本商品は紙の書籍とPDF版電子書籍のセット商品です。 PDF版の内容は、書籍版と同じです。
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(Large Language Models:LLM)を活用したソフトウェア開発の入門書です。
今や、ソフトウェア開発者にとってLLMを用いた開発手法の習得は必須となりました。
LLMは多岐にわたる問題を解決できるため、チャットボットとしての利用だけでなくプログラムの部品としても利用できます。例えば、翻訳、感情分析などの自然言語処理、アリゴリズム(ソート、検索など)処理、プログラム生成などの課題を扱えます。
こうした処理は、従来はプログラマがコーディングしていましたが、大規模言語モデルの登場と実用化により、プログラミング(コーディング)の方法が変わってきています。
そこで本書では、大規模言語モデルを利用したソフトウェア開発に興味のある方に向け、主にOpenAI社のChatGPT、Anthropic社のClaude、Google社のGeminiのAPIを活用して、LangChainなどのフレームワークを用いながら開発手法の基礎を解説しています。
部品としての使用方法だけでなくLLMの仕組みから解説しているため、プロンプトエンジニアリングについても自然とスキルアップできる内容です。
【本書を読むために必要なスキルや前提条件】
・Pythonによるプログラミング経験のある方
・Pythonによるソフトウェアの開発経験がある方
・各種クラウドサービスへ使用料金を支払うことに理解のる方
【目次】
第1章 Transformer
第2章 学習
第3章 プロンプトエンジニリアリング
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
書籍版は、ご注文日当日もしくは翌営業日に、ヤマト運輸の宅急便で発送いたします。
PDF版は、会員メニューからダウンロードしてご利用ください。ご注文確定後、ダウンロードが可能な状態になりましたら、「発送のご連絡」という件名のメールをお送りいたしますので、記載のURLからSEshopにログインしてダウンロードしてください。
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