立脇裕太の作品一覧
「立脇裕太」の「Azure OpenAI ServiceではじめるChatGPT/LLMシステム構築入門」「Azure Machine Learningではじめる機械学習/LLM活用入門」ほか、ユーザーレビューをお届けします！
- 作者をフォローする
- フォローすると、この作者の新刊が配信された際に、お知らせします。
作品一覧
-
-1巻3,520円 (税込)◆機械学習・LLM活用の現在地点◆ Azure Machine Learningは機械学習における学習から推論、運用までをエンドツーエンドでサポートするプラットフォームです。本書は、機械学習の活用を推進するエンジニアやデジタルトランスフォーメーションを担う人々に向け、Azure Machine Learningを使った機械学習モデルの構築から運用まで解説しています。基本から、自動機械学習（AutoML）機能を使った便利なモデル開発、MLflowと機械学習パイプラインを使った実践的なモデル開発を経て、MLOpsの実現を目指します。大規模言語モデルの活用にあたっては、モデルカタログやプロンプトフローの使い方を解説し、LLMOpsの概念にも触れます。 ■目次 ●第1部 Azure Machine Learningの基本 ・第1章 機械学習をビジネスに活かすには ・第2章 Azure Machine Learningの概要 ・第3章 Azure Machine Learningのセットアップ ・第4章 AutoMLの概要と実践 ●第2部 機械学習モデルの構築と活用 ・第5章 スクラッチでのモデル開発 ・第6章 MLflowによる実験管理とモデル管理 6.5 まとめ ・第7章 機械学習パイプライン ・第8章 モデルのデプロイ ・第9章 MLOpsの概要と実践 ●第3部 大規模言語モデルの活用 ・第10章 大規模言語モデルの概要 ・第11章 基盤モデルとモデルカタログ ・第12章 プロンプトフローの活用 ・第13章 LLMOpsへの招待 ●付録 ・付録A クライアント環境のセットアップ ・付録B Azure Machine Learningとデータ ・付録C MLflow Modelsによるノーコードコンテナビルドとデプロイ ・付録D 責任あるAIツールボックス ■著者プロフィール ●永田 祥平：元日本マイクロソフト株式会社 クラウドソリューションアーキテクト。大学院で分子生物学やバイオインフォマティクスを学んだあと、2020年より日本マイクロソフト株式会社に入社。クラウドソリューションアーキテクト（AI）として、おもにエンタープライズのお客様を対象に、Azureデータ分析・機械学習基盤や生成AIアプリケーションの導入・活用支援を行う。2024年より米国系SaaS企業に移り、プロダクトマネージャーとして日本、韓国、台湾市場に向けた生成AI・エージェント機能の企画開発を行っている。第1章から第3章、第10章の執筆と全体統括を担当。 ●立脇 裕太：日本マイクロソフト株式会社 クラウドソリューションアーキテクト。Softbank（SBT）、Deloitte、DataRobotでビッグデータ、クラウド、機械学習を活用してお客様のデータ活用を推進する経験を経て、日本マイクロソフトに入社。現職では、需要高まる生成AIの活用を支援する案件に従事しつつ、お客様のMLOps成熟度Level4実現に向けた支援にも従事。MLOpsCommunity（JP）のオーガナイザーでMLOpsやAIガバナンスに関する講演や記事執筆などを実施。第5章、第9章、第13章の執筆を担当。 ●伊藤 駿汰：日本マイクロソフト株式会社 クラウドソリューションアーキテクト／株式会社Omamori 取締役。本業でAI/ML開発（とくに自然言語処理方面）と利活用の技術支援、機械学習基盤やMLOps基盤の構築および活用の技術支援を行うクラウドソリューションアーキテクト、副業で自社サービスの開発を担うソフトウェアエンジニアとして活動。第6章、第11章、付録B、付録Cの執筆を担当。 ●宮田 大士：日本マイクロソフト株式会社 クラウドソリューションアーキテクト。情報学の修士号を取得後、製造業にてデータ分析／機械学習システムの構築／データ分析基盤の開発を経験し、日本マイクロソフトに入社。現職では、自動車産業・製造業を中心とした幅広い業界のお客様にAIの導入／活用を支援。第4章と第12章の執筆を担当。 ●女部田 啓太：Regional AI Architect Lead, Office of the Chief Technology Officer, Microsoft Asia。Oracle、SAS Instituteでのデータ分析、統計解析、機械学習の経験を経て、2018年よりMicrosoftに入社。現職では、アジア地域における重要な基盤モデルの開発・運用管理、AI Agentのシステム構築プロジェクトへの技術支援などを実施。第7章、第8章、付録A、付録Dの執筆を担当。" -
