LLM入門

合計 2 件の記事があります。現在 1 ページ中の 1 ページ目です。

3.1 確率論と統計 - LLMにおける言語生成と予測の基礎

確率論と統計は、LLMの言語生成や次の単語の予測において重要な役割を果たします。n-gramモデル、マルコフ連鎖、最大尤度推定（MLE）など、LLMの予測精度を向上させる数理的手法について解説します。

2024-10-09

2.1 自然言語処理（NLP）の概要と数学的手法 - 確率論と線形代数を用いたアプローチ

自然言語処理（NLP）の基本概念と、その数学的手法を解説します。確率論、統計、線形代数を利用したアプローチを通じて、NLPがどのようにテキストを理解・生成し、LLMに応用されているのかを紹介します。

2024-10-06

カテゴリー

MCP入門：AIに文脈を理解させる技術

LLM入門（上）実践Python

LLM入門 X 数学

LLM入門（上）

LLM入門しくみから学ぶ生成AIの基礎

タグ

LLM 32 MCP 23 LLM 21 Python 19 LangChain 13 モデルコンテキストプロトコル 10 Hugging Face 8 Model Context Protocol 8 NLP 8 プロンプト設計 8

検索履歴

エンジニア向け 295 マルコフ連鎖 271 大規模言語モデル 270 自動要約 268 データ前処理 264 NLP トランスフォーマー 263 言語モデル 255 教育AI 253 パーソナライズドコンテンツ 249 トークン化 247 注意メカニズム 246 生成型要約 244 数学的アプローチ 243 セルフアテンション 242 ミニバッチ学習 240 線形代数 238 ロス計算 237 トレーニング 236 GPT-2 テキスト生成 235 LLM 要約 234 クロスエントロピー損失 234 LLM テキスト生成 232 自動翻訳 231 バイアス問題 229 LLM リアルタイム処理 228 自然言語処理翻訳 227 ニュース記事生成 226 GPT テキスト生成 223 コード生成 222 GPT ファインチューニング 221

チーム

任弘毅

株式会社レシートローラーにて開発とサポートを担当。POSレジやShopifyアプリ開発の経験を活かし、業務のデジタル化を促進。

下田昌平

開発と設計を担当。1994年からプログラミングを始め、今もなお最新技術への探究心を持ち続けています。