この記事はラクスパートナーズ Advent Calendar 2023 の15日目の記事になります。

はじめに

この記事を書いてるのが　2023/12/14 22:52 です。
締切まで１時間と少しです。

焦りながら書いてるので、誤字脱字があっても許してもらえると嬉しいです。

GPTsとは

特定の目的に合わせてChatGPTをカスタマイズできる代物で、ノーコードみたいなイメージです（適当）
自分好みに回答してくれたりするオリジナルChatGPTを作れるのですよ。

誰が使えるのか

ChatGPT Plusに登録しているユーザのみとなります。
よって月額$20を払える上級国民だけが使えます。

どんなGPTsを作ったのか

端的にいうと、技術面接をしてくれるGPTsを作成してみました。
エンジニアであれば転職、面談などのタイミングで技術面接なるものがあります。
そんな時に「そんな難しい質問答えられないよー！！！あわわわわわ！！！！！」とならないために作成してみました。

※自身のキャリアを振り返ったり、技術レベルの確認に使用するのもいいかもしれないですね。

その名も「Interview Coach」

この記事用に作成したのでダサい名前です。

さっそく実際のやり取りと画面

作成途中の画面

左半分がアプリの構成についてのディスカッションで、
右半分が実際のアプリのプレビュー版です。

やりとり

User
わたしはAWSを専門とするITエンジニアです。
面接をお願いします。

GPT
了解しました。AWSを専門とするITエンジニアとしての面接を開始しましょう。まず、あなたの経験や技術スキルに関する質問から始めます。

AWSでのご経験について教えてください。具体的なプロジェクトや使用したサービスについて詳しくお聞かせください。
AWSのどのサービスやツールを得意としていますか？それらを使用してどのような課題を解決しましたか？
面接では、これらの質問に対するあなたの回答を通じて、技術的な知識だけでなく、問題解決能力やプロジェクトでの経験を評価します。回答をお聞かせください。

User
マルチリージョンデプロイメントと災害復旧: AWSのグローバルインフラストラクチャを利用して、複数リージョンにわたるデプロイメントを実施しました。Amazon Route 53とAmazon CloudFrontを用いてトラフィックを適切に分散し、低遅延かつ高可用性を実現。災害発生時には、別のリージョンへの迅速なフェイルオーバーを可能にしました。

ビッグデータとリアルタイム分析: Amazon KinesisとAmazon EMRを組み合わせて、ビッグデータのストリーム処理と分析を行いました。これにより、大量のデータをリアルタイムで処理し、即座にビジネスインサイトを得ることが可能になりました。

高度なAWSサービスの専門知識でいうと
機械学習とAIの統合: Amazon SageMakerを使用して、機械学習モデルの開発、トレーニング、デプロイメントを行いました。これにより、アプリケーションに高度な予測分析と自動化機能を組み込むことができました。

サーバーレスアーキテクチャの高度な利用: AWS LambdaとAmazon API Gatewayに加え、Amazon SQS、Amazon SNS、およびAWS Step Functionsを統合し、高度なサーバーレスワークフローとイベント駆動型アプリケーションを構築しました。これにより、ビジネスロジックのスケールと管理が大幅に改善されました。
カスタムVPC設計とセキュリティ自動化: AWSの高度なネットワーキング機能を駆使し、複雑なセキュリティ要件を満たすカスタムVPCを設計しました。また、AWS LambdaとAmazon CloudWatch Eventsを使用して、セキュリティ監視とレスポンスプロセスを自動化しました。

GPT
素晴らしい経験をお持ちで、AWSの幅広いサービスとアプリケーションに精通していることが伺えます。特に、マルチリージョンデプロイメント、ビッグデータとリアルタイム分析、機械学習とAIの統合、サーバーレスアーキテクチャ、そしてカスタムVPC設計とセキュリティ自動化に関する実績は、多くの企業が求める重要なスキルセットです。

