patchy631/ai-engineering-hub

それは何か

AI Engineering Hub は、93 以上のすぐ使えるプロジェクト とチュートリアルを備えた GitHub リポジトリで、初心者向けの基本から高度な本番システムまでをカバーしています。実際にものを作ることで AI エンジニアリングを学びたいすべての人向けに設計されています——始めたばかりの人、すでに実践している人、研究をしている人を問いません。

リポジトリは 難易度レベル で整理されているため、簡単なものから始めてステップアップできます。LLM（大規模言語モデル）、RAG（検索拡張生成——AI があなた自身のデータで質問に答える方法）、AI エージェント などの実践的な例が含まれています。

内部に含まれるもの

• 初級プロジェクト（22 個） – OCR（画像からのテキスト抽出）、シンプルなチャットインターフェース、基本的な RAG セットアップなどの単一コンポーネントアプリ。
• 中級プロジェクト（48 個） – マルチコンポーネントシステム、エージェントワークフロー、音声およびオーディオ処理、高度な RAG、モデル比較、MCP（モデルコンテキストプロトコル——AI を外部ツールに接続する方法）の例。
• 上級プロジェクト（23 個） – 独自モデルのファインチューニング、推論モデルの構築、複雑なエージェントシステム、本番デプロイ、本格的なアプリケーション（NotebookLM クローンなど）。

各プロジェクトは、コードとチュートリアルを含む独自のフォルダにリンクしています。README には AI エンジニアリングロードマップ もあり、Python の基本から本番 AI までのステップバイステップの学習パスが提供されています。

始め方

README は 4 つのステップを提案しています：

1. 完全な初心者はまず AI エンジニアリングロードマップを確認してください。
2. 次に初級プロジェクト（OCR アプリやシンプルな RAG など）に取り組みます。
3. 中級プロジェクト（エージェントと複雑なワークフロー）に進みます。
4. 最後に上級プロジェクト（ファインチューニング、本番システム）に挑戦します。

また、無料ニュースレター（Daily Dose of Data Science）に登録して、150 以上のレッスンを含む無料のデータサイエンス電子書籍を入手できます。

貢献方法

このプロジェクトは貢献を歓迎しています——チュートリアルを追加したり、既存のコードを改善したり、問題を報告したりできます。プロセスは標準的です：リポジトリをフォークし、ブランチを作成し、変更を加え、プルリクエストを送信します。貢献ガイドラインがリンクされています。

ライセンス

MIT ライセンス——コードを自由に使用、変更、配布でき、帰属表示が必要です。

連絡先

ディスカッション、提案、質問については、リポジトリで issue を作成するか、直接連絡してください。