以下の手順に従って、このリソースを使い始めましょう：
- リポジトリをフォークする:
をクリック
- リポジトリをクローンする:
git clone https://github.com/microsoft/edgeai-for-beginners.git - Azure AI Foundry Discordに参加して、専門家や開発者仲間と交流する
アラビア語 | ベンガル語 | ブルガリア語 | ビルマ語 (ミャンマー) | 中国語 (簡体字) | 中国語 (繁体字, 香港) | 中国語 (繁体字, マカオ) | 中国語 (繁体字, 台湾) | クロアチア語 | チェコ語 | デンマーク語 | オランダ語 | エストニア語 | フィンランド語 | フランス語 | ドイツ語 | ギリシャ語 | ヘブライ語 | ヒンディー語 | ハンガリー語 | インドネシア語 | イタリア語 | 日本語 | 韓国語 | リトアニア語 | マレー語 | マラーティー語 | ネパール語 | ノルウェー語 | ペルシャ語 (ファルシー) | ポーランド語 | ポルトガル語 (ブラジル) | ポルトガル語 (ポルトガル) | パンジャーブ語 (グルムキー) | ルーマニア語 | ロシア語 | セルビア語 (キリル文字) | スロバキア語 | スロベニア語 | スペイン語 | スワヒリ語 | スウェーデン語 | タガログ語 (フィリピン) | タミル語 | タイ語 | トルコ語 | ウクライナ語 | ウルドゥー語 | ベトナム語
追加の翻訳を希望する場合、サポートされている言語は こちら に記載されています。
EdgeAI for Beginnersへようこそ！このコースは、エッジ人工知能の革新的な世界への包括的な旅を提供します。強力なAI機能とエッジデバイスでの実際の展開を結びつけ、データが生成され、意思決定が必要な場所で直接AIの可能性を活用できるようにします。
このコースでは、基本的な概念から実際の運用までをカバーします：
- エッジ展開に最適化された小型言語モデル (SLM)
- 多様なプラットフォームでのハードウェア対応の最適化
- プライバシーを保護するリアルタイム推論
- 企業向けアプリケーションの運用展開戦略
Edge AIは、現代の重要な課題に対応するパラダイムシフトを提供します：
- プライバシーとセキュリティ: クラウドにデータを送信せずに、ローカルで機密データを処理
- リアルタイム性能: 時間が重要なアプリケーションでネットワーク遅延を排除
- コスト効率: 帯域幅とクラウドコンピューティングの費用を削減
- 耐障害性: ネットワーク障害時でも機能を維持
- 規制遵守: データ主権要件を満たす
Edge AIは、AIアルゴリズムや言語モデルをローカルのハードウェア上で実行し、データが生成される場所でクラウドリソースに依存せずに推論を行うことを指します。これにより、遅延が減少し、プライバシーが向上し、リアルタイムの意思決定が可能になります。
- デバイス上での推論: AIモデルがエッジデバイス（スマートフォン、ルーター、マイクロコントローラー、産業用PC）で実行
- オフライン機能: インターネット接続がなくても動作
- 低遅延: リアルタイムシステムに適した即時応答
- データ主権: 機密データをローカルに保持し、セキュリティとコンプライアンスを向上
Phi-4、Mistral-7B、GemmaなどのSLMは、大型LLMの最適化バージョンであり、以下の目的でトレーニングまたは蒸留されています：
- メモリ使用量の削減: エッジデバイスの限られたメモリを効率的に使用
- 計算負荷の軽減: CPUやエッジGPUでの性能向上
- 起動時間の短縮: 応答性の高いアプリケーションのための迅速な初期化
これらは以下の制約を満たしながら強力なNLP機能を提供します：
- 組み込みシステム: IoTデバイスや産業用コントローラー
- モバイルデバイス: オフライン機能を備えたスマートフォンやタブレット
- IoTデバイス: リソースが限られたセンサーやスマートデバイス
- エッジサーバー: 限られたGPUリソースを持つローカル処理ユニット
- パーソナルコンピュータ: デスクトップやラップトップでの展開シナリオ
| モジュール | トピック | フォーカスエリア | 主な内容 | レベル | 所要時間 |
|---|---|---|---|---|---|
| 📖 00 | EdgeAIの概要 | 基礎 & コンテキスト | EdgeAIの概要 • 業界での応用 • SLMの紹介 • 学習目標 | 初級 | 1-2 時間 |
| 📚 01 | EdgeAIの基本 | クラウドとエッジAIの比較 | EdgeAIの基本 • 実例 • 実装ガイド • エッジ展開 | 初級 | 3-4 時間 |
| 🧠 02 | SLMモデルの基礎 | モデルファミリー & アーキテクチャ | Phiファミリー • Qwenファミリー • Gemmaファミリー • BitNET • μModel • Phi-Silica | 初級 | 4-5 時間 |
