AIエンジニアリングをゼロから学ぶ方法:503レッスン、20段階、スキルインストールガイド

rohitg00/ai-engineering-from-scratchは、数学の基礎からLLM、AIエージェント、マルチエージェント、本番環境のデプロイ、セキュリティまで幅広く網羅したオープンソースのコースです。リンクされたリソースをリストアップするだけでなく、学習を20段階と503レッスンに分け、各レッスンごとにランタイム、プロンプト、スキル、エージェント、MCPサーバー向けにできるだけ多くのコードを残しています。

モデルAPIの呼び方は知っているけれど、トークナイザー、注意、エージェントループ、MCP、本番展開の関係がわからないなら、このコースは知識チェーンの埋め込みに適しています。総内容は約320時間かかるので、最初のレッスンから順番に始める必要はなく、出発点を設定する方が効果的です。

クイック回答

初心者は環境、数学、機械学習の基礎から始められます。バックエンド経験のある開発者はTransformer、LLMエンジニアリング、ツール&プロトコルから始められます。すでにCodexやClaude Codeを使っているユーザーは、エージェントエンジニアリング、インフラストラクチャ、キャップストーンプロジェクトから直接始められます。

最も実用的な方法は、リポジトリをクローンし、/find-your-levelスキルを実行し、10問に基づく個人学習パスを作成し、その後「原則の読み解き、コードを書き、テストを実行し、製品の保持」というクローズドループを完了する段階を選ぶことです。

コースの20段階の分割方法

コースはおおよそ5つのセクションに分けられます。

学習セグメント	段階	解決すべき適切な問題
基礎	セットアップ、数学、機械学習、ディープラーニング	環境、数学、ニューラルネットワークの基礎を埋める
モデル	ビジョン、NLP、スピーチ、トランスフォーマー、ジェネラルAI	さまざまなモダリティと生成モデルの理解
LLM	LLM from Scratch、LLM エンジニアリング、マルチモーダル	モデルの原理から工学応用への移行
エージェント	ツール&プロトコル、エージェント、マルチエージェント	ツールコール、MCP、エージェントループ、コラボレーションを学ぶ
本番	インフラストラクチャ、安全性、キャップストーン	展開、監視、セキュリティ、そしてプロジェクト完了

コース番号が0から始まるからといって、エージェントを読む前に数学を完全に覚えなければならないと決めつけないでください。より現実的な方法は、まず現在の課題に必要な段階を選択し、概念的なギャップに直面したら追いつくことです。

最初の例をクローンして実行してください

まず、GitとPythonがパソコンにインストールされていることを確認してください:

1
2


git --version
python --version

クローン倉庫:

1
2


git clone https://github.com/rohitg00/ai-engineering-from-scratch.git
cd ai-engineering-from-scratch

公式READMEで最初に挙げられている例は線形代数ベクトル符号です:

1

python phases/01-math-foundations/01-linear-algebra-intuition/code/vectors.py

WindowsのpythonがMicrosoft Storeを指しているか、インタプリタが見つからない場合は、以下を試すことができます:

1

py phases/01-math-foundations/01-linear-algebra-intuition/code/vectors.py

各レッスンの目次は通常以下の通りです:

1
2
3
4


phases/<阶段>/<课程>/
├── code/       # 可运行代码
├── docs/       # 课程说明
└── outputs/    # Prompt、Skill、Agent 或 MCP 产物

学習中にただ読むだけdocsやめましょう。codeを少なくとも一度実行してから、そのoutputsが自分のワークフローに使えるか確認してください。

コースに含まれるエージェントスキルをインストールする

リポジトリはClaude、Cursor、Codex、OpenClaw、Hermesのスキルを提供しており、公式のインストール入口は以下の通りです。

1

python3 scripts/install_skills.py

Windowsにpython3コマンドがない場合は、以下を利用できます:

1

py scripts/install_skills.py

インストール前にスクリプトを開き、ファイルがどこにコピーされるかを確認してください:

1

Get-Content .\scripts\install_skills.py | Select-Object -First 120

管理者権限を持つサードパーティのインストールスクリプトはパスを必ず確認せずに実行しないでください。スキルは通常、マークダウンコマンドおよび補助スクリプトとしてのみ機能しますが、ヘルパースクリプトはファイルの読み書きやコマンドの実行も可能です。

`/find-your-level`を使って学びの出発点を見つけましょう

Skillsをインストールした後、スラッシュコマンドをサポートするエージェントで実行できます:

1

/find-your-level

基礎に基づいて10問を評価し、推奨されるフェーズとタイムラインの見積もりを提供します。ステージをクリアした後、以下を実行できます:

1

/check-understanding 3

ここで3はステージ3の確認を指しています。「コードは機能しているが、概念が完全にはマスターされていない」状況を見つけるのに適しています。

現在のクライアントに自動スラッシュ認識コマンドがない場合は、対応するSKILL.mdを直接開いてエージェントにタスクリクエストを割り当てて実行させることができます。スキル検索ディレクトリはクライアントによって異なります。参照にはクライアントの最新バージョンのドキュメントとローカル設定を使用すべきです。

