diff --git a/technical/tips.md b/technical/tips.md
index 8a7342c..f2bd736 100644
--- a/technical/tips.md
+++ b/technical/tips.md
@@ -21,7 +21,7 @@
     Azure ML で用いる計算リソースはなるべく低コストで運用します。
     - クォータの設定 - Workspace 単位で各 VM タイプごとで利用できるコア数を制限することができます。手順は「[ワークスペースレベルのクォータ](https://docs.microsoft.com/ja-JP/azure/machine-learning/how-to-manage-quotas#workspace-level-quotas)」をご参照ください。
     - Compute Cluster は、`最小ノード数`を 0 にすることで Job が実行されていないときの課金コストを抑えることができます。また`低優先度`オプションを利用するとコストを 80 % 削減できます。
-    - Compute Instances には 2021年2月現時点では自動シャットダウンの機能がありません。手動、もしくは Python SDK ([ComputeInstance Class](https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.core.compute.computeinstance.computeinstance?view=azure-ml-py))、Azure CLI ([computeinstance stop](https://docs.microsoft.com/en-us/cli/azure/ext/azure-cli-ml/ml/computetarget/computeinstance?view=azure-cli-latest#ext_azure_cli_ml_az_ml_computetarget_computeinstance_stop)) を用いて停止スクリプトを作成してください。
+    - Compute Instance の自動開始と停止の機能がプレビューで発表されました。詳細は [自動開始と停止をスケジュール設定する (プレビュー)](https://docs.microsoft.com/ja-JP/azure/machine-learning/how-to-create-manage-compute-instance?tabs=python#schedule-automatic-start-and-stop-preview) をご参照ください。
     - その他、詳細は 「[Azure Machine Learning のコストを計画して管理する](https://docs.microsoft.com/ja-jp/azure/machine-learning/concept-plan-manage-cost)」 をご参照ください。
     - なお、Azure Machine Learning 全体の正確なコスト計算は現在価格表では行えません。例えば Compute Instances で確保されているディスクやロードバランサーなどのコストを加味する必要があります。「[Azure Machine Learning のコスト見積もりについて](https://jpmlblog.github.io/blog/2020/06/18/AML-estimate-costs/)」をご参照ください。
 
@@ -31,83 +31,84 @@
 
 * **pyodbc を用いた DB とのやり取り**
     
+    
     Database に格納されているデータを取得する方法として、Azure ML の Dataset ではなく pyodbc を利用したい場合があります。モデル学習時の環境を定義情報を管理する機能として Environment (環境) があります。pyodbc では通常 OS レベルでのパッケージのインストールが必要なため、python のパッケージを pip や conda でインストールだけでは不十分です。下記のコードを参考に Azure ML Environment を作成してください。
 
