ベトナムIT企業のトップ

ベトナムIT企業おすすめ7選を比較【2023年度版】

20年にわたりグローバル化を進めてきたベトナムIT企業は、国際的な信頼と認知を築いて、世界のテクノロジー地図の中でその地位を確立してきました。高品質な若手IT人材、競争力のある人件費、成長を推進する経済、やベトナム政府の積極的な支援の等により、ベトナムはアウトソーシング先ランキングのトップ5に入っています。ベトナムも2014年以来、日本市場で2番目に好きなパートナーとなり、アメリカ、ヨーロッパ、韓国、香港、やオーストラリアなどの主要市場でも認知されています。 もし良いベトナムのITサービス企業を探しているのであれば、このリストは役立つと考えられます。本記事では、ベトナムで高品質なITサービス・ソリューションを提供する一流の会社を紹介するだけでなく、ベトナムのIT会社に外注すべき理由、そして最適なパートナーを選択するポイントを説明していくので、是非ご一読ください! 一流なベトナムIT企業一覧 設立年、従業員数、業績や資格、提供サービスなど、入念に調査した項目に基づき、各社を比較しています。貴社のニーズに最適なサプライヤーを見つけるお手伝いをさせてください。   設立年 従業員数 主なサービス FPTソフトウェア 1999 27,000名 ・システム開発・運用・マイグレーション・AI(人工知能)、ロボティック・プロセス・オートメーション(RPA)、最新テクノロジーサービス・カスタムソフトウェア開発 ・ITマネージドサービス ・非音声BPO /ブラックオフィスサービス Lotus Quality Assurance 2016 約300名 ・ソフトウェアテスト (Webアプリテスト、モバイルアプリテスト、自動化テスト、組み込みテスト、統合テスト)・車載ソフトウェアテスト・ソフトウェア開発(Webアプリ開発、モバイルアプリ開発)・ブロックチェーン開発・ソフトウェアの保守とアップグレード・ビジネス・プロセス・アウトソーシング(BPO)(データアノテーション、データ収集、データ変換) Shift Asia 2016 約200名 ・アプリケーションテスト ・ERPコンサルティングとSI・サイバーセキュリティ ・モバイルアプリ開発 ・ユニファイドコミュニケーションコンサルティングとSI・Web開発・カスタムソフトウェア開発 CMC Global 2016 約1000名 1. 世界水準のオフショア開発:カスタムソフトウェア開発、ソフトウェア保守、レガシーマイグレーション、テスティングサービス 2. デジタルトランスフォーメーション:クラウドサービス、ローコード、データ、アナリティクス、AI 3. ソリューション:顔認証ソリューション(CIVAMS.Face)、CMC Social Listening、CMC Chatbot、C-ID Reader、C-CA、SOC(Security Operation Center) 株式会社VTI 2017 1000名以上 モバイルアプリ開発、マイグレーション、保守&運用支援、IoT、クラウドコンピューティング、AIサービス リッケイソフト(Rikkeisoft) 2012 1600名以上 1. IT サービス ・ソフトウェア開発 ・マネージドサービス ・品質保証 ・システムマイグレーション…

自動テストとは ?手動テストとは?どちらを選択すべきか?| LQA

自動テストと手動テスト:企業にとって費用効果の高いソリューションはどれか?

