機械学習の炊いたん１０。
- Digital1,000 JPY
「機械学習の炊いたん」シリーズは、仕事で趣味でAI、データサイエンスに関わる5人がお送りする、すぐに「機械学習やデータ分析を遊ぶ、知る、使う」レシピが揃った合同本。技術書典6から参加し、本作は記念すべき10作目です。 (全93ページ; Cover design Shuichi Muranishi) 記事中紹介したソースコードはこちらから参照いただけます: https://github.com/ml-titans/titan10-codes
1. SEOに代わる新たな概念: LLMO
Webページの検索性を上げる取組みに、従来からSEOがあります。昨今、大規模言語モデルの存在感が高まり、「LLMの返答にいかに引用されるか」の重要性が増しています。 その最適化「LLMO」について、 @kirikei4 が文献やトレンド調査、実験から迫ります！
2. 正規分布にサヨナラ ― 非対称分布を学ぶ
数理枠担当 @TimKoyama が、不均衡や偏りを鮮やかに表現する「歪分布 (わいぶんぷ)」を紹介します。 正規分布を当然の前提と置きがちな実データ分析において、非対称分布の直感的理解から始め、主要な5つの非対称分布を実践で扱える土台を作りましょう!
3. RustのWebGPUエコシステム紹介
Rust本の商業出版も手がけた @emergent が、WebGPUをいかにRustから使うか、というテーマを深掘りします。 RustでWebGPUを利用するためのライブラリ、フレームワーク、プロジェクト例を挙げました。 さらにハンズオンとして、手元でも実行できるコンパクトな実装例と比較実験付き!
4. AI時代のパーソナルナレッジマネジメント
何をAIに任せ、何を自身で情報収集し、それを深めるのかを考えさせられるLLM時代。 デジタルメモの活用、もしくはパーソナルナレッジマネジメント(PKM)について、LLMとの連動で再び脚光を浴びたObsidianをツールとして、使いこなすためのPARA、CODEといったフレームワーク、利用シーンごとのTipsを、最近PKMツールをマイグレ中の @tomo_makes が紹介します。
5. 大規模言語モデルのロードバイク解體新書
自転車乗りの sonodano による、LLMのロードバイクポジション最適化記事。 従来フィッティングサービスと、オンラインフィッティングサービスMyVeloFit、さらにLLMであるChatGPTを活用したアドバイス結果を比較し、有用性を検証します。