LLMOps―本番環境における大規模言語モデル運用ガイド [単行本]

LLMOps―本番環境における大規模言語モデル運用ガイド の 商品概要

• 要旨（「BOOK」データベースより）

  大規模言語モデルでは、従来のルールやＭＬＯｐｓが通用せず、ハルシネーションやセキュリティ崩壊、モニタリング不全など未知の課題が発生します。本書はＬＬＭＯｐｓの実践ガイドとして、評価・ガバナンス・監査の設定、ＲＡＧやエージェント運用の整理、パフォーマンス監視、コスト効率の高いインフラ拡張まで、本番環境においてＬＬＭを安定的に稼働させる方法を解説します。

• 目次（「BOOK」データベースより）

  １章　大規模言語モデル入門
  ２章　ＬＬＭＯｐｓ入門
  ３章　ＬＬＭベースアプリケーション
  ４章　ＬＬＭのためのデータエンジニアリング
  ５章　ＬＬＭベースアプリケーション向けモデルドメイン適応
  ６章　ＡＰＩファーストＬＬＭデプロイ
  ７章　ＬＬＭの評価
  ８章　ガバナンス：監視、プライバシー、セキュリティ
  ９章　スケーリング：ハードウェア、インフラ、リソース管理
  １０章　ＬＬＭとＬＬＭＯｐｓの未来

• 内容紹介

  現場で生きるLLM導入・運用・活用ガイド！
  大規模言語モデルでは、従来のルールやMLOpsが通用せず、ハルシネーションやセキュリティ崩壊、モニタリング不全など未知の課題が発生します。本書はLLMOpsの実践ガイドとして、評価・ガバナンス・監査の設定、RAGやエージェント運用の整理、パフォーマンス監視、コスト効率の高いインフラ拡張まで、本番環境においてLLMを安定的に稼働させる方法を解説します。

• 著者紹介（「BOOK著者紹介情報」より）（本データはこの書籍が刊行された当時に掲載されていたものです）

  アーリアン,アビ(アーリアン,アビ／Aryan,Abi)
  Ａｂｉｄｅ　ＡＩ（ｈｔｔｐｓ：／／ａｂｉｄｅａｉ．ｃｏｍ）の創設者であり、本番環境向けのＭＬシステムを構築してきた約１０年の経験を持つ機械学習研究エンジニア。数学を専攻し、以前はＪｕｄｅａ　Ｐｅａｒｌ博士の指導のもとＵＣＬＡのＣｏｇｎｉｔｉｖｅ　Ｓｙｓｔｅｍｓ　Ｌａｂで客員研究員として、知能エージェントの開発に注力していた。ＡｕｔｏＭＬ、マルチエージェントシステム、大規模言語モデルに関する研究論文を執筆し、ＮｅｕｒＩＰＳ、Ａｓｓｏｃｉａｔｉｏｎ　ｆｏｒ　Ｃｏｍｐｕｔａｔｉｏｎａｌ　Ｌｉｎｇｕｉｓｔｉｃｓ（ＡＣＬ）、Ｅｍｐｉｒｉｃａｌ　Ｍｅｔｈｏｄｓ　ｉｎ　Ｎａｔｕｒａｌ　Ｌａｎｇｕａｇｅ　Ｐｒｏｃｅｓｓｉｎｇ（ＥＭＮＬＰ）、Ａｄｖａｎｃｅｓ　ｉｎ　Ａｐｐｒｏｘｉｍａｔｅ　Ｂａｙｅｓｉａｎ　Ｉｎｆｅｒｅｎｃｅ（ＡＡＢＩ）といった主要な研究会議やワークショップで積極的に査読者を務めている。現在は、ＡＩエージェントにおける反射知能、マルチエージェントシステム向けの分散自己修復プロトコル、超大規模ＡＩシステム向けのＧＰＵエンジニアリングの研究をさらに推進している
  
  嶋田 健志(シマダ タケシ)
  主にＷｅｂシステムの開発に携わるフリーランスのエンジニア
  
  新井 翔太(アライ ショウタ)
  保険業界向けＳａａＳを手がける株式会社ｈｏｋａｎ所属のＷｅｂエンジニア

LLMOps―本番環境における大規模言語モデル運用ガイド の商品スペック