AI・データサイエンスコース
LLM・RAG・AIエージェント。
最新の実装技術を武器に、
AIエンジニア・データサイエンティストとして
一段上のキャリアへ。
LLM・RAG・AIエージェント・Fine-tuningを、概念で終わらせずに実装・評価・改善まで完走する。3ヶ月で、現場に出せる実装経験を積む。
Why Advanced
RAGを動かしたことはある。
でも、Agentic RAGやマルチエージェントを0から実装した経験は？
「LLMアプリを作れる」人は増えた。
次の差は、高度な実装経験にある。
Agentic RAG・マルチエージェント・分析エージェントを自分の手で設計・実装できる人はまだ少数派です。「実装力はある。でもそこまで踏み込んだポートフォリオがない。」それがAdvancedを目指す人に共通する壁です。
よくある4つの「詰まり方」
分析・MLはできるが
LLM実装の経験がない
実装力はあるが
AI・DS領域への入り方がわからない
RAGは作ったことがあるが
Agentic RAGまで踏み込んでいない
マルチエージェントを
自分で実装したことがない
Entry Requirements
こんなスキルがある方向け
Python基礎
pandasでのデータ処理・外部API呼び出しの経験がある
SQL基礎
JOIN・GROUP BYを書け、BigQuery等での実務経験がある
LLMリテラシー
ChatGPTを日常使いし、APIとプロンプトを理解している
機械学習
機械学習の基礎知識があり、モデル構築の経験がある
こんな方へ
- データサイエンティストとして分析・MLのスキルはあるが、LLM・RAG実装の経験が不足している
- エンジニアとして実装力はあり、AI・データサイエンス領域にキャリアをシフトしていきたい
- RAGを作ったことはあるが、Agentic RAGや実装の深みがまだ足りないと感じている
- AIエージェントやマルチエージェントを実装したことがなく、どこから手をつければいいかわからない
- Fine-tuning・エージェント設計を実装経験として積みたい
- GitHubに載せられる、動く成果物とポートフォリオがない
Craft Collegeが選ばれる理由
少人数コホートで一緒に学べる
途中で詰まっても孤立しない環境で、3ヶ月を完走できます。独学で一度挫折した経験がある方ほど、差を実感していただけます。
毎週の実装課題
週を重ねるたびに、実装物としてポートフォリオが積み上がっていきます。「知っている」から「作れる」への変化を毎週の課題で実感できます。
提出・発表・コードレビュー
「動くけど本番に出せるかわからない」コードが、現場水準に変わります。W&BやMLflowで評価・改善のプロセスを体で覚えることで、自走できる力がつきます。
データサイエンスと接続
LLM単体ではなく、ML・数理最適化との組み合わせまで実装できるようになります。AIプロジェクトで任せてもらえる領域が、受講前より広がります。
成果物をポートフォリオに
受講後すぐに使える実績が手元に残ります。転職面接・副業提案・社内のAIプロジェクト立候補で、口頭説明ではなく成果物で自分を証明できます。
12週間で、AIデータサイエンティストの次の武器をつくる。
LLMアプリケーション開発、RAG、Agentic RAG、分析エージェント、機械学習・数理最適化との接続まで、実装とレビューを重ねて成果物にします。
- Week 1
オリエンテーション
コース全体のロードマップ確認、開発環境セットアップ、3種LLM API（OpenAI・Anthropic・Gemini）の比較実習
- Week 2
LLMアプリ基礎（LangChain / Ollama）
LangChainでチェーンを設計し、Pydanticを使った入出力バリデーション付きチャットボットを実装。ローカルLLM（Ollama）とクラウドAPIの使い分け判断も行う。
- Week 3
RAG Basic
ドキュメント取り込み・チャンク・Embedding・Vector DB・検索・生成まで、RAGを0から実装。使用ツール: LangChain・Chroma（またはQdrant）・OpenAI Embeddings
- Week 4
Agentic RAG
検索するかどうかをエージェントが自律判断するAgentic RAGをLangGraphで構築。使用ツール: LangGraph
- Week 5
RAG評価・精度改善
Golden Set作成・LLM-as-a-Judge・Weights & Biasesで精度を定量管理し、改善サイクルを回す。使用ツール: RAGAS・Weights & Biases
