0.4 メインルートを計画する

最初から複数の別ルートを作らないでください。まず1本のメインルートを使います。第1章 -> 第9章を順番に進め、各ステージで小さな成果を1つ残します。その後、プロジェクトが必要とするときだけ第10-12章の専門分野、または第13章のオープンソースモデル運用を選びます。
| 状況 | 同じルートの進め方 |
|---|---|
| 初心者 | 第1-9章を順番に進め、証拠カードを飛ばさない |
| すでにコードを書ける | 1-3は速く進めてもよいが、再現可能なセットアップとデータメモは残す |
| ポートフォリオが必要 | 各段階で README、画像、ログ、指標、トレース、失敗サンプルを強化する |
| モデルを深く理解したい | 数学、機械学習、深層学習、Transformer に時間を使うが、LLM/RAG/Agent のアプリケーションループも完了する |
3つの進め方
Section titled “3つの進め方”高速ルート:2-4週間 すでにコードを書けて、まず全体像をつかみたい人向けです。各章の最初の実行ループとステージワークショップを動かし、README、出力、失敗メモを残します。第10-13章はプロジェクトに最も関係する1つだけ選びます。
標準ルート:8-12週間 開発基礎から AI アプリケーションへ着実に進みたい人向けです。第1-9章を順番に進め、各章の study guide とステージプロジェクトを完了し、第10-13章から 1-2 個の専門章を選びます。
深掘りルート:16週間以上 コースを本格的なポートフォリオにしたい人向けです。各段階で before/after 比較、固定評価セット、失敗サンプル、意思決定メモを残します。第13章では実際の小型モデル実行、または GPU サービング経路まで進みます。
プロジェクト軸を1つ選ぶ
Section titled “プロジェクト軸を1つ選ぶ”学びながら育てられる小さなプロジェクト案を1つ選びます。初日に派手である必要はありません。
| プロジェクト軸 | コースの中での育ち方 |
|---|---|
| 学習またはドキュメントアシスタント | Python スクリプト -> データ整備 -> RAG -> Agent ツール -> マルチモーダル PDF レビュー |
| 就職活動または履歴書ヘルパー | 構造化データ -> プロンプトテスト -> 保存資料からの検索 -> 評価メモ |
| サポートまたは運用自動化 | スクリプト -> ログ -> LLM 分類 -> 権限境界つき Agent 動作 |
| ドメイン分析ノートブック | データセット -> グラフ -> baseline モデル -> LLM による説明 -> 提出可能なレポート |
プロジェクト軸は新しいルートではありません。分かれた章を1つの説明可能な成果物にするための連続性です。
迷う場合は、0.5 キャップストーンプロジェクト軸:コース知識アシスタント を使ってください。各章の成果物を、1つの見せられる AI アプリケーションにつなげます。
第10-13章の選び方
Section titled “第10-13章の選び方”第9章を終えた後、第10-13章を必ず順番に読む必要はありません。プロダクトの必要性で選びます。
- 入力が画像、スクリーンショット、動画フレーム、OCR、検出枠なら、第10章から始めます。
- 中核タスクが分類、抽出、要約、ラベル体系、テキスト評価なら、第11章から始めます。
- PDF、画像、音声、動画、クリエイティブ素材、レビュー手順が混ざるなら、第12章から始めます。
- ローカル配置、GPU レンタル、モデルファイル管理、オープンソースモデル評価、LoRA 判断が必要なら、第13章から始めます。
モデル運用のショートカットもあります。第7章の mini GPT-2 実験に強く興味があるなら、第7章 -> 第13章 -> 第8/9章 と進めます。先にモデルの実行感覚を作り、その後 RAG と Agent へ接続できます。
各段階の終了チェック
Section titled “各段階の終了チェック”進捗は「何ページ読んだか」ではなく、証拠で判断します。各段階の終わりには、「動いた記憶」ではなく、小さくレビューできる成果物セットを残します。
| 段階 | 章 | 最小限の証拠 | 経験者向けの深い証拠 |
|---|---|---|---|
| 基礎 | 1-3 | 再現可能なプロジェクトフォルダ、Python スクリプト、整備済みデータ、グラフ | README の再実行テスト、境界例、データ品質メモ |
| モデル理解 | 4-6 | 指標と失敗サンプルつきのモデル実験 | bias/variance メモ、ablation、学習診断、意思決定メモ |
| LLM アプリケーション | 7-9 | プロンプトテスト、RAG 検索トレース、Agent ツールトレース | 固定評価セット、安全境界、コスト/遅延メモ、デモ台本 |
| 専門分野とランタイム | 10-13 | 画像、NLP、マルチモーダル、またはオープンソース LLM ランタイムデモと保存した入出力 | ドメイン指標、レビュー確認表、デプロイ/ランタイム制約、ポートフォリオ説明 |
専門分野の章は「全部終えた後のごほうび」ではありません。プロダクトが画像、テキストパイプライン、マルチモーダル素材、オープンソースモデル配置、ドメイン固有の評価を必要とするときに選ぶ意図的な分岐です。
段階ごとの提出リズム
Section titled “段階ごとの提出リズム”各段階の終わりに、小さな成果物セットをまとめます。
- 何が変わったか
- 新しく増えた能力を1つ。
- どう再実行するか
- 正確な command または
notebook cell。 - 何が証明するか
- スクリーンショット、指標、トレース、または出力ファイル。
- 何が失敗したか
- 失敗例または制限を1つ。
- 次に何をするか
- 条件を絞った次の実験を1つ。
このリズムにより、コースは転職準備やポートフォリオレビューに使いやすくなります。各段階で、他の人が確認できるものが残ります。
毎週のループ
Section titled “毎週のループ”毎週同じループを使います。
ふり返りは短くてかまいません。よい問いは次のようなものです。
- 最初に失敗したものは何か。
- どの入力変更が出力を最も変えたか。
- 他の開発者を納得させる証拠は何か。
- これが本物のユーザー向け機能になったら、どこで壊れるか。
飛ばす時、ゆっくり進む時
Section titled “飛ばす時、ゆっくり進む時”推測なしで章末チェックを通れる場合だけ飛ばします。出力を説明できない、コードを再実行できない、結果の良し悪しを判断できないときは、ゆっくり進みます。経験者も、デモが簡単に見えるときほど評価、失敗モード、本番制約では速度を落としてください。
毎週、学習計画を作り直さないでください。短く読み、動かし、証拠を残して、第1章へ進みます。
このページを終えたら、この証拠カードを残します。
- 目標職種
- AIアプリケーションエンジニア、AIフルスタック開発者、またはAIプロダクトエンジニア。
- 週の時間配分
- 読む、コードを動かす、証拠を記録するための現実的な時間。
- プロジェクト軸
- 章をまたいで育てられるプロジェクト案を1つ。
- 最初の成果物
- 今週中に終えるための1つの実行可能な結果。
- リスク確認
- 基礎を飛ばす、読みすぎる、セットアップの摩擦、または目標が不明確なこと。
- 期待される成果
- 書かれたメインルート計画と、次に開く具体的なページ。