～ Function CallとGoogleの検索との連動、言語モデルへの独自データの学習、LlamaIndexと連動技術、LangChainによる言語モデルプログラミング、Streamlitを用いたアプリケーションの構築方法 ～
・ＬＬＭを他のプログラムやシステムと連携させて、より複雑な問題に対応できるシステム開発に応用するための講座
・ＬＬＭプログラミングの基礎から「LangChainを用いた言語モデルプログラミング」や「Streamlitを用いたアプリケーションの構築方法」までの最新技術が修得できる特別セミナー！
・ＷＥＢ会議システムの使い方がご不明の方は弊社でご説明いたしますのでお気軽にご相談ください
ChatGPTをはじめとする大規模言語モデル（LLM）が世の中で広く使われるようになりました。現在の主な使い方は「人間がLLMに直接指示を出す」方法ですが、そのニーズは大きく変化しつつあります。人間の指示をもとに LLMが他のプログラムやシステムと連携することで「より複雑な問題を解決するためのツール」としての役割を拡大しています。
本講座は、LLMを使用したプログラミングを行うためのガイドです。以下を理解することを目的としています。
・基本のLLMプログラミング
・LLMのパラメーターの調整
・OpenAI API Function Call
・LLMに独自データを学習させる
・LlamaIndexとの連動
・LangChainを用いたLLMプログラミング
・Streamlitを用いたWebアプリケーションの構築方法
本講座の前提は以下です。
・プログラミング言語はPythonを使用
・LLMはOpenAI社のGPTを使用
新しいテクノロジーは、シンプルなうちに全体を把握することがポイントです。本講座でLLMプログラミングの基本を学ぶことで、時代の変化に柔軟に対応し、競争力のあるプロフェッショナルとして活躍することが可能になります。それでは、早速始めましょう！
| 開催日時 |
|
|---|---|
| 開催場所 | オンラインセミナー |
| カテゴリー | オンラインセミナー、ソフト・データ・画像・デザイン |
| 受講対象者 |
・言語モデルプログラミングに興味のあるエンジニアの方 ・システム、ソフト、データ分析関連の技術者の方 |
| 予備知識 |
・Pythonの基本文法 ・ＬＬＭ（大規模言語モデル）の基礎知識があると理解しやすい |
| 修得知識 |
・言語モデルを使用したプログラミングの知識 ・基本の言語モデルプログラミング ・言語モデルのパラメーターの調整 ・OpenAI API Function Call ・言語モデルに独自データを学習させる ・LlamaIndexとの連動 ・LangChainを用いた言語モデルプログラミング ・Streamlitを用いたWebアプリケーションの構築方法 |
| プログラム |
１．LLM（言語モデル）の概要と環境構築
（１）．LLMとは
ａ．LLMが高性能を獲得できた理由
ｂ．LLMでできること
ｃ．LLMが苦手なこと
（２）．OpenAI APIとはOpenAI APIの利用登録
ａ．OpenAIアカウントの登録
ｂ．支払方法の確認・登録（オプション）
ｃ．API Keyの作成
（３）．Python開発環境の構築
ａ．開発環境の構築方法
ｂ．VS Codeのインストール
ｃ．Windowsの場合：C++ Build Toolsのインストール
ｄ．Pythonのインストール
ｅ．仮想環境の構築
（４）．動作確認
ａ．環境変数ファイルの作成
ｂ．ソースコードの入力と実行
２．基本の言語モデルプログラミング
（１）．ChatとCompletionsの違い
（２）．Chat
ａ．準備
ｂ．基本のAPIリクエスト
ｃ．役割や前提の設定、パラメーター：n、max_tokens
ｄ．パラメーター：temperature、top_p
ｅ．パラメーター：presence_penalty、frequency_penalty
ｆ．トークナイザー：tiktoken
ｇ．パラメーター：logit_bias、stop、seed
ｈ．パラメーター：response_format
ｉ．パラメーター：stream
ｊ．会話を続ける：チャットボットの作成
（３）．Completions
ａ．準備
ｂ．パラメーター：prompt、echo
ｃ．パラメーター：suffix
ｄ．パラメーター：best_of
ｅ．パラメーター：logprobs
３．Function CallとGoogleの検索との連動
（１）．Function Callとは
（２）．シンプルなFunction Call
（３）．Google検索との連動
（４）．複数のFunctionの切り替え
４．独自データをもとに言語モデルから回答を得る
（１）．Few-Shotプロンプティング
ａ．準備
ｂ．プロンプトの準備
ｃ．言語モデルへ質問
（２）．ファインチューニング
ａ．概要説明
５．LlamaIndexと連動技術
（１）．LlamaIndexの仕組み
ａ．Indexの構築
ｂ．ユーザーからの質問に回答
ｃ．テキスト同士の類似度の比較する仕組み
（２）．シンプルな例
ａ．準備
ｂ．Indexの構築
ｃ．ユーザーからの質問に回答
ｄ．詳細なログを表示
ｅ．Indexをストレージに保存
（３）．PDFの読込と日本語に適したカスタマイズ
ａ．準備
ｂ．Indexの構築
ｃ．Query Engineの作成
ｄ．ユーザーからの質問に回答
（４）．FlaskによるWeb版Q&Aシステムの構築
ａ．バックエンド側
ｂ．フロントエンド側
ｃ．動作確認
６．LangChainによる言語モデルプログラミング
（１）．LangChainの構成
ａ．基本的なモジュール
ｂ．組み合わせ用のモジュール
（２）．Model I／O
ａ．準備
ｂ．Language models
ｃ．Prompts
ｄ．Example Selector
ｅ．Output parsers
（３）．Data Connection
ａ．準備
ｂ．シンプルな例
ｃ．ストレージに保存
ｄ．PDFドキュメントの読込
（４）．Retrieval QA
（５）．Memory
（６）．Chains
ａ．準備
ｂ．LLM Chain：Chainの基本的な使い方
ｃ．Conversation Chain：会話を続ける方法
ｄ．RetrievalQA Chain：Index＋言語モデル
ｅ．対話型 RetrievalQA Chain
ｆ．Summarize Chain：文章の要約
ｇ．Sequential Chain：Chainを連鎖的に使用
（７）．Agent
ａ．準備
ｂ．Google検索Agent
ｃ．対話型Google検索Agent
ｄ．Self ask with search
ｅ．Index検索Agent
ｆ．OpenAI Function Call
ｇ．Toolkit：Pandas DataFrame Agent
ｈ．Toolkit：Python Agent
７．Streamlitを用いたアプリケーションの構築方法
（１）．Streamlitの始め方
ａ．ソースコードの説明
ｂ．情報源
（２）．データ分析アプリケーション
（３）．記憶の保持
（４）．言語モデルを使用したチャットボット
（５）．LangChainと組み合わせたIndex検索システム
|
| キーワード |
LLM Chat Completions パラメーター トークナイザー Function Call Few-Shotプロンプティング ファインチューニング LlamaIndex LangChain Model I／O Data Connection Retrieval QA Chains Streamlit |
| タグ | AI・機械学習、ソフト管理、ソフト教育、データ解析、ITサービス |
| 受講料 |
一般 (1名)：49,500円(税込)
同時複数申込の場合(1名)：44,000円(税込) |
| 会場 |
オンラインセミナー本セミナーは、Web会議システムを使用したオンラインセミナーとして開催します。 |
こちらのセミナーは受付を終了しました。
次回開催のお知らせや、類似セミナーに関する情報を希望される方は、以下よりお問合せ下さい。
営業時間 月~金：9:00～17:00 / 定休日：土日・祝日
