Ａｚｕｒｅ　Ｍａｃｈｉｎｅ　Ｌｅａｒｎｉｎｇではじめる機械学習／ＬＬＭ活用入門

永田祥平／〔ほか〕著

発売日：2025年4月

ページ数: ４１３ｐ
ISBN: 978-4-297-14846-1
著者情報: 永田　祥平（ナガタ　ショウヘイ）
元日本マイクロソフト株式会社　クラウドソリューションアーキテクト。大学院で分子生物学やバイオインフォマティクスを学んだあと、２０２０年より日本マイクロソフト株式会社に入社。クラウドソリューションアーキテクト（ＡＩ）として、おもにエンタープライズのお客様を対象に、Ａｚｕｒｅデータ分析・機械学習基盤や生成ＡＩアプリケーションの導入・活用支援を行う。２０２４年より米国系ＳａａＳ企業に移り、プロダクトマネージャーとして日本、韓国、台湾市場に向けた生成ＡＩ・エージェント機能の企画開発を行っている

立脇　裕太（タテワキ　ユウタ）
日本マイクロソフト株式会社　クラウドソリューションアーキテクト。Ｓｏｆｔｂａｎｋ（ＳＢＴ）、Ｄｅｌｏｉｔｔｅ、ＤａｔａＲｏｂｏｔでビッグデータ、クラウド、機械学習を活用してお客様のデータ活用を推進する経験を経て、日本マイクロソフトに入社。現職では、需要高まる生成ＡＩの活用を支援する案件に従事しつつ、お客様のＭＬＯｐｓ成熟度Ｌｅｖｅｌ４実現に向けた支援にも従事。ＭＬＯｐｓ　Ｃｏｍｍｕｎｉｔｙ（ＪＰ）のオーガナイザーでＭＬＯｐｓやＡＩガバナンスに関する講演や記事執筆などを実施

伊藤　駿汰（イトウ　シュンタ）
日本マイクロソフト株式会社　クラウドソリューションアーキテクト／株式会社Ｏｍａｍｏｒｉ取締役。本業でＡＩ／ＭＬ開発（とくに自然言語処理方面）と利活用の技術支援、機械学習基盤やＭＬＯｐｓ基盤の構築および活用の技術支援を行うクラウドソリューションアーキテクト、副業で自社サービスの開発を担うソフトウェアエンジニアとして活動

宮田　大士（ミヤタ　タイシ）
日本マイクロソフト株式会社　クラウドソリューションアーキテクト。情報学の修士号を取得後、製造業にてデータ分析／機械学習システムの構築／データ分析基盤の開発を経験し、日本マイクロソフトに入社。現職では、自動車産業・製造業を中心とした幅広い業界のお客様にＡＩの導入／活用を支援

女部田　啓太（オナブタ　ケイタ）
Ｒｅｇｉｏｎａｌ　ＡＩ　Ａｒｃｈｉｔｅｃｔ　Ｌｅａｄ，Ｏｆｆｉｃｅ　ｏｆ　ｔｈｅ　Ｃｈｉｅｆ　Ｔｅｃｈｎｏｌｏｇｙ　Ｏｆｆｉｃｅｒ，Ｍｉｃｒｏｓｏｆｔ　Ａｓｉａ。Ｏｒａｃｌｅ、ＳＡＳ　Ｉｎｓｔｉｔｕｔｅでのデータ分析、統計解析、機械学習の経験を経て、２０１８年よりＭｉｃｒｏｓｏｆｔに入社。おもに製造業のお客様のプロジェクトに機械学習エンジニアとして従事。現職では、アジア地域における重要な基盤モデルの開発・運用管理、ＡＩ　Ａｇｅｎｔのシステム構築プロジェクトへの技術支援などを実施

¥3,520 税込

16 nanacoポイント

ポイントについて

16 セブンマイル

マイルについて

セブン-イレブン受取り(送料無料)

