Omnigent Basics - Japanese

このコースでは、従来のソフトウェアテストでは対応できない非決定論的なAIシステム固有の課題に取り組みながら、MLflowの評価Frameworkを使用してAIエージェントを体系的に評価する方法を学びます。受講者は、Unity Catalogに登録され、Unity Gatewayを通じてモデルを呼び出す共有ツール呼び出しエージェントを評価します。その際、正確性や安全性などの一般的な基準には組み込みジャッジを、ビジネス固有の要件にはガイドラインジャッジを、専門的なニーズにはカスタムジャッジを使用します。コースでは、厳選されたデータセットを使用したオフライン評価と、Unity CatalogへのMLflow Tracesの保存を含むオンライン本番運用モニタリングの両方を取り上げます。受講者はMLflow Tracingを使用してエージェントの実行パターンを把握し、開発者およびDatabricks Appを通じてエージェントをレビューする専門家から人間のフィードバックを収集します。実践的なデモとラボを通じて、AIエージェント開発ライフサイクル全体にわたって継続的な品質向上を促進する評価Workflowsを作成するスキルを習得します。

注：SCORM形式の講義ファイルをご利用の際は、コンテンツをすべて終了した後、必ずSCORMウィンドウを閉じてください。「next lesson」ボタンをクリックしないでください。クリックすると、SCORMモジュールが完了として認識されなくなる可能性があります。

このコースでは、Databricks Data + AI Platform を使用してシンプルなデータサイエンスと機械学習のワークフローを実行するための基本的なスキルを習得します。ワークスペースのツアーを通じて全体像を把握し、ノートブックの操作方法を学びます。探索的データ解析と特徴量エンジニアリングを探索し、MLflow を使用してモデルを追跡・管理し、Databricks Genie Code を使用してエクスペリメントを行い、Databricks Model Serving でモデルをデプロイします。最後に、これらのスキルを統合した包括的なラボで、エンドツーエンドの機械学習ライフサイクル全体を学びます。

Languages Available: English | 日本語 | Português BR | 한국어 | Français | Español | 普通话

企業の AI アシスタントを効果的に活用するためのプロンプティングの基礎を2部構成で解説します。第1部（基礎編）では、プロンプトの具体性が回答品質にどう影響するかを説明し、アシスタントを「RAG アーキテクチャによって社内知識を基盤とした、優秀だが言葉通りに解釈するインターン」として位置づけます。また、アクセスできる情報とできない情報を整理し、「信頼しつつも検証する」という姿勢の重要性を強調したうえで、C-O-I-E Framework（Context・Outcome・Instruction・Example）を紹介します。第2部（テクニック編）では、プロンプティングのテクニックを体系的に習得し、状況に応じた使い分けを学びます。具体的には、タスクとアプローチの対応付け、コンテンツ生成（ゼロショットおよびフューショット）、推論（思考の連鎖・自己質問・メタプロンプティング）、ワークフロー（プロンプトチェーンと、チェーンを使う場合と単一プロンプトを使う場合の判断基準）、そしてプロンプトの明確な構造化について扱います。