ローカルLLM(Local LLM)活用ガイド Part 1 - small LLM(sLLM)の活用 & LLMの性能評価(Evaluation)および改善
AISchool
様々なローカルLLM(Qwen、Gemma)を活用する方法を学習し、LLMシステムの性能を効率的に評価(Evaluation)し改善する様々な技法を見ていきます。
Intermediate
AI, LLM, LangChain
さまざまなKaggleの例を使って、機械学習(Machine Learning)の基礎からじっくり学習し、 簡単に触れるのは難しい、現代の機械学習エンジニアの鮮やかなプロジェクト経験談や実践的な蜂蜜のヒントまで一度に学びましょう。
学習した受講者のレビュー
5.0
도전적인 기린
機械学習のさまざまなアルゴリズムを基本的に扱う方法を学ぶのに大きな助けになりました。
5.0
조종호
良い講義ありがとうございます 基本的なヘターファイルから知ることができてよかったです!
5.0
tjsduq8836
機械学習の全体的な流れを理解するのに優れているようです。 ある程度感を読んだので本格的に本を買って勉強しようと思います。おそらく勉強しやすくなってくれてありがとう
機械学習の概念
機械学習モデルのパフォーマンス向上法
Google Colabの使い方
機械学習ライブラリ - scikit-learn, xgboost
機械学習/データ分析ライブラリ - Numpy, Pandas
データ可視化ライブラリ - matplotlib, seaborn
機械学習実務プロジェクトの進行方法
様々なキャグル例で学ぶ機械学習基礎、
現業エンジニアの実務蜂蜜チップまで一度に! 😀
0. 機械学習(Machine Learning, ML)とは?
1. 複雑な設置が不要な簡単な実習環境
2. scikit-learnについて & 私の最初の機械学習モデル
3. KaggleとKaggle Competitionの紹介
4. Linear Regressionアルゴリズム(Ridge、Lasso、ElasticNet)
5.性能が良く人気のある八方美人形予測器ランダムフォレスト
6. Kaggleの勝者が愛用するアルゴリズムXGBoost
7. 現業機械学習エンジニアが聞こえる実務物語
8. 実務者が知らせる DS/ML 実践のヒント
学習対象は
誰でしょう?
マシンラーニングを初めてご利用の方
データ分析技術を学びたい人
機械学習エンジニアとして就職したい人
機械学習エンジニアとしての就職後に仕事のプロセスが気になった人
IT大企業現業機械学習エンジニアの実務ハニーチップを得たい方
前提知識、
必要でしょうか?
基本的なPython使用経験
9,518
受講生
726
受講レビュー
354
回答
4.6
講座評価
31
講座
全体
60件 ∙ (7時間 19分)
全体
22件
4.6
22件の受講レビュー
受講レビュー 1
∙
平均評価 5.0
5
基礎をよく握ることができました。
こんにちは。貴重な時間を割いて受講していただきありがとうございます~!詳しい受講評もありがとうございます~。より満足のいく講義を制作できるよう努力します。良い一日を過ごしてください!
¥7,338
知識共有者の他の講座を見てみましょう!
同じ分野の他の講座を見てみましょう!