AIに興味ある方

特なしに

基礎から最先端まで、LLM時代を生き抜くスキルを完全網羅

• 原理から応用までを体系的にカバー：深層学習の基本概念から始まり、Transformerの構造、LLM活用によるアプリ開発、実践プロジェクトの構築まで、幅広くかつ実践的に学べる内容となっています。
• 2.初心者にもやさしい設計：AIに必要な数学知識も含め、ゼロからでも「仕組み」がしっかり理解できるように丁寧に設計。Pythonの基礎から、実際に自分の手でAIを構築できるステップまで、一貫してサポート。
• 3.理論だけでなく、手を動かして身につく実践重視：豊富な演習や実習を通じて、学んだ知識を実際の開発・応用に落とし込みます。講義後には確認課題や課後課題を用意し、理解度の定着をしっかりサポート。

このコースを修了すると、次のことができるようになります。

• 今のAI発展をしっかり理解すること
• 自分の手でAIモデルの構築と応用すること
• RAG、Agentなど含むLLMに基づく応用の開発
• 将来の新しい技術の原理から応用までキャチアップすること

• 人工知能の基礎概念
  人工知能の代表的な応用シナリオ
  関連技術の紹介
• 深層学習
  深層学習の概念
  深層学習の原理
  損失関数と最適化
• 深層学習ネットワークの構築と訓練
  Pythonによるプログラミング入門
  環境の構築と管理
  深層学習のための主要ライブラリ
  実践プロジェクト：CNNによる画像分類モデル
  モデル結果の検証と改善ポイント
  ResNetとTransformer
• 人工知能現状の全体像
  オープンソースモデル
  商用モデル
  プラットフォーム
• モデルからプロダクトへ
  TransformerからChatGPTまでの技術発展の流れ
  生成AIのエコシステム構造
  主要プロバイダーの位置付け
• ユーザー視点での生成モデルの活用
  モデルの選択と比較
  評価と改善ポイントの考察
• 開発者視点での生成モデルの活用
  APIの活用による生成AIシステム設計
  ローカル環境でのデプロイとAPI実装
  大規模モデルを用いたアプリ開発
  結果の検証と改善提案の整理
  ディスカッションとまとめ
• 対話システムの構築
  記憶メカニズムと対話履歴の管理
  実践プロジェクト：対話型AIの基本構築
  改善ポイントと長期記憶の付加設計
  成果整理
• RAG
  RAGの基本概念と構造
  実践プロジェクト：社内ドキュメントQAシステム
  応用パターンと課題別設計のポイント
  プロジェクトの振り返り
• エージェント
  エージェントの基本概念
  MCPの理解
  実践課題：パーソナルカレンダーアシスタントの実装
  改善ポイント
  プロジェクトの振り返り
• 大規模モデルの効率化
  量子化
  プルーニング
• 推論最適化の基礎
  KV Cache
  FlashAttention
• LoRAによるファインチューニングの実装
• AI時代を生き抜くキャッチアップ力の育成
  論文発表など最新トレンドの読み方
  Hugging Face・Arxivなどを用いて自己学習方法
• AI活用事例分析