女部田啓太の作品一覧

◆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。"

◆人とエージェント、双方から使いやすいAI-Readyなデータ基盤づくり◆ Microsoft FabricはAI搭載のSaaS型統合データプラットフォームです。本書では、導入からデータ基盤の構築と管理、AIを使ったデータ操作、さらにはBIやリアルタイム分析、機械学習まで、ハンズオンも織り交ぜながら実践的に解説します。 ■目次 ●第1部　生成AIを活用したデータ加工と分析 第1章　Microsoft Fabricの概要 ・1.1 Microsoft Fabricとは ・1.2 ワークロード ・1.3 ガバナンス ・1.4 OneLake ・1.5 Copilotによるサポート ・1.6 開発に関わるコンポーネント ・1.7 ワークスペース、アイテム、Fabric容量の関係 第2章　Microsoft FabricとMicrosoft 365サービスの環境セットアップ ・2.2 ハンズオンを含む章と必要なライセンスの関係 ・2.3 Microsoft Fabric試用版の有効化 ・2.4 Microsoft Fabric有償版（Fabric容量）のセットアップ ・2.5 Fabricワークスペースの作成と設定 ・2.6 Microsoft 365 Business Standard試用版の有効化 ・2.7 Microsoft Teamsでチームを作成 第3章　生成AIを活用したデータ加工と分析 ・3.1 Microsoft FabricにおけるCopilotとデータエージェントの概要 ・3.2 ハンズオン：生成AIを活用したデータ加工と分析 ●第2部　Microsoft Fabricの導入と運用 第4章　Microsoft Fabricによるデータの価値昇華 ・4.1 データの価値昇華を支援するデータ分析基盤 ・4.2 データの価値昇華を実現するMicrosoft Fabricのワークロード ・4.3 Microsoft Fabricでの「データ」から「情報」への昇華 ・4.4 Microsoft Fabricで「情報」を「知識」としてモデル化して「知恵」につなげる 第5章　Microsoft Fabricの機能選定とリファレンスアーキテクチャ ・5.1 Microsoft Fabricのデータストアの選定 ・5.2 Microsoft Fabricのデータ取り込みの選定 ・5.3 Microsoft Fabricのデータ変換の選定 ・5.4 Fabricのワークフローの選定 ・5.5 Fabricのモデル化の選定 ・5.6 Fabricのデータ分析・活用の選定 ・5.7 Microsoft Fabricソリューションアーキテクチャパターン 第6章　Microsoft Fabricのプラットフォームを管理する ・6.1 基盤管理 ・6.2 セキュリティ ・6.3 コスト最適化とパフォーマンス効率 ・6.4 信頼性 ・6.5 オペレーショナル・エクセレンス ・6.6 データガバナンス ●第3部　ユースケースと応用 第7章　全社レベルのデータ活用基盤構築 ・7.2 ハンズオン：データ活用基盤の構築 第8章　セマンティックモデルとPower BIレポートの実装 ・8.1 Power BIとセマンティックモデルの概要 ・8.2 セマンティックモデルの設計 ・8.3 Power BIレポートの設計 ・8.4 ハンズオン1：セマンティックモデルを作成する ・8.5 ハンズオン2：Power BIレポートを作成する ・8.6 ハンズオン3：Copilot for Power BIを用いたレポート作成 ・8.7 参考となるWeb サイト 第9章　リアルタイム分析のエンドツーエンドソリューション ・9.1 Real-Time Intelligenceの概要 ・9.2 アーキテクチャの解説 ・9.3 ハンズオン：Real-Time Intelligence 第10章　機械学習モデルの開発と推論 ・10.2 Data Scienceの主な機能 ・10.3 ハンズオン：AutoMLによる機械学習モデルの開発とバッチ推論 第11章　AI Readyなデータ整備とエージェントによるデータ活用 ・11.2 AI Readyなデータ整備 ・11.3 ハンズオン：非構造化データのエンリッチメント ・11.4 エージェントによるデータ活用 ・11.5 ハンズオン：SCMデータで体験するデータエージェントベストプラクティス検証