楽天市場でこの商品を見る →
楽天市場の商品ページで価格・在庫・レビューをご確認ください。

機械学習エンジニアのためのTransformers 最先端の自然言語処理ライブラリによるモデル開発

ジャンル: AI・機械学習書籍
ショップ: ポプカル 楽天市場店
商品コード: guruguru-ds:12819941

Lewis Tunstall／著 Leandro von Werra／著 Thomas Wolf／著 中山光樹／訳本詳しい納期他、ご注文時はご利用案内・返品のページをご確認ください出版社名オライリー・ジャパン出版年月2022年08月サイズ394P 24cmISBNコード9784873119953工学 電気電子工学 機械学習・深層学習機械学習エンジニアのためのTransformers 最先端の自然言語処理ライブラリによるモデル開発キカイ ガクシユウ エンジニア ノ タメ ノ トランスフオ-マ-ズ キカイ／ガクシユウ／エンジニア／ノ／タメ／ノ／TRANSFORMERS サイセンタン ノ シゼン ゲンゴ シヨリ ライブラリ ニ ヨル モデル カイハツ原タイトル：Natural Language Processing with Transformers「Hugging Face Transformers」を使った自然言語処理の解説書。2017年の登場以来、Transformerと呼ばれるアーキテクチャを使った大規模なモデルが急速に普及しています。本書では、Hugging Faceの開発者らが、「Hugging Face Transformers」を使って、これらの大規模モデルを学習しスケールする方法をわかりやすく紹介します。テキスト分類、固有表現認識、テキスト生成、要約、質問応答といったタスクだけでなく、蒸留、量子化、枝刈り、ONNX Runtimeといったモデルの高速化技術、ラベル付きデータが少ないときに使えるゼロショット学習や少数事例学習、その他、多言語転移やドメイン適応といった類書では扱っていない技術についても解説しています。1章 入門Transformers｜2章 テキスト分類｜3章 Transformerの詳細｜4章 多言語の固有表現認識｜5章 テキスト生成｜6章 要約｜7章 質問応答｜8章 Transformersの高速化｜9章 ラベルのないまたは少ない状況への対応方法｜10章 Transformerをゼロから学習する｜11章 Transformerの未来※ページ内の情報は告知なく変更になることがあります。あらかじめご了承ください登録日2022/08/05

本書は、現代の自然言語処理（NLP）の基盤となっているTransformerアーキテクチャと、その実装におけるデファクトスタンダードであるHugging Faceのエコシステムに焦点を当てた、極めて実践的なガイドブックです。従来のRNNやLSTMといった逐次処理モデルから、Attentionメカニズムを用いたTransformerへとパラダイムシフトが起こった技術的背景を整理しつつ、具体的なコードとともに解説が進められます。主なテーマは、単なるモデルの利用法に留まらず、データのトークナイズ、事前学習済みモデルのファインチューニング、そしてモデルの軽量化やデプロイといった、エンジニアが実務で直面する一連のワークフローを網羅しています。特に、大規模な言語モデルをいかにして特定のドメインやタスクに適応させるかという、実用上の核心的な課題に対する具体的なアプローチが示されています。また、コミュニティによって支えられている膨大なリソースを活用し、最先端のモデルを迅速に試用するための戦略的な知識も提供されています。本書の核心的なメッセージは、最先端のアルゴリズムを単に「理解する」だけでなく、ライブラリを駆使して「実用的な、スケーラブルなアプリケーションへと昇華させる」ための技術習得にあります。

• Transformerアーキテクチャの数学的・構造的な動作原理の理解
• Hugging Face Hubを活用した、モデルとデータセットの効率的な取得・管理手法
• BERTやGPTといった主要な事前学習済みモデルを用いた、特定タスクへのファインチューニングの実装
• 効率的なテキスト処理を実現するための、サブワードトークナイザーの仕組みと実装プロセス
• 知識蒸留（Distillation）や量子化（Quantization）を用いた、モデルの軽量化と推論高速化技術
• NLPパイプラインの構築から、評価指標の選定、そしてプロダクション環境へのデプロイまでのエンドツーエンドなプロセス
• 大規模なデータセットを扱う際の、スケーラブルな学習パイプラインの設計手法

• Hugging Face Transformersライブラリを自在に操る高度な実装スキル
• 最新のSOTA（State-of-the-art）モデルを、自社の課題解決に適用する能力
• 計算リソースの制約下で、モデルの精度を維持しつつパフォーマンスを最適化する技術
• 自然言語処理における、データの前処理からモデル評価に至る一連の実験設計能力
• 大規模言語モデル（LLM）の特性を理解し、実務的なアプリケーションへ統合するエンジニアリング知識

• 従来の自然言語処理手法から、Transformerベースの最新手法へスキルをアップデートしたい機械学習エンジニアー
• 自社保有の特定ドメインデータを用いて、高精度なNLPモデルを構築したいデータサイエンティスト
• 最新の論文で発表されたアルゴリズムを、迅速にプロダクトの機能として実装したい研究開発者
• 言語モデルを活用した、高度なAIエージェントやチャットボットの開発を目指すソフトウェアエンジニア

本書の著者らは、Hugging Face社のエンジニアをはじめとする、Transformerエコシステムの最前線でライブラリの開発・維持に携わるエキスパートたちです。彼らは、世界中のエンジニアが利用するツールの設計思想を熟知しており、その知見は、単なる理論の解説を超えた、極めて実践的かつ「現場のベストプラクティス」に基づいたものとなっています。技術の変遷が激しい分野において、現在進行形の技術を学ぶ上で、これ以上ない信頼できるソースと言えます。

理論的な深掘りを主とする深層学習の教科書とは異なり、本書は「ライブラリをいかに使いこなし、価値を生むか」というエンジニアリングの側面に特化しています。数学的な証明よりも、実装のプロセスと、モデルの性能を最大限に引き出すためのワークフローの提示に重きを置いています。そのため、理論書と実用的な開発リファレンスの間に位置する、実務家向けの「実装バイブル」として位置づけられます。

本書は、急速に進化する自然言語処理の分野において、エンジニアが迷わずに最先端の技術へアクセスするための「羅針盤」となる一冊です。単なるライブラリのリファレンスではなく、モデルの構築から最適化、デプロイに至るまでの、エンジニアが辿るべき思考プロセスと技術的な道筋を体系的に学べる点に、比類なき価値があります。読了後には、Transformerという強力な武器を自在に操り、複雑な言語タスクを解決するための、具体的かつ再現可能な技術的基盤が手に入っているはずです。