Atsunori Fujita

藤田 充矩は、NVIDIA のシニア AI ソリューション アーキテクトとして、特に AI/ML 分野において、顧客への技術支援を行っています。NVIDIA に入社する前は、自動車やクラウド、コンサルティング企業にてデータ サイエンティスト、機械學習エンジニアとして働いており、機械學習モデルのプロトタイピングやプロダクション環境へのデプロイに従事していました。現在は、NVIDIA の NeMo に重點を置き、AI/ML 領域のソリューション開発に取り組んでいます。

Posts by Atsunori Fujita

Generative AI 2025 年 5 月 29 日

Spotlight: NVIDIA NeMo を使用した小型 LLM「ABEJA Qwen2.5-7B Model」學習のための蒸留のパイプライン並列化

本記事は ABEJA、NVIDIA で共同執筆しています。ABEJA にて公開しているブログについてはこちらを參照してください。 4 MIN READ
Generative AI 2025 年 5 月 29 日

NeMo 2.0 を使った VLM 開発: ファインチューニングから推論、評価

NeMo 2.0 を使用した VLM (Vision Language Model) のファインチューニングから推論、評価までの流れを詳しく解説します。 10 MIN READ
Generative AI 2025 年 4 月 18 日

Spotlight: DataStax Langflow で再現する NVIDIA AI Blueprints をマクニカの AI TRY NOW PROGRAM で検証可能に

環境構築や、プログラミングの工數を大幅に削減しつつ、効率良く AI エージェントを構築するソリューションをご紹介します。 2 MIN READ
Generative AI 2025 年 1 月 20 日

NeMo Framework で実踐する継続事前學習 - 日本語 LLM 編 -

フルスクラッチに比べ、少量のデータでもモデルを新しい言語やタスクに効果的に適応させることができる継続事前學習を実行する方法を、NeMo Framework を使用して解説します。 3 MIN READ
Generative AI 2024 年 11 月 8 日

NeMo Framework で日本語 LLM をファインチューニング - DPO 編 -

NeMo Framework を使用して、日本語の大規模言語モデル (LLM) で、人間の嗜好や価値観に沿うようにモデルを調整するアライメント手法の一つである、DPO (Direct Preference Optimization) を実行する方法を説明します。 4 MIN READ
Generative AI 2024 年 9 月 25 日

NeMo Curator を使った日本語データのキュレーション

NeMo Curator を使用した、効率的な日本語データセットの構築方法をご紹介します。 7 MIN READ