まずコース完了状況を確認してください。ロードマップを目次のように扱わないでください

リポジトリのルートディレクトリの ROADMAP.md は単に将来の計画だけでなく、各クラスが完了しているか、進行中か、計画中かも示します。公式システムは3つの状態を使用しています:

1
2
3


✅ Complete
🚧 In Progress
⬚ Planned

特定の段階を学ぶ準備をする前に、まずステータスを調べてください:

1

rg -n "^## Phase|🚧|⬚" ROADMAP.md

エージェント、MCP、本番展開の近くのステージのみを見てください:

1

rg -n -A 40 "Phase 13|Phase 14|Phase 17" ROADMAP.md

これにより、READMEのマクロパスに従ってセクションを見つけたのに、コードやハンドアウトがまだ構築中であることを避けることができます。ROADMAP.mdは合計約314時間と推定していますが、READMEは約320時間の要約を示しています。これらはあくまでコースプランであり、コースを修了するための必須時間ではありません。

コースカタログはどのように受け入れるべきでしょうか?

各レッスンはBuild It / Use It / Ship Itを強調しており、受け入れは三つの層に分けられます。

1.ビルドイット:フレームワークに頼らず、最小限の実装を理解する

まず、コースで提供されている基礎的な実装を実行し、入力、主要なデータ構造、出力を解釈できるか確認してください。例えば、Agentループを学ぶときは、ReActの名前を覚えるだけでなく、以下を指摘できるようにすべきです。

会話履歴の保存場所;
モデルがツール呼び出しを返した後にどのように配布するか;
ツールの結果がどのように再文脈化されるか;
最大ステップ数に達した時点で停止する方法;
どの例外はエージェントが処理すべきか、どの例外は直接失敗すべきか。

2.活用:共通のライブラリを使って同じ問題を解決しましょう

基本版が完全に実装された後、PyTorch、scikit-learn、または対応するSDKの実装を比較してみてください。重要なのはコードを短縮することではなく、テンソルデバイス、勾配、バッチ処理、シリアル化、再試行など、フレームワークがどのステップを処理しているかを確認することです。

3.発送する:再利用可能な製品を残す

コースのご確認outputs/:

1
2


Get-ChildItem -Recurse .\phases\14-agent-engineering -Directory -Filter outputs
Get-ChildItem -Recurse .\phases\14-agent-engineering -File | Where-Object { $_.FullName -match '\\outputs\\' }

最終製品は少なくとも以下の要件を満たす必要があります:明確な入力、失敗時のサイレントサクリーなし、倉庫に書き込まれないキー、新しいテストディレクトリでの再現能力。

Windows環境の推奨事項

このコースはPython、TypeScript、Rust、Juliaを扱っているため、最初にすべてのツールチェーンをインストールすることは推奨されません。まず、現在の段階のために隔離された環境を作成します。

Pythonのコースでは以下を利用できます:

1
2
3


py -m venv .venv
.\.venv\Scripts\Activate.ps1
python -m pip install --upgrade pip

PowerShellがスクリプトの有効化をブロックする場合、ポリシーは現在のプロセスにのみ調整できます:

1
2


Set-ExecutionPolicy -Scope Process -ExecutionPolicy RemoteSigned
.\.venv\Scripts\Activate.ps1

管理者PowerShellを直接使わないでください。また、コースを実行するためだけに実行ポリシーをグローバルに無効にしないでください。コースに追加の依存関係が必要な場合は、README、依存ファイル、またはそのコースディレクトリからのコードインポートを優先的に読み込み、対応するパッケージをインストールしてください。

問題が発生した際に再現しやすくするために、実行前にバージョンを録音してください:

1
2
3
4


python --version
git --version
node --version
rustc --version

対応する言語段階が学習される前にコマンドが存在しなかったとしても、それはリポジトリが破損しているという意味ではありません。

セクション503から最短ルートを選ぶ方法

芸名だけで選ばないでください。最終的な作品からも推測してください:

目標	まずは学ぶことが推奨されます	一時的にスキップしてもいいです
アプリケーション向けのモデルAPI呼び出し	APIとキー、LLMエンジニアリング、構造化出力	ビジュアルモデルのゼロ実装
Do RAG	埋め込み、チャンク、検索、評価	GAN、基礎強化学習
MCPサーバーの作成	ツール&プロトコル、API、認証、エラー処理	完全な事前学習プロセス
コーディングエージェントになる	エージェントループ、ツールの使用、記憶、評価	ほとんどの視覚コース
オンプレミス展開モデル	GPUセットアップ、量子化、推論、インフラストラクチャ	マルチエージェントスウォーム
体系的学習モデルの原理	数学、ML、ディープラーニング、トランスフォーマー、LLM from Tゼロ	基本段階を飛ばすことは推奨されません

各経路ごとに8〜15の区間を選んで最初のラウンドを形成します。同時に何百もの区間をカバーする計画を作成しないでください。完了後は/check-understandingを使って隙間を見つけてください。

