AI・LLMの学習時間短縮と性能、回答精度向上

セミナーに申し込む
オンライン 開催

本セミナーでは、AI・LLMの学習時間短縮と性能、回答精度の向上をテーマに、最新の技術動向と実践的なアプローチを紹介いたします。
LLMの基礎から、その学習を効率化する方法、性能を最大化するポイント、回答精度を向上させるためのテクニックまで、幅広くお伝えします。

日時

開催予定

プログラム

人工知能 (AI) 技術の急速な発展に伴い、近年注目を集めているのが大規模言語モデル (LLM) です。LLMは、膨大なデータから学習し、自然言語処理や生成系タスクにおいて優れた性能を発揮します。しかし、その学習には膨大な時間とリソースを要することが課題となっています。  本講演では、AI・LLMの学習時間短縮と性能、回答精度の向上をテーマに、最新の技術動向と実践的なアプローチをご紹介します。LLMの基礎から、その学習を効率化する方法、性能を最大化するポイント、回答精度を向上させるためのテクニックまで、幅広くお伝えします。また、LLM導入のハードルやプロジェクトの進め方、費用対効果の検討など、実務的な観点からも有用な情報を提供します。本講演を通じて、参加者の皆様がAI・LLMの学習時間短縮と性能向上のための具体的な方策を理解し、自社の技術開発や研究に活用できることを目指します。

  1. AI・LLMの基礎概念と仕組み
  2. LLMの学習メカニズムと特徴
  3. 生成AIの現状と課題
  4. 生成AIの弱点と対策
    1. データバイアス
    2. ハルシネーション (幻覚)
  5. 学習環境の整備と最適化
  6. AI・LLMの学習時間短縮のポイント
    1. 性能分析
    2. 演算効率化
    3. 並列化効率の向上
    4. I/O時間の短縮
    5. その他の高速化の手法
  7. AI・LLMの性能向上のポイント
    1. データ収集
      • データ拡張技術
      • ハイパーパラメータ調整
      • 転移学習とファインチューニング
    2. 評価指標の設定と改善
    3. 人間によるフィードバックの有効性
  8. 特化型LLMの紹介と活用事例
  9. 特化型LLMの学習と応用
  10. データ整形と前処理の重要性
  11. RAG (Retrieval – Augmented Generation) の紹介
  12. 生成AI導入の課題とハードル
  13. プロジェクトの進め方
    1. チーム編成
    2. スケジュール管理
  14. 費用対効果の算出と検討
  15. 国産LLMの開発動向
  16. Fugaku – LLM:スーパーコンピュータ「富岳」で学習した国産LLM
  17. 海外の最新事例紹介
  18. マルチモーダルLLMの可能性
  19. 倫理的配慮とガイドライン
  20. 導入事例の紹介と分析

受講料

複数名同時受講割引について

アカデミック割引

日本国内に所在しており、以下に該当する方は、アカデミック割引が適用いただけます。

ライブ配信セミナーについて