LLM を使用してプロダクション AI システムを構築します。OpenAI API、ベクトルデータベース、RAG パイプライン、function calling、MCP、マルチエージェント オーケストレーションをマスターしましょう。
LLM を使用してプロダクション AI システムを構築します。OpenAI API、ベクトルデータベース、RAG パイプライン、function calling、MCP、マルチエージェント オーケストレーションをマスターしましょう。このトラックは、初心者レベル（A1）から上級レベル（B2）まで、30 の段階的なミニコースをカバーしており、短く焦点を絞ったレッスンと、各コンセプトを定着させるための簡単なクイズが含まれています。
基礎から始めて、中級および上級トピックまで段階的に進みます。各コースが前のコースに基づいて構築されています。すべてのレッスンは実践的であり、実際の例と、必要に応じて利用できる AI チューターが付いています。
各コースは 4 つの焦点を絞ったレッスンに分割されています。1 日に数レッスン完了すれば、数か月ではなく数週間でこのトラック全体をマスターできます。
AIを活用したツールと機能で学習をパワーアップ
AI Engineering Academyラーニングパスのすべてのコース
大規模言語モデルのアーキテクチャと機能を、概念レベルで理解します。Transformer、アテンション機構、学習データが現代のAIにどのような影響を与えるかを学びます。LLMにできることとできないことを把握し、最初から現実的な期待値を持てるようにします。
Python環境をセットアップし、OpenAIへの初めての実際のAPI呼び出しを行います。Chat Completionsエンドポイントを学び、リクエストとレスポンスの構造を理解して、エラーを適切に処理します。最後には、LLMと会話できる動作スクリプトが完成します。
必要な出力を安定して得るための、効果的なプロンプト作成の基本原則を学びます。Zero-shot、Few-shot、Chain-of-Thoughtのテクニックを習得します。構造化されたプロンプトパターンによって、ハルシネーションを減らし、精度を高めます。
LLMがトークンを通じてテキストを処理する仕組みと、コンテキストウィンドウによってモデルが一度に考慮できる情報量が制限される仕組みを理解します。予想外のAPI料金が発生する前に、コストを見積もり、管理する方法を学びます。実際のPython例を使って、トークン数の感覚を身につけま…
LLMに、アプリケーションで確実に解析できる機械可読なJSONを返させます。OpenAIのJSONモード、Pydanticスキーマによる構造化出力、バリデーションのパターンを学びます。壊れやすい文字列解析コードを書くのをやめ、予測可能なデータを取得できるようにします。
テキストEmbeddingによって、単語や文章が意味的な内容を捉えた数値ベクトルに変換される仕組みを学びます。OpenAI APIでEmbeddingを生成し、類似度検索、クラスタリング、分類に利用する方法を習得します。Embeddingは、あらゆるRAGシステムの基盤です。
インメモリの類似度検索から一歩進み、本番環境に対応したデータベースに数百万件のベクトルを保存します。Pineconeとpgvectorのセットアップ、ドキュメントのインデックス作成、大規模な近似最近傍クエリの実行方法を学びます。プロジェクトに適したベクトルストアを選べるようにな…
RAGが必要とされる理由と、純粋なLLMが抱える知識カットオフやハルシネーションの問題をどのように解決するかを理解します。検索してから生成する基本パターンを学び、各コンポーネントのつながりを確認します。最後には、RAGパイプラインを構築する前に、そのすべての要素を理解できるよう…
Pythonで動作するエンドツーエンドのRAGシステムをゼロから構築します。PDFドキュメントを取り込み、チャンク分割してEmbeddingを生成し、ベクトルをデータベースに保存します。ユーザーの質問に関連するチャンクを検索し、根拠に基づいた回答を生成します。最後には、デプロイ…
RAGパイプラインが実際に機能しているかを測定する方法を学びます。適合率や再現率などの検索指標、忠実度や関連性などの生成指標を実装し、自動評価ハーネスを構築します。推測するのではなく、測定して改善できるようになります。
LangChainのLCEL（LangChain Expression Language）を習得し、再利用可能なコンポーネントからLLMパイプラインを構成します。Runnableインターフェースを学び、逐次実行や分岐を含むChainを構築します。LangChainの抽象化によっ…
LangChainアプリケーションに永続的なメモリを追加し、複数ターンにわたって一貫性のある会話を実現します。さまざまなメモリ戦略、データベースへのチャット履歴の保存方法、コンテキスト保持とトークンコストのトレードオフの管理方法を学びます。
次に呼び出すツールを推論し、アクションを実行し、結果を観察し、タスクが完了するまで反復するエージェントを構築します。ReAct（Reasoning + Acting）フレームワークを理解し、Web検索、コード実行、データベースへのクエリが可能なエージェントを実装します。
OpenAIのネイティブなFunction Calling機能を使い、自然言語から構造化データを確実に抽出して、アプリケーションのロジックを起動します。関数スキーマの定義、並列Function Callingの処理、ツールの結果を会話に戻す方法を学びます。
