WEBVTT 00:01.190 --> 00:07.460 さて、 最後に今週のチャレンジについて紹介しよう。 00:07.460 --> 00:10.850 そして、 これはとても楽しいものになると思う。 00:11.150 --> 00:14.870 僕らが一緒にやっているすべてのプロジェクトが楽しいと感じてくれていることを願っている。 00:14.960 --> 00:21.410 私たちをさまざまな方法で伸ばしてくれるような、 面白くてジューシーな企画を考え出そうとしているんだ。 00:21.770 --> 00:28.640 だから前回は、 会議の音声を聞いて議事録を作成するシステムなどを作ったんだ。 00:28.670 --> 00:31.070 今回はまったく違う。 00:31.280 --> 00:33.710 コードを書くことになる。 00:33.710 --> 00:43.430 特に、 このアイデアはコード変換をテーマにしたもので、 Bloopにインスパイアされたものだと思う。 00:43.430 --> 00:45.710 そして、 それは悪魔のように素晴らしいアイデアだ。 00:46.160 --> 00:59.390 そこで今回は、 PythonをCプラスに変換することで、 パフォーマンスやパフォーマンスが重要なコードを改善するための製品を書こうと思います。 00:59.390 --> 01:00.020 それに 01:00.020 --> 01:01.270 そういうことだ。 01:01.270 --> 01:05.710 そこで、 PythonをCプラスに変換する方法を見つけたい。 01:05.710 --> 01:06.220 それに 01:06.220 --> 01:09.190 そして、 フロンティアモデルを使ってこれを行うつもりだ。 01:09.190 --> 01:12.190 また、 オープンソースモデルでそれを行うつもりだ。 01:12.190 --> 01:15.400 そしてその結果を比較する。 01:15.400 --> 01:21.340 しかし、 そのタスクに最も適したllmsを選ぶことから始めなければならないのは明らかだ。 01:21.340 --> 01:22.960 それが目下の課題だ。 01:22.990 --> 01:24.430 楽しくなると思うよ。 01:24.520 --> 01:31.630 LLMの助けを借りて、 コードを最適化する際のパフォーマンスを見てみよう。 01:33.640 --> 01:37.750 その前に、 4週目の2日目を簡単にまとめておこう。 01:37.780 --> 01:40.240 もう一度だけやらせてくれ。 01:40.240 --> 01:44.110 もううんざりしているだろうが、 君たちにできることをすべて思い出してほしい。 01:44.170 --> 01:49.750 ツールを使ったAIアシスタントの構築など、 フロンティアモデルを使ったコーディングができる。 01:49.750 --> 01:57.670 また、 様々な推論タスクでパイプラインAPIとハギングフェイス、 01:57.670 --> 02:10.690 フェイス、 トーケナイザー、 モデルを使用してオープンソースのソリューションを構築することができます。 02:10.720 --> 02:12.010 それで今は? 02:12.010 --> 02:16.990 これで、 リーダーボードやアリーナ、 その他のリソースから得られた実際の結果に裏打ちされた、 02:16.990 --> 02:24.400 あなたのプロジェクトに適したLLMを自信を持って選択できる状態になったはずだ。 02:24.430 --> 02:29.530 適切なLLMを選ぶというのは、 通常、 2つか3つのLLMを選んでプロトタイプを作成し、 02:29.560 --> 02:38.560 次回以降、 最終的に最も優れたパフォーマンスを発揮するLLMを選ぶということです。 モデルのコーディング能力を評価する方法を深く理解し、 02:38.560 --> 02:51.370 フロンティアモデルを使ってコードを生成し、 LLMを使ってソリューションをフロントからバックまで構築してコードを生成する。 02:51.370 --> 02:59.530 そしてそれは、 高度に熟練したLLMエンジニアになるための道のりで、 あなたが身につけたもうひとつのスキルになるだろう。 02:59.530 --> 03:00.700 そこで会おう。