次に、これらの経験を踏まえて、以下の質問に答えていただけますか？

マルチリージョンデプロイメントを行う際に直面した最も大きな課題は何でしたか？また、その課題をどのように解決しましたか？

ビッグデータプロジェクトでのAmazon KinesisとEMRの組み合わせによる具体的な成果はどのようなものでしたか？

サーバーレスアーキテクチャの設計において、パフォーマンスとコスト管理のバランスをどのように取っていましたか？

これらの質問には、具体的なシナリオや対処方法を含めて回答すると、面接官にあなたの問題解決能力や技術的洞察をより深く理解してもらうことができます。

マルチリージョンデプロイメントでの主な課題と解決策:

課題: マルチリージョンデプロイメントの主な課題は、データの一貫性、ネットワークレイテンシ、およびデータ同期の複雑さです。特に、複数のリージョン間でのデータレプリケーションを効率的に行い、同時に高可用性を保つことが難しいです。
解決策: この課題を解決するために、Amazon Route 53のジオロケーションルーティング機能を使用して、ユーザーを最も近いリージョンに自動的にルーティングしました。また、Amazon DynamoDB Global Tablesを利用して、複数リージョン間でデータを自動的にレプリケートし、読み取り/書き込み操作の一貫性を保ちました。
ビッグデータプロジェクトでのAmazon KinesisとEMRの結果:

プロジェクトでは、Amazon Kinesisを使用してリアルタイムのデータストリームを捕捉し、Amazon EMRを利用してこれらのデータストリームを処理しました。具体的な成果としては、リアルタイムのデータ分析を通じて、顧客行動のパターンを把握し、即座にマーケティング戦略を調整することができました。また、EMRの強力な分散処理能力を活用して、大量のデータを迅速に処理し、ビジネスインテリジェンスと意思決定をサポートする洞察を提供しました。
サーバーレスアーキテクチャにおけるパフォーマンスとコストのバランス:

サーバーレスアーキテクチャ、特にAWS Lambdaを利用する際の主な課題は、パフォーマンス（特に冷始動時間）とコストのバランスを取ることです。
このバランスを取るために、Lambda関数のメモリとタイムアウト設定を最適化し、パフォーマンスを向上させました。また、不要なLambda呼び出しを削減するために、API Gatewayとの統合を見直し、効率的なリクエストルーティングを実装しました。コスト管理には、AWSのコストエクスプローラーを使用して、リソースの使用状況とコストを継続的に監視し、コストパフォーマンスの良い運用を実現しました。

GPT
あなたのマルチリージョンデプロイメント、ビッグデータプロジェクトでのAmazon KinesisとEMRの活用、そしてサーバーレスアーキテクチャに関する経験は非常に印象的です。これらのプロジェクトでの課題への対応方法は、あなたの技術的洞察力と問題解決能力を示しています。

特に、マルチリージョンデプロイメントでのデータ一貫性の確保や、ビッグデータプロジェクトでのリアルタイムデータ分析の活用、さらにサーバーレスアーキテクチャのパフォーマンスとコストの最適化は、AWSを使用した複雑なシステムの構築において重要な要素です。

次に進んで、ビヘイビアル面接の質問をいくつかいたします。これは、あなたの対人スキルやチーム内での役割、プロジェクト管理能力などを評価するためです。

チームの中で直面した困難な状況を一つ挙げてください。それをどのように乗り越えましたか？
プロジェクトで意見の対立があった時、どのようにして解決しましたか？
プロジェクトの期限に間に合わせるために、どのような時間管理や優先順位付けを行いましたか？
これらの質問に対するあなたの回答は、あなたのチームワークやリーダーシップ、そして時間管理スキルを面接官に伝える機会となります

といったように実際の面接形式でやり取りをすることができます。
こんないい感じのアプリがすぐにできてしまうのが　GPTs のすごいところです。
みなさんも思い思いの GPTs を作成してみては？

おわり

完了時間： 2023/12/14 23:15
駆け足で書いた記事ですが「いいね」ください。承認欲求の塊です。

Interview Coach　使ってみてね。

実際の画面（通常のChatGPTと一緒）