¶ 01
カリキュラム構成
全3回＋補足の構成。実装しながら積み上げる。
| 回 | テーマ | やること |
|---|---|---|
| 第0回 | はじめに | カリキュラム全体の概要とRAGの全体像 |
| 第1回 | ChatGPT APIを動かす | Python環境構築・API呼び出し・基本パラメータ |
| 第2回 | エンベディングの世界 | 文章のベクトル化・意味検索・RAGの検索部分の実装 |
| 補足 | Transformerの仕組み | アテンション機構の体験 |
│ 別系統カリキュラム
AIプロダクト開発カリキュラム
ChatGPT API・エンベディング・RAG
「社内情報とAIを掛け合わせたシステム（RAG）を自分で作れる」を最終ゴールとして、APIの基礎からエンベディング・Transformerまでを段階的に積み上げる技術スキル習得コース。
─ ARTICLE COVER
システム設計技術 ／ 別系統カリキュラム
§I ─ POSITION
この講座の立ち位置
DXプロジェクト推進カリキュラムとは独立した、AIプロダクト開発の技術スキル習得コース。Pythonで実装しながら学ぶ。
§II ─ TAKEAWAYS
習得できるスキル
- 01
ChatGPT APIを呼び出して、業務に組み込める
- 02
エンベディングと意味検索でRAGの「検索」部分を実装できる
- 03
Transformerの内部動作（アテンション）を体験的に理解できる
§III ─ EXCERPT
本編から抜粋
¶ 02
前提知識
Pythonの基礎（if文／for文／関数／クラス）、ライブラリのインストール、ターミナルの基本操作があれば受講可能。Web開発／機械学習の経験は不要。
¶ 03
RAGの仕組み（第0回・第2回でカバー）
RAG（Retrieval-Augmented Generation）は、社内文書を検索→該当箇所をLLMのプロンプトに含めて回答生成、という構成。第2回でエンベディング＋ベクトル検索を実装し、検索部分を作る。生成部分は第1回のChatGPT API呼び出しの応用。
¶ 04
なぜTransformerまで触るか
RAGを実装するだけならTransformerの内部は不要。だが、「アテンションって何？」「コンテキスト長の制約はどこから来る？」という現場の疑問に答えられないと、AIプロダクト開発の意思決定で詰まる。補足回で動作確認スクリプトを動かしながら、要点だけ体感する。
─── 続きはダウンロード版へ ───
§∞ ─ DOWNLOAD
続きの資料・演習・解答は
ダウンロード版へ。
─ EXERCISE
各回に課題と教員用解答例。Transformer補足では実験レポートテンプレートと動作確認スクリプト（transformer_demo.py）が付属。
解説スライド
本編全コマ
チートシート
現場で使う早見表
演習問題
解答・採点付き
応用編／テスト
実技＋ルーブリック
§IV ─ RELATED