AI・機械学習

教師あり/なし学習、訓練と推論、過学習、ニューラルネットワーク、大規模言語モデル(LLM)など、AIと機械学習を理解するための基本概念を学びます。

勾配降下法、誤差逆伝播、活性化関数、CNN・RNN・Transformer、評価指標(精度・再現率・F値)、埋め込みやAttentionなど、機械学習の一歩進んだ仕組みを学びます。

特徴量エンジニアリング、交差検証、アンサンブル学習、ハイパーパラメータ調整、MLOps、説明可能性など、機械学習を実務で使うための知識を学びます。

Transformer・自己注意機構、トークン化、事前学習と事後学習(RLHF)、コンテキスト長、デコーディング戦略、マルチモーダルなど、現代の大規模言語モデルが動く仕組みを学びます。

RAGの構築、埋め込みとベクトル検索、エージェントとツール利用、構造化出力、評価、コストとレイテンシ、プロンプト設計など、LLMを使ったアプリケーションを作るための実践知識を学びます。