IT業界の現実からみれば、手動テストは依然としてテストプロセスに重要な役割を果たしており、特性を持っているため、プロセスから排除することはできないものです。どれでも企業にコスト効率とセキュリティ対策の大きなチャンスをもたらすことができる技術です。この記事では、企業が最善の結果を得るためにどのアプローチを適用すべきかに関する以下の3つの根本的な質問に答えていきます。 自動テストと手動テストの手法を比較するためのパラメーターは何か? 自動テストと手動テストのメリットとデメリットは何か? どの手法がどの種類のテストに活用されるか?   I. 自動テストとは 何か?手動テストとは何か? 1. 自動テストとは 自動テストは、ツールとテストスクリプトを使用してテスト作業を自動化するテスト手法です。言い換えれば、テストプロセスでは、手動の技術だけでなく、指定およびカスタマイズされたツールも適用されています。 現在、自動テストは、ソフトウェアテストの有効性、テストカバレッジ、およびテスト実行速度を向上させるためのより革新的な手法と見なされています。この新しい「アプローチ」により、テストプロセスは、より短い時間でより多くのテストケースを生成し、テストカバレッジを拡大することが期待できます。 プロセスに手動テストを完全に排除されていないが、自動テストは、コスト効率が高く、人間の介入が限られているため、好ましいソリューションです。つまり、自動テストでは、自動化を可能にするために手動の作業を必要としています。 2. 手動テストとは何か? 手動テストは、その文字通りの意味で、テスター/QAがテストケースの作成から実行までのテストプロセス全体を手動で行う手法です。 テストデザイン、テストレポート、さらにはUIテストを含むテストプロセスのすべてのステップは、社内またはアウトソーシングの担当者のグループによって実行されます。 手動テストでは、QAアナリストは、ソフトウェアアプリケーションの起動前に、個別の方法で1つずつテストを実行し、バグ、欠陥、および主要な機能の問題を見つけます。このプロセスの一環として、テストケースと要約エラーレポートは自動化ツールを使用せずに作成されます。   II. 自動テストと手動テストの違いを提示する拡大鏡 意味が分かりやすい名前からみると、自動テストと手動テストは簡単に定義および区別できるようです。ただし、テストの効率、テストカバレッジ、適用するテストの種類など、多くの側面の詳細を検討する際には、この2つの手法を綿密かつ戦略的に理解する必要があります。 自動テストと手動テストの違いは、次のカテゴリに分類されます。 コスト 人間の介入 テストのタイプ テストの実行 テストの効率性 テストカバレッジ   1. 自動テストと手動テストのコスト 企業にとって、テストのコストに関しては、コストとテスト手法を選択するメリットを検討するために、完全かつ普遍的な分析が必要です。 プロジェクト自体から発生する可能性のコストと売上を評価することで、分析はプロジェクトに自動テストと手動テストのどちらが必要かの判断を明らかにします。以下の表にリストされているように、初期投資、投資対象、およびコスト効率性についてご説明します。 パラメーター 自動テスト 手動テスト 初期投資 自動テストを実際に実行するには、はるかに大きな初期投資が必要です。その代わりに、長期的にはより高いROIが得られます。自動テストのコストは、自動化テスターとオープンソースの自動化ツールをカバーすることであり、高額の費用がかかることが多いです。 手動テストの初期投資は、人的資源とチームのセットアップのコストにあります。これは、最初は自動テストのコストの10分の1だけで節約できそうに見えるかもしれませんが、長期的には、コストが高額に拡大する可能性があります。 投資対象 投資金額は、指定およびカスタマイズされたツールと、手動テストと比較してはるかに高い給与範囲を期待する自動化QAエンジニアに分担されます。 投資金額は人材に費やされます。これは、企業の要求と戦略に応じて、社内での採用またはアウトソーシングのいずれかになります。 コスト効率性・ヴォーリュムテスト 大量回帰 少量回帰   2. 人材の介入 手動テストと自動テストの全体像では、人間であろうかコンピューターであろうか、単にテストを実行する主体に関するだけではありません。ただし、人間の介入に関しては、いくつかの普遍的な違いがあります。   パラメーター 自動テスト 手動テスト ユーザーインターフェイスの観察…

