2026年に受けるべきAIエンジニアリング講座：完全ガイド

このリストは、すでにコードは書けていて、大規模言語モデル（LLM）を使って開発したい人向けに作成しました。2026年時点で「AIエンジニアリング」とは、API経由でモデルを呼び出し、自分のデータでグラウンディングし、ツールに接続し、実ユーザーが使い始めても動き続けるように保守することを指します。

出発点によって最適解は変わります。モデルを学習させたことのないバックエンド開発者と、ファインチューニングはできるがAPIを本番提供したことがないデータサイエンティストでは、最初に受けるべき講座が異なります。最初の2セクションはこのバックグラウンド別に分け、残りの6セクションはスキル別（LLM APIからAIコーディングツールまで）に整理しました。

AIを「作る側」か「使う側」かをまだ迷っているなら、まずはより広いガイド「the best AI courses」から始めてください。

講座の評価、レビュー数、受講者数の最終確認日：2026年9月25日。

AIエンジニアリング講座 比較表

本記事に登場するDataCampの各講座・トラックを、ライブの評価と受講者数とともに以下にまとめました。他プロバイダーの講座は各セクション内で解説しています。

ソフトウェアエンジニア向け AIエンジニアリング講座ベスト

ソフトウェアエンジニアにとって最適なAIエンジニアリング講座は、数式ではなくAPIから始まります。仕事は、既存のソフトウェアにLLMの機能を出荷することだからです。

バージョン管理、テスト、デプロイといった難所はすでに身についています。足りないのは、モデルの呼び出し方、自分のデータでのグラウンディング、ツール接続の方法です。

1. Associate AI Engineer for Developers - DataCamp

Pythonはできるが機械学習やLLMは未経験の開発者向けのメインパス。私なら最初にこれを受けます。

• レベル: AIは初心者、Pythonは実務レベル
• 時間: 29時間
• 費用: サブスクリプションに含まれる（年払い月額$14〜）
• 最適な対象: 既存プロダクトにLLM機能を追加する開発者

全10講座で、OpenAI APIとプロンプトエンジニアリングから、埋め込み、Pinecone、Hugging Face、LangChain、LLMOpsまでをカバー。最新版では「Working with the OpenAI Responses API」と「Introduction to Model Context Protocol（MCP）」が追加され、チャット呼び出しだけでなくツール接続まで扱います。

講座間にはガイド付きプロジェクトがあり、OpenAI APIで作るパリ旅行アシスタントや、埋め込みを使った衣料品レビューのトピック分析などがあります。Pythonのソフトウェア工学原則の講座もあり、飛ばしがちですが受ける価値があります。

このトラックはAI Engineer for Developers Associate認定の準備にもなります。一方でモデル学習は扱いません。PyTorchは登場せず、これはこの対象者には適切ですが、ファインチューニングをしたい人には不足です。

2. Building AI Agents with Google ADK - DataCamp

1時間で学ぶ第二のエージェントフレームワーク。ライブラリ固有と普遍のアイデアを見極める最短ルートです。

• レベル: 中級
• 時間: 1時間
• 費用: サブスクリプションに含まれる
• 最適な対象: Google Cloudの開発者、またはLangChainだけでエージェントを作ってきた人

2章構成で、GoogleのAgent Development Kit（ADK）によるエージェント実行と、マルチエージェントシステムの構築を扱います。講師はFrancesca Donadoni。

開発者トラックではエージェントをLangChainとMCPで教えるのみなので、ADKが比較軸になります。社内がGoogle Cloudなら、このフレームワークを使う可能性が最も高いでしょう。1時間と短くデプロイは軽めなので、フル講座というより導入編として位置づけてください。

3. AI Engineer Path - Scrimba

PythonではなくJavaScript/TypeScriptスタックの人に適した選択肢。

• レベル: 中級（フロントエンドJavaScriptを前提）
• 時間: 対話型スクリーンキャスト11.4時間
• 費用: Scrimba Pro（年払い月額$24.50）
• 最適な対象: Nodeやフロントエンドのコードベースで働くWeb開発者

エージェント、RAG、MCP、コンテキストエンジニアリングを、LangChain.jsやVercel AI SDKなどのツールで扱います。授業はインタラクティブなスクリーンキャスト形式で、講師の説明を止めてブラウザ内でコードを編集できます。

多くのAIエンジニアリング講座（当社も含む）はPython前提です。JavaScriptで出荷しているなら、自分の言語でパターンを先に学ぶ方が速いでしょう。代償は深さで、モデル内部やファインチューニングは扱わず、オープンモデル系ツールのために最終的にPythonも必要になります。

おすすめ: 当社のAssociate AI Engineer for Developersトラックを受け、その後にフレームワークの比較としてBuilding AI Agents with Google ADKを。JavaScriptで仕事をしているなら、まずはScrimbaのAI Engineer Pathから。

データサイエンティスト向け AIエンジニアリング講座ベスト

データサイエンティストに最適なAIエンジニアリング講座は、既知の機械学習を飛ばし、ノートブックでは不要だったこと──LLMアプリ、ソフトウェア実務、デプロイ──を教えます。

