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.
 
 

193 lines
8.1 KiB

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。