You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
 
 

196 lines
6.7 KiB

WEBVTT
00:00.470 --> 00:01.100
まあね。
00:01.130 --> 00:02.000
ファンタスティックだ。
00:02.030 --> 00:10.580
今週も終わりに近づいています。 つまり、 またチャレンジの時期が近づいているということです。 先ほど、 私たちが見たものに対するグラディオのユーザー・インターフェースを作るという課題を出したばかりですが。
00:10.580 --> 00:11.750
しかし、 それは簡単な挑戦だ。
00:11.750 --> 00:12.680
それはできる。
00:12.680 --> 00:13.640
問題ないよ。
00:13.640 --> 00:14.990
もっと難しい課題が必要だ。
00:14.990 --> 00:17.360
週の終わりには、 よりハードなチャレンジの時間だ。
00:17.360 --> 00:26.690
つまり、 週明けの課題は、 このコースの後半で実際に使用する重要なビジネス・アプリケーションを作ることだ。
00:26.690 --> 00:32.750
とはいえ、 そうする必要はないだろうけど......そのために作る必要はないだろう。
00:32.750 --> 00:35.690
でも、 やっておくと本当に役に立つよ。
00:35.690 --> 00:39.680
そしてこれは、 どのようなビジネスでも関係なく使えるものだ。
00:39.710 --> 00:45.830
この、 この、 このツールはあらゆる業種に適用でき、 あなたの役に立つこと請け合いだ。
00:46.220 --> 00:48.140
それがこれだ。
00:48.140 --> 00:58.940
合成テストデータを生成する独自のツールを作成する テストデータジェネレータ、 オープンソースモデル。
00:59.180 --> 01:01.970
これはとても貴重なことだ。
01:01.970 --> 01:06.380
データセットの生成は、 さまざまな目的で必要となるものだ。
01:06.380 --> 01:14.600
しかし、 私は、 あなたが欲しいデータセットを記述できるものを探しています。 それは、
01:14.600 --> 01:21.590
商品の説明かもしれませんし、 求人情報の説明かもしれません。 あなたが欲しいものが何であれ、
01:21.590 --> 01:29.420
製品にそれが何であるかを伝え、 あなたが扱っているデータがどのようなものであるかを伝え、
01:29.450 --> 01:36.260
将来あなたのビジネス分野で実験するときに使えるように、 多様な出力、
01:36.260 --> 01:47.300
多様なテストセットを夢見させることができます。
01:47.300 --> 01:55.610
だから、 この合成データジェネレーターは、 あなた自身にとっても、 私にとっても、 そしてこのコースにとっても、 将来あなたが取り組むビジネス上の問題にとっても、
01:55.640 --> 01:59.090
貴重なツールになるだろう。
01:59.090 --> 02:03.890
グラディオのUIに時間を費やす価値はある。
02:03.920 --> 02:05.720
そして、 それが超簡単な部分になる。
02:05.720 --> 02:08.420
だから、 僕はそれを狙っているんだ。
02:08.450 --> 02:11.060
何をするにしても、 あなたのビジネス領域に適用される。
02:11.060 --> 02:13.790
きっと役に立つし、 本当に楽しめるよ。
02:16.160 --> 02:27.800
これで3週目が終了し、 熟練したLMエンジニアになるための旅の3週目が終わる。
02:27.830 --> 02:31.790
もちろん、 すでにフロンティアモデルを使って自信を持ってコーディングすることはできる。
02:31.790 --> 02:34.940
もう私がそんなことを言うのはうんざりしているに違いない。
02:34.940 --> 02:37.100
AIアシスタントを作ることができる。
02:37.100 --> 02:39.980
マルチモーダルでもいいし、 ツールを使ってもいい。
02:39.980 --> 02:46.010
専門的な仕事を行う複数の小さなエージェントで構成することもできる。
02:46.040 --> 02:52.460
もちろん、 この時点でフロンティアモデルへのコールを組み合わせたLMソリューションを作ることもできる。
02:52.460 --> 02:54.680
そして、 オープンソースのモデルを呼ぶことができる。
02:54.680 --> 03:03.080
また、 パイプラインAPIを使って、 一般的な推論タスクを実行することもできる。
03:03.080 --> 03:11.780
また、 推論タスクのために、 より低レベルの抱擁顔API、 トーケナイザー、 モデルを使うこともできる。
03:12.470 --> 03:18.980
もう一度おめでとう。
03:19.010 --> 03:20.990
来週はトピックを変える。
03:20.990 --> 03:23.240
茨の道がある。
03:23.240 --> 03:24.980
よく聞かれる質問だ。
03:24.980 --> 03:31.010
それは......実際、 助けてくれる素晴らしいリソースがたくさんあることなんだ。
03:31.010 --> 03:37.440
自分が取り組まなければならない仕事に対して、 どのように適切なモデルを選ぶかということだ。
03:37.440 --> 03:39.870
たくさんのモデルがあり、 たくさんの選択肢がある。
03:39.870 --> 03:41.220
スタッフ用だ。
03:41.250 --> 03:43.290
クローズドソースかオープンソースか?
03:43.290 --> 03:48.000
でも、 どの道を選んでも、 たくさんの可能性がある。
03:48.000 --> 03:52.830
そして、 特定の問題に対してどれが正しいかを判断するために、 どのようにナビゲートするのか。
03:52.830 --> 03:53.850
それが鍵だ。
03:53.880 --> 03:55.470
それは問題による。
03:55.470 --> 03:58.650
問題によって適切なモデルは異なるだろう。
03:58.650 --> 04:00.660
その方法をお見せしよう。
04:00.990 --> 04:02.550
我々はLMSを比較するつもりだ。
04:02.550 --> 04:03.720
リーダーボードを使うつもりだ。
04:03.720 --> 04:04.950
アリーナを使うつもりだ。
04:04.950 --> 04:08.070
そして、 我々自身もアリーナでいくつかの仕事をするつもりだ。
04:08.070 --> 04:09.360
それは楽しみだ。
04:09.360 --> 04:21.780
フロンティア・モデルやオープンソース・モデルを使ってコードを生成し、
04:21.780 --> 04:29.490
コード生成の問題に取り組む場合だ。
04:29.490 --> 04:33.060
だから、 それはあなたにとって新しい、 興味深い視点になるだろう。
04:33.060 --> 04:38.910
だから来週が本当に楽しみだし、 君たちがすでにどれだけ進歩し、 どれだけ多くのスキルを身につけたか、
04:38.910 --> 04:42.990
とてもとても感心している。
04:43.110 --> 04:49.140
そして、 正しいLLMを選ぶために4週目に会いましょう。