![[AI新規事業創出] Qualitegオリジナル、効果的な顧客課題の比較方法とは](https://images.unsplash.com/14/unsplash_5243e9ef164a5_1.JPG?crop=entropy&cs=tinysrgb&fit=max&fm=jpg&ixid=M3wxMTc3M3wwfDF8c2VhcmNofDIxfHxjb21wYXJlfGVufDB8fHx8MTcxMzcwODAxOHww&ixlib=rb-4.0.3&q=80&w=600)
AI-Business
[AI新規事業創出] Qualitegオリジナル、効果的な顧客課題の比較方法とは
顧客課題の比較方法について、市場規模調査や自社とのシナジー、実現可能性の検討が重要です。各課題に対し市場の潜在性、自社の既存事業との関連性、技術やコストの面から評価し、最終的に調査結果を得点化して比較することで、参入すべき市場を明確にします。
Latest
ChatStream Guide
LLM サービング効率化の為のPagedAttention
こんにちは、株式会社Qualitegプロダクト開発部です。 今日は 商用LLM サービングに欠かせない PagedAttention 技術をご紹介します はじめに PagedAttention は当社にとって非常に重要な技術です PagedAttentionを活用するとLLMでの文章生成において GPUメモリの利用効率をあげ 、そのぶん単位GPUあたりの同時に捌けるリクエストを増やすことができます。 当社は「ChatStream」という商用のLLMサービングプラットフォームを開発・提供しているため、多ユーザーからの同時リクエストによる高負荷環境でのLLMサービング(文章生成の提供)は、ドドド真ん中の課題ということになります。 PagedAttention登場以前の従来の並列生成はKVキャッシュとよばれる”リクエストごとに発生する大きなGPUメモリ消費”との戦いでした。 (KVキャッシュは transfomerのmodelを生で叩くときに past_key_values として登場します） つまりモデルのパラメータとは別に発生する推論時のメモリ消費です。 これが同時に
News
株式会社Qualiteg、NVIDIA Inceptionプログラムに採択
２０２４年４月２５日、株式会社QualitegはNVIDIA Inceptionプログラムに採択されました。これにより、私たちは世界中の革新的なスタートアップとともに、先進技術の開発と普及に向けて新たな一歩を踏み出すこととなりました。 LLMサービス開発への期待 NVIDIA Inceptionプログラムに採用されたことで、当社は大規模言語モデル（LLM）サービスの開発事業者として、更なる飛躍が期待されております。 特に、NVIDIAが提供する高度なAIリソースとツールを活用することで、以下のような可能性が広がります。 1. 高性能なAIモデルの開発 NVIDIAのAI Foundation Modelsを利用することで、最先端のAIモデルを迅速に構築し、カスタマイズして展開することができます。これにより、業界をリードする革新的なソリューションの提供が可能となります。 2. エンジニアリングリソースの強化 NVIDIA Developer Programに参加することで、エンジニアは最新のツールやリソース、専門家によるサポートを受けることができま
日々の開発Tips
"triu_tril_cuda_template" not implemented for 'BFloat16' が発生する現象と対処法
モデル読み込みで torch_dtype=torch.bfloat16 を指定したとき "triu_tril_cuda_template" not implemented for 'BFloat16' が発生する場合の対処法です 以下は llama3 で発生したときのログです。 File "/home/mlu/.virtualenvs/ChatStream/lib/python3.10/site-packages/torch/nn/modules/module.py", line 1501, in _call_impl return forward_call(*args, **kwargs) File "
![[ChatStream] meta-llama/Meta-Llama-3-8B-Instruct 用の ChatPromptクラス](/content/images/size/w600/2024/04/ChatPrompt--4-.png)
ChatStream Guide
[ChatStream] meta-llama/Meta-Llama-3-8B-Instruct 用の ChatPromptクラス
昨日(2024/4/19) に発表になった Llama3 用の ChatPrompt クラス※をご紹介します。 from chatstream import AbstractChatPrompt SYSTEM_PROMPT = """\ You are a helpful, respectful and honest assistant. Always answer as helpfully as possible, while being safe. Your answers should not include any harmful, unethical, racist, sexist, toxic, dangerous, or illegal
![[自作日記17] SW編: NVIDIA Display Driver を GPUマシンの Ubuntu にインストールする](/content/images/size/w600/2024/04/gpu_machine_jisaku_17.png)
GPUマシン自作
[自作日記17] SW編: NVIDIA Display Driver を GPUマシンの Ubuntu にインストールする
