仕組みからわかる大規模言語モデル生成AI時代のソフトウェア開発入門

奥田勝己（著）

商品番号: 185260
販売状態: 発売中
納品形態: 宅配便にてお届け
発売日: 2025年02月17日
出荷開始日: 2025年02月14日
ISBN: 9784798185262
判型: B5変
ページ数: 376
キーワード: プログラミングデータベース開発人工知能 ChatGPT

3,740円（税込）（本体3,400円＋税10％）

340pt (10%)
ポイントの使い方はこちら

在庫あり

初回購入から使えるポイント500円分プレゼント

電子書籍はこちら紙書籍とPDF版のセット商品はこちら

お気に入り

※1点の税込金額となります。複数の商品をご購入いただいた場合のお支払金額は、単品の税込金額の合計額とは異なる場合がございますので、予めご了承ください。

基礎からソフトウェア開発の入門まで、LLMを体系的に学びたい人のための必携書

本書は1冊で仕組みと開発手法を体系的に学べる、大規模言語モデル（LLM）を活用したソフトウェア開発の入門書です。

LLMは生成AI時代に欠かせない技術としてソフトウェア開発のあり方を大きく変えつつあり、あらゆる領域で応用可能な「知的エンジン」として進化しています。LangChainなどのフレームワークを用いてRAGを実装したり、マルチエージェントシステムを構築することでLLMの可能性がさらに広がります。

LLMを使いこなすには、Transformerの仕組み、学習プロセス、プロンプトエンジニアリングといった基礎知識を身につけることが欠かせません。本書ではこれらの技術を丁寧に解説し、オープンソースのLlama 3を解説することで、実用LLMをホワイトボックスとして活用できる視点を提供しています。

また、実践的なスキルが身につくようPythonによるコード例を豊富に掲載し、代表的なAPI（OpenAI API、Anthropic API、Gemini API）の利用方法を紹介。LangChainやLangGraphを用いた開発事例を通じて、応用可能なスキルを習得できるよう構成しています。

本書を通じてマルチモーダルLLMの仕組み、LangChainやLangGraphを活用したアプリケーション開発、マルチモーダルRAGやマルチエージェントシステムなどへの展開といった実践手法を身に付けられるでしょう。

【本書に必要なスキルや前提条件】
・Pythonの基本的な文法
・Pythonの環境構築方法

【目次】
第1章 Transformer
第2章学習
第3章プロンプトエンジニアリング
第4章言語モデルAPI
第5章 LLMフレームワーク -LangChain-
第6章マルチエージェントフレームワーク -LangGraph-
第7章アプリケーション
Appendix

【著者プロフィール】奥田勝己（おくだかつみ）
三菱電機株式会社先端技術総合研究所主席研究員。東京大学大学院情報理工学系研究科博士課程修了。博士（情報理工学）。2023年3月から2年間、マサチューセッツ工科大学（MIT）コンピュータ科学・人工知能研究所（CSAIL）にて客員研究員として、LLM（大規模言語モデル）を用いたコード最適化やプログラミング言語技術の研究に従事。企業では、プログラミング言語技術、コンパイラ、および組み込みシステムの研究開発に長年取り組む。その成果は、FA（ファクトリーオートメーション）システムや宇宙システムの高度化など、実際の製品やシステム開発に応用されている。

第1章 Transformer
1.1 言語モデルとは
1.2 色々なLLM
1.3 Transformerの仕組み
1.4 トークナイザ
1.5 トークンのサンプリング手法

第2章学習
2.1 LLMの学習の概要
2.2 LLMの事前学習
2.3 指示チューニング（Instruction Tuning）
2.4 RLHF（Reinforcement Learning from Human Feedback）
2.5 勾配降下法
2.6 誤差逆伝播法（Backpropagation）
2.7 学習における問題と対策

第3章プロンプトエンジニアリング
3.1 プロンプトエンジニアリングの重要性
3.2 Zero-Shotプロンプティング
3.3 Few-Shotプロンプティング
3.4 Chain-of-Thought（CoT）プロンプティング
3.5 Self-Consistency（自己整合性）
3.6 プロンプトチェーニング
3.7 RAG（Retrieval Augmented Generation）
3.8 ReAct
3.9 Reflexion
3.10 役割やペルソナの設定

第4章言語モデルAPI
4.1 会話型APIと補完型API
4.2 各種言語モデルAPIの共通点
4.3 言語モデルAPIごとの使い方

第5章 LLMフレームワーク -LangChain-
5.1 LangChainの概要
5.2 会話モデル
5.3 プロンプトテンプレート
5.4 出力パーサ
5.5 チェーンのためのLCEL
5.6 RAGサポート
5.7 エージェントとツールの利用

第6章マルチエージェントフレームワーク -LangGraph-
6.1 エージェントとは
6.2 マルチエージェントアーキテクチャ
6.3 LangGraphの基礎
6.4 LangGraphの応用

第7章アプリケーション
7.1 マルチモーダルRAGチャットボット
7.2 クイズ作成・採点システム

Appendix 学習環境の構築

各種問い合わせは以下のリンクからご連絡ください