内容紹介：ＬＬＭアプリ開発に必要な知識を実践的に学べる！本書は、生成ＡＩの中核をなす大規模言語モデル（ＬＬＭ）を活用したアプリケーション開発に必要な知識、テクニック、ツールなどについて包括的に解説する入門書です。モデルの構造や限界、活用手法、応用パターンを体系的に紹介し、プロトタイプから本番運用レベルへと導きます。８０以上の演習問題と８００本以上の論文を参照しながら、直感的理解と応用力を身につけられます。Ｐｙｔｈｏｎや機械学習の基礎知識があれば、開発経験の少ない方でも読み進められます。
大規模言語モデル（ＬＬＭ）を活用した実践的なアプリケーション開発へと繋がる、知識、テクニック、ツールの包括的な解説書。著者自身によるＬＬＭを用いた数々の実験と、８００本を超える論文の知見に基づき、モデルの構造や限界、活用手法、応用パターンを体系的に紹介することで、直感的な理解と応用力を身につけられるように構成されています。ＬＬＭがどんなデータを用いて、どんな目的で訓練されているかといった原理的な側面から、ファインチューニング、推論の最適化、ＲＡＧ（検索拡張生成）といった応用的な側面まで、ＰｏＣ（概念実証）から一歩踏み出したアプリケーションの構築を目指す方に気づきを与える一冊です。
もくじ情報：第１部　ＬＬＭの構成要素（イントロダクション；事前学習（Ｐｒｅ‐Ｔｒａｉｎｉｎｇ）データ；語彙とトークン化；アーキテクチャと学習目的）；第２部　ＬＬＭの活用（ＬＬＭをユースケースに合わせる；ファインチューニング；高度なファインチューニング手法；アライメントと論理的推論；推論の最適化）；第３部　ＬＬＭアプリケーションのパラダイム（ＬＬＭから外部ツールを利用する；表現学習と埋め込み；ＲＡＧ；デザインパターンとシステムアーキテクチャ）

パイ，スハス(パイ，スハス)
１０年以上にわたりテック業界で活躍してきた経験豊富な機械学習研究者。２０２０年からは、Ｙ　Ｃｏｍｂｉｎａｔｏｒの支援を受けたＡＩ＆フィンテック系スタートアップＨｕｄｓｏｎ　Ｌａｂｓの共同創業者、ＣＴＯ、機械学習研究責任者を務めている。Ｈｕｄｓｏｎ　Ｌａｂｓでは、ドメイン適応型ＬＬＭ、テキストランキング、表現学習において複数の革新的な技術を開発し、同社製品の中核機能を支える。オープンソースＬＬＭの開発にも貢献しており、ＢＬＯＯＭ　ＬＬＭプロジェクトの一環としてＢｉｇＳｃｉｅｎｃｅのプライバシーワーキンググループで共同リードを務めた。機械学習コミュニティにも積極的に関与しており、２０２１年以降、トロント機械学習サミット（Ｔｏｒｏｎｔｏ　Ｍａｃｈｉｎｅ　Ｌｅａｒｎｉｎｇ　Ｓｕｍｍｉｔ：ＴＭＬＳ）の議長を務め、世界各地のＡＩカンファレンスで講演を行っている。また、ＮＬＰ分野の最新研究を扱うセミナーも定期的に主催