お問い合わせ

コース概要

ソフトウェア開発におけるAIの基礎概要

  • 生成型AIと予測型AIの違いについて説明する
  • コーディング、データ分析、作業自動化におけるAI活用事例を紹介する
  • 大規模言語モデルやトランスフォーマー、ディープラーニング・モデルの基本説明も行う

AI支援によるコーディングおよび予測型開発の進め方

  • GitHub CopilotやCodeGeeXといったAI支援コード自動生成ツールについて紹介する
  • 実装前にコードの不具合や脆弱性を予測できる手法を示す
  • コードレビュー自動化や最適化提案技術についても説明する

ソフトウェア応用向け予測モデルの構築手法

  • 時系列分析および予測技術の基本説明をする
  • 需要予測や異常検出向けAIモデルの実装例も示す
  • Python、Scikit-learnおよびTensorFlowを利用した予測モデル構築法について解説する

テキスト・コード・画像生成のための生成型AI活用方法

  • GPTやLLaMAなどの大規模言語モデルを取り扱う手法について学ぶ
  • 合成データ生成、文章要約作成やドキュメント自動作成の例も挙げる
  • ディフューション・モデルを用いた画像および動画生成手法について説明する

実用シーンにおけるAIモデルの導入手法

  • Hugging FaceやAWS、Google Cloudといった環境でのモデルホスティング法を説明する
  • ビジネス用途向けのAPIベースAIサービス構築方法についても述べる
  • 分野専用タスクに合わせて事前学習済みモデルを微調整するテクニックを紹介する

予測型ビジネス知見および意思決定支援におけるAI活用

  • AI駆動のビジネス分析や顧客データ解析について解説する
  • 市場トレンド予測および消費者行動分析技術を紹介する
  • AIによる作業プロセス最適化手法についても述べる

開発現場における倫理的なAI活用とそのベストプラクティス

  • AI利用にまつわる倫理的側面や意思決定時の配慮点について説明する
  • モデル内におけるバイアス検出手法および公平性確保のテクニックを解説する
  • AIの透明性や責任ある運用方法に関する指針を示す

実践ワークショップおよびケーススタディ

  • 実際のデータセットに基づいた予測分析実装方法を体験する
  • テキスト生成機能付きAIチャットボット構築手法も学ぶ
  • 大規模言語モデルを活用した自動化対応アプリケーション導入例にも触れる

まとめおよび今後の学習方法の提示

  • 講義内容から得られた重要ポイントを整理する
  • AI関連学習リソースやツール情報も紹介する
  • 最後に受講者からの質疑応答セッションも行う

要求

  • ソフトウェア開発に関する基本的な概念の理解があること
  • いずれかのプログラミング言語(特にPython推奨)での実務経験
  • AIや機械学習の基礎知識があると望ましいが必須ではない

対象者

  • ソフトウェア開発者
  • AI/機械学習エンジニア
  • 技術チームのリーダー
  • AI対応アプリケーション開発に興味を持つプロダクトマネージャー
 21 時間

参加者の人数


参加者1人あたりの価格

お客様の声 (2)

今後のコース

関連カテゴリー