生成AI設計実習特別講座

Generative AI

Generative AI AIを“使う”から“作る”へ　— 産業レベルでの生成AI構築力を養う特別プログラム —

本講座では、世界標準のオープンソースLLM（LLaMA、Gemma、Mistralなど）をベースに、対話型AIを自分の手で設計・構築・訓練する実践的なカリキュラムを展開しています。
また、RAG（Retrieval-Augmented Generation）技術を活用し、社内業務や顧客対応に活用できる“自分専用のAIシステム”をゼロから構築する力を養います。
JupyterHubやベクトル検索DB、GitHub・Hugging Faceなどの発信環境も備え、実装力と発信力の両面を備えた生成AIエンジニア育成を目指します。

本講座の特長

世界のOSSモデル（LLaMA、Gemmaなど）を活用し、対話型AIを自分の手で訓練します。
産業用GPUサーバを用いた、実践的な演算環境での開発体験ができます。
RAG技術を用いて、社内用対話型AIシステムをゼロから構築します。
自分だけの生成AIを設計・構築し、活用までを実践できるようになります。
初心者でも安心。生成AIの基礎から丁寧に段階的に学べます。

主な技術・特徴

OSS LLM活用（LLaMA、Gemma、Mistralなど）
GPU実機でのAIモデル訓練体験
ベクトル検索技術（Weaviate、FAISS、Qdrant）
RAG構成による社内AI構築演習
JupyterHub環境での簡易実装と学習
成果物の世界発信（GitHub、Hugging Face）
Slack・Discordによる連携コミュニティとハッカソン環境

学習環境・支援体制の特長

GPUサーバ

あなた自身が訓練するAIモデルを、産業レベルのGPUで実行できます。
クラウドではなく、実機による高性能な計算資源を活用できる学習環境を整えています。

GPUベクトル検索用データベース（Weaviate、Qdrant、FAISSなど）

最新のRAG構成を支えるベクトル検索技術を、実際に構築・体験できます。
社内向けの対話型AIシステムを“自分で作る”という実践力を育てます。

OSS LLMの実験環境（LLaMA、Mistral、Gemmaなど）

世界標準のオープンソースモデルを用いて、訓練プロセスを自ら体験できます。
単なる技術習得にとどまらず、“自分専用のAI”を設計・構築する力を身につけます。

JupyterHubによる統一学習環境

プログラミング初心者にも扱いやすい統一UIを提供し、学習の入り口を広げます。
面倒な環境構築を必要とせず、実装と学習に集中できる仕組みを整えています。

成果物公開・発信プラットフォーム（GitHub、Hugging Face等）

講義で作成した成果物は、世界中に発信でき、ポートフォリオとして就職活動に活用できます。
“大学の授業で開発したAI”がそのまま実績となり、キャリアに直結します。

学外連携コミュニティ・ハッカソン環境（Slack、Discord、社会人メンター）

仲間と学び合い、競い合いながら、実践力を高めるコミュニティを形成しています。
卒業後もつながる、AI実装を軸にした“知的ネットワーク”を構築できます。

※LEVEL.4（社会に貢献する基盤モデルの研究・公開）、LEVEL.5（AGI開発・世界規模での展開・社会統治に対応可能）についても、ご本人の修得状況に応じて学んでいけるようカリキュラムをご用意しています。

カリキュラム

回	テーマ	実技要素
1	オリエンテーション	LLM概要, Python基礎, JupyterHub操作
2	LLMの強化手法	プロンプトエンジニアリング, RAG, ファインチューニング
3	プロンプトエンジニアリング	ChatGPT演習
4	EmbeddingとベクトルDB入門	ベクトルDB構築、ベクトル検索
5	RAG構築①	RAG構築（LangChain）
6	RAG構築②	RAG構築（GradioによるUI化）
7	軽量ファインチューニングの手法	LoRA, QLoRA
8	学習データの整備	Hugging Face, Tokenizer, コーパス
9	軽量ファインチューニング演習	実データを使ったファインチューニング演習
10	LLMの評価	Perplexity, BERTScore, 実務テスト
11	音声と言語モデル	Whisper
12	画像と言語モデル	CLIP
13	主要なモデルアーキテクチャ	RNN, Transformer
14	LLM構築	Transformerモデルの構築15
15	成果発表/公開	GitHub, HuggingFace