WEBVTT 00:00.050 --> 00:07.400 というわけで、 Olamaのパワーを使って、 ローカルでさまざまなLMSの実験を楽しんでいただけたなら幸いです。 00:07.430 --> 00:10.040 おそらく私と同じような経験をしたことがあるだろう。 00:10.040 --> 00:16.820 クイン2は確かにそうだった。 5はおそらく、 異なる言語を把握する上で最も強力なモデルだろう。 00:16.820 --> 00:20.300 他のモデルの中には、 説明するのが上手なものもあると思う。 00:20.360 --> 00:22.820 だから、 あなたの見解を聞きたい。 00:22.820 --> 00:26.750 コースと一緒に投稿するか、 私に直接メッセージをください。 00:26.780 --> 00:34.460 いろいろなモデルを試してみて、 自分の問題に最も適したものを見つける。 00:34.460 --> 00:37.160 これはLMエンジニアにとって重要なスキルだ。 00:37.160 --> 00:39.560 だからこれは貴重な時間だった。 00:39.590 --> 00:40.370 分かった。 00:40.370 --> 00:42.620 これからの8週間について話そう。 00:42.620 --> 00:51.650 だから私は、 あなたが今いる左側にいる状態から、 8週間後にはLMエンジニアリングのマスターになることを目指している。 00:51.650 --> 00:53.090 そして、 こうするんだ。 00:53.120 --> 01:00.200 今週は、 フロンティア・モデルと呼ばれる、 現在可能なことのフロンティアにあるモデルを見ることから始めよう。 01:00.260 --> 01:11.730 GPT4001のプレビューやクロード3などだ。 5、 そしてクローズドソースでありながら驚くべきことを成し遂げることができる先駆的なモデルの数々。 01:11.730 --> 01:16.800 ChatGPTのようなウェブ・ユーザー・インターフェイス、 そしてAPIを通してそれを行います。 01:17.280 --> 01:25.290 そして、 すぐに役立つような商業的なプロジェクトを立ち上げる。 01:25.410 --> 01:32.160 そして来週は、 私が大好きなGradioというプラットフォームを使って、 その上にユーザー・インターフェースを載せる予定だ。 01:32.160 --> 01:34.980 そして、 私たちはそれを楽しみ、 私がそれを愛していることがわかるだろう。 01:34.980 --> 01:45.300 少し説明してしまうが、 とても使いやすく、 フロントエンドが苦手な私のような人間でも、 素晴らしくシャープなユーザー・インターフェースを実に簡単に素早く構築することができる。 01:45.300 --> 01:53.400 古典的なJNIのユースケース、 つまりAIアシスタント、 チャットボットを構築することを解決するために、 01:53.400 --> 01:57.120 音声と画像を使った方法でそれを行います。 01:57.120 --> 02:07.650 マルチモーダルであり、 ツールを使用することができる。 つまり、 コンピューター上で実行されているコードを呼び出すことができる。 02:07.650 --> 02:08.760 それだけだ。 02:08.760 --> 02:09.690 週目。 02:10.290 --> 02:16.380 第3週はオープンソースに目を向け、 データサイエンティストやLMエンジニアがこぞって使用しているユビキタス・プラットフォーム「Hugging 02:16.380 --> 02:21.870 Face」を使い、 両者を構築する。 02:21.960 --> 02:27.270 パイプラインAPIと呼ばれるハギング・フェイスのシンプルなAPIを使い、 より高度なAPIを使い、 02:27.270 --> 02:32.040 ハギング・フェイスのトークナイザーやモデルのようなものを探求していく。 02:32.280 --> 02:42.840 第4週は、 AIの世界で特に茨の道となっている問題についてお話しします。 02:42.840 --> 02:47.220 目の前のタスクに適したモデルを選ぶにはどうすればいいのか? 02:47.220 --> 02:53.940 だから、 ベンチマークやリーダーボードのようなものに取り組み、 その決定経路をどうするか考えたい。 