InfoQによる国際的なソフトウェア開発会議であるQCon San Francisco 2024では、AIとMLの急速な進歩に特化した2つのトラックが設けられており、これらの技術が現代のソフトウェア開発の中心となっていることを反映している。
このカンファレンスでは、企業組織の上級ソフトウェア開発者にスポットを当て、新たなトレンドを採用するためのアプローチを共有する。各セッションでは、参加者が自身のプロジェクトに即座に適用できる実用的な洞察や戦略が提供される。各セッションでは、ベテランの実務家が、実用的な知識を披露する。マーケティングの売り込みはなく、実際の解決策に焦点を当てている。
最初のトラックGenerative AI in Production and Advancementsは、Zooxのシニアエンジニアリングマネージャーであり、「MLOps with Ray」の著者でもあるHien Luu氏によるキュレーションで、実用的なAI/MLアプリケーションと最新の業界イノベーションについて深く掘り下げた内容となっている。このトラックでは、企業がどのように生成AIを活用して製品や顧客体験を向上させているかに焦点を当て、生成Aiの実際のを探求している。
講演では、Pinterest、Meta、Microsoft、Voiceflowなどの企業による洞察が含まれ、検索や推薦のための大規模言語モデル（LLM）の導入に関するベストプラクティスを共有し、ソフトウェアの未来におけるAIエージェントの可能性についても探求される。
-
Meta社における大規模言語モデルサービスのインフラを拡張する: Meta社のシニアスタッフエンジニアであるCharlotte Qi氏が、モデルの品質、レイテンシー、信頼性、コストのバランスに関する洞察を、同社の本番環境での実際のケーススタディに裏付けされた形で共有する。
-
生産向上のためのGenAI: では、Wealthsimpleのシニアソフトウェア開発マネージャーであるMandy Gu氏が、社内ツールとサードパーティソリューションを融合させ、どのようにGenerative AIを活用して業務効率を向上させ、日常業務をスムーズにしているか紹介する。
-
LLMデプロイメントをナビゲートする：ヒント、コツ、テクニック: Forbes 30 Under 30のテクノロジーリーダーとして知られるTitanMLの共同設立者であるMeryem Arik氏が、LLMの最適化、デプロイメント、モニタリングのベストプラクティスを、セルフホスティングとAPIベースのモデル使用の課題を克服するための実践的なヒントと実際のケーススタディを交えて解説する。
-
LLMを活用した検索推薦と成長戦略: PinterestのスタッフソフトウェアエンジニアであるFaye Zhang氏が、モデルアーキテクチャ、データ収集戦略、レコメンデーションにおける関連性と正確性を確保するためのテクニックをカバーする。また、Pinterestのケーススタディを通じて、LLMがマーケティングファネル全体でユーザーのアクティベーション、コンバージョン、リテンションを促進する方法を紹介します。
-
マルチエージェントワークフローが失敗する10の理由と対策: AutoGenのコア・コントリビューターであり、「Multi-Agent Systems with AutoGen」の著者でもあるMicrosoft Researchのプリンシパルリサーチソフトウェアエンジニア、Victor Dibia氏が、実験から本番環境へ移行する際の主な課題を共有し、マルチエージェントシステムが失敗しがちな10の一般的な理由を明らかにする。
-
LLMシステム評価のためのマイクロメトリックス構築のためのフレームワーク: VoiceflowのML責任者であり、LinkedIn Learningのインストラクター、MLアドバイザー、インストラクターであるDenys Linko氏は、単純な精度スコアを超えた多次元メトリクスを使用して、LLMの精度を測定し、改善する方法を探る。
2つ目のトラックは「ソフトウェアエンジニアのためのAIとML：基礎的な洞察」: Susan Shu Chang氏（Elastic社 主席データサイエンティスト、「機械学習インタビュー」著者）がキュレーターを務める「Foundational Insights」は、AI/MLを業務に組み込もうとしている人に向けたものだ。
講演では、MLモデルの展開と評価を取り上げ、同様の課題に直面した企業からの実践的な教訓を提供する。
-
大規模な実世界アプリケーションにおけるレコメンダーと検索ランキングシステム: NetflixのシニアリサーチサイエンティストであるMoumita Bhattacharya氏は、伝統的なモデルから高度なディープラーニング技術まで、検索・レコメンデーションシステムの進化について掘り下げる。
-
なぜほとんどの機械学習プロジェクトが本番環境に到達できないのか、そして成功の確率を高める方法: 自然言語処理を専門とし、人工知能アプリケーションで10年以上の産業経験を持つWenjie Zi氏（シニア機械学習エンジニア兼技術リーダー、@Grammarly）は、AIに対する期待が高まる中で、多くの機械学習プロジェクトが失敗している理由と、目標の不一致、スキルギャップ、ML特有の不確実性など、よくある落とし穴を回避する方法を探る。
-
検証可能でナビゲート可能なLLMと知識グラフ: YouTubeでAIとナレッジグラフのコンテンツを制作しているDiffbot社AIデベロッパー・アドボケートであるLeann Chen氏は、知識グラフが応答の事実精度をどのように向上させるか、また、その関係駆動型機能がどのようにLLMベースのシステムがより文脈を考慮した出力を生成することを可能にするかを実演する。
-
大規模推薦システムにおけるユーザー維持のための強化学習: シニアエンジニアリングリーダーのSaurabh Gupta氏（@Meta）とUber TLのGaurav Chakravorty氏（@Meta）が、パーソナライズされたコンテンツ配信のための強化学習（RL）の活用に関する洞察を共有し、報酬のシェーピング、最適な時間軸、スケールでの成功のために必要なインフラ投資を探る。
-
「スプレー・アンド・プレイ」は終わり - LLM評価について話そう: MongoDBのシニアAI開発者であり、サイバーセキュリティ分野のデータサイエンティストとして6年の経験を持ち、Girls Who Code、Women in Cybersecurity (WiCyS)、AnitaB.orgのメンバーとして活躍するApoorva Joshi氏が、LLM評価のための実践的なフレームワークを共有する。
これらのセッションは、AIの誇大広告と実用的でスケーラブルなアプリケーションのギャップを埋めることを目的としており、あらゆるレベルのエンジニアが進化するAIの状況をナビゲートするのに役立つ。
今年11月18日から22日までQConSan Franciscoで開催される12のトラックすべてを探索し、10月29日に終了する最後の早期割引チケットを活用しよう。残り数週間、1,000人を超える同業者とともに、ソフトウェア開発の未来を切り開こう！