LLMが外部のツール、データベース、サービスに安全に接続できるオープン標準、Model Context Protocolを学びます。PythonでMCPサーバーを構築し、リソースとツールを公開して、AIアシスタントを独自のデータソースに接続します。
単純な固定サイズのチャンク分割から一歩進み、意味的な一貫性を保ち、検索精度を高める高度な戦略を実装します。親子チャンク分割、意味的チャンク分割に加え、PDF、コード、HTML向けのドキュメント固有の戦略を学びます。
Denseベクトル検索とSparseキーワード検索を組み合わせ、意味的な内容と完全一致する用語の両方を捉えます。BM25、Reciprocal Rank Fusionを学び、Elasticsearch、pgvector、Pineconeでハイブリッド検索を実装して、検索結果を大…
Cross-Encoderモデルを使って初期検索結果の順序を並べ替える再ランキング段階を追加し、RAGの精度を高めます。マルチステージ検索パイプライン、コンテキスト圧縮、粗い検索と細かな再ランキングを組み合わせて高精度な結果を得る方法を学びます。
APIからトークンが届くたびに表示し、完全なレスポンスを待たずに応答できるAIアプリケーションを構築します。ストリーミングAPI、Server-Sent Events、Pythonの非同期処理パターン、FastAPIバックエンドでストリーミングを処理する方法を学びます。
LLMパイプラインの複数のレベルにキャッシュを実装し、APIコストとレイテンシを大幅に削減します。完全一致キャッシュと意味的キャッシュ、プロンプトプレフィックスキャッシュ、AIインフラコストを70%以上削減できるバッチ処理戦略を学びます。
単一のエージェントでは対応できない複雑なタスクを、複数の専門AIエージェントが協力して解決するシステムを設計します。オーケストレーションパターン、エージェント間通信プロトコル、共有メモリ、LangGraphで信頼性の高いマルチエージェントパイプラインを構築する方法を学びます。
Pythonコードを書き、サンドボックス環境で実行し、出力を読み取り、エラーを修正して、タスクが完了するまで反復するエージェントを構築します。安全なコード実行、Dockerによるサンドボックス化、データ分析や自動化を行うエージェントの構築方法を学びます。
構造化トレーシング、ロギング、モニタリングによって、LLMアプリケーションのあらゆる処理を詳細に把握します。LLM向けのLangSmith、Langfuse、OpenTelemetryを学び、ステップごとのレイテンシとトークン使用量を追跡して、本番環境に到達する前にリグレッショ…
LLMを利用するアプリケーションに固有のセキュリティ脅威を理解し、防御する方法を学びます。プロンプトインジェクション攻撃、Jailbreak、エージェント経由のデータ流出を学び、入力検証、出力スキャン、サンドボックス化を含む多層防御戦略を実装します。
数百台のGPUを必要とせず、LoRA（Low-Rank Adaptation）を使って事前学習済み言語モデルを特定のドメインに適応させます。ファインチューニングがプロンプトより有効な場面、学習データの準備、Hugging Face PEFTライブラリによるLoRAファインチュー…
数千件のドキュメント、メール、契約書、Webページから構造化情報を確実に抽出する本番用パイプラインを構築します。Instructor、Outlines、バッチ抽出のパターンを学び、スキーマの変更、部分的な抽出、大規模なバリデーションに対応します。
実際の本番負荷の下でも高速かつ安定して動作するLLMアプリケーションをデプロイします。複数のAPIキー間でのロードバランシング、フォールバックプロバイダー、サーキットブレーカー、タイムアウト予算、非決定的なAIサービスを呼び出す際にSLA要件を満たすための戦略を学びます。
高性能なLLMを自動評価者として使い、他のLLMの出力品質を大規模に評価します。LLM-as-Judgeパターン、ペアワイズ評価とポイントワイズ評価、人手による評価との照合による評価モデルのキャリブレーション、スケーラブルな品質保証パイプラインの構築方法を学びます。
自らの失敗を検出し、根本原因を診断し、人の介入なしに復旧を試みるエージェントを設計します。エラー分類、再試行戦略、自己修正プロンプト、長時間実行されるタスクで予期しない事態に適切に対応するエージェントの構築方法を学びます。
このトラックで学んだすべてを活用し、本番品質のAIエンジニアリングプロジェクトを構築してリリースします。RAG、Function Calling、ストリーミング、キャッシュ、可観測性、セキュリティを組み合わせたシステムを設計します。実際のバックエンドにデプロイし、評価テストを作…
はい。AI Engineering Academyコースは無料で始められ、インタラクティブレッスンをすべて無料で完了できます。オプションのPRO登録で、高度なAIツールと共有可能な認定資格がアンロックされます。
いいえ。コースは基礎から始まり、より高度なトピックへと進むので、PYTHONの事前経験がなくても始められます。
実践しながら学びます。短いインタラクティブレッスンは、わかりやすい説明と、リアルタイムで実行される実践的なコード演習が組み合わさっており、24時間対応のAIチューターがわからないときにいつでもサポートします。
はい。PRO学習者は試験を受けて、AI Engineering Academyコースの完了を証明する共有可能な認定資格を取得できます（認証コード付き）。
はい。CoddyKitはウェブとネイティブiOS・Androidアプリで利用でき、どのデバイスでもPYTHONを学習でき、進捗がすべてのデバイスで同期されます。