蔵書情報
この資料の蔵書に関する統計情報です。現在の所蔵数 在庫数 予約数などを確認できます。
書誌情報サマリ
| 書名 |
今日から使えるファインチューニングレシピ AI・機械学習の技術と実用をつなぐ基本テクニック
|
| 著者名 |
藤原 弘将／共著
|
| 著者名ヨミ |
フジハラ,ヒロマサ |
| 出版者 |
オーム社
|
| 出版年月 |
2024.9 |
この資料に対する操作
電子書籍を読むを押すと 電子図書館に移動しこの資料の電子書籍を読むことができます。
資料情報
各蔵書資料に関する詳細情報です。
| No. |
所蔵館 |
資料番号 |
請求番号 |
資料種別 |
配架場所 |
帯出区分 |
状態 |
貸出
|
| 1 |
服部 | 009597824 | 007.1/ｷ/ | 一般図書 | 成人室 | | 在庫 |
○ |
関連資料
この資料に関連する資料を 同じ著者 出版年 分類 件名 受賞などの切り口でご紹介します。
藤原 弘将 吉岡 琢 石田 忠 内木 賢吾 佐々木 雄哉 川崎 奏宜 加藤 修
データのつながりを活かす技術 ： …
黒木 裕鷹／著,…
グランドマスター三冠のKaggle…
Gabriel …
スッキリわかるPythonによる機…
須藤 秋良／著,…
scikit‐learn、Kera…
Aurélien…
事例でわかるMLOps ： 機械学…
杉山 阿聖／編著…
Pythonで体感!医療とAIはじ…
宮野 悟／監修,…
Scratchではじめる機械学習 …
石原 淳也／著,…
教養としての機械学習
杉山 将／著
PyCaretで学ぶ機械学習入門
梅津 雄一／著,…
データ分析に必須の知識・考え方認知…
山田 典一／著
LightGBM予測モデル実装ハン…
毛利 拓也／著
Python統計分析&機械学習マス…
チーム・カルポ／…
Pythonで学ぶはじめてのデータ…
吉田 雅裕／著
評価指標入門 ： データサイエンス…
高柳 慎一／著,…
いちばんやさしいPython機械学…
鈴木 たかのり／…
Optunaによるブラックボックス…
佐野 正太郎／共…
Kaggleに挑む深層学習プログラ…
小嵜 耕平／著,…
Rユーザのためのtidymodel…
松村 優哉／著,…
ビジュアルデータサイエンティスト基…
野村総合研究所デ…
現場で使える!機械学習システム構築…
澁井 雄介／著
Pythonによるあたらしいデータ…
寺田 学／著,辻…
スキマ時間で学べる機械学習&Pyt…
日経ソフトウエア…
本質を捉えたデータ分析のための分析…
杉山 聡／著
図解まるわかりデータサイエンスのし…
増井 敏克／著
Scratchであそぶ機械学習 ：…
石原 淳也／著,…
前へ
次へ
書誌詳細
この資料の書誌詳細情報です。
| タイトルコード |
1003001003087 |
| 書誌種別 |
図書 |
| 書名 |
今日から使えるファインチューニングレシピ AI・機械学習の技術と実用をつなぐ基本テクニック |
| 書名ヨミ |
キョウ カラ ツカエル ファイン チューニング レシピ |
| 副書名 |
AI・機械学習の技術と実用をつなぐ基本テクニック |
| 副書名ヨミ |
エーアイ キカイ ガクシュウ ノ ギジュツ ト ジツヨウ オ ツナグ キホン テクニック |
| 著者名 |
藤原 弘将／共著
吉岡 琢／共著
石田 忠／共著
内木 賢吾／共著
佐々木 雄哉／共著
川崎 奏宜／共著
加藤 修／共著
|
| 著者名ヨミ |
フジハラ,ヒロマサ ヨシオカ,タク イシダ,タダシ ナイキ,ケンゴ ササキ,ユウヤ カワサキ,カナタ カトウ,シュウ |
| 出版者 |
オーム社
|
| 出版年月 |
2024.9 |
| ページ数 |
221p |
| 大きさ |
24cm |
| ISBN |
4-274-23238-1 |
| ISBN |
978-4-274-23238-1 |
| 分類記号 |
007.13
|
| 内容紹介 |
ファインチューニングについて、具体的なPythonコードを通じて基本から実践までわかりやすく解説。タスクを実施するための手続きを「レシピの概要」「事前準備」「実装」「評価」「応用レシピ」のパッケージで紹介する。 |
| 著者紹介 |
株式会社Laboro.AI代表取締役COO兼CTO。 |
| 件名1 |
機械学習
|
| (他の紹介)内容紹介 |
ファインチューニングのしくみと実践のコツを解説！ |
| (他の紹介)目次 |
１ ファインチューニングの基礎知識（機械学習とは
ファインチューニングとは ほか）
２ 画像のファインチューニング（このＣｈａｐｔｅｒで取り扱うタスクと機械学習モデル
