
自然言語処理 (NLP) を活用したディープラーニングのコース (基礎から ChatGPT/生成モデルまで)
YoungJea Oh
自然言語処理 (NLP) は、人工知能の中で最も急速に成長している分野の 1 つです。このコースでは、NLP の基礎から、最新の NLP 技術 (ディープラーニングを使用したもの) まで幅広く取り上げます。特に、ChatGPT などの最先端の生成モデルについて詳しく説明します。
중급이상
Deep Learning(DL), NLP, Tensorflow
この講義は、LangChain 1.0とLangGraphを中心に生成AI サービスを設計・実装する全過程を段階別実習で扱います。 単純なLLM呼び出しを超えて、エージェントベースアーキテクチャ、状態(State)管理、メモリ、ストリーミング、ミドルウェア、Human-in-the-Loopまで含む運用可能なAIシステム構造を直接実装します。 ドキュメント・PDF・Webデータベースの RAGシステム、SQL Agent(Chinook DB)、ツール呼び出しベースのAgent、Supervisorパターンのマルチエージェント、そしてLangGraph Graph APIを活用した状態マシンベースのワークフローを実習し、現場ですぐに活用可能な再利用可能なエージェントパイプラインを構築します。 また、構造化された出力(Pydanticベース)、エージェントミドルウェア(Summarization、HITL、Retry、PII保護)、トークン/段階別ストリーミングを通じて、実際のサービスで求められる安定性・拡張性・制御可能性を備えた生成AIアプリケーションを完成させます。 👉 LangChain/LangGraphの内部構造と実行フローを正確に理解したい方 👉 RAG・Agentを「デモ」ではなく実サービス構造で実装したい方 👉 状態ベースエージェント、SQL・ドキュメント自動化、マルチエージェントオーケストレーションまで網羅する現実的な実務ロードマップが必要な方に最適な講義です。
4名 が受講中です。
難易度 入門
受講期間 無制限
LangChain・LangGraphを活用して生成AIサービスを直接設計し実装できる。
PDF・Web・DBデータを連携したRAGベースのチャットボットを自分で作ることができる
Human-in-the-loop・メモリ・ストリーミングを含む実務型AI Agentを作ることができる
この講義は、LangChainとLangGraphを活用して生成AIを「サービス」として実装する方法を扱います。
単純なチャットボットの例ではなく、ドキュメント・DB・外部APIを連携したRAGシステム、ツール呼び出しベースのAgent、SQL Agent、Supervisor Agent、そして状態・メモリ・ストリーミング・Human-in-the-loopまで含めた実務型アーキテクチャを直接実装します。
OpenAI・Geminiなど多様なLLM連携、ベクトルDBベースの検索、LangGraph状態マシン設計まで扱い、実際の現場ですぐに活用可能な自動化・業務支援AIサービスを完成させることが目標です。
この講義を受講すべき方 (1)
生成AIを使ってみたものの
"これがサービスとしてどう繋がるのか分からない"
「プロンプトを変えるだけの実験から抜け出したい」
という悩みを抱えている方
この講義を受講すべき方 (2)
RAG、Agent、LangChainを勉強したが
構造が頭の中で整理されず
例が断片的に感じられた方
→ 全体の流れと設計基準を固めたい方
この講義を受講すべき方 (3)
実務に
ドキュメント検索AI
DB問い合わせ自動化
社内チャットボット・業務アシスタント
AI基盤の自動化パイプライン
を適用すべき開発者・企画者・データ実務者
LangChainとLangGraphの違いと役割を明確に理解し、状況に応じて選択できるようになります。
RAG、SQL Agent、Supervisor Agentを直接実装し、実務ですぐに再利用可能なコードと構造を身につけることができます。
状態(State)、メモリ、ストリーミング、ミドルウェア、Human-in-the-loopを含む運用可能なAIサービスアーキテクチャを設計できるようになります。
