AIエンジニアリングの現場

r.kagaya
  • 0.0 (0)
  • Technology
  • Updated Weekly

AIエンジニアリングの現場は、AIを使ったソフトウェアを、どう設計し、つくり、プロダクトとして届けるかを考えるポッドキャストです。 AIアプリケーションは、モデルを選んで組み込めば終わりではありません。思ったように動かない。評価の点数が、本番の価値を示さない。使われても、続かない。 そんな現実の制約のなかで、使えるもの、続けられるもの、価値のあるものをどうつくるか。番組ホストのkagaya(@ry0_kaga)が、現場での経験と試行錯誤をもとに話します。 #AIエンジニアリングの現場

Episodes

  1. Aug 19

    AIエージェントはソフトウェアを量産するのか？｜ソフトウェアファクトリーを考える with こぎそさん

    AIエージェントに仕事を任せると、ソフトウェア開発はどう変わるのでしょうか。 こぎそさんと、AIエージェントを使って開発を続ける仕組み「ソフトウェアファクトリー」について話します。 AIに任せる仕事と、人間が設計・確認する仕事を、デザインハーネスや実際の開発の話を交えて考えます。 shownotes: ソフトウェアファクトリーとは何か Software Factories, Light and Dark SFから持ち帰ったAIエンジニアリングの現在地 〜AI Engineer World's Fair 2026 参加レポート〜 ホスト：kagaya ゲスト：こぎそ

  2. Aug 18

    AIエンジニアリング、何から学ぶ？どう学ぶ？｜Andrew NgのAI Engineering Skills Mapを読む

    LLMやRAG、エージェント、ファインチューニング。AIアプリケーション開発では、個別の技術を追うだけでは、何を身につければよいのかが見えにくくなります。 今回は、Andrew Ng / DeepLearning.AIの「AI Engineering Skills Map」を起点に、AIエンジニアリングを一部の専門職だけのものではなく、多くのソフトウェア開発者に必要になる4つの技能として捉えます。 AIアプリを作って届けること、ソフトウェア工学の基礎、コーディングエージェントの使い方、何を作るかを決めること。 roadmap.shのAI Engineer roadmap、Hugging FaceのAgents Course、Chip Huyenの『AIエンジニアリング』にも触れながら、スキルマップをどう学びに接続するかを考えます。 ## Show notes 00:00 イントロ 00:38 AIエンジニアリングは何から学ぶ？ 01:48 4つの技能領域という見取り図 04:59 スキルマップはどう作られたか 06:09 4つの技能領域を見ていく 07:01 AIアプリは評価までが仕事 09:37 ソフトウェア工学の基礎 11:15 コーディングエージェントをどう使うか 13:50 何を作るかを決める 16:34 roadmap.shと公式資料の使い分け 18:42 一つの成果物で4領域を学ぶ 20:51 4つのスキルをおさらい 21:59 まとめ ## 参考リンク The AI Engineering Skills Map from Andrew Ng roadmap.sh — AI Engineer roadmap.sh — AI Engineer Projects Hugging Face — Agents Course オライリー — AIエンジニアリング ホスト：kagaya（@ry0_kaga）

  3. Aug 12

    その評価は測りたいものを測れているか? | EP00

    点数が高ければ、本当に能力が高いと言えるのでしょうか。 視力2.0なのに黒板が読めない子のたとえから、LLMベンチマークとAgent Skillの評価を考えます。 445件のベンチマーク論文を調べた研究を紹介しながら、課題の選び方、採点、データ汚染、評価者の偏りを整理します。 評価で大事なのは、点数をつけることではなく、その点数が何の根拠になるのかを説明できることです。 Measuring what Matters: Construct Validity in Large Language Model Benchmarks ホスト：kagaya(⁠⁠@ry0_kaga⁠⁠)

  • 3 Episodes

About

AIエンジニアリングの現場は、AIを使ったソフトウェアを、どう設計し、つくり、プロダクトとして届けるかを考えるポッドキャストです。 AIアプリケーションは、モデルを選んで組み込めば終わりではありません。思ったように動かない。評価の点数が、本番の価値を示さない。使われても、続かない。 そんな現実の制約のなかで、使えるもの、続けられるもの、価値のあるものをどうつくるか。番組ホストのkagaya(@ry0_kaga)が、現場での経験と試行錯誤をもとに話します。 #AIエンジニアリングの現場

Information