02:53.940 --> 02:59.160 そして、 コード生成に関する特に異なる種類の商業的な問題に取り組むつもりだ。 02:59.160 --> 03:07.380 我々は、 PythonのコードをC+++の高性能なC+++のコードとして書き換えることができるアプリケーションを作ろうとしている。 03:07.380 --> 03:11.010 そして、 クローズドソースとオープンソースのモデルで試してみるつもりだ。 03:11.010 --> 03:12.270 そして、 そのうちの1人が優勝する。 03:12.300 --> 03:15.390 勝った方がテスト用のPythonコードを受け取ることになる。 03:15.390 --> 03:22.620 新しいコードは60,000倍も速くなるんだ。 03:22.650 --> 03:24.210 そして、 あなた自身がそれを目にすることになる。 03:24.270 --> 03:28.760 そして、 他の種類のコード生成ツールを作るための練習もある。 03:29.210 --> 03:35.780 第5週目では、 今最もホットなトピックのひとつである、 ボロ検索、 拡張世代、 03:35.780 --> 03:49.640 専門知識をLLMに追加するための情報のデータ・ストアの利用、 組織に関する質問に答えるための独自のラグ・パイプラインの構築を取り上げる。 03:49.640 --> 03:56.480 そして、 あなたにとって難しい商業的な挑戦があり、 これをあなた自身の情報に応用する練習がある。 03:56.480 --> 04:03.860 そして、 みんながこれをどう評価するのか、 そして自分自身のラグ・パイプラインを再構築するプロジェクトを見るのがとても楽しみだ。 04:04.790 --> 04:10.400 第6週からは、 このコースの3週間のフラッグシップ・プロジェクトが始まる。 04:10.400 --> 04:13.250 ええと、 第6週はビジネス問題を設定します。 04:13.250 --> 04:21.410 私たちはデータについて多くの作業を行い、 そして伝統的な機械学習モデルを作成する。 04:21.410 --> 04:29.810 そして、 フロンティアでモデルを試し、 フロンティアでもモデルを微調整して、 このビジネス問題でできる限りうまくいくようにする。 04:29.810 --> 04:33.110 第7週は、 これをオープンソースに応用する。 04:33.110 --> 04:38.080 私たちはオープンソースのモデルを採用し、 当初はひどいパフォーマンスを示すだろう。 04:38.080 --> 04:46.000 少なくともGPT4と競争できるようになるまで微調整することで、 オープンソースのモデルを改善することを使命とするつもりだ。 04:46.210 --> 04:47.680 フロンティアでのモデル。 04:47.680 --> 04:53.770 何が起こるかを話すつもりはないが、 その結果はあなたを驚かせると信じている。 04:53.800 --> 04:54.880 そう言っておこう。 04:54.880 --> 04:59.080 だから、 第7週に何が起こるか、 見守る価値は大いにある。 04:59.350 --> 05:05.200 しかし、 8週目のフィナーレですべてがまとまる。 これは、 完全自律型のAgentic 05:05.230 --> 05:15.430 AIソリューションを構築する8週間の締めくくりにふさわしいもので、 7人のエージェントが協力して実際の商業的問題を解決する。 05:15.730 --> 05:17.170 そして終わり。 05:17.200 --> 05:21.400 インターネットをスキャンして様々なものを探し出すだけでなく、 05:21.400 --> 05:24.880 その発見をプッシュ通知で送ってくれるのだ。 05:24.940 --> 05:27.340 だから、 本当に素晴らしいものになるよ。 05:27.340 --> 05:30.100 最後には素晴らしい結果が待っている。 05:30.130 --> 05:35.830 毎週学んできたことの集大成として、 前週に学んだことを土台にして、 05:35.830 --> 05:45.100 本業ですぐに実践できるような真の商業的なプロジェクトを生み出す良い方法となるだろう。