1.コースの概要及び留意事項
　1.訓練の目的
　2.専門的能力の確認
　3.安全上の留意事項
2.環境設定
　1.クラウド上のノートブック環境の設定
3.Python
　1.生成AIを活用してPythonを学ぶ
4.生成AIの概要
　1.生成AIの概要と進化
　　1.自然言語処理 (NLP) の基礎
　　2.言語モデル（LM）の概要
　　3.大規模言語モデル（LLM）の登場とその影響
　　4.Transformerモデルの革新と活用
　2.自己教師あり学習
　　1.Next Token Predictionの仕組み
　　2.対照学習によるモデルの最適化
　3.事前学習と追加学習
　　1.大規模データセットを用いた事前学習
　　2.追加学習（ファインチューニング）の手法
　4.強化学習
　　　1.RLHF
　　　2.DPO
　5.生成AIのリスクとガバナンス
　　　1.生成AIの倫理問題
　　　2.著作権や知的財産権の問題と対策
5.自然言語モデルとSLMの開発（実践）
　1.データ収集・準備
　　1.WEBスクレイピング
　　2.訓練・テストデータの作成
　2.データの解析・抽出
　　1.データ構造解析
　　2.必要情報の抽出
　3.形態要素解析
　　1.形態素の概要
　　2.形態素解析器の利用
　4.自然言語分類モデルの構築
　　1.モデル作成と予測
　　2.精度評価
　5.SLM構築（発展）
　　1.Transformer / Attentionの理解
　　2.GPT系ミニモデルの作成
6.ノーコードによるRAG開発
　　1.RAGとは
　　　1.RAGの仕組み
　　　2.ファインチューニングとの違い
　　2.LLM／RAG開発の全体像を把握
　　　1.ノーコードによる簡易RAGアプリの開発
7.RAGアプリケーション開発（実践）
　　1.Pythonによる実践的なRAGアプリケーション開発
ユーザーの質問に基づき、データベースから関連するドキュメントを検索し、それに基づいて生成AIが回答を生成するアプリケーションの開発

例：製品カタログに基づいたカスタマーサポートシステム
社内ナレッジベースを用いた質問応答システム
医療データベースを活用した診療支援システム
　　など
　　
8.まとめ
　1.質疑応答
　2.講座の総括と今後の学習指針

≪担当予定講師≫
一般社団法人 日本量子コンピューティング協会