関連サイト
本書の関連ページが用意されています。
内容紹介
ファインチューニングについて，具体的なPythonコードを通じて基本から実践までわかりやすく説明
本書は，画像識別や自然言語処理といった実務における代表的なタスクで現れるモデルのファインチューニング，さらに近年著しく発達している生成AIモデルのファインチューニング，および，強化学習を活用したファインチューニングについて，それぞれ具体的なPythonコードを通じて基本から実践までわかりやすく説明した書籍です．
ファインチューニングを実務で活用することを目指すエンジニアや研究者，および学生の方々を対象に，実務に直結したアドバイスや具体的な手法を提供し，現場での実践力を高めていただくことを目標としています．
それぞれのタスクを実施するための手続きを「レシピ」としてパッケージ化して，その中身を「レシピの概要」「事前準備」「ファインチューニング実装」「評価」「応用レシピ」としています．著者らの所属する株式会社 Laboro.AIの貴重なノウハウにもとづく具体的なPythonコードを通じて基本的かつ実践的な考え方を理解していただき，さらにそれを読者の皆さん自身の課題に合わせて修正できるようにしています．
これからファインチューニングを始めたい，あるいはファインチューニングの実践におけるコツを知りたい方におすすめの書籍です．
書誌情報
- 著者: 藤原弘将, 吉岡琢, 石田忠, 内木賢吾, 佐々木雄哉
- 発行日: 2024-09-04 (紙書籍版発行日: 2024-09-04)
- 最終更新日: 2024-09-04
- バージョン: 1.0.0
- ページ数: 232ページ(PDF版換算)
- 対応フォーマット: PDF
- 出版社: オーム社
対象読者
ビジネスAIの開発に携わるエンジニア、および、学生／ファインチューニングの体系的な勉強をしたい研究者・エンジニア、および学生
著者について
藤原弘将
京都大学大学院 情報学研究科 博士後期課程修了（情報学）．2007 年，産業技術総合研究所に入所．機械学習を用いた音声／音楽の自動理解の研究に従事．開発した特許技術をさまざまな企業にライセンス提供し，ライセンス先企業の技術顧問も務める．2012 年，ボストンコンサルティンググループに入社．ビッグデータ活用領域を中心に多数，業界・テーマのプロジェクトに従事．AI 系のスタートアップ企業を経て，2016年に株式会社Laboro.AI を創業．代表取締役COO 兼CTO として技術開発をリード．
吉岡琢
奈良先端科学技術大学院大学 情報科学研究科．博士後期課程修了（工学）．在学中に確率モデルによる情報処理の研究に従事．修了後，研究所や企業で機械学習による脳活動計測，人流データ分析，深層学習によるロボット制御を経験．2019 年4 月より株式会社Laboro.AI に参画し，強化学習，自然言語処理を中心に従事．2022 年よりエンジニアリング部部長に就任，部門の指揮を執る．
石田忠
群馬大学 工学部 電気電子工学科 卒業．組込みエンジニアとして主に舞台照明の制御装置や車載装置の開発に携わる．その後，高速度カメラメーカで画像処理エンジニアとして，画像解析および機械学習による画像処理を経験．2021 年に株式会社Laboro.AI に参画し，画像機械学習やベイズ最適化等，さまざまなプロジェクトにかかわる．
内木賢吾
名古屋大学 大学院工学研究科 電子情報システム専攻．修士課程修了．在学中は自然言語処理の質問応答システムを研究．卒業後，ハードウェアエンジニアとして車載向け実験機器の開発に従事し，筐体，電子回路などハードウェア全般の設計や試験などを担当．その後，自動車会社のR&D 組織にて車載向け音声認識システムのフロントエンド処理に関する研究開発を担当．2019 年から株式会社Laboro.AI に参画し，自然言語処理やセンサデータの異常検知を中心に従事．2021 年からスーパーバイズとして各種案件にかかわる．
佐々木雄哉
早稲田大学高等学院卒業／学生時代から数学オリンピック指導や難関中高大の受験指導に携わる．その後，自身でも塾経営を行いながらデータサイエンスを活用した教育のコンサルティングや教育用AIシステムの開発をしている中で，データサイエンティストとしてのキャリアアップのため，AIベンチャーへの転職を決意．研究開発部署の立上げを担当し，データサイエンティストの育成や多岐にわたるAIプロジェクトを経験後，主要放送局とAI教育事業を立ち上げ，取締役に就任．2023年に株式会社Laboro.AIに参画し，AIシステム開発プロジェクトを中心に各種案件をスーパーバイズしている．
目次
Chapter 1 ファインチューニングの基礎知識
- 機械学習とは
- ファインチューニングとは
- ファインチューニングのプロセス
- 発展的な話題
Chapter 2 画像のファインチューニング
- このChapterで取り扱うタスクと機械学習モデル
- 画像ファインチューニングのしくみ
- 画像分類のファインチューニング
- 物体検出モデルのファインチューニング
- 距離学習のファインチューニング
- 教師なし異常検知
Chapter 3 自然言語処理のファインチューニング
- 自然言語処理とは
- テキスト分類のファインチューニング
- マルチラベルテキスト分類のファインチューニング
- 類似文章検索のファインチューニング
Chapter 4 生成AIのファインチューニング
- 生成AI
- プロンプトエンジニアリングによる質問応答
- LoRAによる質問応答のファインチューニング
- インストラクションチューニングによる質問応答のファインチューニング
- 画像生成のファインチューニング
Chapter 5 強化学習によるファインチューニング
- 強化学習とRLHF
- ポジティブな文生成のファインチューニング
Appendix 評価指標
- 2値分類の評価指標
- マルチクラス分類の評価方法
- 物体検知問題の評価指標