カリキュラム (7 章 / 35 レッスン)
第1章: 生成AIの進化とオムニモーダル技術6 レッスン
テキスト、画像、音声、動画を統合的に処理するオムニモデルなど、生成AIの全体像と最新動向を俯瞰します。
複雑な業務フローを高速に処理する最新モデルの実力と、自律的に動くエージェントへの進化を学びます。
大企業における次世代の全社的なAI戦略を設計するための基礎知識を習得します。
第2章: 巨大モデル依存の脱却と特化型AI5 レッスン
特定のタスクにおいて、巨大モデルよりもコスト効率に優れた小型特化型モデルの有効性を学びます。
PP-OCRv6などの最新技術を通じ、実務で頻出するタスクにおける特化型AIの圧倒的な費用対効果を理解します。
単純な性能スコアではなく、自社の業務要件に適合するAIを選定するアプローチを習得します。
第3章: 自律型エージェントの実装と評価基盤4 レッスン
AIが自律的にタスクをこなすエージェント技術の基礎と、CUGA等を用いた業務自動化の実例を学びます。
ScarfBenchのようなエンタープライズITタスクを想定した厳密な評価指標を通じ、導入時のリスクを把握します。
高騰する評価コストやハルシネーションの課題など、実業務へ適用する前に考慮すべきポイントを整理します。
第4章: アプリケーション開発基盤とRAGの進化5 レッスン
LangGraphやogxを用いた、複数のAIエージェントが連携する堅牢なワークフローの構築手法を学びます。
多言語対応モデルや最新の構造化データ抽出技術を活用した、グローバルなデータ検索・RAG基盤を設計します。
状態管理データの喪失を防ぎ通信エラーから復旧するなど、本番環境に耐えうるシステム連携体制を理解します。
第5章: 機密データを守るエッジAIとローカル推論5 レッスン
クラウドにデータを送らず、手元の端末内でAIを安全に実行するローカル推論の仕組みを学びます。
llama.cppのWebGPU対応等によるPC環境での推論高速化や、ハードウェア最適化の最新動向を理解します。
情報漏洩リスクを根本から低減する、セキュアなAI導入シナリオを検討します。
第6章: 大規模AIを支えるインフラと高速推論5 レッスン
vLLMやsglangなどの推論エンジンを用いた、自社インフラでの安定かつ超低遅延なAPI提供手法を学びます。
MoEモデルの最適化や量子化モデルの標準化など、AI運用を支えるインフラ層の最新アップデートを把握します。
システムの応答速度を向上させつつメモリ消費を抑え、エンタープライズの運用コストを最適化する戦略を習得します。
第7章: AIのセキュリティ・倫理とガバナンス5 レッスン
生成AI特有の社会的バイアスや、エージェントによる機密漏洩リスク（MosaicLeaks等）を学びます。
機密データや個人情報（PII）の自動マスキング手法など、システムレベルでの情報漏洩対策を理解します。
カスタマイズ可能な安全モデルを活用し、自社のポリシーに準拠した責任あるAI運用と監視体制を構築します。