- Week 6
Fine-tuning入門
QLoRA + Unslothでオープンソースモデルをファインチューニング。ベースモデルとの比較評価まで。使用ツール: Unsloth・MLflow・Hugging Face
- Week 7
AIエージェント基礎
フレームワークなし・SDKのみでエージェントループを自前実装。ツール定義・終了条件の設計を学ぶ。使用ツール: OpenAI Agents SDK・Anthropic API
- Week 8
マルチエージェントシステム実装
複数エージェントが協調するSupervisorパターンをLangGraphで構築。Human-in-the-Loopも実装。使用ツール: LangGraph・LangSmith
- Week 9
分析エージェント開発
CSVを渡すと自動で集計・可視化・洞察を出す分析エージェントをCodeインタープリターパターンで実装。使用ツール: LangGraph・Code Interpreter・MLflow
- Week 10
MLモデル構築エージェント
エージェントが特徴エンジニアリング・モデル選択・学習・評価をサンドボックスで自律実行。使用ツール: scikit-learn・MLflow・LangGraph
- Week 11
卒業制作テーマ発表・設計レビュー
ユースケース・アーキテクチャ・評価指標を設計し、講師・コホートメンバーからレビューを受ける。
- Week 12
卒業制作発表会
完成したAIシステムをライブデモ発表。ポートフォリオとして説明できる形にまとめる。
著書7冊。AI・
データサイエンス実務を手がける講師が伴走。
これまでに多数の書籍を執筆し、企業のAI・データサイエンス導入支援やプロジェクト開発に多数携わってきた講師が、あなたの学びを支えます。
受講料
LLM・RAG・AIエージェントの実装経験を持つ人材は、転職市場・副業市場でまだ少数派です。3ヶ月で積む実装経験とポートフォリオが、次のキャリアの交渉材料になります。
- 期間：3ヶ月（12週）
- 形式：少人数コホート制 / 週1講義120分 / 課題提出 / 発表レビュー
- 分割払い可（月約7万円 × 3回）
- キャンセルポリシー：開始7日前まで全額返金
ウェイティングリストにご登録いただいた方へ、優先的にご案内いたします。
よくあるご質問
プログラミングやデータ分析の経験が浅くても受講できますか？
Pythonの基礎経験がある方を推奨しています。不安がある場合はウェイティングリスト登録後にお問い合わせください。
仕事と両立できますか？
週1講義と課題中心の設計です。平日夜や週末に学習時間を確保できる方に向いています。
使用するツールや環境は何ですか？
Python、LLM API、RAG関連ライブラリ、分析・機械学習ライブラリを扱います。
課題のボリュームはどのくらいですか？
週ごとに実装課題があります。実務接続を重視し、提出とレビューまで行います。
ウェイティングリストに登録すると何が届きますか？
次期コホートの募集開始時に、日程・定員・申し込み方法をいち早くお知らせします。登録後に勧誘の連絡が頻繁に来ることはありません。
入学条件はありますか？
Pythonでpandasを使ったデータ処理・外部API呼び出しができ、SQLで集計クエリを書けることが目安です。入学前に確認課題（Pythonスクリプト＋SQL問題）を提出いただき、受講可否をご連絡します。
GPUクラウド（Google Colab等）は自分で用意しますか？
Fine-tuning（Week 6）はGoogle Colab Pro（月1,179円〜）またはRunPodをご利用いただきます。その他のWeekは無料のColab環境で対応できます。
修了証は発行されますか？
卒業制作を修了した方には修了証を発行します。またGitHubポートフォリオ・技術記事・デモ動画の3点セットが、実務・転職での証明になるよう設計しています。
How it works
ウェイティングリスト登録の流れ
- 01
フォームに入力（1分）
名前とメールアドレスを入力するだけ。難しい入力項目はありません。
- 02
募集開始メールを受け取る
次期コホートの募集が始まったタイミングで真っ先にご案内します。
- 03
詳細を確認して申し込む
強引な勧誘は一切なし。ご自身のペースでご検討いただけます。
Agentic RAG・マルチエージェント。
0から実装した経験が、次のキャリアで差になる。
現在、次期コホートの募集準備中です。
ウェイティングリストに登録いただいた方に、募集開始と同時にご案内します。
