AI501

コースの説明

チームがプロダクション環境で生成 AI アプリケーションを確実かつ効率的に構築、デプロイ、保守できるようになるために、手法、文化、ツールを体験します。

GenAIOps Enablement with Red Hat AI Enterprise (AI501) は、Red Hat ウェイに基づいて提供される 5 日間の参加型イネーブルメントコースです。このコースを受講することで、チームは AI のビジョンを明確に示し、実現するために必要なスキルを構築できます。多くの AI トレーニングプログラムは特定のフレームワークやテクノロジーに焦点を当てていますが、このコースでは、生成 AI 運用の完全なワークフローにおいてツールがどのように連携するかを説明し、モデルだけでなく AI 対応アプリケーションを提供の単位として扱います。

学習目標を達成するために、組織全体から複数の職種の方々が参加する必要があります。AI エンジニア、アプリケーション開発者、プラットフォーム・エンジニア、アーキテクト、IT マネージャーが、従来のサイロを超えて連携する経験を得ることができます。実際の提供チームの日常業務をシミュレートし、AI を活用したアプリケーションを構築します。ここでは、さまざまな部門のチームがコラボレーションによってイノベーションを生み出す方法を学びます。チームは、共通の経験とベストプラクティスを得ることで、学んだことを適用できるようになり、生成 AI イニシアチブを推進する中で、組織の文化とミッションの成功に貢献できるようになります。

このコースは、Red Hat OpenShift AI を含む Red Hat AI Enterprise、Red Hat OpenShift GitOps、Red Hat OpenShift Pipelines、生成 AI モデル、オープンソース・ライブラリに基づいています。

学習内容サマリー

このコースでは、プロンプトによる実験からプロダクションへのデプロイまで、AI 対応アプリケーションのエンドツーエンドのプロセスを学びます。また、さまざまなペルソナが単一のプラットフォーム上でシームレスにコラボレーションできます。

• トークン、コンテキストウィンドウ、モデルの動作など、生成 AI の基本を理解する
• プロンプトを使用して実験し、最初の AI 対応アプリケーションを評価する
• 標準化された生成 AI 開発のためのオーケストレーション・レイヤーを導入する
• 知識強化アプリケーションのために検索拡張生成 (RAG) を実装する
• ツール呼び出し機能を備えた自律型 AI エージェントを構築する
• AI 安全防護機能をデプロイし、生成 AI セキュリティプラクティスを実装する
• 生成 AI システムのメトリクス、ロギング、分散トレースを備えた可観測性を実現する
• 小規模言語モデルとマルチモーダル機能を確認する
• 量子化と圧縮技術を通じてモデルを最適化する
• スケーラブルな AI インフラストラクチャのために Model as a Service (MaaS) を実装する

コース対象者

さまざまな職種の個人が共通の目標を共有し、連携して取り組むことで、優れた成果を達成し、生成 AI のイノベーションを促進する必要があります。このコースではそれを体験できます。

次のような方々にとって特に有益です。

• AI プラットフォームのユーザー：生成 AI アプリケーションを構築する AI エンジニア、アプリケーション開発者、データサイエンティスト、データエンジニア
• AI プラットフォームのプロバイダー：AI インフラストラクチャのデプロイと管理を行う ML/GenAIOps エンジニアおよびプラットフォーム・エンジニア
• プラットフォームのすべてのステークホルダー：生成 AI の導入戦略を評価および監督するアーキテクトおよび IT マネージャー

このコースのシナリオには、大規模言語モデルや生成 AI システムの操作に関する技術的な側面が組み込まれており、これらの職種がどのように連携できるかについての実用的なインサイトを提供します。

受講の前提条件

• 無料のスキルチェックでこのコースが自分のスキルに適切かどうかを確認してください。
• Chromium ベースのブラウザー
• Containers, Kubernetes and Red Hat OpenShift Technical Overview (DO080) を受講済み、または OpenShift/Kubernetes とコンテナの基本を理解していることが推奨されます。
• AI について、またはビジネスが AI から価値を引き出す方法についての基本的な知識があると役立ちます。

