YOLO実装で学ぶディープラーニング論文実装 with TensorFlow 2.0
AISchool
YOLO(You Only Look Once)論文をTensorFlow 2.0を利用して底から実装してみて、ディープラーニング論文実装能力を学べる講義です。
中級以上
Deep Learning(DL), Tensorflow
最新AI技術の集大成であるAIエージェント!様々なAIエージェントを実装してみながら、LangGraphを利用した自分だけのAIエージェント実装法を学習してみます。
受講生 403名
難易度 中級以上
受講期間 無制限


学習した受講者のレビュー
5.0
aibot
inflearnやfastcampusなど、様々なプラットフォームのAI 강의を受講していますが、一番満足しています。 会社のプロジェクトとの関連度も一番高いです。
5.0
빛나는봄
LangGraphを活用したAIエージェント構築の深層学習に実質的な助けとなり、最新技術と多様な活用事例を学べる有益な講義でした。
5.0
Alex
このようにLLMを学ぶ上で、体系的な教育を受けられる講座はそう多くないと思います。難しい概念であるだけに、習得する知識の順序が重要だと思いますが、この講義だけでなく、例題から学ぶ自然言語処理の授業もすべてクオリティが高いので、この記事をご覧になっている方々に積極的にオススメしたいです。
LangGraphを利用してAIエージェントを実装する方法
AIエージェントの概念とその活用事例
多様なAIエージェントアーキテクチャ
LangGraphで自分だけのAIエージェントを作成する方法
LangGraphで深層RAGシステムを構築する方法
LangGraphでさまざまなAIエージェントを作成しながら、AIエージェントを実装するために必要なコンポーネントとさまざまなアーキテクチャを次々と学習します。
LangGraphライブラリの使い方を学びます。
LangGraphを使用して独自のAIエージェントを実装する方法を学びます。

LangGraphで独自のAIエージェントを作成したい方

深化RAGシステムを構築するためのさまざまなAIエージェントアーキテクチャを学びたい人

最新LLMモデルを利用したサービスを開発してみたい方
👋本講義は、Python、自然言語処理(NLP)、LLM、ランチェイン(LangChain)の選手知識が必要な講義です。必ず以下の講義を先に受講するか、それに準ずる知識を備えた後、本講義を受講してください。
すべてのための大規模な言語モデル LLM (Large Language Model) Part 2 - ランチェーン(LangChain)で独自の ChatGPT を作成
Q. AIエージェントとは何ですか?
AIエージェント(AI Agent)は、人工知能システムが特定の環境で自律的に行動し、与えられた目標を達成するために作業を実行するソフトウェアです。このエージェントは周囲の環境を認識し、これをもとに意思決定を下した後、行動をとり、その結果を評価しながら学習し、徐々により良い決定ができるように進化していきます。 AIエージェントは主に次のコアコンポーネントで構成されています。
1. 環境(Environment)
エージェントが相互作用する外部世界を意味します。これは物理環境でも、ソフトウェアシステム内の仮想環境でもかまいません。 AIエージェントはこの環境からデータを収集し、そのデータに基づいて行動を決定します。
2. センサー(Sensors)
AIエージェントはセンサーを介して環境から情報を収集します。物理ロボットの場合はカメラやマイクなどのハードウェアであり、ソフトウェアエージェントの場合はAPIまたはデータベースから情報を収集する方法がセンサーとして機能します。
3. アクター(Actuators)
エージェントが環境に影響を与えるために使用するツールまたは方法。たとえば、ロボットの場合は、アームやホイールなどの機械デバイスを制御して物理的な動作を実行でき、ソフトウェアエージェントはコードを実行したりデータを操作して結果を作成したりできます。
4.目標(ゴール)
AIエージェントは通常、1つ以上の目標を持っています。この目標は、エージェントが環境で特定のタスクを完了するか、または特定の状態に到達するように誘導します。目標は明示的に与えられるかもしれませんし、強化学習のようなテクニックを通して自分で学習し設定することもできます。
5. 行動及び意思決定 (Action & Decision Making)
AIエージェントは、与えられた目標を達成するために環境から受け取った情報を分析し、可能な行動の中で最適な決定を下します。これは、ルールベースのシステムでもよく、強化学習、ディープニューラルネットワークなどの複雑なアルゴリズムによっても実行できます。
6. 学習 (Learning)
学習により、AIエージェントは時間の経過とともにパフォーマンスを向上させます。機械学習技術を使用して、過去の経験を通じてより良い決定を下すように学習することが代表的です。これにより、エージェントは環境で発生する変化をすばやく適応させ、行動戦略を改善できます。
Q. 選手の知識が必要ですか?
この[すべてのための大規模言語モデルLLM Part 5 - LangGraphで独自のAIエージェントを作成する]レッスンでは、LangGraphライブラリとLLMを使用してAIエージェントを作成する方法について説明します。したがって、Python、自然言語処理、LLM、LangChainの基礎知識を持っているという仮定の下で講義が行われます。したがって、選手の知識が不足している場合は、先行講義である「みんなのための大規模言語モデルLLM(Large Language Model)Part 2 - ランチェーン(LangChain)で自分だけのChatGPTを作る」講義を先に受講してください。
学習対象は
誰でしょう?
深層学習研究関連職種への就職を希望される方
人工知能/ディープラーニング関連研究を進めたい方
人工知能(AI)大学院を準備中の方
LangGraphを使って自分だけのAIエージェントを作ってみたい方
LangGraphで基本的なRAGシステムよりも深化したRAGシステムを作ってみたい方
前提知識、
必要でしょうか?
Python 使用経験
先修講座 [すべての人向け大規模言語モデル LLM(Large Language Model) Part 2 - LangChainで自分だけのChatGPT作成] 受講経験
10,271
受講生
872
受講レビュー
362
回答
4.6
講座評価
32
講座
全体
73件 ∙ (19時間 26分)
講座資料(こうぎしりょう):
全体
37件
4.9
37件の受講レビュー
受講レビュー 1
∙
平均評価 5.0
受講レビュー 2
∙
平均評価 5.0
受講レビュー 1
∙
平均評価 5.0
受講レビュー 7
∙
平均評価 5.0
受講レビュー 1
∙
平均評価 4.0
知識共有者の他の講座を見てみましょう!
同じ分野の他の講座を見てみましょう!