BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//https://techplay.jp//JP
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALDESC:Embeddingモデルを使ったベクトル化のしくみ ＆ 
 fine-tuning手法を解説
X-WR-CALNAME:Embeddingモデルを使ったベクトル化のしくみ ＆ 
 fine-tuning手法を解説
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:939429@techplay.jp
SUMMARY:Embeddingモデルを使ったベクトル化のしくみ ＆ fine-
 tuning手法を解説
DTSTART;TZID=Asia/Tokyo:20240411T193000
DTEND;TZID=Asia/Tokyo:20240411T203000
DTSTAMP:20260528T163837Z
CREATED:20240321T063435Z
DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/93942
 9?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n講座概要\n
 近年、自然言語処理モデルに関する技術が目覚ましく
 発展し、さまざまなアプリケーションに活用されるよ
 うになってきました。\nなかでも、文章ベクトル化 (Emb
 edding) は、検索 (Retrieval) タスクやマルチモーダルなモ
 デルへの応用を考える上では欠かせない技術となって
 います。\nただ、例えばRAGなどでなんとなく文章ベク
 トル化に触れたことがあっても、その詳しい仕組みま
 では分かっていないという人は少なくないのではない
 でしょうか。\n一口に文章ベクトル化といっても、ど
 のようなモデルを使うかであったり、モデルは同じで
 もどのベクトル化手法を使うかといった要素で、ベク
 トルの質は大きく違ってきます。\nそういったことを
 大まかにでも分かっておくことは、今後文章ベクトル
 を利用する際にも非常に有用なのではないでしょうか
 。\n本講座では、自然言語処理モデル (Transformer) を使
 った文章の埋め込み手法について触れ、また、どのよ
 うにモデルをfine-tuningしていくかについて解説してい
 きます。\n主な対象者\n\nRAGを使ったことがある or これ
 から使いたい方\n文章ベクトル化について知りたい方\n
 \n前提とする知識\n\nLLM・AIの基礎知識のある方\n高校数
 学の基礎知識のある方\n\nアジェンダ\n\nTransformerモデル
 とは\nTransformerモデルを使った文書ベクトル化\nベクト
 ル化モデルのfine-tuning手法紹介\nまとめ\n\n会場\nZoomウ
 ェビナーでの開催となります\n※ 参加登録してくださ
 った方に、このページ上部の「参加者への情報」の欄
 にZoomのURLが表示されます。\nタイムテーブル\n\n\n\n時
 刻\n内容\n\n\n\n\n19:30\nはじめに\n\n\n19:35\n講座\n\n\n20:20\n
 質疑応答\n\n\n20:30\n終了\n\n\n\n※質疑の内容や数などに
 より、終了時刻が前後する可能性があります。\n発表
 者プロフィール\n東京大学農学生命科学研究科生物・
 環境工学 修士課程修了。都内のIT企業で自然言語モデ
 ルに関わる研究開発に従事。Kaggleメダル獲得数は銀メ
 ダル1個、銅メダル2個。
LOCATION:Zoom オンライン
URL:https://techplay.jp/event/939429?utm_medium=referral&utm_source=ics&utm
 _campaign=ics
END:VEVENT
END:VCALENDAR