1週間学習ワークフローの例

ここでは、働く開発者に適したリズムを紹介します:

1
2
3
4
5
6


周一：读 problem 和 concept，记录不理解的术语
周二：运行 code/ 中的基础实现
周三：修改一个参数，观察测试或输出变化
周四：阅读生产库版本，比较两种实现
周五：整理 outputs/，做成自己的 Prompt 或 Skill
周末：运行 /check-understanding，并补写失败案例

週に1つの実用的な製品のみを納品すれば十分です。GPUのトレーニング、データセットのダウンロード、クラウドリソースのステップについては、起動後に完了できないことが判明しないように、まずコストと時間を見積もってください。

コーススキルを自分のバージョンに変える方法

クローンリポジトリの元のスキルを直接変更して長期的に使わないでください。そうしないと将来のスキルgit pull競合する可能性があります。自分のスキルディレクトリにコピーし、その後調整してください:

nameを元のスキルと重複させないように修正する;
トリガー条件を実際に使うシナリオのみに絞り込む;
コース例のパスを実際のプロジェクトパスに置き換える;
明確に許可された命令と禁止された命令;
テスト、リント、git diff --checkなどの検証ステップの追加;
テストウェアハウスを実行した後、グローバルディレクトリに配置します。

コースウェアハウスをアップグレードする際は、まず違いを確認してください:

1
2
3


git fetch origin
git log --oneline HEAD..origin/main
git diff HEAD..origin/main -- scripts .claude

インストールスクリプトやスキルに予期せぬ権限変更がないか確認してから、アップデートを実行してください。

よくある故障と位置決めの順序

例コードにモジュールが欠けています

まず仮想環境と現在のディレクトリを確認し、その後コースに依存関係があるかどうかを確認しましょう。

1
2
3


Get-Location
python -c "import sys; print(sys.executable)"
Get-ChildItem -Recurse -Include requirements*.txt,pyproject.toml,package.json

グローバル環境でパケットの連続を継続的にインストールすることはModuleNotFoundError見当たりません。

コードは試されたが理解できなかった

重要なステップを削除したり、入力サイズを変えたり、誤った入力を作成したりしてみてください。どこで失敗するか予測できないなら、それはコードだけを実行していて、コースの目標を達成していないということです。

エージェントスキルはインストール後に現れません

スキルディレクトリに追加のネスト層があるか、フロントマターが有効か、クライアントが再起動が必要か、スキルが他のクライアント向けに設計されているかを確認しましょう。SKILL.mdコンテンツをタスク入力として直接使うことで、「スキルのコンテンツの問題」か「クライアントがファイルを見つけられなかった」かを区別するのに役立ちます。

3つのおすすめ学習ルート

ルート1:AIの初の体系的学習

まずはセットアップ、数学、機械学習、ディープラーニングから始め、その後トランスフォーマーやLLMに進むことが推奨されます。数学の段階では、一度にすべてをマスターする必要はありません。重要なのは、行列、勾配、確率、損失関数がコード内で何をするのかを説明することです。

ルート2:アプリケーション作成が可能で、LLMエンジニアリングに転向したい

まずはTransformer、GenAI、LLMエンジニアリングから始め、その後ツール&プロトコル、エージェントエンジニアリング、インフラストラクチャを学びます。各レッスンの後は、その成果物を自分のプロジェクトで使えるガジェットに変えるようにしましょう。

ルート3:すでにCodexかClaude Codeを使っている

エージェントループ、ツールコール、MCP、メモリ、マルチエージェント、本番展開、セキュリティを優先してください。スキルを単にコピーするだけでなく、また、問題が解決する内容、トリガー条件、権限の境界、故障後の復旧方法も確認してください。

よくある質問

503レッスンはすべて終わらせなければならないのか?

その必要はありません。セクション503は幅広い情報をカバーしており、すべての人が最初から最後まで学ぶべきという意味ではありません。まずは現在の仕事に関連するコースを修了し、徐々に基礎を埋めていくのが良いでしょう。

PDFかEPUBをダウンロードしてもいいですか?

はい。公式リリースではPDFとEPUBが6巻ずつ収録されています。ただし、リポジトリはコード、テスト、スキルを含む継続的に更新されたバージョンです。電子書籍だけを読むと実用的な内容が多く失われてしまいます。

実行コードにはGPUが必要ですか?

基本的な数学、Python、エージェントループなどの内容は通常GPUに依存しません。深層学習のトレーニング、ローカルモデル、またはマルチモーダルプロセスが必要な場合のみ、CUDA、クラウドGPU、またはコース要件に応じたより長いランタイムを準備します。

推奨使用方法

まず/find-your-levelを実行し、ルートを選択し、週に1つの検証可能な目標だけを達成します。例えば、トークナイザーの実装、最小限のエージェントループの実行、スキルのインストールと監査などです。これにより、503リンクを集めるよりも再利用性の構築が容易になります。

参考文献

AI Engineering from Scratch GitHubリポジトリ
プロジェクトコースウェブサイト
[プロジェクトリリース] (https://github.com/rohitg00/ai-engineering-from-scratch/releases)