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
96
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
0
86
[OpsJAWS Meetup33 AIOps] Amazon Bedrockガードレールで守る安全なAI運用
akiratameto
2
250
Amazon Bedrockで実現する堅牢なデータエンジニアリング
akiratameto
1
61
Bedrock カスタムモデルvs汎用モデルの比較
akiratameto
1
120
Amazon Bedrock Agents (ナレッジベースの種類)
akiratameto
1
180
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
200
Amazon Bedrock Agents (基本編)
akiratameto
0
160
SageMaker Feature Storeを活かしたLLM推論
akiratameto
1
60
Other Decks in Technology
See All in Technology
AIを使っていい感じにE2Eテストを書けるようになるまで / Trying to Write Good E2E Tests with AI
katawara
3
1.7k
増え続ける脆弱性に立ち向かう: 事前対策と優先度づけによる 持続可能な脆弱性管理 / Confronting the Rise of Vulnerabilities: Sustainable Management Through Proactive Measures and Prioritization
nttcom
1
180
メモ整理が苦手な者による頑張らないObsidian活用術
optim
0
130
機械学習を「社会実装」するということ 2025年夏版 / Social Implementation of Machine Learning July 2025 Version
moepy_stats
1
750
FAST導入1年間のふりかえり〜現実を直視し、さらなる進化を求めて〜 / Review of the first year of FAST implementation
wooootack
1
130
Data Engineering Study#30 LT資料
tetsuroito
1
580
ゼロから始めるSREの事業貢献 - 生成AI時代のSRE成長戦略と実践 / Starting SRE from Day One
shinyorke
PRO
0
240
AI駆動開発 with MixLeap Study【大阪支部 #3】
lycorptech_jp
PRO
0
210
Step Functions First - サーバーレスアーキテクチャの新しいパラダイム
taikis
1
280
CSPヘッダー導入で実現するWebサイトの多層防御:今すぐ試せる設定例と運用知見
llamakko
1
220
手動からの解放!!Strands Agents で実現する総合テスト自動化
ideaws
2
320
M365アカウント侵害時の初動対応
lhazy
7
4.6k
Featured
See All Featured
Bash Introduction
62gerente
613
210k
The Art of Programming - Codeland 2020
erikaheidi
54
13k
A Modern Web Designer's Workflow
chriscoyier
695
190k
Statistics for Hackers
jakevdp
799
220k
Mobile First: as difficult as doing things right
swwweet
223
9.7k
Refactoring Trust on Your Teams (GOTO; Chicago 2020)
rmw
34
3.1k
Making Projects Easy
brettharned
116
6.3k
Fireside Chat
paigeccino
37
3.5k
Put a Button on it: Removing Barriers to Going Fast.
kastner
60
3.9k
Creating an realtime collaboration tool: Agile Flush - .NET Oxford
marcduiker
30
2.2k
No one is an island. Learnings from fostering a developers community.
thoeni
21
3.4k
[RailsConf 2023] Rails as a piece of cake
palkan
55
5.7k
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!