機械学習向け データアノテーション のガイド

機械学習向け データアノテーション のガイド

データアノテーション の目的 機械学習 機械学習はというと、AIに内包されるもので、特定のタスクをトレーニングにより機械に実行させるものである。機械学習の手法は、教師あり学習、教師なし学習、半教師あり学習と強化学習の4選がある。 ▸教師あり学習:教師あり学習とは、学習データに正解ラベルを付けて学習する手法である。これは、事前に与えられたデータをいわば例題とみなして、それをガイドに学習を行うというのアルゴリズムである。 ▸教師なし学習:教師なし学習は、学習データに正解のラベルを付けないで学習させる手法である。つまり、機械学習モデルが自力でデータの法則性、特徴を見つけていく。 ▸半教師あり学習:半教師あり学習は、文字通りに教師あり学習と教師なし学習と共通点がある手法となっている。 ▸強化学習:強化学習とは、ある環境内におけるエージェントが、現在の状態を観測し、取るべき行動を決定する機械学習の一種。例えばゲーム業界に、この学習手法により、エージェントは、タスクの報酬を最大化する一連の意思決定を行うことができる。 手法には何選がありますが、最もよく使用されるのは教師なし学習と教師あり学習である。   教師データとは? 教師データとは、一つ一つのデータに対して付与される正解を示す情報のことである。基本的に割り当てられたタスクの実行をAIに教えるテキストで、何度も使用を繰り返して予測を微調整し、正解率を高めていく。     AI向け教師データの作成し方 (データアノテーション) ステップ1:データ収集 正しいな教師データを収集するには、まず課題の内容 とそのビジネス上の価値を理解する必要がある。 アノテーションのデータ分類については、名前から 類推して キーワードを作成し、インターネットからのデータ検索ツールを使用して、画像を検索することが できる。 または、写真、SNSの動画、Googleの衛星画像、公共のカメラ や車(Waymo、Tesla)から 無料で 収集されたデータ、または 第三者からデータを購入することも できる(データの正確性については自己責任)。 一般的なデータタイプには、画像、動画、テキスト、音声、および3Dセンサーデータがある。 画像:人、物、動物の写真。 動画:CCTVまたはカメラから記録されたテープ。 テキスト:さまざまなドキュメントの種類で数字や単語が含まれ、複数の言語で書いても使用できる。 音声:人口統計が異なる人々からの音声レコード。 3Dセンサーデータ:センサーデバイスによって生成された3Dモデル。   ステップ2:課題を把握する 課題を把握すると入力データにどんな手法を選ぶのかわかっていく。 コンピュータビジョンには、以下のようにタスクがある: ▸画像分類:入力データを分類し、画像にクラスラベルを割り当てること。 ▸物体認識(オブジェクト ディテクション):画像から検出する物体に点や線を設置、あるいは矩形(バウンディングボックス)で囲みます。そのオブジェクトが何であるかを示すタグ(クラス)と座標情報のラベル(ローカライゼーション)も付ける。 ▸領域抽出(セグメンテーション):画像をセグメンテーションした(輪郭線情報をポリゴンにより付与)後、クラスラベルを付ける。   ステップ3:データアノテーション 要件を満たすデータセットを準備したら、次は どのような方法で アノテーションをするのか を決める必要がある。データは 決まった手法に応じて 処理されていく。例えば、分類の場合、「ラベル」はクロールするプロセスでインターネットからデータを見つける時に使用されるキーワードである。 その後、ツールを使用して 画像注釈(画像のラベルとメタデータを設定)を実行する必要がある。 一般的なツールには Comma Coloring,…

