コース概要

オープンソースLLMの概要

  • DeepSeek、Mistral、LLaMAなど他のオープンソースモデルの概要
  • LLMの仕組み:トランスフォーマー、自己注意メカニズム、および学習
  • オープンソースLLMとプロプライエタリモデルの比較

LLMの微調整とカスタマイズ

  • 微調整用データ準備
  • Hugging Faceを使用したLLMの学習と最適化
  • モデル性能評価と偏り軽減

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LangChainの概要
  • LLMを使用したエージェントベースのワークフロー設計
  • メモリ、検索強化生成(RAG)、およびアクション実行

LLMベースのAIエージェントの展開

  • Dockerを使用したAIエージェントのコンテナ化
  • 企業アプリケーションへのLLM統合
  • クラウドサービスとAPIを活用したAIエージェントのスケーリング

企業AIにおけるセキュリティとコンプライアンス

  • エシカルな配慮と規制遵守
  • AI駆動型自動化のリスク軽減
  • AIエージェント動作の監視と監査

ケーススタディと実際の応用事例

  • LLMを活用したバーチャルアシスタント
  • AI駆動型文書自動化
  • 企業分析向けカスタムAIエージェント

LLMベースのエージェントの最適化とメンテナンス

  • 持続的なモデル改善と更新
  • 監視とフィードバックループの展開
  • コスト最適化と性能調整の戦略

まとめと次なるステップ

要求

  • AIと機械学習に関する高度な理解
  • Pythonプログラミングの経験
  • 大規模言語モデル(LLM)および自然言語処理(NLP)に関する知識

対象者

  • AIエンジニア
  • エンタープライズソフトウェア開発者
  • ビジネスリーダー
 21 時間

参加者の人数


参加者1人当たりの料金

今後のコース

関連カテゴリー