データを用いて生成型AIモデルをトレーニングすることはワークフローにおける基礎的なステップですが、その前にデータ収集と準備が必要です。モデルのトレーニングが完了した後は、検証、生成、改良といったステップが続きます。
生成型AIワークフローの手順
1. データ収集：トレーニングに使用する、大規模で関連性の高いデータセット（画像、テキスト、音声など）を収集します。
2. データ準備：生データをクリーンアップし、前処理します。これには、エラーの除去、フォーマットの標準化、モデルが理解できるようにデータの構造化が含まれます。
*-> 3. モデルのトレーニング：準備したデータをモデルに入力します。この段階で、モデルはデータ内のパターンと関係性を学習し、新しいコンテンツを作成する方法を理解します。
4. モデル検証：モデルを別のデータセットでテストし、その性能と精度を評価します。
5. コンテンツ生成：トレーニング済みで検証済みのモデルを使用して、プロンプトに基づいて新しいコンテンツを作成します。
6. 改良：人間のフィードバックや追加データを使用してモデルを微調整し、出力を改善して特定のタスクに対応します。
参照：
https://www.tricension.com/domainai/proper-training-for-generative-ai/