単なるデモではなくポートフォリオとして活用可能な生成AI サービスの成果物を完成させることができます。
LLMが自ら判断してツールを呼び出すAgent構造を設計し、
短期メモリ・ストリーミング応答・ミドルウェア・ユーザー承認(HITL)まで含めた
運用環境を考慮したエージェントアーキテクチャを直接実装します。
単純な応答型AIを超えて、業務を実際に遂行するAIを作る方法を学びます。
PDF・ドキュメント・Webデータを活用したRAGパイプライン構築から
ベクターDB(Chroma)ベースの検索、SQL Agentによるデータクエリ自動化、
複数のエージェントを調整するSupervisor Agent、
そしてLangGraph状態マシンベースのワークフロー設計まで扱います。
複雑な業務を処理するマルチエージェントシステムを直接完成させます。
長年にわたる人工知能講義で蓄積したノウハウをLangChain講義に取り入れました。
LangChainのバージョンアップグレードが非常に速いため、必ず最新バージョンを講義に適用しました。
受講前に予備受講生が気になる質問と回答を3つ以上作成してみてください。
ありきたりで形式的な回答よりも、知識共有者の個性が表れる回答をお勧めします。
Q. 受講予定者が質問しそうな内容を作成してみてください。
回答を作成してみてください。受講前に気になりそうな内容であれば何でも構いません。
講義に対して期待感を与えたり、受講生の不安や悩みを解消できる構成であれば特に役立ちます。
• なぜOOOを学ぶ必要があるのですか?
• OOOを学ぶとどんなことができるようになりますか?
• 授業内容はどのレベルまで扱いますか?
• 講義を受ける前に準備すべきことはありますか?
• などなど...
単に「AIを使う人」から「AIサービスを設計する人」へと進むためです。
ChatGPTをうまく使うことと、生成AIを業務・サービスに安定的に適用することは全く異なる問題です。
LangChainとLangGraphは、LLMを単純な呼び出しではなくツール・DB・ワークフロー・状態を含むシステムにする核心的なフレームワークです。
この講義は「なぜこの構造が必要なのか」から実際の実装まで一緒に扱います。
講義が終わると、次のような成果物を直接実装できるようになります。
社内文書に基づいて回答するRAG検索AI
DBに自然言語で質問するとSQLを生成・実行するSQL Agent
複数のツールとエージェントを調整するSupervisor Agent
状態・メモリ・ストリーミング・Human-in-the-loopを含む運用可能なAIサービス構造
👉 単純なデモではなく、ポートフォリオとして説明可能なレベルの成果物を目標とします。
オペレーティングシステムおよびバージョン(OS): Windows、macOS、Linuxすべて可能
使用ツール:Jupyter Notebook、OpenAI API Key(有料登録が必要)
PCスペック:基本スペック
pdfファイルと実習用source codeを提供します。
Pythonの知識だけあれば大丈夫です。
学習対象は
誰でしょう?
生成AIを使ってみたものの、サービスとしてどう実装すればいいか途方に暮れている開発者
RAG・Agentの概念は知っているが実務に適用できずもどかしいデータ/AI実務者
前提知識、
必要でしょうか?
プログラミング入門レベルのPython知識があれば十分で、必要な内容は授業中に説明します。
4,137
受講生
361
受講レビュー
150
回答
4.7
講座評価
16
講座
오랜 개발 경험을 가지고 있는 Senior Developer 입니다. 현대건설 전산실, 삼성 SDS, 전자상거래업체 엑스메트릭스, 씨티은행 전산부를 거치며 30 년 이상 IT 분야에서 쌓아온 지식과 경험을 나누고 싶습니다. 현재는 인공지능과 파이썬 관련 강의를 하고 있습니다.
홈페이지 주소:
全体
40件 ∙ (8時間 23分)
講座資料(こうぎしりょう):
期間限定セール
¥19,800
70%
¥8,308
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!