機械学習の実験管理を中心にOpenAIやSakana AIなどの生成AI企業、さらにはKaggleやアカデミアなどでもよく使われているWeights & Biases (WandB) についてユーザーコミュニティで基礎から応用機能、実務やKaggle、生成AIアプリ開発での実用例まで集約した本を作成しました。 今回はWandBの進化と進歩に合わせて全体を超大幅に加筆修正し、LLMオブザーバビリティ機能: Weaveについて詳述し、独立した章として追加しました。W&BのCoreWeave関連機能についても一早く収録しており、MLエンジニア必見の一冊となっています。ユースケースについて記載した第5章も大幅に刷新しています。 一度使い始めるともう離れられないこの最高に心地良いML体験を世界中のMLエンジニアと分かち合いたいです。 山本祐也、鎌田啓輔、Richard Song、田邊祐馬、柴田高志、大小原翔太、荒木孝文、松本敬裕　著 第1章 イントロダクション 第2章 W&B Models 2.1 Experiments（実験管理） 2.2 Artifacts（アーティファクト） 2.3 Tables（テーブル） 2.4 Reports（レポート） 2.5 Sweeps（スイープ） 2.6 Registry（レジストリ） 2.7 Automations（オートメーション） 第3章 W&B Weave 3.1 LLM オブザーバビリティ 3.2 Weave とは？ 3.3 Weave によるTrace の記録 3.4 Weave におけるアセット管理 3.5 Weave による生成AI アプリケーションの評価 3.6 Weave によるオンライン評価: モニターとガードレール 3.7 Weave プレイグラウンド 3.8 その他の機能 3.9 章の終わりに 第4章 W&B Inference とCoreWeave 統合による新展開 4.1 CoreWeave とOpenPipe の買収 4.2 W&B が目指す統合像 4.3 Inference サービス 4.4 Training サービス（Serverless RL） 4.5 CoreWeave 連携で広がる周辺機能 4.6 まとめ 第5章 WandB の応用事例 5.1 日本語LLM の網羅的かつ継続的評価の取り組み: Nejumi LLM リーダーボード 5.2 画像のセグメンテーションを自動運転を題材にやってみる 5.3 WandB とRDKit で化合物を分析し、部分構造の変数重要度を可視化する 5.4 AI エージェントのオブザーバビリティと評価とモニタリング 5.5 BioNeMo を用いたタンパク質言語モデルの事前学習・ファインチューニング 5.6 Kaggle - LLM Science Exam コンペの振り返り 5.7 東京AI 祭ハッカソンにおける価値観マッチングAI モデルの開発と成果報告 5.8 領収書仕訳AI をWeights & Biases Weave で評価してみた～記帳代行くんの開発記