こんにちは！ 今回は Ubuntu で GPU を使用できるようにするため、 NVIDIA Display Drive をインストールしていきます 3.2 Nvidia Display Driverのインストール 今回購入した GPU NVIDIA RTX 3090 Ti 24G に対応したディスプレイドライバーをインストールしていきます！ 3.2.1 ドライバーのダウンロード 以下のサイトにアクセスして RTX 3090 Ti 用のドライバをさがします https://www.nvidia.co.jp/Download/index.aspx?lang=jp 自分の環境(RTX 3090 Ti,Linux)を選択して、 探す をクリックするとドライバをさがしてくれるので便利です
![[AI数理]徹底的に交差エントロピー(5)](/content/images/size/w600/2024/04/ce05.png)
AI数理
[AI数理]徹底的に交差エントロピー(5)
おはようございます！(株) Qualiteg 研究部です。 今回は、前回から拡張して データN件対応版の多値分類用 交差エントロピー を実際のデータをみながら導いていきたいとおもいます！ 6章 多値分類用 交差エントロピー (データN件対応版) 実際の学習では、いちどに複数件の訓練データを入力して得られた複数の結果をまとめて評価するバッチ学習を行うため、複数の訓練データから得られた結果を同時に計算できるバージョンの交差エントロピーも考えておきます。 以下のような複数の訓練データの場合を考えます。 複数の訓練データなので、1件ずつの訓練データを見分けられるように番号をふった データ番号 列を導入しました。みやすくするため正解のデータに背景色をつけています。 この4件のデータを順番にモデルに入れたときの出力を計算すると以下のようになりました。予測値 列を右に追加しています。 さて、この4件の交差エントロピーを求めてみます。 これらのデータから1つずつ交差エントロピーを計算して、その値を合計すれば、4件ぶんの交差エントロピーの合計値を求めることができるので、特に
![[AI新規事業創出] Qualitegオリジナル、効果的な顧客課題の評価方法とは](https://images.unsplash.com/photo-1544819679-57b273c027a3?crop=entropy&cs=tinysrgb&fit=max&fm=jpg&ixid=M3wxMTc3M3wwfDF8c2VhcmNofDE0fHxldmFsdWF0aW9ufGVufDB8fHx8MTcxMzcwODA4MXww&ixlib=rb-4.0.3&q=80&w=600)
AI-Business
[AI新規事業創出] Qualitegオリジナル、効果的な顧客課題の評価方法とは
多くの企業が顧客の課題を担当者の直観に頼り、誤解を招くことが多いです。課題選定には市場やユーザーのニーズを深く理解し、新規事業の目的と合致することが重要です。Qualitegの提案では、事業責任者との初期合意に基づき、目的に適した課題を選ぶべきと考えています。
![[AI新規事業創出]Qualiteg流、顧客課題仮説探索インタビューをベースにした顧客課題設定とは](https://images.unsplash.com/photo-1512758017271-d7b84c2113f1?crop=entropy&cs=tinysrgb&fit=max&fm=jpg&ixid=M3wxMTc3M3wwfDF8c2VhcmNofDJ8fGJ1c2luZXNzJTIwcHJvYmxlbXxlbnwwfHx8fDE3MTM3MDA3MzV8MA&ixlib=rb-4.0.3&q=80&w=600)
AI-Business
[AI新規事業創出]Qualiteg流、顧客課題仮説探索インタビューをベースにした顧客課題設定とは
新規事業開発のコンサルティングにおいて、多くの方がすぐにアイディア出しを行いたがる傾向にあります。実際は顧客の課題を把握し、ファクトに基づいたアプローチが質の高い企画につながります。このプロセスには顧客のニーズの再確認、インサイトの抽出、そして「How Might We」というフレームワークを用いた課題の発散が含まれます。
日々の開発Tips
Python 3.12 で PyTorch のインストールに失敗するときの対処法
こんにちは。Qualiteg プロダクト開発部です。 概要 * ChatStream に必要な PyTorch のインストールですが、 Python 3.12 だとうまくいかないという報告があります * Python 3.11 までならインストールはうまくいきました エラーメッセージ pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 とすると、以下のようなエラーがでる ERROR: Could not find a version that satisfies the requirement torch (from versions: none) ERROR: No matching distribution found
![[AI新規事業創出]Qualitegが考える、顧客理解のためのエンパシーマップ策定方法とは](https://images.unsplash.com/photo-1505243542579-da5adfe8338f?crop=entropy&cs=tinysrgb&fit=max&fm=jpg&ixid=M3wxMTc3M3wwfDF8c2VhcmNofDJ8fGVtcGF0aHl8ZW58MHx8fHwxNzEzNDM0MDkzfDA&ixlib=rb-4.0.3&q=80&w=600)
AI-Business
[AI新規事業創出]Qualitegが考える、顧客理解のためのエンパシーマップ策定方法とは
Qualiteg blogを訪問してくださった皆様、こんにちは。Micheleです。AIを活用した新規事業やマーケティングを手がけている私には、クライアントからよく寄せられる質問があります。AIを用いた事業展開を検討されている方々が共通して直面するであろう課題に対して、このブログを通じて私なりの解答をご提供したいと思います。 新規事業開発経験ありの中級者以上の方からよくある質問です。 デザインシンキングではよく見る「共感マップ」ですが、実際新規事業開発の時に使えるものなのでしょうか？ 答えは「はい、使えます、一緒にやってみましょう★」です。 私がコンサルティングさせていただいているクライアントで見てみると、日本企業より、アメリカ企業の方が使われる方が断然多い「共感マップ」。 日本企業でなぜ使われないのか、どうやったら有効的に使うことができるのかを本日は解説させていただきますね。 そもそも共感マップとは？ 共感マップは、日本語でまず共感マップという翻訳がされている時点でとってもわかりづらくなっていると、個人的に思います。 英語だと "Empathy Map" と呼びます
