【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。

クラウドサービスの代名詞とも言えるAWS（Amazon Web Services）。いまや，Web 業界だけでなく基幹系システムや業務システムでも合理的な選択肢として避けて通ることのできない存在になりました。しかし実際のところはまだ，ホスティングの代わりにAWS を利用しているに過ぎないようなケースも多く見られます。本書では，AWS のメリットであるスケーラビリティ，アジリティ（俊敏性），マネージドプラットフォームを享受する，クラウドのポテンシャルを120% 活かした「クラウドネイティブ」なアーキテクチャを実現するにはどうすればよいのか，実案件で実践してきたエンジニア陣が解説します。

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 クラウドコンピューティングの技術の中でも、昨今注目を集めているのがサーバーレスアーキテクチャです。 FaaS（Function-As-A-Service）とも呼ばれるサーバーレスアーキテクチャは、ファンクション（関数）と呼ばれるマイクロサービスを実装し、組み合わせながら、サービスを構築していくアーキテクチャです。 その際、実行環境となるサーバーのスケーリングや管理をクラウドプロバイダに任せることで、開発者はオンプレミスなサーバーを考えることなしに、開発時間の短縮と運用コストの削減を図ることができます。 本書では、サーバーレスアーキテクチャに興味のある開発者がAmazon Web Services（AWS）上で新技術を実践・体験するための例として、 　・マイクロサービスのコードを実行する「AWS Lambda」 　・「Amazon S3」などのクラウドストレージ 　・「Amazon DynamoDB」などのデータベース 　・「Auth0」などの認証サービス といったサービスを組み合わせながら、実際に動かすことのできる動画シェアサイトを構築していきます。 世界的な技術カンファレンス「Serverlessconf」の責任者である著者による、サーバーレスアーキテクチャの主要なデザインパターンを学べる1冊です。 ※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。 ※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。 ※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。 ※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

【ChatGPTのAPIとLangChainで大規模言語モデルをシステムに組み込む知識をステップバイステップで実践できる！】 本書ではまず、OpenAI APIとLangChainについて解説します。ChatGPTのようなしくみを業務システムなどに組み込むためには、単にLLMに1つ入力して1つ出力を得るような実装ではなく、複数のタスクを一連のワークフロー処理として実現する必要があります。また、ChatGPTが知識を持たない専門知識を答えてほしいとか、意図した形式で応答が欲しいなど、実用性を高める必要も出てきます。これらを実現するためのLangChainのつかいかたをわかりやすく解説します。 後半では、ステートレスなOpenAI APIに記憶を持たせたり、必要に応じてWeb検索などを行うエージェント処理、さらにそれらチャット形式の処理を、ステップバイステップでWebアプリやSlackアプリとして実装します。 ■目次 ●第1章 大規模言語モデル（LLM）を使ったアプリケーションを開発したい！ 　　1.1 ChatGPTにふれてみよう 　　1.2 プロンプトの工夫でできること 　　1.3 プログラミングで使ってみよう 　　1.4 ChatGPTを使うときに気をつけること 　　1.5 ChatGPTの有料プランでできること 　　……ほか ●第2章 プロンプトエンジニアリング 　　2.1 なぜいきなりプロンプトエンジニアリング？ 　　2.2 プロンプトエンジニアリングとは 　　2.3 プロンプトの構成要素の基本 　　2.4 Prompt Engineering Guideから：ChatGPTの無限の可能性を引き出す ●第3章 ChatGPTをAPIから利用するために 　　3.1 OpenAIの文書生成モデル 　　3.2 ChatGPTのAPIの基本 　　3.3 入出力の長さの制限や課金に影響する「トークン」 　　3.4 Chat Completions APIにふれる環境の準備 　　3.5 Chat Completions APIをさわってみる 　　……ほか ●第4章 LangChainの基礎 　　4.1 LangChainの概要 　　4.2 Language models 　　4.3 Prompts 　　4.4 Output parsers 　　4.5 Chains 　　……ほか ●第5章 LangChainの活用 　　5.1 Data connection 　　5.2 Agents ●第6章 外部検索、履歴を踏まえた応答をするWebアプリの実装 　　6.1 第6章で実装するアプリケーション 　　6.2 Cloud9を起動して開発環境を構築する 　　6.3 StreamlitのHello World 　　6.4 ユーザーの入力を受け付ける 　　……ほか ●第7章 ストリーム形式で履歴を踏まえた応答をするSlackアプリの実装 　　7.1 なぜSlackアプリを作るのか 　　7.2 環境準備 　　7.3 環境設定ファイルを作成する 　　7.4 Slackアプリを新規作成する 　　7.5 ソケットモードを有効化する 　　……ほか ●第8章 社内文書に答えるSlackアプリの実装 　　8.1 独自の知識をChatGPTに答えさせる 　　8.2 埋め込み表現（embeddings）とは 　　8.3 実装するアプリケーションの概要 　　8.4 開発環境を構築する 　　8.5 サンプルデータの準備 　　……ほか ●第9章 LLMアプリの本番リリースに向けて 　　9.1 企業で生成AIを活用していくために 　　9.2 JDLA発行『生成AIの利用ガイドライン』をもとにした自社ガイドラインの作成 　　9.3 サービスの企画・設計段階での課題 　　9.4 テスト・評価について 　　9.5 セキュリティ対策について 　　……ほか ●付録 Webアプリ、Slackアプリ開発の環境構築 ■著者プロフィール 吉田 真吾：株式会社サイダス取締役CTO/株式会社セクションナイン代表取締役CEO、ChatGPT Community（JP）主催。サーバーレステクノロジーのコミュニティ主催を通じて、日本におけるサーバーレスの普及を促進。『サーバーレスシングルページアプリケーション』（オライリー）監訳、『AWSエキスパート養成読本』（技術評論社）共著。 大嶋 勇樹：ソフトウェアエンジニア。IT企業からフリーランスエンジニアを経て会社を設立。現在は実務に就き始めたエンジニアのスキルアップをテーマに、勉強会の開催や教材作成の活動を実施。オンラインコースUdemyではベストセラー講座多数。勉強会コミュニティStudyCo運営。