テスト自動化アウトソーシング :投資対効果 (ROI) を最大化するの5つのステップ

  最近、アウトソーシングは企業のコストを削減するのに役立つだけでなく、戦略的管理のための効果的な選択にもなりました。典型的な例は、テスト自動化アウトソーシングです 。企業の製品やアプリの品質を向上させ、ビジネスリスクを軽減するのに役立ちます。テスト自動化と品質保証で10年以上の経験を持つLQAのテストチームは、ROIを最大化するためのテスト自動化アウトソーシングに関する5つのヒントを提供します。   1. エンゲージメントモデルを調べ テスト自動化アウトソーシングモデルのタイプを決定するべき。 アウトソーシングプロジェクトをどの程度管理したいのかを考えましょう。より細かく制御し、リスクを軽減するために作業をより小さなプロジェクトに分割できるようにしたい場合は、インクリメンタルアウトソーシングが最適です。ただし、コアビジネスに集中し、テストアクティビティを第三者に任せたい場合は、トータルアウトソーシングが最良の選択だと思います。 ベンダーのパフォーマンスを管理するプロジェクトマネージャー(PM)を任命すること。 オンサイトモデルとオフショアモデルのどちらを採用する場合でも、プロジェクトマネージャーをクライアント側に派遣することで、ベンダーの能力を評価し、ベンダーのパフォーマンス管理プロセスを設定し、SLA義務の履行と適時性を追跡できます。   2.独立で高能力のベンダーを選択 同じ初期投資で、ROIの数値はベンダーによって異なります。独立品質保証会社は、客観性と徹底性を提供できるため、お気に入りのベンダーになりつつあります。さらに、テストに重点を置いているため、独立したQAベンダーは、適正価格で最高品質の結果を引き出すことができます。独立ベンダーは専門知識を提供できることが: 全体のテスト自動化戦略を作成すること。 柔軟なテスト自動化アーキテクチャを設計、開発、維持すること。 最良のテスト自動化フレームワークを選択するのアドバイス。 UIとAPIレベルの両方で自動化をサポートすること。     3.水平方向のコラボレーションを設定 双方にとってより有益で便利なものにするために、ベンダーとのコラボレーションは水平レベルで実行する必要があります。 詳しくは以下のように: 当社側 コラボレーションの側面 ベンダー側 CTOあるいはCEO 戦略的整合、長期的な優先順位付け CTOあるいはCEO ソフトウェア開発/ QAチームリーダー サービスレベルアグリーメント(SLA)の調整、KPIレビュー、契約の修正 アカウントマネージャー プロジェクトマネージャ QA活動の優先順位付けとスケジューリング、リスク管理、プロセス調整 テスト自動化マネージャー ビジネス分析、ソフトウェア開発、品質保証エンジニア 毎日のコラボレーション テスト自動化エンジニア     4. Establish performance measurement metrics テスト自動化のメリットの1つは、簡単な測定と測定基準であいまいさを減らすことです。 作業単位は小さな成果物(1つのテストケース)であるため、1人あたり、1日に自動化されたテストの数を簡単に測定し、メンテナンスにどのくらいの労力が費やされているかを把握し、最終的にROIの決定に到達できます。 メトリックの確立には、次のアクティビティを含める必要があります: ベンダーとのSLAおよびパフォーマンスメトリックを設定すること:パートナーシップを開始する前に、両当事者が協力して包括的なSLAを把握する必要があります。 さらに、契約には、ベンダーの責任と、サービスを測定するKPIも明確に記載するべきだと思います。 テスト自動化のアウトソーシングで発生する可能性のあるリスクを軽減すること:作業プロセスでは、技術的およびリソース関連のリスクにより、追加のコストとサービス提供の遅延が発生する可能性があります。特定されたリスクについて、管理者は軽減および緊急時対応戦略を策定するべきです。具体的な例の1つは、プロジェクトの負荷が変動する場合、マネージャーは、プロジェクトの負荷の事前定義された制限内での柔軟なリソース割り当ての可能性についてベンダーと交渉する必要があります。 SLA条件が遵守され、満たされていることを確認:プロジェクトマネージャーは、テスト結果レポートを定期的に確認する必要があります。 テストカバレッジや自動テストあたりのコストなどの指標の組み合わせに注意を払うことが大事です。   5.…

BNewsへのLotusQAのCEOインタビュー: テック業界 に女性たち

 

