WEBVTT 00:00.770 --> 00:08.450 でも、 もしかしたら、 まだ、 まばたきしているかもしれない。 00:08.450 --> 00:13.490 でもそれは、 今すぐ戻って自分でやって見るべきだということだからだ。 00:13.490 --> 00:18.770 このコードを実行し、 モーダル・スクリーンで何が起こっているかを見れば、 完全に理解できると思います。 00:18.950 --> 00:25.310 あの、 ハグする顔のトークンで何か問題があったら、 Jupyterラボにもっといい説明を書くつもりです。 00:25.310 --> 00:26.570 だから、 それはあなたにとって非常に明確なことなんだ。 00:26.570 --> 00:34.820 そして、 もしそうなるのであれば、 それはかなり簡単なことで、 それがどのように機能するのか、 なぜそんなに速く機能するのかがわかると思う。 00:34.850 --> 00:37.010 しばらく走らせてみて初めてわかることがある。 00:37.010 --> 00:38.660 ウォームアップに数分かかる。 00:38.660 --> 00:47.390 しかしその後、 モデルの重みをキャッシュし、 メモリにロードしたため、 先ほどと同じように素早く実行されるはずだ。 00:47.450 --> 00:54.650 これで、 Jupyter Labのような外部のアプリケーションで、 Pythonコードだけでモデルを呼び出せるように、 00:54.650 --> 01:03.590 モデルを本番環境にデプロイする方法を学んだことになる。 01:04.040 --> 01:07.490 そして願わくば、 あなたがそのことを理解し始めていることを。 01:07.490 --> 01:12.350 壮大なプロジェクトだし、 やるべきことはたくさんある。 01:12.350 --> 01:16.790 実際、 次の日のアクティビティが一番大きいんだ。 01:16.820 --> 01:18.740 非常に多くのことが起きている。 01:18.860 --> 01:30.390 ええと、 でも今日のところは、 サーバーレス・プラットフォームであるモーダルを使って本番環境にモデルをデプロイする話だったことを思い出してください。 01:30.600 --> 01:38.940 ある意味、 モデルをデプロイしたとき、 あるいは私が抱擁顔のエンドポイントを使って抱擁顔にモデルをデプロイしたときと似ている。 01:39.120 --> 01:49.650 でも、 コードでインフラを構成する機能や、 価格設定の方法など、 このプラットフォームが非常に強力なプラットフォームであることはお分かりいただけると思います。 01:49.920 --> 01:57.690 今度、 あなたは高度なWraggソリューションを構築することができるようになる。 01:57.690 --> 01:58.620 我々はラッグをやり遂げた。 01:58.620 --> 01:59.670 ラッグのことはよく知っている。 01:59.670 --> 02:01.140 あなたはさらにそれを知ることになる。 02:01.140 --> 02:01.650 次こそは 02:01.650 --> 02:03.030 ウラッグを使うつもりだ。 02:03.030 --> 02:05.010 チェーンなしで直接やるんだ。 02:05.010 --> 02:05.940 僕らはもうプロだ。 02:05.940 --> 02:06.930 長いチェーンは必要ない。 02:06.930 --> 02:08.070 自分たちでできるんだ。 02:08.070 --> 02:18.180 Chromeのデータストアで物事を調べ、 モデルにコンテキストを与えるために使うのだが、 それは膨大で素晴らしいデータストアになるだろう。 02:18.180 --> 02:25.590 そして、 アンサンブルモデルと呼ばれる、 複数のモデルの長所を組み合わせたモデルを構築する。 02:25.590 --> 02:32.400 そして、 複数のモデルにまたがるプロダクション・レディなコードを提供できるようになるだろう。 02:32.400 --> 02:39.360 つまり、 LMエンジニアリングの知識人からLMエンジニアリングの達人への移行を果たすために、 02:39.360 --> 02:46.140 スキルセットを強化し、 専門知識を身につけるということだ。 02:46.350 --> 02:48.330 それでは、 また次回。