AI フルスタックエンジニアリングコース

ポートフォリオ優先の AI エンジニアリング

証拠を残しながら、技術スタックを学びます。

この講座では、他のエンジニアが確認できる AI アプリケーションを作る力を育てます。動くコード、再現可能な環境、データメモ、モデルの証拠、Prompt/RAG/Agent のトレース、明確な限界を残します。

13章

ツールからオープンソースモデル運用まで進みます

9章の主線

AI アプリケーションエンジニアの基礎を作ります

3言語

日本語、中国語、英語を同時に保守しています

1プロジェクト軸

講座全体で継続的に改善します

用語を覚える前に、入力、モデル、出力を見ます。

最初の週は Python、Git、プロジェクトフォルダで十分です。

ツール、データ、モデル、LLM、RAG、Agent、提出を1つの道としてつなげます。

1つのプロジェクト軸を選び、進め方を決め、第1章へ進みます。

開発ツール、Python、データ分析、作業を再現可能にする習慣を身につけます。

実用数学、機械学習、深層学習、訓練ループ、デバッグの手がかりを学びます。

LLM、RAG、API、ツール利用、Agent、評価、本番に近いトレースを扱います。

Computer Vision、NLP、マルチモーダルワークフロー、AIGC、倫理、配信戦略へ進みます。

オープンソース LLM の計算ルート、ローカル配信、評価、LoRA 判断、再現可能な運用手順を扱います。

メインラインを終えるころには、最も強いプロジェクトで1つの AI アプリケーションを端から端まで説明できる状態を目指します。目標は流行語の暗記ではありません。モデルの振る舞いを使えるプロダクトワークフローに変えられることを示すことです。

短く読み、動かし、証拠を残す。各ステージの終わりには、他の人が確認できるものを残します。README コマンド、保存した出力、指標表、トレース、失敗メモ、小さなデモなどです。これが学習をポートフォリオの物語に変える方法でもあります。

このページの学習結果を、最初のコース証拠カードとして保存します。