4.7【Azure×OpenAIでChatGPTシステムを構築！】 本書はLLM（大規模言語モデル）に興味があるITエンジニアを対象に、AzureからOpenAIモデルにアクセスできる「Azure OpenAI Service」を使い、ChatGPTを利用した社内AIシステムの開発と導入を実現してもらうのが目的です。 前半では、生成AIとChatGPTモデルの基本的な概念とその仕組みを解説します。また、Azure OpenAI Serviceの概要と具体的な利用方法を解説し、プロンプトエンジニアリングについても紹介します。後半ではChatGPTを利用する社内システムの開発手法について、実際にAzure OpenAI Serviceを使いながら学んでいきます。RAGを利用した社内文章検索システムの実装を経て、LLMを組み込んだアプリケーション（Copilot）の構築へとステップアップしていきます。また、ガバナンス実現に必要な共通基盤化と責任あるAIについても解説しています。 ■目次 ●第1部 Microsoft AzureでのChatGPT活用 ・第1章 生成AIとChatGPT ・第2章 プロンプトエンジニアリング ・第3章 Azure OpenAI Service ●第2部 RAGによる社内文章検索の実装 ・第4章 RAGの概要と設計 4.1 ChatGPTの問題点と解決手法 4.2 Retrieval-Augmented Generationとは 4.3 検索システム 4.4 Azure AI Search 4.5 オーケストレータ 4.6 Azure OpenAI on your data 4.7 Azure Machine Learningプロンプトフロー 4.8 大規模言語モデル 4.9 Azure OpenAI API 4.10 まとめ ・第5章 RAGの実装と評価 5.1 アーキテクチャ 5.2 社内文章検索の実装例 5.3 会話履歴の保持 5.4 検索機能 5.5 データインジェストの自動化 5.6 RAGの評価と改善 5.7 検索精度の評価 5.8 生成精度の評価 5.9 まとめ ●第3部 Copilot stackによるLLMアプリケーションの実装 ・第6章 AIオーケストレーション 6.1 Copilot stackとは 6.2 AIオーケストレーションとエージェント 6.3 独自Copilot開発のアーキテクチャと実装 6.4 まとめ ・第7章 基盤モデルとAIインフラストラクチャ 7.1 基盤モデルとAIインフラストラクチャとは 7.2 ホスティングされたモデルの場合 7.3 公開モデルの場合 7.4 まとめ ・第8章 Copilotフロントエンド 8.1 ユーザーエクスペリエンスの基礎 8.2 LLMの不確実な応答への対処 8.3 UX向上のための参考資料 8.4 まとめ ●第4部 ガバナンスと責任あるAI ・第9章 ガバナンス ・第10章 責任あるAI ■著者プロフィール 永田 祥平：日本マイクロソフト株式会社 クラウドソリューションアーキテクト。主にエンタープライズのお客様を対象に、Azureビッグデータ分析基盤や機械学習基盤の導入・活用支援を行う。 伊藤 駿汰：日本マイクロソフト株式会社 クラウドソリューションアーキテクト／株式会社Omamori 取締役。AI/ML開発と利活用の技術支援、機械学習基盤やMLOps基盤の構築および活用の技術支援を行う。 宮田 大士：日本マイクロソフト株式会社 クラウドソリューションアーキテクト。現職では、幅広い業界のお客様へのAIの導入／活用を支援。 立脇 裕太：日本マイクロソフト株式会社 クラウドソリューションアーキテクト。現在は日本マイクロソフトでビッグデータ、クラウド、機械学習を活用した企業のデータ活用を支援。 花ケ﨑 伸祐：日本マイクロソフト株式会社 パートナーソリューションアーキテクト。現在はパートナーAIソリューションの開発支援に携わる。 蒲生 弘郷：日本マイクロソフト株式会社 クラウドソリューションアーキテクト。現在はソリューションアーキテクトとしてAI導入の技術支援やAzure OpenAI Serviceのエバンジェリスト活動などに従事。 吉田 真吾：株式会社セクションナイン 代表取締役。2023年5月にAzure OpenAI/Azure AI Search/Azure Cosmos DBを活用した人事FAQ 機能をリリース。著書、監訳書多数。
ユーザーレビュー
