エンジニアなら知っておきたい生成AIのキホン ChatGPT/Copilot/Geminiから学ぶ最新技術と活用（インプレス） [電子書籍]

エンジニアなら知っておきたい生成AIのキホン ChatGPT/Copilot/Geminiから学ぶ最新技術と活用（インプレス） の 商品概要

• ●生成AIの仕組みをイメージする
  生成AIは、革新的なIT技術として注目されていますが、同時にその技術背景は難解で専門的という印象がありました。本書では代表的な生成AIサービスを取り上げながら、その技術をできるだけ分かりやすく解説し、ビジネスの現場に応用していくための解法を提供するものです。
  本書では生成AIの技術的な側面に迫りますが、専門家向けの解説を行うものではありません。生成AIの理解に必要な背景を比較的平易なコンピュータ用語で解説していきます。仕事でコンピュータを使っているさまざまな方のリテラシーを前提に、技術のイメージを大まかにつかんでもらえるような説明をしていきます。
  ●大規模言語モデルからチューニングなどの技術要素をフォロー
  生成AIは従来の人工知能から進んで、文書や画像などのコンテンツを生み出すことができます。その背景には大規模言語モデル（LLM）という従来にはないデータ基盤を利用していることがあります。本書ではさまざまなサービスで採用されているTransformerというモデルを題材にLLCの仕組みを説明します。また、それら汎用モデルをカスタマイズし、ビジネスに活かしていく方法を探ります。
  ●さまざまなIサービスをカバー
  本書では代表的な生成AIのサービスであるChatGPTのほか、マイクロソフトのBingやCopilotなどのサービスの特長や技術背景についても説明します。利用方法のほか、自身が必要とする生成結果を得るためのチューニングなど、より実践的な利用法を解説します。また、生成AIの分野ではさまざまなサービスが次々と登場しており、新しいサービスを含めた特徴や違いなどについても考察を加えています。
  

• 目次

  表紙
  はじめに
  第1章 GPTで始まる大規模言語モデル時代
  ChatGPTとは
  GPT誕生までのヒストリー
  ChatGPTの成長
  OpenAIとMicrosoft
  大規模言語モデル
  大規模言語モデル競争
  AIデバイド（AI Divide）
  この章のまとめ
  第2章 大規模言語モデルの学習
  人の一生とAIの短期トレーニング
  生成AIの学習データ
  言語モデルの本質
  大規模言語モデルは言語の天才
  この章のまとめ
  第3章 Transformerモデルの仕組み
  回帰型ニューラルネットワーク
  Transformerアーキテクチャー
  エンべディングと多次元
  ニューラルネットワークの構造
  RLHF使ったマナー教育
  AlphaGoと言語モデルの対比
  この章のまとめ
  第4章 Microsoftの「Bing」と「Copilot」
  Microsoft Bingの「検索」と「チャット」
  プロメテウス（Prometheus）
  Bingの追い上げ状況
  Copilotシリーズ
  Copilot for Microsoft 365
  Copilot for Microsoft 365の利用イメージ
  Copilot for Microsoft 365のプラグイン
  入力データのAI学習への利用
  この章のまとめ
  第5章 プラグインとカスタムGPT
  ChatGPTのWeb Browsing機能
  カスタム指示（Custom instructions）
  ChatGPTのプラグイン機能
  Popularタブのプラグイン
  ChatGPTとプラグインの役割分担
  Function Calling機能
  プラグインとカスタムGPTの違い
  GPTストア
  カスタムGPTの構成
  GPT BuilderでカスタムGPTを作成
  厳選カスタムGPT
  この章のまとめ
  第6章 カスタムGPTと画像生成AI
  ChatGPTチームが作成したGPT
  画像生成AI
  生成AIが画像を生成できるわけ
  クロスモーダル学習
  主な画像生成AI/画像生成AIの作品鑑賞
  画像の編集の実践
  図版の作成
  画像生成AIの限界
  この章のまとめ
  第7章 ChatGPT-4oとChatGPT Enterpriseとmini
  ChatGPT-4o
  「チャット」と「API」
  o1-previewとo1-mini
  マルチモーダルの実力
  ChatGPT Enterprise
  GPT-4o with canvas
  この章のまとめ
  第8章 インコンテキスト学習とファインチューニング
  生成AIに追加学習する構想
  AI（Deep Learning）で取り組まれてきた活用例
  生成AIに期待される応用例
  自社データを追加学習させる3つの方法
  インコンテキスト学習
  インコンテキスト学習の方法
  転移学習
  ファインチューニング
  ファインチューニングのやり方について
  この章のまとめ
  第9章 RAGとエンべディング
  ファインチューニングの課題
  RAGとは
  LLM Orchestration Framework
  LangChain
  RAGを使った独自データ検索
  Dify
  ベクトルデータベース
  RAG学習データ作成の工夫
  この章のまとめ
  第10章 プログラミング支援
  生成AIがプログラミングに強い理由
  コード生成およびアルゴリズム支援
  コードの品質向上と最適化
  テスト支援
  ドキュメンテーション
  プログラマーは生成AIに仕事を奪われる職業か
  この章のまとめ
  第11章 プロンプトの書き方
  良いプロンプトを書くためのポイント
  プロンプトエンジニアリング
  OpenAIの推奨するプロンプトの書き方
  この章のまとめ
  第12章 いろいろな生成AIを試してみる
  無料で使える生成AI/プロンプト：質問に対する回答
  この章のまとめ
  INDEX（索引）
  奥付
  

エンジニアなら知っておきたい生成AIのキホン ChatGPT/Copilot/Geminiから学ぶ最新技術と活用（インプレス） の商品スペック