| 🚀 03 | SLM展開の実践 | ローカル & クラウド展開 | 高度な学習 • ローカル環境 • クラウド展開 | 中級 | 4-5 時間 |
| ⚙️ 04 | モデル最適化ツールキット | クロスプラットフォーム最適化 | イントロダクション • Llama.cpp • Microsoft Olive • OpenVINO • Apple MLX • ワークフロー合成 | 中級 | 5-6 時間 |
| 🔧 05 | SLMOpsの運用 | 運用操作 | SLMOpsの紹介 • モデル蒸留 • 微調整 • 運用展開 | 上級 | 5-6 時間 |
| 🤖 06 | AIエージェント & 関数呼び出し | エージェントフレームワーク & MCP | エージェントの紹介 • 関数呼び出し • モデルコンテキストプロトコル | 上級 | 4-5 時間 |
| 💻 07 | プラットフォーム実装 | クロスプラットフォームサンプル | AIツールキット • Foundry Local • Windows開発 | 上級 | 3-4 時間 |
| 🏭 08 | Foundry Localツールキット | 運用準備済みサンプル | サンプルアプリケーション (詳細は以下参照) | エキスパート | 8-10 時間 |
- 01: REST Chat Quickstart
- 02: OpenAI SDK Integration
- 03: Model Discovery & Benchmarking
- 04: Chainlit RAG Application
- 05: Multi-Agent Orchestration
- 06: Models-as-Tools Router
- 07: Direct API Client
- 08: Windows 11 Chat App
- 09: Advanced Multi-Agent System
- 10: Foundry Tools Framework
運用準備済みの実践的なワークショップ資料：
- ワークショップガイド - 学習目標、成果、リソースナビゲーションの完全ガイド
- Pythonサンプル (6セッション) - ベストプラクティス、エラーハンドリング、包括的なドキュメント付きで更新
- Jupyterノートブック (8つのインタラクティブなチュートリアル) - ベンチマークと性能モニタリング付きのステップバイステップチュートリアル
- セッションガイド - 各ワークショップセッションの詳細なマークダウンガイド
- 検証ツール - コード品質を確認し、スモークテストを実行するスクリプト
構築するもの:
- ストリーミング対応のローカルAIチャットアプリケーション
- 品質評価付きのRAGパイプライン (RAGAS)
- マルチモデルのベンチマークと比較ツール
- マルチエージェントのオーケストレーションシステム
- タスクベースの選択によるインテリジェントモデルルーティング
- 総所要時間: 36-45 時間
- 初級パス: モジュール01-02 (7-9 時間)
- 中級パス: モジュール03-04 (9-11 時間)
- 上級パス: モジュール05-07 (12-15 時間)
- エキスパートパス: モジュール08 (8-10 時間)
- Edge AIアーキテクチャ: ローカル優先のAIシステムをクラウド統合で設計
- モデル最適化: エッジ展開のためにモデルを量子化・圧縮 (85%の速度向上、75%のサイズ削減)
- マルチプラットフォーム展開: Windows、モバイル、組み込み、クラウドエッジハイブリッドシステム
- プロダクション運用: エッジAIの監視、スケーリング、維持管理
- Foundry Local Chat Apps: モデル切り替え機能を備えたWindows 11ネイティブアプリケーション
- マルチエージェントシステム: 複雑なワークフローのための専門エージェントを持つコーディネーター
- RAGアプリケーション: ベクトル検索を活用したローカルドキュメント処理
- モデルルーター: タスク分析に基づくモデルのインテリジェント選択
- APIフレームワーク: ストリーミングとヘルスモニタリングを備えたプロダクション対応クライアント
- クロスプラットフォームツール: LangChain/Semantic Kernelの統合パターン
製造業 • ヘルスケア • 自動運転車 • スマートシティ • モバイルアプリ
推奨学習パス (合計20～30時間):
- 📖 はじめに (Introduction.md): エッジAIの基礎 + 業界の背景 + 学習フレームワーク
- 📚 基礎 (モジュール01-02): エッジAIの概念 + SLMモデルファミリー
- ⚙️ 最適化 (モジュール03-04): デプロイメント + 量子化フレームワーク
