Optimizing Foundation Models (Japanese)

このコースでは、基盤モデル (FM) のパフォーマンスを向上させる 2 つの手法である検索拡張生成 (RAG) とファインチューニングについて取り上げます。埋め込みを使用してエンコードしたベクトルを保存できるベクトルデータベースの AWS サービス、マルチステップタスクにおけるエージェントの役割、FM をファインチューニングするための定義方法、ファインチューニングのためにデータを準備する方法などについて学習します。

・コースレベル :基礎

・所要時間: 1時間

アクティビティ

このコースには、インタラクティブな要素、テキストによる説明、イラスト入りのグラフィック、ナレッジチェックが含まれます。

コースの目標

このコースでは、以下について学習します。

・埋め込みを使用してエンコードしたベクトルを保存できるベクトルデータベースの AWS サービスを特定する。

・マルチステップタスクにおけるエージェントの役割を理解する。

・FM のパフォーマンスを評価する方法を理解する。

・FM がビジネスの目標を効果的に満たすかどうかを判断する。

・FM をファインチューニングする方法を定義する。

・FM をファインチューニングするためにデータを準備する方法を説明する。

・ユースケースで特定されたビジネスメトリクスに基づいて、FM がビジネスの目標を効果的に満たすかどうかを判断する。

コースの対象者

このコースは次のような方を対象としています。

・特定の職務とは関係なく、人工知能や機械学習 (AI/ML) に興味がある人

前提条件

「Optimizing Foundation Models」は、人工知能、機械学習、生成 AI の基礎知識を習得するシリーズの一部として提供されています。本コースの受講前に、以下の 2 つのコースを修了することをお勧めします。

・Fundamentals of Machine Learning and Artificial Intelligence

・Exploring Artificial Intelligence Use Cases and Applications

コースの概要

セクション 1: はじめに

　　　・このコースの受講方法

　　　・コースの概要

セクション 2: 検索拡張生成による基盤モデルの最適化

　　　・ビジネスケース

　　　・検索拡張生成 (RAG)

　　　・エージェント

　　　・結果の評価

　　　・ナレッジチェック

セクション 3: ファインチューニングによる基盤モデルの最適化

　　　・ビジネスケース

　　　・ファインチューニング

　　　・モデルの評価

　　　・ナレッジチェック

セクション 4: まとめ

　　　・リソース

　　　・お問い合わせ