画像ファインチューニングのしくみ ほか）
３ 自然言語処理のファインチューニング（自然言語処理とは
テキスト分類のファインチューニング ほか）
４ 生成ＡＩのファインチューニング（生成ＡＩ
プロンプトエンジニアリングによる質問応答 ほか）
５ 強化学習によるファインチューニング（強化学習とＲＬＨＦ
ポジティブな文生成のファインチューニング）
Ａｐｐｅｎｄｉｘ 評価指標 |
| (他の紹介)著者紹介 |
藤原 弘将
京都大学大学院情報学研究科博士後期課程修了（情報学）。２００７年、産業技術総合研究所に入所。機械学習を用いた音声／音楽の自動理解の研究に従事。開発した特許技術をさまざまな企業にライセンス提供し、ライセンス先企業の技術顧問も務める。２０１２年、ボストンコンサルティンググループに入社。ビッグデータ活用領域を中心に多数、業界・テーマのプロジェクトに従事。ＡＩ系のスタートアップ企業を経て、２０１６年に株式会社Ｌａｂｏｒｏ．ＡＩを創業。代表取締役ＣＯＯ兼ＣＴＯとして技術開発をリード(本データはこの書籍が刊行された当時に掲載されていたものです)
吉岡 琢
奈良先端科学技術大学院大学情報科学研究科博士後期課程修了（工学）。在学中に確率モデルによる情報処理の研究に従事。修了後、研究所や企業で機械学習による脳活動計測、人流データ分析、深層学習によるロボット制御を経験。２０１９年４月より株式会社Ｌａｂｏｒｏ．ＡＩに参画し、強化学習、自然言語処理を中心に従事。２０２２年よりエンジニアリング部部長に就任、部門の指揮を執る(本データはこの書籍が刊行された当時に掲載されていたものです)
石田 忠
群馬大学工学部電気電子工学科卒業。組込みエンジニアとして主に舞台照明の制御装置や車載装置の開発に携わる。その後、高速度カメラメーカで画像処理エンジニアとして、画像解析および機械学習による画像処理を経験。２０２１年に株式会社Ｌａｂｏｒｏ．ＡＩに参画し、画像機械学習やベイズ最適化等、さまざまなプロジェクトにかかわる(本データはこの書籍が刊行された当時に掲載されていたものです)
内木 賢吾
名古屋大学大学院工学研究科電子情報システム専攻修士課程修了。在学中は自然言語処理の質問応答システムを研究。卒業後、ハードウェアエンジニアとして車載向け実験機器の開発に従事し、筐体、電子回路などハードウェア全般の設計や試験などを担当。その後、自動車会社のＲ＆Ｄ組織にて車載向け音声認識システムのフロントエンド処理に関する研究開発を担当。２０１９年から株式会社Ｌａｂｏｒｏ．ＡＩに参画し、自然言語処理やセンサデータの異常検知を中心に従事。２０２１年からスーパーバイズとして各種案件にかかわる(本データはこの書籍が刊行された当時に掲載されていたものです)
佐々木 雄哉
早稲田大学高等学院卒業。学生時代から数学オリンピック指導や難関中高大の受験指導に携わる。その後、自身でも塾経営を行いながらデータサイエンスを活用した教育のコンサルティングや教育用ＡＩシステムの開発をしている中で、データサイエンティストとしてのキャリアアップのため、ＡＩベンチャーへの転職を決意。研究開発部署の立上げを担当し、データサイエンティストの育成や多岐にわたるＡＩプロジェクトを経験後、主要放送局とＡＩ教育事業を立ち上げ、取締役に就任。２０２３年に株式会社社Ｌａｂｏｒｏ．ＡＩに参画し、ＡＩシステム開発プロジェクトを中心に各種案件をスーパーバイズしている(本データはこの書籍が刊行された当時に掲載されていたものです)
川崎 奏宜
九州工業大学情報工学部電気電子工学科卒業。卒業後、大手ＳＩｅｒにて、画像認識技術を活用した施工現場の効率化や、自然言語処理技術を用いた人材マッチング案件に従事。２０２２年に株式会社Ｌａｂｏｒｏ．ＡＩに参画し、自然言語処理を活用したビジネス探索やセンサデータを使った検査プロセスの自動化など、多岐にわたるプロジェクトを担当(本データはこの書籍が刊行された当時に掲載されていたものです)
加藤 修
北海道大学大学院情報科学研究科情報理工学専攻修士課程修了。在学中は、カーリングをコンピュータ上でシミュレートするデジタルカーリングというゲームを題材としてゲームＡＩを研究。修了後、大手メーカにて住環境データを用いた生活異常検知アルゴリズムの研究開発や、オフィス空間における人の動線などのデータ分析に従事。２０２１年より株式会社Ｌａｂｏｒｏ．ＡＩに参画し、強化学習を中心に各種プロジェクトにかかわる(本データはこの書籍が刊行された当時に掲載されていたものです) |
書店リンク
書店リンク
オンライン書店にてこの本を購入できるか調べることができます。
|
内容細目
前のページへ