学習内容

重要な基礎

• 生成 AI の基礎

  GenAIOps とは何か、大規模言語モデルがどのように機能するか (トークン化、コンテキストウィンドウ、モデルの動作とパフォーマンスに影響を与える要因など) を理解します。

• プロンプトを使用した実験

  システムプロンプトとユーザープロンプトを使用して効果的なプロンプトを作成し、温度 (temperature) と出力パラメーターを設定して特定のユースケースのためにプロンプトを最適化する方法を学びます。

• 最初の AI 対応アプリケーションの評価

  プロンプトのバージョン管理を実装し、評価パイプラインを構築し、テストを自動化し、アプリケーション品質を体系的に測定します。

• オーケストレーション・レイヤーの導入

  生成 AI アプリケーションを構築するためのオーケストレーション・レイヤーを導入し、バックエンドサービスをデプロイし、継続的デプロイメントのための GitOps プラクティスを実装します。

高度なトピック

• 統合とオーケストレーション

  ベクトルデータベースをデプロイし、知識強化アプリケーションのための RAG パイプラインを構築し、ツール呼び出しを実装し、自律的な AI エージェントを作成します。

• 安全性と可観測性

  AI の安全防護機能をデプロイし、生成 AI のセキュリティプラクティスを実装し、可観測性の 3 つの柱としてメトリクス、ログ、トレースを実現します。

• モデリング手法

  小規模言語モデルによる効率的なデプロイと、多様な入力タイプを処理するマルチモーダルモデル機能についての詳細を理解します。

• 最適化とデプロイメント

  量子化および圧縮技術を適用してパフォーマンスを向上させ、ファインチューニングのアプローチを検討し、Models as a Service (MaaS) を実装して、プロダクションへのデプロイメントにすべてを統合します。

組織にとっての効果

• 多くの組織は、運用の複雑さとチーム間でのツールの無秩序な増加、一貫性のない出力につながるプロンプトと構成ドリフト、変化に伴う品質の低下、ハルシネーションを引き起こす管理されていないグラウンディング、プロンプトインジェクションや有害なコンテンツによる安全性リスク、拡張を妨げる予測不可能なレイテンシーとコストに直面しています。GenAIOps は、プロンプトと構成をコードとして扱うことや、標準化、継続的な自動評価、管理された RAG、プラットフォームに適用される防護機能、エンドツーエンドの可観測性を通じて、それらの課題に対処します。
• このコースでは、実際の GenAIOps 文化の原則と先進的なプラクティスを紹介します。プロンプトや構成のバージョン管理からデプロイ、継続的な評価、Day 2 オペレーションに至るまで、AI 対応アプリケーションのライフサイクルをエンドツーエンドで体験できます。このコースを修了すると、GenAIOps の原則を適用し、Red Hat AI Enterprise を活用して、組織内の生成 AI トランスフォーメーションの取り組みを推進および先導する能力が得られます。

個人にとっての効果

• このコースを受講すると、生成 AI プラットフォームについて知り、Red Hat AI Enterprise が GenAIOps エコシステムのどの部分に当てはまるかを理解し、AI に対応したアプリケーションライフサイクルをエンドツーエンドで体験できます。AI 対応アプリケーションを大規模に構築、提供、実行するための実践的なパターンを習得し、それらをプロトタイプからプロダクション環境に移行させ、信頼性を維持する方法を学びます。

推奨される次のコースまたは試験

• MLOps Practices with Red Hat OpenShift AI (AI500)：予測型 AI や機械学習モデルも扱うチーム向け
• Red Hat OpenShift Administration II: Configuring a Production Cluster (DO280)：OpenShift に関するより深い専門知識を求めるプラットフォーム・エンジニア向け