LLM性能改善の実践知

✍️イベント概要

『Kaggleではじめる大規模言語モデル入門 - 自然言語処理〈実践〉プログラミング』の発売を記念して著者のお二人に登壇いただくイベントです。
LLMを業務で活用しているものの、「精度が上がらない」「どこから改善すべきか」に悩んだことはないでしょうか。
前半パートでは、4章、5章のLLMの性能改善・軽量化・高速化といったテーマについて、実務でつまずきやすいポイントや、改善の順番・判断の考え方を実践ベースで解説いただきます。
後半では、Kaggleの課題を題材とした実践事例を通じて、制約のある環境の中でどのような判断を行い、どのような結果につながったのかを具体的にお話しいただきます。
書籍をすでに読んだ方はもちろん、これから手に取る予定の方にとっても、内容を実務に落とし込むためのヒントを持ち帰れるイベントです。

🧑‍💻こんな方におすすめ

• LLMを業務や開発で触っているが、精度・速度・コスト改善の引き出しが少ない方
  
• ファインチューニング / プロンプトエンジニアリング / 検索拡張生成/ 軽量化など手法の使い分けの判断軸がない方
  
• 推論時間・メモリ・コストなどの制約を考慮した実践的なLLM設計の経験が不足している方
  
• スキルアップを意識しつつも、実践経験をどう積めばよいか分からない方
  

☑️イベントのゴール

• LLMの性能改善のための、考える順番と判断軸についての思考法を持ち帰る
  
• ファインチューニング / プロンプトエンジニアリング / 検索拡張生成 / 軽量化などを「状況に応じて選ぶ技術」として整理できた
  
• 制約下で次に試すべき改善策（具体的なアクション）が明確になる
  
• Kaggleを通じて自身のスキルアップにつながるということを知る
  

🕛タイムテーブル

※セッション内容は変更の可能性があります、ご了承ください。

スピーカー