発送目安

発売日（発売日以降は当日）～2日で発送

宅配（送料¥550税込）

発送目安

発売日（発売日以降は当日）～2日で発送

交通状況・天候の影響や注文が集中した場合等、お届けにお時間をいただく場合がございます。

発送目安について

商品説明

Ａｚｕｒｅ　Ｍａｃｈｉｎｅ　Ｌｅａｒｎｉｎｇは機械学習における学習から推論、運用までをエンドツーエンドでサポートするプラットフォームです。本書は、機械学習の活用を推進するエンジニアやデジタルトランスフォーメーションを担う人々に向け、Ａｚｕｒｅ　Ｍａｃｈｉｎｅ　Ｌｅａｒｎｉｎｇを使った機械学習モデルの構築から運用まで解説しています。Ａｚｕｒｅ　Ｍａｃｈｉｎｅ　Ｌｅａｒｎｉｎｇの基本からはじめ、自動機械学習（ＡｕｔｏＭＬ）機能を使った便利なモデル開発、ＭＬｆｌｏｗと機械学習パイプラインを使った実践的なモデル開発を経て、ＭＬＯｐｓの実現を目指します。大規模言語モデルの活用にあたっては、モデルカタログやプロンプトフローの使い方を解説し、ＬＬＭＯｐｓの概念にも触れます。

Azure Machine Learningは機械学習における学習から推論、運用までをエンドツーエンドでサポートするプラットフォームです。本書は、機械学習の活用を推進するエンジニアやデジタルトランスフォーメーションを担う人々に向け、Azure Machine Learningを使った機械学習モデルの構築から運用まで解説しています。Azure Machine Learningの基本からはじめ、自動機械学習（AutoML）機能を使った便利なモデル開発、MLflowと機械学習パイプラインを使った実践的なモデル開発を経て、MLOpsの実現を目指します。大規模言語モデルの活用にあたっては、モデルカタログやプロンプトフローの使い方を解説し、LLMOpsの概念にも触れます。

■第1部　Azure Machine Learningの基本
第1章　機械学習をビジネスに活かすには
　1.1　機械学習に関わる用語の整理
　1.2　機械学習が解決できる課題
　1.3　生成AI時代における機械学習の意義
　1.4　機械学習が取り組むべき課題
　　1.4.1　需要予測
　　1.4.2　画像分類による品質検査
　　1.4.3　自然言語処理による文書分類
　1.5　機械学習の全体的なプロセスと課題
　　1.5.1　課題設定：解決すべき課題の明確化とプロジェクトの基盤構築
　　1.5.2　データ収集・探索：必要なデータの収集と分析
　　1.5.3　データ前処理：モデルが学習可能なデータセットの整備
　　1.5.4　アルゴリズム選定：タスクに最適なモデルの選択
　　1.5.5　パラメーター探索：モデル性能を左右するパラメーターの最適化
　　1.5.6　モデル学習：データからパターンを学ぶプロセス
　　1.5.7　モデル評価：モデルの性能確認と改善
　　1.5.8　デプロイ：モデルの実稼働環境への導入
　　1.5.9　モニタリング：デプロイ後のモデル性能監視とメンテナンス
　1.6　ビジネスにおける機械学習
　　1.6.2　トレーニングループ
　　1.6.3　運用ループ
　1.7　まとめ

ほか

商品詳細

シリーズ名: エンジニア選書
出版社名: 技術評論社
サイズ: ２４ｃｍ
対象年齢: 一般
フォーマット: 新書・選書

注意事項

本の帯に関して: 帯つきでの出荷はお約束しておりません。
商品ページに、帯のみに付与される特典物等の表記がある場合でも、確実に帯つきでの出荷はお約束しておりません。
また、帯は商品の一部ではなく「広告扱い」のため、帯の有無・破損による交換や返品は承っておりません。
版・表紙について: 版・表紙（カバー）のご指定は承っておりません。ご注文いただくタイミングによっては、お届けする商品の版や表紙が商品ページ上のものとは異なる場合がございます。
また、初版にのみにお付けしている特典（初回特典、初回仕様特典）がある商品は、商品ページに特典の表記がされている場合でも、無くなり次第終了となります。