- 🚀 プロダクション (モジュール05-06): SLMOps + AIエージェント + 関数呼び出し
- 💻 実装 (モジュール07-08): プラットフォームサンプル + Foundry Localツールキット
各モジュールには理論、実践演習、プロダクション対応のコードサンプルが含まれています。
技術職: エッジAIソリューションアーキテクト • MLエンジニア（エッジ） • IoT AI開発者 • モバイルAI開発者
業界セクター: 製造業4.0 • ヘルステック • 自律システム • フィンテック • 家電
ポートフォリオプロジェクト: マルチエージェントシステム • プロダクションRAGアプリ • クロスプラットフォームデプロイメント • パフォーマンス最適化
edgeai-for-beginners/
├── 📖 introduction.md # Foundation: EdgeAI Overview & Learning Framework
├── 📚 Module01-04/ # Fundamentals → SLMs → Deployment → Optimization
├── 🔧 Module05-06/ # SLMOps → AI Agents → Function Calling
├── 💻 Module07/ # Platform Samples (VS Code, Windows, Jetson, Mobile)
├── 🏭 Module08/ # Foundry Local Toolkit + 10 Comprehensive Samples
│ ├── samples/01-06/ # Foundation: REST, SDK, RAG, Agents, Routing
│ └── samples/07-10/ # Advanced: API Client, Windows App, Enterprise Agents, Tools
├── 🌐 translations/ # Multi-language support (8+ languages)
└── 📋 STUDY_GUIDE.md # Structured learning paths & time allocation
✅ 段階的学習: 理論 → 実践 → プロダクションデプロイメント
✅ 実際のケーススタディ: Microsoft、日本航空、企業導入事例
✅ 実践サンプル: 50以上の例、10の包括的なFoundry Localデモ
✅ パフォーマンス重視: 85%の速度向上、75%のサイズ削減
✅ マルチプラットフォーム: Windows、モバイル、組み込み、クラウドエッジハイブリッド
✅ プロダクション対応: 監視、スケーリング、セキュリティ、コンプライアンスフレームワーク
📖 学習ガイドはこちら: 20時間の構造化学習パス、時間配分ガイド、自分で評価できるツールを提供。
エッジAIはAIデプロイメントの未来を象徴します: ローカル優先、プライバシー保護、効率的。これらのスキルを習得して次世代のインテリジェントアプリケーションを構築しましょう。
私たちのチームは他にもコースを提供しています！以下をご覧ください:
- MCP for Beginners
- AI Agents For Beginners
- Generative AI for Beginners using .NET
- Generative AI for Beginners using JavaScript
- Generative AI for Beginners
- ML for Beginners
- Data Science for Beginners
- AI for Beginners
- Cybersecurity for Beginners
- Web Dev for Beginners
- IoT for Beginners
- XR Development for Beginners
- Mastering GitHub Copilot for AI Paired Programming
- Mastering GitHub Copilot for C#/.NET Developers
- Choose Your Own Copilot Adventure
AIアプリの構築で行き詰まったり質問がある場合は、以下に参加してください:
製品のフィードバックや構築中のエラーについては以下をご覧ください:
免責事項:
本書類は、AI翻訳サービスCo-op Translatorを使用して翻訳されています。正確性を期すよう努めておりますが、自動翻訳には誤りや不正確な表現が含まれる可能性があります。原文（元の言語で記載された文書）が信頼できる情報源とみなされるべきです。重要な情報については、専門の人間による翻訳を推奨します。本翻訳の使用に起因する誤解や誤認について、当方は一切の責任を負いかねます。