Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Vertex AIで実現するLLMデータアノテーションの効率化と自動化
Search
為藤アキラ
February 06, 2025
Technology
0
130
Vertex AIで実現するLLMデータアノテーションの効率化と自動化
為藤アキラ
February 06, 2025
Tweet
Share
More Decks by 為藤アキラ
See All by 為藤アキラ
AI Agent Vertex AI Agent Builder × A2A × ADKで繋げるマルチエージェント
akiratameto
1
93
[OpsJAWS Meetup33 AIOps] Amazon Bedrockガードレールで守る安全なAI運用
akiratameto
2
270
Amazon Bedrockで実現する堅牢なデータエンジニアリング
akiratameto
1
71
Bedrock カスタムモデルvs汎用モデルの比較
akiratameto
1
130
Amazon Bedrock Agents (ナレッジベースの種類)
akiratameto
1
210
DeepSeek-R1をカスタムモデルとしてAmazon Bedrockにインポートし活用
akiratameto
0
220
Amazon Bedrock Agents (基本編)
akiratameto
0
180
SageMaker Feature Storeを活かしたLLM推論
akiratameto
1
68
Other Decks in Technology
See All in Technology
非同期処理実行基盤 Delayed脱出 → Solid Queue完全移行への旅路。
srockstyle
3
1.2k
ZennとCloud Runの歩み - プロダクト開発に全集中できる相棒になるまで
wadayusuke
5
620
そのグラフに「魂」は宿っているか? ~生成AI全盛期におけるデータ可視化手法とライブラリ比較~
negi111111
2
820
AIが書いたコードをAIが検証する!自律的なモバイルアプリ開発の実現
henteko
1
230
それでも私はContextに値を詰めたい | Go Conference 2025 / go conference 2025 fill context
budougumi0617
4
860
Railsアプリケーション開発者のためのブックガイド
takahashim
12
5.1k
コンパウンドスタートアップにおけるQAの成長戦略
matsu802
4
580
研究開発部メンバーの働き⽅ / Sansan R&D Profile
sansan33
PRO
3
20k
Azure SynapseからAzure Databricksへ 移行してわかった新時代のコスト問題!?
databricksjapan
0
110
Oracle Base Database Service 技術詳細
oracle4engineer
PRO
11
77k
SOC2取得の全体像
shonansurvivors
1
340
「技術負債にならない・間違えない」 権限管理の設計と実装
naro143
31
9.3k
Featured
See All Featured
The Invisible Side of Design
smashingmag
301
51k
What's in a price? How to price your products and services
michaelherold
246
12k
Designing Experiences People Love
moore
142
24k
Speed Design
sergeychernyshev
32
1.1k
Product Roadmaps are Hard
iamctodd
PRO
54
11k
Fashionably flexible responsive web design (full day workshop)
malarkey
407
66k
We Have a Design System, Now What?
morganepeng
53
7.8k
The Psychology of Web Performance [Beyond Tellerrand 2023]
tammyeverts
49
3.1k
Java REST API Framework Comparison - PWX 2021
mraible
33
8.8k
Code Reviewing Like a Champion
maltzj
525
40k
Practical Tips for Bootstrapping Information Extraction Pipelines
honnibal
PRO
23
1.5k
Building Better People: How to give real-time feedback that sticks.
wjessup
368
20k
Transcript
Google Cloud活用 AI/ML/LLM #1 機械学習 (ML) / 大規模言語モデル(LLM) の為のデータ準備 Vertex
AIで実現するLLMデータ アノテーションの効率化と自動化 株式会社BLUEISH 代表取締役CEO兼CTO 為藤アキラ @AkiraTameto
為藤 アキラ (Akira Tameto) 株式会社BLUEISH 代表取締役 CEO兼CTO ・直近のAIプロジェクト ・画像を中心とした機械学習とLLM
のハイブリッドのアーキテクト 自己紹介
今回のお話
よくある課題 ・LLMには大量の高品質データが必要 ・手動アノテーション=時間がかかる / コストが高い / 品質 ばらつき ・「データ増やしたいけど、全然追いつかない…」
Vertex AI Data Labelingの概要 t テキスト・画像・動画などのラベル付けをクラウドで一元管7 t 手動ラベリング+自動ラベリングの両方が可能 更にAutoMLモデル活用で効率UP! Vertex
AIのラベリング機能とは?
自動アノテーションの活用方法 E4 少量のデータでAutoMLモデル作S 54 大量データに一括ラベル付A 24 人間が確認・修正 → 精度UP 自動アノテーションは大きく3ステップ
具体的なワークフロー 4% データの準備 (Cloud Storage / BigQuery など) a` ラベリングプロジェクト作成
(Vertex AIコンソール) y` 少量データのラベル付け ` AutoMLモデルの学習 k` 自動アノテーションの適用 u` 人間の確認・修正
具体的なワークフロー 74 データの準備 (Cloud Storage / BigQuery など) HY ラベリングプロジェクト作成
(Vertex AIコンソール) y4 少量データのラベル付け 4 AutoMLモデルの学習 k4 自動アノテーションの適用 u4 人間の確認・修正
具体的なワークフロー 74 データの準備 (Cloud Storage / BigQuery など) a4 ラベリングプロジェクト作成
(Vertex AIコンソール) xy 少量データのラベル付け 4 AutoMLモデルの学習 k4 自動アノテーションの適用 u4 人間の確認・修正
具体的なワークフロー 74 データの準備 (Cloud Storage / BigQuery など) a4 ラベリングプロジェクト作成
(Vertex AIコンソール) y4 少量データのラベル付け AutoMLモデルの学習 k4 自動アノテーションの適用 u4 人間の確認・修正
具体的なワークフロー 74 データの準備 (Cloud Storage / BigQuery など) a4 ラベリングプロジェクト作成
(Vertex AIコンソール) y4 少量データのラベル付け 4 AutoMLモデルの学習 d 自動アノテーションの適用 u4 人間の確認・修正
具体的なワークフロー 74 データの準備 (Cloud Storage / BigQuery など) a4 ラベリングプロジェクト作成
(Vertex AIコンソール) y4 少量データのラベル付け 4 AutoMLモデルの学習 k4 自動アノテーションの適用 uo 人間の確認・修正
メリットと課題 8 作業時間・コスト削% 8 精度と一貫性の向 8 データ増加へのスケーラビリティ メリット 8 モデル精度への依b
8 100%自動化は難しく、Human in the Loopが必y 8 初期コストの先行投資 課題
まとめ 1 W 「Vertex AI+AutoML」でラベリングを効率" W LLM開発のデータ準備をスピードアッ W People(人間) +
AI でハイブリッド運用 まとめ
Thank You!