AI Training

AI系研修

生成AIを「使える」から「作れる」へ。

ノートPCを開いて話し合うエンジニアたち
ノートPCの前で考え込むエンジニア
Goals

3コースを終えると、手元に「動くAIエージェント」が残る

  • 仕組みを理解して、安全に使う

    STEP 01

    生成AIの仕組みと限界を説明し、業務で安全に使える

  • Web API を自分でデプロイする

    STEP 02

    Python と AWS Lambda で、LLM を呼び出す API を公開できる

  • エージェントにツールを使わせる

    STEP 02

    Function Calling でツールを定義し、外部処理を実行させられる

  • 社内外のシステムとつなぐ

    STEP 03

    MCP サーバーで連携し、Knowledge Bases で RAG を組める

  • 本番品質で提案する

    STEP 03

    評価・セキュリティ・運用まで含めて、エージェントを設計できる

モニターに向かってハンズオンを進めるエンジニア
Courses

3つのSTEPを、順番に積み上げる

講義は動画で好きな時間に進め、手を動かしてつまずいたところは講師にいつでも質問できます。
STEP 01 から順に進み、修了したら次の STEP へ。経験に応じて、途中の STEP から参加することもできます。

Step 01

生成AI活用研修

ChatGPT・Claude を「なんとなく使う」から、「仕組みを理解して業務で安全に使う」へ。全員がここから始めます。

標準12時間 ここからスタート 未経験OK 動画+質問対応

到達目標

  • LLM の仕組み、トークン、ハルシネーションを説明できる
  • 役割付与・Few-shot・構造化出力を使ったプロンプトが書ける
  • 機密情報の扱いなど、業務で使うときのルールを守れる

主な内容

  • 生成AIの基礎実際の出力でハルシネーション対策を確認
  • プロンプト設計演習業務文書の要約・分類・下書き
  • AIコーディングツール入門コードを書かせ、レビューする観点
  • 業務での安全な使い方社内ルールの作り方、ツール比較

使用ツール

ChatGPTClaudeAIコーディングツール
Step 02

AIエージェント構築基礎

開発環境の構築から、AWS 上で動く Web API のデプロイ、Amazon Bedrock の呼び出し、Function Calling の原理まで。「エージェントが動く仕組み」を自分の手で組み上げる。

標準64時間 STEP 01 修了後 AWS 実アカウント使用

到達目標

  • Git / GitHub と AIコーディングツールを使って、Python で開発を進められる
  • HTTP・Web API を理解し、Lambda と ECR で AWS にデプロイできる
  • Bedrock を呼び出し、プロンプト設計とモデル選定・コスト見積ができる
  • Function Calling でツールを定義し、エージェントに実行させられる

主な内容

  • 第1章開発環境とAIコーディング環境構築、Git / GitHub、Python 基礎、レビューの観点
  • 第2章Webアプリ開発とAWSデプロイHTTP・Web API の実装、Lambda・ECR 構成、環境変数とキー管理
  • 第3章AIエージェントの原理LLM の特性、Bedrock 呼び出し、プロンプト設計、Function Calling、ツール定義から実行まで、トークン・コスト・モデル選定

使用技術

PythonGit / GitHubAWS LambdaECRAmazon BedrockFunction Calling
Step 03

RAG・AIエージェント構築応用

MCP で外部システムとつなぎ、認証・複数ツール・RAG を組み合わせ、評価と運用設計まで。最後は講師レビューを受けて、本番で動くエージェントと構成図が手元に残る。

標準56時間 STEP 02 修了後 完成レビューあり

到達目標

  • 既存の MCP サーバーに接続し、カスタム MCP サーバーを実装できる
  • 認証つきで、メール・カレンダーなどの読み取り・書き込みツールを安全に統合できる
  • Knowledge Bases で RAG を構築し、精度を改善できる
  • 評価データセット・回帰テスト・セキュリティ・運用管理まで設計できる

主な内容

  • 第4章MCPによる外部システム連携MCP の概要、既存サーバーへの接続、カスタムサーバー実装、権限・ログ設計
  • 第5章エージェントの高度化Cognito 認証、読み取り系・書き込み系ツール、複数ツールの統合、失敗時の設計、Knowledge Bases による RAG と精度改善
  • 第6章評価と実務品質評価データセット、回帰テスト、セキュリティ、運用管理、完成エージェントの講師レビュー

完成物

  • 質問に応じて社員検索やカレンダーなどのツールを使い分けるチャットエージェント
  • Lambda・Cognito・DynamoDB・MCP Server・Bedrock・Knowledge Bases で構成した完成構成図(自分で再現・拡張できる)

使用技術

MCP ServerAmazon CognitoBedrock Knowledge BasesRAGDynamoDBSecrets ManagerCloudFront / S3
Projects

研修後に狙える案件

インフラ系研修と組み合わせると、「AWS × AI」の基盤まで扱えるエンジニアとして案件を選べます。

モニターに向かって作業する男性エンジニア
  • 生成AI導入支援(PoC開発)

    業務要件のヒアリングから、Bedrock を使ったエージェントの PoC 構築・評価まで。

  • 社内チャットボット構築・運用

    RAG ベースの社内問い合わせボットの構築と、精度・コストの継続改善。

  • AIエージェント基盤の構築補助

    Lambda・MCP Server・Cognito を使ったエージェント基盤の整備と運用。

FAQ

AI系研修について、よくある質問

ラウンジのテーブルでノートPCを開いて向かい合う2人
Qプログラミング未経験でも受けられますか?

生成AI活用研修は未経験でも参加できます。AIエージェント構築基礎は第1章で Python と Git の基礎から始めるので、未経験でも進められますが、eラーニングで事前に触れておくとスムーズです。

Qインフラ系研修と同時に受けられますか?

同時受講が可能です。AIエージェント構築基礎以降は AWS 上で構築するため、AWS研修の基礎回(アカウント・IAM・ネットワーク)を先に受けることを推奨しています。

Q研修内容は経歴書に書けますか?

はい。「Amazon Bedrock と MCP を用いたAIエージェント構築」「Knowledge Bases による RAG 構築と精度改善」として、具体的なスキルセットを記載できます。完成構成図も説明資料として使えます。

まずは、AI系研修の雰囲気を聞いてみる

コースの詳細や、今の経験からどこまで到達できるかを、カジュアル面談でお話しします。