お問い合わせ

コース概要

モジュール1:序論とAI理論

  • モデルベースアプローチとは――AIをエンジニアリング問題として捉える。
  • 「機械内の幻影」の解明:AIが本当に何者かとそうでない点の区別。
  • 技術進化史:BERTからTransformerまで。
  • 生成可能領域:分析・創作・研究・画像・音楽・動画など。
  • データガバナンス:その原則や監査、現在の研究傾向(マルチモダリティ・エージェント・RAG・LLMとSLM)。
  • 暗黒面への考察:倫理・知的財産・偏見・ハルシネーション・社会的な操作リスク。
  • リスク評価:データ汚染やNepenthes問題、人材育成レベルの低下可能性。
  • モデル分類法:基盤型と特定用途用;閉鎖型およびオープンウェイトモデルの違い。

モジュール2:現状の動向とツール群

  • 各種言語モデル比較:性能やベンチマーク結果を検証する。
  • 導入判断基準:コスト・レイテンシー・プライバシー・ベンダーロックインの重視度合い。
  • 大型モデル概観:OpenAI ChatGPT、Perplexity、Gemini、Grokなど。
  • ニッチ用途向けおよび小型モデル例:ManusやSpecKit。
  • グラフィック生成分野:Perchanceの活用事例。
  • 技術的制約要因:文脈情報の劣化とトークンコスト間の関係性。

モジュール3:対話――プロンプトおよび文脈エンジニアリング

  • 検証フレームワークの活用:完全性・一貫性・再現可能性を確認する。
  • RAG戦略論:ファインチューニングと比較した適用場面を見極める。
  • AI投資対効果:維持費用と生産性向上度の関係性分析。
  • 先進的手法紹介:現実例を挙げながら20種以上のプロンプトおよびRAG手法を解説する。
  • 実験的先駆技術論:三角測量法・Map & Terrain概観・モデルベース生成方法など。

モジュール4:アジャイルプロジェクト管理におけるAI活用

  • スーパーコンピューター的パイロット――自動化エンジンとしてのAI。
  • 意思決定プロセス:人の役割とAI支援部分の区別を明確にする。
  • AIOpsおよびGitOps:運用フロー全体へのAI統合方法論。
  • ツールチェーンとパイプライン設計:シームレスなAI環境構築テクニック。
  • アジャイル成果物管理:バックログ・ロードマップおよび要件定義の手法。
  • 精度重視管理――キャパシティプランニングや見積もり技術(正確性と精緻さの両立)。
  • 製品オーナー向け機能:構想形成・特性分析および「Vibe-coding」リスク対策。
  • リスク管理戦略:「万が一」に対するシナリオ設計と自動化された対応処置例。
  • 洗練化作業:ユースケース定義やユーザーストーリーの詳細描写法。

 

要求

  • アジャイルマニフェストおよびスクラムフレームワークの基本的な知識があること。
  • プロジェクト管理、製品オーナー業務、チームリーダーとしての実務経験があること。
  • プログラミングやAIエンジニアリングの事前知識は必須ではないが、デジタルツールに慣れ親しんでいることが望ましい。

対象者層

  • アジャイルプロジェクトマネージャーおよびスクラムマスター。
  • 製品オーナーおよびプロダクトマネージャー。
  • ITチームリーダーおよびデリバリー管理担当者。
  • アジャイル環境下で働くビジネスアナリスト。
  • AIOpsに興味を持つ運用管理担当者。

 

 7 時間

参加者の人数


参加者1人あたりの価格

お客様の声 (1)

今後のコース

関連カテゴリー