BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//https://techplay.jp//JP
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALDESC:【W&Bウェビナー】LLMファインチューニング
X-WR-CALNAME:【W&Bウェビナー】LLMファインチューニング
X-WR-TIMEZONE:Asia/Tokyo
BEGIN:VTIMEZONE
TZID:Asia/Tokyo
BEGIN:STANDARD
DTSTART:19700101T000000
TZOFFSETFROM:+0900
TZOFFSETTO:+0900
TZNAME:JST
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
UID:928086@techplay.jp
SUMMARY:【W&Bウェビナー】LLMファインチューニング
DTSTART;TZID=Asia/Tokyo:20231214T160000
DTEND;TZID=Asia/Tokyo:20231214T173000
DTSTAMP:20260703T185844Z
CREATED:20231127T140926Z
DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/92808
 6?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n概要\n本ウ
 ェビナーでは：\n\nLLMのファインチューニングの基礎か
 ら始まり、複数のチューニング手法の比較やハイパー
 パラメーターの探索などの発展的な開発手法をWeights & 
 Biasesを使ってどのように実現できるのかをご紹介しま
 す。\nLLMアプリケーションの開発・提供にR&Dから事業
 部門まで、複数の部門が効果的に関わっていくために
 必要な仕組みをWandBを使って構築していく方法を紹介
 します。\n\n背景\n\nLLMを自社タスクに適用する方法と
 してファインチューニングが注目されています。ファ
 インチューニングの手法を応用することで、モデルを
 カスタマイズすることができ、知識を補完するためのR
 AG（Retreival Augmented Generation)と合わせてLLMアプリケーシ
 ョン開発において重要な手法と位置付けられています
 。いわゆる「チャット」形式のアウトプットもそもそ
 もファインチューニング手法によるもので、それ以外
 にもコードの生成、機械の操作、広告コピーの生成な
 ど、基盤モデルのデフォルトの挙動とは異なる形式の
 アウトプットを得るために有効な手法です。\nファイ
 ンチューニング・RAGを使ったタスク特化型開発、そし
 てアプリケーション・サービスデリバリーを実現する
 上では技術的最新手法を押さえるだけでなく、会社組
 織を横断したAIシステム開発を実現するためのワーク
 フローを構築していく必要があります。例えば、研究
 所が作成・ファインチューニングしたモデルをどのよ
 うに業務部門にハンドオーバーすれば良いのか、逆に
 業務部門での活用や研究所へのフィードバックを有効
 に行うためのベストプラクティスは何か、これらのコ
 ラボレーションはプロジェクトの成否を明確に分ける
 要素となります。\nWeights & Biases とは\nWeights & Biases（Wan
 dB）は、エンタープライズグレードのML実験管理および
 エンドツーエンドMLOpsワークフローを包含する開発・
 運用者向けプラットフォームです。WandBは、LLM開発や
 画像セグメンテーション、創薬など幅広い深層学習ユ
 ースケースに対応し、NVIDIA、OpenAI、Toyotaなど、国内外
 で80万人以上の先端的ML開発者に信頼されているAI開発
 の新たなベストプラクティスです。\nスピーカー\nシバ
 タ アキラ - Weights & Biases カントリーマネージャー\n人
 工知能を使ったデータ・AI活用によるビジネス価値の
 創出を専門分野とし、オンラインサービス、既存産業
 各領域、クリエイティブ領域など幅広い分野にて、こ
 れまで数百社に及ぶ国内外企業のデータ・AIの利活用
 を実現してきた。機械学習自動化プラットフォームのD
 ataRobot日本CEO、AIによる創造性の拡張をミッションとす
 るQosmo\, Inc.のCOOなどを歴任し、現在はサンフランシス
 コを拠点とし、AIエンジニアのための開発・運用プラ
 ットフォームを提供するWeights & Biasesのカントリーマネ
 ージャー。その他数社の社外取締役・顧問などを務め
 る。\n山本祐也 (@ nejumi_dqx)\, Weights & Biases\, Success Machine 
 Learning Engineer\n東京大学大学院工学系研究科にて有機無
 機複合材料の研究で博士号を取得。学位取得後、大手
 化学メーカーにて液晶・タッチパネル関連先端化学材
 料の研究開発に従事。 その後、大手食品メーカーで機
 械学習を用いた食品パッケージに関する予測モデリン
 グと最適化に取り組むなど、BtBとBtCいずれにも深い経
 験を有する。前職DataRobotでは製造顧客担当チームのリ
 ーダーとして国内数十社のAI導入を支援。国内で数十
 人程度のKaggle Grandmasterの一人。\n鎌田 啓輔 - Weights & Bia
 ses\, Success Machine Learning Engineer\n京都大学情報学研究科
 で機械学習を専攻。新卒では因果推論ツールを提供す
 る外資系企業に参画し、ビジネス施策における因果推
 論に従事。その後、DataRobotにてLead Data Scientistとしてヘ
 ルスケアチームのリーダーとしてヘルスケアの企業を
 中心に国内数十社のAI導入を支援。コロナ禍にはデー
 タに基づく対策方針の決定に資するべく、分析担当・P
 Mとして国立国際医療研究センターと共同で解析プロジ
 ェクトを推進し、その結果をもとに論文を執筆。厚生
 労働省へのレター提出にも参画。因果推論から機械学
 習、Deep Learningまで行う機械学習エンジニア。\nデモで
 使用するnotebook (参考)\nhttps://drive.google.com/drive/folders/1eF
 RyV5V-DazFoJ72H5-oBnTqbyNdDO-w?usp=sharing\nカンファレンス詳細\n
 \n日　時：　2023年12月14日 16:00-17:30\n参加費：　無料（
 事前登録制）\nお問い合わせ：contact-jp@wandb.com\n
LOCATION:オンライン Zoom
URL:https://techplay.jp/event/928086?utm_medium=referral&utm_source=ics&utm
 _campaign=ics
END:VEVENT
END:VCALENDAR