初心者のための生成AI

 (microsoft.github.io)
1 ポイント 投稿者 GN⁺ 2023-11-25 | 1件のコメント | WhatsAppで共有
  • 生成AIアプリを初めて作る開発者が、概念から実装までたどれるように Microsoft Cloud Advocates が21のレッスンで構成した入門コース
  • レッスンは理論中心の Learn と、コード例を含む Build に分かれており、可能な場合は Python と TypeScript の例をあわせて提供
  • 演習は Azure OpenAI Service、GitHub Marketplace Model Catalog、OpenAI API のいずれかで実行でき、学習環境の選択肢が広い
  • 各レッスンは短い動画紹介、README ドキュメント、コードサンプル、追加学習リンクで構成され、独立して学びやすい
  • 50以上の言語の翻訳を提供しているが、ローカルクローン時に容量が大きくなる可能性があるため、翻訳ファイルを除外したい場合は sparse checkout を使う方法が有用

21のレッスンで構成された入門コース

  • Generative AI for Beginners は、Microsoft Cloud Advocates が作成した 生成AIアプリケーションの入門コース
  • 全 21レッスンで構成され、各レッスンは独立したテーマを扱うため、好きな場所から始められる
  • レッスンの種類は2つに分かれる
    • Learn: 生成AIの概念を説明
    • Build: 概念とコード例をあわせて扱う
  • 可能な場合は Python と TypeScript のコード例を提供
  • .NET 開発者は Generative AI for Beginners (.NET Edition) を参照できる
  • 各レッスンには、追加学習資料をまとめた Keep Learning セクションが含まれる

演習のための準備事項

  • コースのコードを実行するには、次のいずれかを利用できる
  • Python または TypeScript の基礎知識があると学習に役立つ
    • 完全な初心者は、先に Python と TypeScript のコースを見ることもできる
  • リポジトリ全体を自分のアカウントに fork するには GitHub アカウント が必要
  • 開発環境の設定は Course Setup レッスンで扱う

翻訳対応とローカルクローンの最適化

  • コースには 50以上の言語への翻訳 が含まれており、GitHub Action を通じて自動的に最新状態を維持する翻訳が提供される
  • 対応言語には Arabic、Chinese、French、German、Hindi、Japanese、Korean、Spanish、Vietnamese など多数の言語が含まれる
  • 翻訳ファイルのため、リポジトリのダウンロードサイズが大きくなる場合がある
  • 翻訳なしで素早くクローンするには、sparse checkout で translations と translated_images を除外できる
git clone --filter=blob:none --sparse https://github.com/microsoft/generative-ai-for-beginners.git
cd generative-ai-for-beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

レッスンの基本構成

  • 各レッスンには次の要素が含まれる
    • テーマに関する短い 動画紹介
    • README ベースのドキュメント形式レッスン
    • Azure OpenAI と OpenAI API をサポートする Python および TypeScript のコードサンプル
    • 追加学習を続けるためのリソースリンク

全レッスンの流れ

追加資料と参加方法

関連記事

1件のコメント

 
GN⁺ 2023-11-25
Hacker Newsのコメント

  • 生成AIをどう使うかではなく、実際にどう動いているのかを扱う講義や本のおすすめが知りたい

  • AI/MLをまったくやったことがない人向けの学習経路があるのか知りたい
    ChatGPTに聞いたら、線形代数から始めて微積分、確率と統計へ進み、第2段階は機械学習の基礎、第3段階はディープラーニングとニューラルネットワークだと勧められた
    この提案がどれほど妥当なのか分からないし、自分はソフトウェア開発者だ

    • ディープラーニングの基礎を学ぶ正しい道筋ではない
      Andrew NgのIntro to Machine LearningとDeep LearningのCoursera講義を受ければよい
      Goodfellowらの『Deep Learning』もかなり良いと聞いたが、自分では読んでいない
      標準的な微積分や線形代数のコースを全部さらい直すと時間を無駄にする
      AI講義やディープラーニング本の冒頭で教えられる関連数学だけを学び、各入門科目の無関係な90%は飛ばしたほうがよい
      10年ほど前にニューラルネットワークを一から自作していた者として言っている
    • 線形代数は微積分よりずっと好きだが、きちんとした線形代数の講義を消化するには、微積分の課程を通じて養われる数学的成熟度がある程度必要だと感じる
      微積分を知っているとPadé近似のような近似理論に入れるが、これは微積分と線形代数が出会う美しい分野だ
      いずれにせよ『Schaum's Outline of Linear Algebra』は、これまで読んだ線形代数の本の中でおそらく最高で、抽象代数の一部も少し扱っている
    • 実際に何を求めているかで大きく変わる
      1. 既存モデルを使う: いちばん簡単なのはたいてい有料のWebサービスで、より難しい道はローカルインストールであり、良いコンピュータが必要
      2. モデルがどう動くのかを理解する
      3. この流れがどこへ向かっているのかを全体的に理解する
      4. 既存モデルを学習またはファインチューニングできるようになる
        4.1 モデル生成のためのフレームワークを作る
        4.2 テスト、学習、推論などのためのフレームワークを作る
      5. モデル設計: 分野によって大きく異なるため、深く入るなら専門化が必要
      6. ついにAGIを作る
        それぞれ必要な能力が異なる
        ニュースを追うだけでよいものもあれば、コーディング能力が必要なものもあり、理論や哲学のほうが重要なものもある
        すべてを持つことはできないが、関連する能力がまったくなくても最初の4つくらいには到達可能だ
        もちろん倫理「専門家」になる道がいちばん簡単だ
    • 使いたいのか、構築したいのかによる
      後者ならChatGPTのおすすめは良い出発点で、前者ならこうした講義が良い入口になる
    • Andrej Karpathyのzero to hero講義をおすすめする
      とても良く、8本の動画講義で構成されていて、自分のJupyterノートブックで追いかけられる
      各講義は1〜2時間程度

  • 発展の速さと新しいパラダイムが探索される速さを見ると、この講義はすぐ古くなりそうだ
    2年前に生成AIを学んだが、そのとき使っていたツールはすでに全部時代遅れになっている

  • オープンソース側にも似たものがあるのか知りたい

  • Azureのマーケティングのように見えていまいち

  • LLMをどう使うかについての実用ガイドを探しているなら、Jeremy Howardの「Hackers Guide to language models」を強くおすすめする
    実用的な情報が詰まった1.5時間の動画: https://youtu.be/jkrNMKz9pWU

  • これはAzure OpenAIへのアクセス権が必要そうだが、個人ユーザーは取得できず、一部の企業顧客にだけ開かれているのではないかと思う

  • あまりにマーケティング資料のように読めて、なぜここに投稿されたのかよく分からない

    • どの部分がマーケティングのように感じられるのか分からない
      内容をざっと見たが、初めてこの技術に入ろうとする技術者にとっては、かなり包括的な内容に見える