数十年間で、テクノロジーは常に男性の遊び場でしたが、女性がこのゲームに参加することを決定したのは近年だけです。

LotusQualityAssuranceのCEOであるPhungThanh Xuan氏は、テクノロジーエンジニアとして何年も働いた後、現在、たった5年間で200人近くのスタッフを擁する独自のグローバルテクノロジー企業を経営しています。 私たちは才能のある、決して屈服せず、断固としたCEOによって率いることを光栄に思います。 より多くのベトナム人女性がテック業界の「ジェンダーバイアス」の壁を乗り越えろとしているが見えます。

この傾向は、社会が女性だけでなく男性にとってもより良い方向に変化する可能性があると信じています。

BNewsに掲載されたインテビューの国際女性デーをありがとうございます。この記事が、性別の固定観念に関係なく、より多くの女性が好きなことをするように刺激することができるように願っています。

Lotus Quality Assuranceは ISTQBのSilver Partner に認定されました

Lotus Quality AssuranceはISTQBパートナーシッププログラムにて「Silver Partner」に認定されました。

ソフトウェアテストに関する国際的な資格認定機関である

「ISTQB」 そのパートナープログラムは、テスト技術者資格認定者の技術を通して、 品質技術およびテスト技術の向上に尽力している会社や組織を認定するスキームです。ISTQB®パートナープログラムは、ソフトウェアテスト認定への取り組みが実証されている組織を表彰します。

Lotus Quality Assuranceは、本質的な評価、審査に合格し、ISTQBの「Silver Partner」として認められました。「Silver Partner」に認定されたのは、証明書の数と社内のテスターの資格に関するISTQBの厳しい要件を満たす必要があります。

この成果は、グローバルスタンダードを備えた高レベルのテスターの継続的なトレーニングプロセスの結果です。 LQAの優秀な人材チームは、すべてのプロジェクトに最高品質のサービスを提供することにします。

ISTQBの「Silver Partner」になることは、将来的に「Global Partner」になるための最初の一歩です。 この成果は、グローバルスタンダードのテストサービスを提供する国際的に信頼できるQAパートナーになるというLQAの決意を強化します。

2021年ベトナム旧正月 休暇のお知らせ

 

2021年ベトナム旧正月 休暇のお知らせ

 

平素は格別のお引き立てを賜り、厚く御礼申し上げます。

弊社では、ベトナム旧正月休暇の期間を以下の通りとさせていただきます。

ご不便をお掛け致しますが、何卒ご了承くださいますようお願い申し上げます。

 

皆様のご健康とご多幸をお祈り申し上げます。

 

休業期間:2021年2月10日(水)~ 2021年2月16日(火)

2021年2月17日(水)より通常営業いたします。

 

お休み期間中にお送りいただきましたお問い合わせは、新年の営業開始日より順次対応させていただきます。 来年も本年同様、変わらぬご愛顧のほど、よろしくお願い致します。

