コース概要

ソフトウェア開発向けAIの導入

  • 予測AIとジェネレーティブAIの違い
  • コード、アナリティクス、および自動化におけるAIの応用
  • LLM(大規模言語モデル)、トランスフォーマー、および深層学習モデルの概要

AI支援コーディングと予測開発

  • AI搭載コード補完と生成(GitHub Copilot, CodeGeeX)
  • デプロイ前のコードバグと脆弱性の予測
  • コードレビューや最適化提案の自動化

ソフトウェアアプリケーション向け予測モデルの構築

  • 時系列予測と予測アナリティクスの理解
  • 需要予測や異常検知のためのAIモデルの実装
  • Python、Scikit-learn、TensorFlowを使用した予測モデリング

テキスト、コード、画像生成のためのジェネレーティブAI

  • GPT, LLaMA などのLLMとの作業
  • 合成データ、テキスト要約、ドキュメンテーションの生成
  • ディフージョンモデルを使用したAI生成画像と動画の作成

実際のアプリケーションでのAIモデルの展開

  • Hugging Face, AWS, Google Cloudを使用したAIモデルのホスティング
  • ビジネスアプリケーション向けAPIベースのAIサービスの構築
  • 分野固有タスク向けに事前学習済みAIモデルを微調整する

予測ビジネスインサイトと意思決定のためのAI

  • AI駆動型のビジネスインテリジェンスと顧客アナリティクス
  • 市場トレンドや消費者行動の予測
  • AIによるワークフローオプティマイゼーションの自動化

開発における倫理的なAIとベストプラクティス

  • AI支援意思決定における倫理的考慮事項
  • 乖離検出と公平性の確保
  • 解釈可能で責任あるAIのためのベストプラクティス

実践ワークショップと事例研究

  • 実際のデータセット向け予測アナリティクスの実装
  • テキスト生成機能を備えたAI搭載チャットボットの構築
  • 自動化向けLLMベースアプリケーションの展開

まとめと次なるステップ

  • キーポイントの復習
  • AIツールとリソースのさらなる学習
  • 最終Q&Aセッション

要求

  • 基本的なソフトウェア開発概念の理解
  • 任意のプログラミング言語の経験(Pythonが推奨)
  • 機械学習やAIの基本的な知識(推奨されるが必須ではありません)

対象者

  • ソフトウェア開発者
  • AI/MLエンジニア
  • テクニカルチームリード
  • AI搭載アプリケーションに関心のあるプロダクトマネージャー
 21 時間

参加者の人数


参加者1人当たりの料金

お客様の声 (1)

今後のコース

関連カテゴリー