<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet href="/feed.rss.xml" type="text/xsl" media="screen"?>
<rss version="2.0" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:media="http://search.yahoo.com/mrss/" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>YOSHIFUJI Naoki @Tenstorrent</title>
    <description>My unofficial presentation slides as Tenstorrent member.

See https://speakerdeck.com/tenstorrent_japan/ for official one (e.g. TeckTalk etc)</description>
    <link>https://speakerdeck.com/lwisteria_tt</link>
    <atom:link rel="self" type="application/rss+xml" href="https://speakerdeck.com/lwisteria_tt.rss"/>
    <lastBuildDate>2026-11-17 01:50:13 -0500</lastBuildDate>
    <item>
      <title>AIパフォーマンスエンジニアリングの最前線</title>
      <description>2026/10/09開催の「第23回物理屋のための機械学習講義」 https://akio-tomiya.github.io/lectures4mlphys/#%E7%AC%AC23%E5%9B%9E の講義資料です。

日時: 2026/10/9 (金) 13:00-17:00 JST
講師: 吉藤 尚生 (テンストレントジャパン株式会社)
講演題目: AIパフォーマンスエンジニアリングの最前線
開催方法: 対面とオンラインのハイブリッド
場所: 筑波大学東京キャンパス 118講義室
概要:
近年、機械学習およびAIモデルの急速な大規模化・複雑化に伴い、計算資源を効率的に活用し処理を高速化するための「パフォーマンスエンジニアリング」の重要性がますます高まっています。本講義では、書籍『実践的パフォーマンスエンジニアリングによるAI高速化』の内容をベースに、AIパフォーマンスエンジニアリングの基礎から最前線までを概観します。

まず前半では基礎編として、AIパフォーマンスエンジニアリングの歴史や全体像、そしてパフォーマンス計測およびパフォーマンス改善の基本的な手法について整理します。具体事例として大規模言語モデル（LLM）推論や自動運転AI推論も取り上げ、特に利用頻度の高いGPU上での実践的なパフォーマンスエンジアリング手法を解説します。

後半では発展編として、現在のAIパフォーマンスエンジニアリングの最新状況および将来展望を紹介し、特に重要となる2つの具体的な方法論について紹介します。まずはじめに、異なるハードウェアアーキテクチャによるパフォーマンスエンジニアリング手法の違いを解説します。具体的には、オープンなアーキテクチャ（Tenstorrent Blackholeなど）上で前半の事例などを実行し、仕様がオープンであるからこそ可能になる、よりきめ細やかなパフォーマンスエンジニアリングの事例を紹介します。最後に、こうした高度なパフォーマンスエンジニアリングをAIエージェントに実行させる最新の取り組みについて触れ、オープンなアーキテクチャがいかに「今後のパフォーマンスエンジニアリング」と親和性が高いかを議論します。

受講に際して書籍『実践的パフォーマンスエンジニアリングによるAI高速化』（技術評論社）は必須ではありませんが、事前に予習として目を通しておく、あるいは講義中に触れられなかった詳細について確認しながら受講すると、より理解を深めることができます。</description>
      <media:content url="https://files.speakerdeck.com/presentations/425bce5bbbb5451babdcca7fa4281a5b/preview_slide_0.jpg?41404254" type="image/jpeg" medium="image"/>
      <content:encoded>2026/10/09開催の「第23回物理屋のための機械学習講義」 https://akio-tomiya.github.io/lectures4mlphys/#%E7%AC%AC23%E5%9B%9E の講義資料です。

日時: 2026/10/9 (金) 13:00-17:00 JST
講師: 吉藤 尚生 (テンストレントジャパン株式会社)
講演題目: AIパフォーマンスエンジニアリングの最前線
開催方法: 対面とオンラインのハイブリッド
場所: 筑波大学東京キャンパス 118講義室
概要:
近年、機械学習およびAIモデルの急速な大規模化・複雑化に伴い、計算資源を効率的に活用し処理を高速化するための「パフォーマンスエンジニアリング」の重要性がますます高まっています。本講義では、書籍『実践的パフォーマンスエンジニアリングによるAI高速化』の内容をベースに、AIパフォーマンスエンジニアリングの基礎から最前線までを概観します。

まず前半では基礎編として、AIパフォーマンスエンジニアリングの歴史や全体像、そしてパフォーマンス計測およびパフォーマンス改善の基本的な手法について整理します。具体事例として大規模言語モデル（LLM）推論や自動運転AI推論も取り上げ、特に利用頻度の高いGPU上での実践的なパフォーマンスエンジアリング手法を解説します。

後半では発展編として、現在のAIパフォーマンスエンジニアリングの最新状況および将来展望を紹介し、特に重要となる2つの具体的な方法論について紹介します。まずはじめに、異なるハードウェアアーキテクチャによるパフォーマンスエンジニアリング手法の違いを解説します。具体的には、オープンなアーキテクチャ（Tenstorrent Blackholeなど）上で前半の事例などを実行し、仕様がオープンであるからこそ可能になる、よりきめ細やかなパフォーマンスエンジニアリングの事例を紹介します。最後に、こうした高度なパフォーマンスエンジニアリングをAIエージェントに実行させる最新の取り組みについて触れ、オープンなアーキテクチャがいかに「今後のパフォーマンスエンジニアリング」と親和性が高いかを議論します。

受講に際して書籍『実践的パフォーマンスエンジニアリングによるAI高速化』（技術評論社）は必須ではありませんが、事前に予習として目を通しておく、あるいは講義中に触れられなかった詳細について確認しながら受講すると、より理解を深めることができます。</content:encoded>
      <pubDate>Fri, 09 Oct 2026 00:00:00 -0400</pubDate>
      <link>https://speakerdeck.com/lwisteria_tt/ai-pafomansu-enjiniaringu-no-saizensen</link>
      <guid>https://speakerdeck.com/lwisteria_tt/ai-pafomansu-enjiniaringu-no-saizensen</guid>
    </item>
  </channel>
</rss>
