変更要約: 各節に図（figure）を追加＝cert-figure-retrofit。AI-300 第5章を新規作成（ドメイン5「生成 AI の最適化」: RAG 最適化=類似度しきい値/チャンクサイズ/検索戦略/埋め込みモデルの選択・ファインチューニング/ハイブリッド検索/関連性メトリクス・A/B テスト、高度なファインチューニング=手法/合成データ/監視・最適化/開発から本番までのライフサイクル管理）
5.2高度なファインチューニングとモデルのカスタマイズ
高度なファインチューニング手法の設計と実装、ファインチューニング用の合成データの作成と管理、ファインチューニング済みモデルの性能の監視と最適化、そして開発から本番デプロイまでのファインチューニング済みモデルの管理を理解します。
プロンプトや RAG で十分な品質が出ない場合、ファインチューニングでモデル自体を特定のタスクやドメインに適応させます。AI-300 では、ファインチューニングを運用ライフサイクルとして扱うことが問われます。
5.2.1ファインチューニング手法と合成データ
ファインチューニングは、高品質な 学習データ（入力と望ましい出力のペア）が要です。十分なデータが集まらない場合は 合成データ（生成 AI でデータを作成）を用意し、品質と多様性、偏りに注意して管理します。手法は、いつ・どの程度モデルを適応させるかを設計します。「まずプロンプト/RAG → それでも不足ならファインチューニング」という順序（コストと効果のバランス）を理解します。
5.2.2監視と本番までの管理
ファインチューニング済みモデルも 監視と最適化が必要です。汎用性能の低下（過剰適合）や、新しいデータでの劣化を監視し、必要なら再ファインチューニングします。さらに、開発で作ったモデルを 評価→登録/バージョン管理→本番デプロイ→監視という ライフサイクルで管理します。これは第2章の MLOps と同じ運用思想を、ファインチューニング済み生成 AI モデルに適用したものです。