![[自作日記16] SW編: GPUマシンの Ubuntu を構成する](/content/images/size/w600/2024/04/gpu_machine_jisaku_16.png)
GPUマシン自作
[自作日記16] SW編: GPUマシンの Ubuntu を構成する
こんにちは！今回は Ubuntu OS インストール後の構成をします 3.1 Ubuntu の構成 3.1.1 初回起動時の各種アップデート 現在、Ubuntu OS のインストールが終了した状態となってますが、Ubuntu OSアップデートや言語パックのアップデートなどが表示されていた場合、それをまず実行します 初回に表示されるアップデートが終了したときに以下のようなダイアログが表示されるのですぐに再起動をクリックしていったんリブートします 3.1.2 日本語 IME の設定 画面右上にある日本語IMEを選択します 3.1.3 ”downloads” ディレクトリの作成 ダウンロードファイルの保存先用に "downloads" ディレクトリを作成します。 日本語の「ダウンロード」ディレクトリがもともとあるが、端末(shell)から扱いにくいですし、日本語フォルダ名は何かと不便なためです。 画面左バーからファイルを起動します ホームディレクトリ以下にdownloadsというディレクトリを作成します 3.1.4
ChatStream Guide
RakutenAI-7B-chat を使用したチャットアプリケーションを5分で作る
こんにちは、株式会社 Qualiteg プロダクト開発部です。 今日は、 RakutenAI-7B-chat と ChatStream 0.7.0 を使用して本格的なチャットアプリケーションを作っていきましょう。 RakutenAI-7B-chat は Mistral 7B を日本語継続学習させたモデルで、チャットチューニングが行われており、 日本語LLM リーダーボード https://wandb.ai/wandb-japan/llm-leaderboard/reports/Nejumi-LLM-Neo--Vmlldzo2MTkyMTU0でも上位にランクされている期待大のモデルです。 ソースコード 早速ですが、以下がソースコードとなります。 4bit 量子化をしているため、使用する GPU は A4000 (16GB) 程度で快適に動作します。 import logging import torch import uvicorn from fastapi import FastAPI from transformers
![[AI数理]徹底的に交差エントロピー(4)](/content/images/size/w600/2024/04/ce04.png)
AI数理
[AI数理]徹底的に交差エントロピー(4)
おはようございます！(株) Qualiteg 研究部です。 今回は、多値分類用の交差エントロピーを計算していきたいと思います！ 5章 多値分類用 交差エントロピーの計算 (データ1件対応版) まず 交差エントロピー関数（標本データ１件ぶんバージョン) を再掲します。 $$ \ - \log L=\sum_{k=1}^{K} t_{k} \log y_{k} \tag{4.3、再掲} $$ $$ t_{k} :頻度, y_{k}:確率 $$ 式 \((4.3)\) の 交差エントロピー は 1件の標本データ に \(K\) 個の事象（が起こったか、起こらなかったか）が含まれていました。
![[AI新規事業創出]Qualitegオリジナル、ターゲットペルソナの策定方法](https://images.unsplash.com/photo-1556761175-5973dc0f32e7?crop=entropy&cs=tinysrgb&fit=max&fm=jpg&ixid=M3wxMTc3M3wwfDF8c2VhcmNofDN8fHRhcmdldCUyMHVzZXJ8ZW58MHx8fHwxNzEzMDQyMjgzfDA&ixlib=rb-4.0.3&q=80&w=600)
AI-Business
[AI新規事業創出]Qualitegオリジナル、ターゲットペルソナの策定方法
新規事業開発研修でのペルソナ策定は、多くのクライアントにとって初めての経験であり、学びの機会となることが多いです。企業の企画担当者もペルソナを作成する機会は少なく、研修を通じてこの手法を理解し、実際の顧客を反映したキャラクター設定の重要性を認識します。また、ペルソナはサービス設計やマーケティング戦略に不可欠であり、顧客の行動パターンや動機、課題を明確にする必要があります。
![[ChatStream] Rakuten/RakutenAI-7B-chat用の ChatPrompt](/content/images/size/w600/2024/04/ChatPrompt--2-.png)
ChatStream Guide
[ChatStream] Rakuten/RakutenAI-7B-chat用の ChatPrompt
昨日発表された Rakuten/RakutenAI-7B-chat 用の ChatPrompt をご紹介します from chatstream import AbstractChatPrompt SYSTEM_PROMPT = """\ A chat between a curious user and an artificial intelligence assistant. The assistant gives helpful, detailed, and polite answers to the user's questions. \ """ class ChatPromptRakutenMistral(AbstractChatPrompt): def __init__(self): super(