-<details>
-<summary>1. Azure ML Environment の定義 (Python)</summary>
-
-
-```python
-from azureml.core import Workspace, Environment
-from azureml.core.environment import CondaDependencies
-
-# 環境 Environment の名称
-env = Environment("pyodbc-env")
-
-# Docker File の定義
-dockerfile = r"""
-FROM mcr.microsoft.com/azureml/openmpi3.1.2-ubuntu18.04
-RUN echo "Hello from custom container!"
-
-RUN apt-get update
-RUN apt-get install locales
-RUN locale-gen en_US.UTF-8
-RUN update-locale LANG=en_US.UTF-8
-
-# Install MS SQL v13 driver for Odbc
-RUN apt-get install -y curl
-RUN apt-get install apt-transport-https
-RUN curl https://packages.microsoft.com/keys/microsoft.asc | apt-key add -
-RUN curl https://packages.microsoft.com/config/ubuntu/18.04/prod.list > /etc/apt/sources.list.d/mssql-release.list
-RUN exit
-RUN apt-get update
-RUN ACCEPT_EULA=Y apt-get install -y msodbcsql17
-RUN apt-get install -y unixodbc-dev
-"""
-
-# Set base image to None, because the image is defined by dockerfile.
-env.docker.base_image = None
-env.docker.base_dockerfile = dockerfile
-
-env.python.conda_dependencies = CondaDependencies.create(conda_packages=['scikit-learn','pyodbc'], 
-                                                    pip_packages=['azureml-defaults','azureml-dataprep[pandas]'])
-```
-</details>
-
-<details><summary>2. Python Script での利用 (Python)</summary>
+    <details>
+    <summary>1. Azure ML Environment の定義 (Python)</summary>
+    
+    
+    ```python
+    from azureml.core import Workspace, Environment
+    from azureml.core.environment import CondaDependencies
+    
+    # 環境 Environment の名称
+    env = Environment("pyodbc-env")
+    
+    # Docker File の定義
+    dockerfile = r"""
+    FROM mcr.microsoft.com/azureml/openmpi3.1.2-ubuntu18.04
+    RUN echo "Hello from custom container!"
+    
+    RUN apt-get update
+    RUN apt-get install locales
+    RUN locale-gen en_US.UTF-8
+    RUN update-locale LANG=en_US.UTF-8
+    
+    # Install MS SQL v13 driver for Odbc
+    RUN apt-get install -y curl
+    RUN apt-get install apt-transport-https
+    RUN curl https://packages.microsoft.com/keys/microsoft.asc | apt-key add -
+    RUN curl https://packages.microsoft.com/config/ubuntu/18.04/prod.list > /etc/apt/sources.list.d/mssql-release.list
+    RUN exit
+    RUN apt-get update
+    RUN ACCEPT_EULA=Y apt-get install -y msodbcsql17
+    RUN apt-get install -y unixodbc-dev
+    """
+    
+    # Set base image to None, because the image is defined by dockerfile.
+    env.docker.base_image = None
+    env.docker.base_dockerfile = dockerfile
+    
+    env.python.conda_dependencies = CondaDependencies.create(conda_packages=['scikit-learn','pyodbc'], 
+                                                        pip_packages=['azureml-defaults','azureml-dataprep[pandas]'])
+    ```
+    </details>
+    
+    <details><summary>2. Python Script での利用 (Python)</summary>
+        
+    
+    ```python
+    import pandas as pd
+    import pyodbc
+    
+    server = 'tcp:xxxx' 
+    database = 'xxxx' 
+    username = 'xxxx' 
+    password = 'xxxx' 
+    cnxn = pyodbc.connect('DRIVER={ODBC Driver 17 for SQL Server};SERVER='+server+';DATABASE='+database+';UID='+username+';PWD='+ password)
+    cursor = cnxn.cursor()
+    
+    sql = """
+    SELECT * FROM [dbo].[FactTable]
+    """
+    df = pd.read_sql(sql, cnxn)
+    print(df.head())
+    ```
+    
+    </details>
+    <details><summary>参考情報</summary>
+    
+    - [Azure Machine Learning でソフトウェア環境を作成して使用する](https://docs.microsoft.com/ja-jp/azure/machine-learning/how-to-use-environments)
+    - [Microsoft ODBC Driver for SQL Server をインストールする (Linux)](https://docs.microsoft.com/ja-jp/sql/connect/odbc/linux-mac/installing-the-microsoft-odbc-driver-for-sql-server?view=azure-sqldw-latest#ubuntu17)
     
-
-```python
-import pandas as pd
-import pyodbc
-
-server = 'tcp:xxxx' 
-database = 'xxxx' 
-username = 'xxxx' 
-password = 'xxxx' 
-cnxn = pyodbc.connect('DRIVER={ODBC Driver 17 for SQL Server};SERVER='+server+';DATABASE='+database+';UID='+username+';PWD='+ password)
-cursor = cnxn.cursor()
-
-sql = """
-SELECT * FROM [dbo].[FactTable]
-"""
-df = pd.read_sql(sql, cnxn)
-print(df.head())
-```
-
 </details>
+
 <br>
 
-参考情報
-- [Azure Machine Learning でソフトウェア環境を作成して使用する](https://docs.microsoft.com/ja-jp/azure/machine-learning/how-to-use-environments)
-
-- [Microsoft ODBC Driver for SQL Server をインストールする (Linux)](https://docs.microsoft.com/ja-jp/sql/connect/odbc/linux-mac/installing-the-microsoft-odbc-driver-for-sql-server?view=azure-sqldw-latest#ubuntu17)
-
-
-
 * **重複行データを取り除く方法**
     
-    Azure Synapse Pipeline (Azure Data Factory) の Data Flow で簡単に除外すること可能です。
+    Azure Synapse Pipeline (Azure Data Factory) の DataFlow で重複業データを簡単に除外することができます。
     - 参考 : [Azure Data Factory - Data Flowで重複行を取り除く (最初の行だけ選択する)方法メモ](https://zenn.dev/shohei_aio/articles/5c9716ac817b79)
 
 * **Excel ファイル の各シートごとの処理の実行方法**
@@ -121,9 +122,6 @@ print(df.head())
 
 ## 特徴量エンジニアリング
 
-
-
-
 * **Parquet ファイルで I/O を改善する**
 
     大きいデータファイルを扱うときは CSV ではなく parquet ファイルの利用をお勧めします。parquet は列指向のファイルフォーマットで圧縮率が高いです。Azure ML の AutoML で大きいデータサイズを扱う際に有効でした。