最良の データラベリングアウトソーシング ベンダーの選

最良の データラベリングアウトソーシング ベンダーの選び方

  ベトナム、中国、インドなどの新興BPOの目的地へのデータラベリングサービスのアウトソーシングは、最近の傾向になっています。 ただし、多くの企業の中から最適な データラベリングアウトソーシング ベンダーを選択することは容易ではありません。 この記事では、LQAが最適なベンダーを見つけるためのアドバイスを紹介します。   1.明確なプロジェクト要件を準備します   まず第一に、最終結果に対する自分の期待のすべてを示す明確で詳細な要件を準備することが重要です。 リクエストにプロジェクトの概要、タイムライン、予算を含める必要があります。 適切な要件は下記のようになります: アノテーターはどのようなデータ型を処理するか? どのようなアノテーションタイプをするか? データにラベルを付けるには、専門知識が必要か? データセットに高精度の注釈を付ける必要があるか? 注釈を付けるファイルはいくつか? プロジェクトの締め切りはいつか? このプロジェクトの費用はいくらか? 要件に一致するアノテーションタイプを提供していますか?   2.ベンダーを評価するための必須基準   要件を確定したら、どのベンダーと契約したいかベンダーリストから評価する必要があります。 多額の費用をかけ、品質低いデータセットを貰わないよう、この段階は非常に重要です。 経験、品質、効率、セキュリティ、チームメイトに基づいて評価することをお勧めします。   経験   データのラベル付けは簡単な作業のように見えますが、大規模のデータを効率的かつ正確に実行するには、細部に細心の注意を払い、特別なスキルが必要です。各ベンダーが具体的にあるデータアノテーション量でどのくらいの期間作業してきたか、及びアノテーターがどの程度の経験を持っているかをしっかりと理解する必要があります。評価するために、長年の経験、ドメインに関する知識、およびアノテーションタイプについてベンダーに問い合わせる必要があります。 例えば: データアノテーションに何年の経験がありますか? 以前に特別なドメインに関する知識を要求するプロジェクトでやったことがありますか? 要件に一致するアノテーションタイプを提供していますか?   品質   データサイエンティストは、多くの場合、ラベルがどの程度正確に配置されているかによって、モデルトレーニングのデータセットの品質を定義します。ただし、1〜2回正しくラベル付けすることではなく、一貫して正確なラベル付けが必要です。下記のようにベンダーの高品質のラベル付きデータを提供する能力があるかどうか確認できます: 以前のアノテーションプロジェクトのエラー率 ラベル配置の正確度 アノテーターは各ラベルに適切タグを付けたの頻度   次の動画でデータ品質の詳細をご覧ください :   効率   アノテーションは想像以上に時間がかかります。例えば、5分間のビデオでは、1文に平均24フレームがあり、ラベル付け画像が最大7200枚になります。アノテーターが1枚の画像のラベル付けに使う時間が長いほど、タスクを完了するために必要な時間が長くなります。プロジェクトを完了するための必要な工数を正しく見積もるには、ベンダーに下記のように確認する必要があります: 各ラベルを配置するの平均時間 各ファイルでラベルを付けるの平均時間 各ファイルの品質チェックの時間   ベンダーのアノテーションチームがプロジェクトを直接実行するため、アノテーションチームの能力を理解することは重要です。ベンダーは、十分に訓練されたチームを提供すること。 さらに、テキストにラベルを付ける場合、ラベル付けチームがその言語を話せるかどうかを確認する必要もあります。また、ベンダーに、アノテーションチームを短期間でスケールアップまたはスケールダウンする準備ができているかどうかを確認することが重要です。プロジェクトのサイズは時間の経過とともに変化する可能性があります。  …

【インフォグラフィック】データのアノテーションツール の包括的なリスト

下記の内容を簡単に把握できるようにするために データのアノテーションツール のリストをインフォグラフィックにまとめました。

  • データのアノテーシツールの種類
  • 各種での最適なツール
  • ツールがラベル付けできるデータの種類

 

【インフォグラフィック】データのアノテーションツール

の包括的なリスト

 

インフォグラフィック データのアノテーションツール の包括的なリスト

 

データのアノテーションツール の種類

 

オープンソースツール

オープンソースツールは無料で使用でき、ソースコードを変更することができます。 データアノテーション用のオープンソースツールには、CVATLabelImgDoccanoVoTTなどがあります。

 

商用ツール

このタイプのツールを使用するには支払いが必要ですが、ユーザーは自分の要望に合わせて機能をカスタマイズできます。 最高の商用ツールには、LinkedAIDataloop AITagtogLightTagなどがあります。

 

フリーウェアツール

オープンソースツールと同様に、フリーウェアツールは料金を請求しません。 フリーウェアをダウンロードして使用することはできますが、変更することはできません。 このタイプのツールの例は、ColabelerSuperAnnotateです。

 

データラベリングプロジェクトに最適なツールを選択する方法がまだ分からない場合は、AIデータラベリングツールに関するビデオガイダンスシリーズをご覧ください。

 

データラベリングプロセスの効率を改善したいですか? お問合せください!