実践ドメイン特化ローカルLLM 軽量・高効率なAIシステム構築 [単行本]

実践ドメイン特化ローカルLLM 軽量・高効率なAIシステム構築 の 商品概要

• 目次

  第1部　ファーストステップ
  第1章　SLM

  第2部　ドメイン特化LLMの中核的な技術
  第2章　特定のドメイン向けのチューニング
  第3章　Transformerのエンドツーエンドのファインチューニング
  第4章　推論の実行
  第5章　ONNXの探索
  第6章　本番環境向けの量子化

  第3部　現実のユースケース
  第7章　Pythonコードの生成
  第8章　タンパク質構造の生成

  第4部　高度な概念
  第9章　高度な量子化テクニック
  第10章　プロファイリングの活用
  第11章　デプロイとサービング
  第12章　ノート PC での実行
  第13章　エンドツーエンドのLLMアプリケーションの構築
  第14章　LLMアプリケーションの高度なコンポーネント
  第15章　推論時の計算量とSLM

• 出版社からのコメント

  自社環境で安全に動く！ ローカルLLMシステムの構築・最適化手法を解説

• 内容紹介

  【30秒で分かる、この本の中身】

  ■この本の結論
  高コストで情報漏洩リスクを伴う汎用的な大規模言語モデル（LLM）に代わり、効率的かつセキュアな「小規模言語モデル（SLM）」を自社環境に構築・デプロイすることで、ビジネス固有の課題を安全に解決できます。

  ■こんな人におすすめ
  ・セキュリティやコストに懸念があり、ChatGPTなどの汎用LLMの業務導入を躊躇している企業のIT担当者・経営層
  ・医療、金融、製造など、厳格なコンプライアンスが求められる分野で独自のAIシステムを構築したいデータサイエンティスト

  ■この本で学べる5つのこと
  1. ローカルLLMの基本概念とTransformerアーキテクチャの仕組み
  2. ChatGPTなどの汎用LLMが抱えるセキュリティやコスト面のリスクと課題の全体像
  3. オープンソースモデルを活用した、開発コストを大幅に抑える独自AIモデルの実装アプローチ
  4. 計算に必要なリソースを削減し、制約のあるハードウェア環境へAIモデルをデプロイするテクニック
  5. 自社のプライベートデータを用いて、特定のドメイン（専門領域）にモデルを特化させる転移学習やファインチューニングの手法

  【この本のポイント】
  Q1. どんな人が読むと効果的？
  A1. 自社の機密データを保護したままAIを活用したいエンジニアや、ChapGPTなどのLLMシステムの利用コストに課題を感じているプロジェクトリーダーに最適です。特に、製造業、製薬、金融など専門知識が求められ、規制の厳しいドメインでAI実装を目指す方に非常に効果的です。
  
  Q2. 読み終えると何が変わる？
  A2. 巨大なAIモデルに依存することなく、数億～数十億パラメータの軽量なAIモデルを開発し、ローカル環境でデータを保持したまま安全に処理するという選択肢を持てるようになります。
  
  Q3. 読み始めるのに前提知識は必要？
  A3. LLMに触れた経験があれば読み進められます。第1章でTransformerモデルの進化や自然言語処理の歴史的背景から丁寧に解説されているため、AIの基礎知識を整理したいビジネス層でも概要を理解可能です。

  【著者】Guglielmo Iozzia
  製薬企業MSD 機械学習/AIおよび応用数学ディレクター

  【監修】吉田 真吾
  株式会社セクションナイン 代表取締役

  【監修】山田 育矢
  株式会社Studio Ousia 共同創業者・チーフサイエンティスト / 東京理科大学 創域情報学部 教授 / 東北大学 言語AI研究センター 特任教授 / 名古屋大学 客員教授

実践ドメイン特化ローカルLLM 軽量・高効率なAIシステム構築 の商品スペック