お問い合わせを送信いただきありがとうございます！当社のスタッフがすぐにご連絡いたします。
予約を送信いただきありがとうございます！当社のスタッフがすぐにご連絡いたします。
コース概要
オープンソースLLMの概要
- DeepSeek、Mistral、LLaMAをはじめとする各種オープンソースモデルの紹介
- LLMの仕組み：Transformerアーキテクチャや自己注意機構、学習方法について
- オープンソースLLMと商用モデルとの比較
LLMの微調整とカスタマイズ
- 微調整用データの準備方法
- Hugging Faceを用いたLLMの学習と最適化手法
- モデルの性能評価や偏りの軽減策について
LLMを活用したAIエージェントの構築
- AIエージェント開発向けツールであるLangChainの基本解説
- 各種業務フロー向けにLLMを活用したエージェント設計法
- メモリ機能や検索拡張生成（RAG）、アクション実行処理の実装方法
LLMベースAIエージェントの導入手法
- Dockerを用いたAIエージェントのコンテナ化手順
- 企業アプリケーションへのLLM統合方法
- クラウドサービスやAPIを活用したAIエージェントの拡張手法
企業環境におけるAIの安全性・法規制遵守
- 倫理的問題と法的なコンプライアンス対応策
- AI駆動型自動化システムで生じうるリスクへの対処法
- AIエージェントの挙動監視・監査方法について
実例紹介と現場での応用事例
- LLMを活用したバーチャルアシスタントの導入例
- 文書処理自動化におけるAI利用方法
- 企業分析用途向けカスタムAIエージェントの構築事例
LLMベースエージェントの最適化と運用維持手法
- モデルの継続的な改良および更新作業手順
- 監視体制やフィードバックループの実装方法
- コスト最適化と性能向上を目指した運用戦略
まとめおよび今後の取り組み方針
要求
- AIおよび機械学習に関する十分な知識
- Pythonプログラミングの実務経験
- 大規模言語モデル（LLM）や自然言語処理（NLP）への理解
対象となる方々
- AIエンジニア
- 企業向けソフトウェア開発者
- ビジネスリーダー
21 時間
