure DevOps: CTF用の課題環境を自動構築するためのCI/CD機能を提供。 Microsoft Defender for Cloud: CTF環境のセキュリティ監視を実現。 3. CTF環境の構築手法 (1) クラウドを活用したCTFの利点 項目 クラウド活用 従来のオンプレミス 柔軟性 必要なときに環境をスケール可能 物理サーバーの構築が必要 管理負担 Azureのマネージドサービスを活用 手動管理が多く負担大 セキュリティ Azure Security Centerで管理 物理環境のセキュリティ設定が必要 (2) Azureを利用したCTF環境の例 仮想マシンベースのCTF環境: Azure Virtual Machinesを活用し、Kali LinuxやWindows Serverを構築。 コンテナ化された環境: Azure Kubernetes Service（AKS）を利用し、競技用サーバーを分離管理。 CI/CDを活用した自動デプロイ: Azure DevOpsを用いて、CTF問題のデプロイを自動化。 4. [Read More]