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
87
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
81
[OpsJAWS Meetup33 AIOps] Amazon Bedrockガードレールで守る安全なAI運用
akiratameto
2
240
Amazon Bedrockで実現する堅牢なデータエンジニアリング
akiratameto
1
56
Bedrock カスタムモデルvs汎用モデルの比較
akiratameto
1
110
Amazon Bedrock Agents (ナレッジベースの種類)
akiratameto
1
170
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
140
SageMaker Feature Storeを活かしたLLM推論
akiratameto
1
57
Other Decks in Technology
See All in Technology
Observability в PHP без боли. Олег Мифле, тимлид Altenar
lamodatech
0
340
LinkX_GitHubを基点にした_AI時代のプロジェクトマネジメント.pdf
iotcomjpadmin
0
170
Agentic Workflowという選択肢を考える
tkikuchi1002
1
490
Definition of Done
kawaguti
PRO
6
480
A2Aのクライアントを自作する
rynsuke
1
170
2年でここまで成長!AWSで育てたAI Slack botの軌跡
iwamot
PRO
4
680
rubygem開発で鍛える設計力
joker1007
2
190
Witchcraft for Memory
pocke
1
260
25分で解説する「最小権限の原則」を実現するための AWS「ポリシー」大全 / 20250625-aws-summit-aws-policy
opelab
9
1.1k
20250625 Snowflake Summit 2025活用事例 レポート / Nowcast Snowflake Summit 2025 Case Study Report
kkuv
1
300
標準技術と独自システムで作る「つらくない」SaaS アカウント管理 / Effortless SaaS Account Management with Standard Technologies & Custom Systems
yuyatakeyama
3
1.2k
“社内”だけで完結していた私が、AWS Community Builder になるまで
nagisa53
1
370
Featured
See All Featured
Fireside Chat
paigeccino
37
3.5k
A Modern Web Designer's Workflow
chriscoyier
694
190k
The Illustrated Children's Guide to Kubernetes
chrisshort
48
50k
A better future with KSS
kneath
239
17k
Practical Tips for Bootstrapping Information Extraction Pipelines
honnibal
PRO
20
1.3k
The Language of Interfaces
destraynor
158
25k
Making Projects Easy
brettharned
116
6.3k
GraphQLの誤解/rethinking-graphql
sonatard
71
11k
Music & Morning Musume
bryan
46
6.6k
For a Future-Friendly Web
brad_frost
179
9.8k
StorybookのUI Testing Handbookを読んだ
zakiyama
30
5.8k
Mobile First: as difficult as doing things right
swwweet
223
9.7k
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!