
実務中心のディープラーニングNLP深化:LLMアーキテクチャとファインチューニング実践
YoungJea Oh
¥11,504
中級以上 / Deep Learning(DL), Tensorflow, NLP
4.9
(29)
基礎は知っているけれど、実務への適用に悩んでいませんか?現場での経験を活かし、複雑なLLMの構造を明快に解き明かします。
中級以上
Deep Learning(DL), Tensorflow, NLP
ChatGPTを使ってみることと、実際に生成AIサービスを開発することは全く別物です。API呼び出しから会話の状態管理、構造化された出力、関数呼び出し、文書ベースのRAG、MCP連携、AIエージェントの実装まで習得する必要があるからです。この講義では、長年のデータ分析・AI講義の経験を活かし、複雑な概念をPythonの実習を中心に解説します。生成AIの原理からOpenAI Responses APIとマルチモーダル機能、File SearchベースのRAG、外部ツール連携、Agents SDKまで段階的に学習し、実際に動作するAIアプリケーションを完成させます。
11名 が受講中です。
難易度 初級
受講期間 無制限
OpenAI Responses APIを活用した生成型AIアプリケーション開発
プロンプト設計と対話状態を適用したストリーミングチャットボットの実装
Structured Outputsと関数呼び出しを活用した安定的なAIサービスの構築
画像理解と画像生成を組み合わせたマルチモーダルAIアプリの開発
File SearchとVector Storeを活用した文書ベースのRAGシステム構築
MCPとOpenAI Agents SDKを活用したツール実行型AIエージェントの実装
この講義は、生成AIを原理(Why) → API(How) → アプリ開発(What)の3段階で完成させる実践的なカリキュラムです。
ステップ1 — 生成AIの原理を「直感」で理解します
生成モデルと分類モデルの根本的な違い(分布学習 vs. 決定境界学習)
Transformerアーキテクチャ: Self-Attention, Positional Encoding, Multi-Head Attention
GPTのauto-regressive(自己回帰)生成構造とDecoding Strategy(temperature、top_pが実際に果たす役割)
Hallucination(ハルシネーション)が発生する根本的な原因と緩和戦略
単に"APIを呼び出せば答えが出る"のではなく、なぜそのような出力になるのかを理解してこそ、プロンプト設計やパラメータチューニングを自信を持って行うことができます。
ステップ2 — OpenAI APIの核となる機能を実習でマスターします
最新のResponses APIベースのテキスト生成とrole設計、Token管理
Prompt Engineering: zero-shot / few-shot / Chain-of-Thoughtの原理と実践パターン
Structured Outputs — LLMの出力をアプリでそのまま使えるJSON形式で受け取る方法
Function Calling — LLMにリアルタイムデータや外部システムを扱わせる方法
Vision API & 画像生成 (DALL-E / GPT-Image-1) — ViT、CLIP、Diffusion Modelの原理まで
File SearchとVector Storeを活用した検索拡張生成(RAG)
Conversation State 管理と Streaming API
ステップ3 — OpenAI Agents SDKでインテリジェントなエージェントアプリを完成させます
Chatbot → RAG App → Agentic AIへと続くLLMアプリの進化の流れ
Agentの核心であるReActループ (Think → Call Tool → Observe → Answer)
Handoffs(エージェント間の作業委譲)、Guardrails(入出力の安全装置)、Sessions(会話メモリ)、Tracing(実行トレース)
MCP(Model Context Protocol) — エージェントが外部ツール・データに標準的な方式で接続される最新プロトコル
最終プロジェクト:RAG + Tools + Handoffsを組み合わせた自分だけのChatbot RAG Agentの実装
すべての理論チャプターごとにペアとなるJupyter Notebook実習(embeddings、autoregressive生成、Text Generation、画像生成、Vision、Structured Outputs、Function Calling、Tools、Conversation State、Agent実装)がGitHubリポジトリで提供され、講義に沿って直接実行したり修正したりすることができます。
生成AIとLLM、Transformerの作動原理を理解し、効果的なプロンプト作成法を学習します。OpenAI Responses APIを活用して、テキスト生成、画像分析、画像生成など、多様なAI機能を実装します。
Structured Outputs、Function Calling、Web SearchとFile Searchを活用して、外部データと連携したAIサービスを開発します。Vector StoreベースのRAGチャットボットとMCP、Agents SDKを学習し、StreamlitベースのAIエージェントを完成させます。
OS: WindowsまたはmacOS推奨
開発環境: Google Colab, Jupyter Notebook
必須ソフトウェア: Python 3.10 以上、最新のウェブブラウザ
必須アカウント: OpenAIアカウントおよびAPIキー
APIの使用量に応じて、少額の別途利用料金が発生する場合があります。
実習ファイルのダウンロードとAPI呼び出しのための、安定したインターネット接続環境が必要です。
講義動画は画面録画+韓国語の音声解説で進行されます。コード画面が多いため、PCまたはタブレットの広い画面での受講をお勧めします。
講義教材のPDFファイルと実習用のJupyter Notebookソースコードを提供します。
OpenAI APIのサンプルコードを提供します。
RAG実習のための文書・テキスト・JSONなどのサンプルデータを提供します。
提供されたコードを直接実行し、修正しながら、段階的に説明を加えて完成させます。
生成AIや機械学習に関する事前知識がなくても受講可能です。
変数、関数、リストなどのPythonの基礎文法を理解していると、実習をよりスムーズに進めることができます。
OpenAI APIと関連ライブラリは、アップデートによって画面やコードが一部異なる場合があります。
APIキーは外部に公開したりソースコードに直接入力したりせず、.envファイルで管理する必要があります。
実習資料とソースコードは学習目的でのみ使用し、無断配布を禁止します。
学習対象は
誰でしょう?
ChatGPTは使ってみたけれど、APIで直接アプリを作ってみたい開発者・企画者
LLMが"なぜ"そのように動作するのか、原理から理解したい方
RAG、Function Calling、MCP、AI Agentなどの最新キーワードを実習を通して習得したい方
社内AIサービス(チャットボット、文書検索、業務自動化)の導入を検討している実務担当者
前提知識、
必要でしょうか?
Pythonの基本文法(変数、関数、繰り返し処理のレベルで十分)
別途のディープラーニング・数学の事前知識は不要 — 必要な概念は講義内で説明
OpenAI API使用のための決済カード登録が必要(従量課金制、実習費用は数ドル程度)
インフラン認証
キャリア認証
4,978
受講生
478
受講レビュー
159
回答
4.8
講座評価
19
講座
30年以上のIT現場での経験を活かし、人工知能・Python分野を教えるAI専門講師です。ディープラーニング、NLP、LLMファインチューニング、LangChain/LangGraphベースのAIエージェント、AI駆動開発(AIDD)など、実務中心のカリキュラムを開発・講義しています。現代建設電算室、サムスンSDS、韓国シティ銀行で培った30年以上の開発・運用経験を、臨場感あふれる講義で伝えています。現在はKOSA、KOSTA、KITRIなどで人工知能コースを担当しています。
ホームページアドレス: https://ironmanciti.github.io/
全体
40件 ∙ (7時間 3分)
講座資料(こうぎしりょう):
5. 生成AIの概要 - 1
09:27
6. 生成AIの概要 - 2
06:39
11. GPT-3 のテキスト生成原理
10:30
13. ChatGPTの学習過程
08:02
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!
期間限定セール、あと6日日で終了
¥27,500
50%
¥7,236