1

大規模言語モデル（LLM）を活用した開発の前提知識

約2時間

生成AIの基本概念、AIの歴史、及び生成AIが社会やビジネスに与える影響について学びます。生成AI技術とその用途を理解し、AIと共にどう向き合うべきかを考察します。大規模言語モデル（LLM）の仕組みや応用事例、ChatGPTについても解説し、テキスト生成以外の生成AIツール（画像・動画生成）についても触れます。

2

プロンプトエンジニアリング

約12時間

プロンプトエンジニアリングの基本から応用までを段階的に学びます。プロンプトの構成、重要性、作成時の注意点、各種テクニックについて解説します。また、具体的な業務シナリオに基づいた課題解決プロンプトを考える演習も行い、実務での活用スキルを高めます。

3

Python開発を始める準備

約28時間

Pythonの概要と環境構築の手順を学びます。Google Colaboratoryを使用して、基本的なプログラムの実行方法を理解し、Pythonの基本文法を習得します。これにより、生成AIや大規模言語モデル（LLM）アプリケーション開発に必要なPythonスキルを身に付けます。

4

OpenAI API・MCPの活用

約3時間

ChatGPTのAPIであるOpenAI APIの基本とその活用法を学び、APIキーの取得方法や料金体系、主要なAPI機能について理解します。文章生成や質問応答を行う方法を解説し、画像生成や音声生成などの応用も紹介します。さらに、MCP（Model Context Protocol）の基本知識と実装方法も習得します。

5

LangChain基礎編

約1時間

大規模言語モデル（LLM）を活用したアプリケーション開発において汎用的に使われるフレームワーク「LangChain」について基礎から学びます。また、LangChainを使用して実務や日常生活でどのような活用ができるかを考察します。

6

LangChain応用編

約20時間

LangChainの高度な機能であるRetrieval（RAG）、Agents、Callbacksモジュールについて学びます。特に、Retrieval（RAG）を使ったAIチャットボットの開発や、ビジネス課題解決のためのエージェント活用方法を学びます。演習問題を通じて実践的なスキルも養います。

7

中間課題

約2時間

これまで学んだ内容を総合的に活用し、Retrieval（RAG）とAgents（AIエージェント）の技術を使った生成AIチャットボットの開発に挑戦します。また、LangChainを使って解決できるビジネス課題を考え、プログラム化することで実務での応用力を鍛えます。

8

会話生成に特化したLlamaIndexを学ぶ

約2時間

大規模言語モデル（LLM）をデータベースや知識ベースとして活用するためのオープンソースのフレームワークである「LlamaIndex」の概要とその活用法について学びます。特に会話生成に適したチャットボットの開発方法を習得します。LlamaHubの活用も含めて、LlamaIndexを通じた生成AIの応用範囲を広げます。

9

ファインチューニングで生成AIの精度を上げる

約1時間

ファインチューニングの概要を理解し、データを使ってモデルに学習させる方法を確認した上で、目的に応じてモデルを個別カスタマイズする方法を学びます。課題としては、特定の人物やキャラクターの話し方を学習させたチャットボットを作成し、実践的なスキルを身につけます。

10

Web上で利用できるLLMアプリ開発の準備をする

約2時間

LLMの機能を搭載した、Webアプリケーション開発のための環境を整えます。まず、Visual Studio Code（VSCode）のインストール方法、主要プラグインの導入方法を学び、Python仮想環境の作成と管理についても実践します。さらに、GitHub CopilotやCursorによるコーディング補助の基本的な使い方を習得します。

11

StreamlitとLangChainで大規模言語モデル（LLM）アプリを開発する

約2時間

Pythonで簡単にWebアプリケーションを作成できるオープンソースのライブラリである「Streamlit」とLangChainを活用したアプリ開発を行います。Streamlitの基本的な使い方を始め、作成したアプリをStreamlit Community Cloudにデプロイする方法を学びます。また、Pythonのloggingモジュールによるログ管理方法も習得します。

12

生成AIの評価と改善

約20時間

本格的なLLMアプリ開発に欠かせない、生成AIの回答精度向上のための様々なテクニックやツール活用法を学びます。「何をもって生成AIの回答の良し悪しを判断するか」といった評価基準の設定方法を学び、改善施策を施して試行錯誤しながら回答精度向上に取り組む一連の流れを体験します。

13

各ユースケースごとの大規模言語モデル（LLM）アプリ開発

約25時間

Webページやファイルなどの情報源をもとに「顧客問い合わせ対応自動化」や「商品レコメンド」を行う生成AIチャットボットなど、様々なユースケースを題材として本格的なLLMアプリ開発の方法を学びます。

14

自由課題

約30時間

自由課題として、これまでに学んだ知識と技術を総合的に活用し、大規模言語モデル（LLM）アプリケーションの開発を行います。自分のビジネスシーンや利用目的に合わせたアプリケーションを設計、開発し、本格的なLLMアプリ開発に挑戦します。