データサイエンティストはモデル面はカバー済みで来ます。ギャップは出荷面、すなわちテスト、バージョン管理、他者が依存するインターフェース背後でのモデル提供です。

1. Associate AI Engineer for Data Scientists - DataCamp

ノートブックから本番AIシステムへ移るデータサイエンティスト向けのトラック。

• レベル: 中級（Pythonと基本的な機械学習を前提）
• 時間: 40時間
• 費用: サブスクリプションに含まれる（年払い月額$14〜）
• 最適な対象: 呼び出すだけでなく、モデルを学習・微調整・デプロイしたいデータサイエンティスト

13講座はscikit-learnとPyTorchから始まり、LLMの基礎とLlama 3のローカル実行へ、最後はpytestでのテスト、Git、MLOpsの概念などソフトウェア実務で締めます。SHAPやLIMEによるXAIも含まれます。

開発者トラックより11時間長いのは、多くのデータサイエンティストが必要としなかったエンジニアリング習慣を追加しているためです。ガイド付きプロジェクトには、保険書類のOCRモデルや、車のレビュー分類のLLMプロジェクトがあります。

AI Engineer for Data Scientists Associate認定の準備にもなります。弱点は、LLMアプリ構築の扱いが少なく、RAGやエージェントフレームワークがないこと。次の講座がその補完です。

2. Developing LLM Applications with LangChain - DataCamp

データサイエンティスト向けトラックが飛ばした、アプリ構築層。受講直後に続けたい講座です。

• レベル: 中級
• 時間: 3時間
• 費用: サブスクリプションに含まれる
• 最適な対象: モデルの微調整はできるが、アプリとして組んだことがない人

3章構成で、LangChainとチャットボットの仕組み、チェーンとエージェント、RAGの初歩を学びます。LangChainのコントリビューターであるJonathan Bennionが講師です。

LangChainは抽象化が厚い、APIが頻繁に変わるといった批判もありますが、求人票に最も名前が上がるフレームワークです。継続したい場合は、当社のDeveloping Applications with LangChainトラックの第1講座です。

3. Generative AI Engineering with LLMs Specialization - IBM, Coursera

このレベル帯では、当社よりモデル側に深く踏み込む選択肢。

• レベル: 中級（Python前提、PyTorchがあるとよい）
• 時間: 全6講座、約3か月
• 費用: Courseraサブスクリプション
• 最適な対象: トランスフォーマの内部やファインチューニング手法を学びたいデータサイエンティスト

6講座で、トークナイゼーションやデータローダーから、トランスフォーマ言語モデル、LoRA・QLoRA、DPOやPPOといったアライメント手法までを、PyTorchとHugging Faceで解説。IBMのカタログでは2026年8月に内容更新と記載。

最後の講座はLangChainによるRAGやエージェントを扱いますが軽め。今四半期に出荷できるものではなく、LLMの仕組みと適応方法を重視するなら選ぶ価値があります。

おすすめ: まず当社のAssociate AI Engineer for Data Scientists、次にDeveloping LLM Applications with LangChainでアプリ面を補完。さらに深いファインチューニングが必要ならIBMのスペシャライゼーションを追加。

LLM APIを扱うためのベスト講座

LLM APIの講座で最も重要なのは、リクエスト自体の学習です。メッセージ、パラメータ、構造化出力、関数呼び出し、API失敗時の対処まで。

この先の全セクションはここを前提にします。本セクションの5講座はすべて当社のものです。2つのプロバイダーをカバーし、すべて2026年に更新済みです。

1. Working with the OpenAI API - DataCamp

最初に受けるべき講座。本記事で最も受講されている単体講座です。

• レベル: AIは初心者、Pythonは実務レベル
• 時間: 3時間
• 費用: 第1章は無料、フルは年払い月額$14〜
• 最適な対象: 初めてAPIコールを行う開発者

3章構成で、OpenAI API、OpenAIモデルのプロンプティング、マルチターン対話を扱います。講師はJames Chapmanと当社CTOのEduardo Oliveira。

17.4万の受講者と9,508件のレビューで、ここにある単体講座では評価の根拠となるサンプルが最大です。OpenAI専用の内容なので、概念は他プロバイダーにも転用できますが、コードは多くが転用できません。

2. Prompt Engineering with the OpenAI API - DataCamp

コードとしてのプロンプト。目標は「一度うまくいった出力」ではなく「再現できる出力」です。

• レベル: 初級
• 時間: 4時間
• 費用: サブスクリプションに含まれる
• 最適な対象: 一貫した構造化出力が必要な開発者

4章構成で、プロンプトのベストプラクティス、高度な戦略、ビジネスアプリ向けプロンプト、チャットボット向けプロンプトを扱います。講師はFouad Trad。

このセクションで最長の4時間。チャットボットの章は前述の会話章と重なるため、手早く進められます。

3. Developing AI Systems with the OpenAI API - DataCamp

プロトタイプが、作り手以外のユーザーに触れ始めたら学ぶべき内容。

• レベル: 中級
• 時間: 3時間
• 費用: サブスクリプションに含まれる
• 最適な対象: LLM機能をユーザーの前に出そうとしている開発者

3章構成で、エンドツーエンドアプリの構造化、関数呼び出し、本番アプリのベストプラクティスを扱います。講師はFrancesca Donadoni。

優先すべきは関数呼び出しの章です。モデルが構造化されたリクエストをコードへ渡す要となるからです。最新版の開発者トラックではこの講座は外れたので、トラック受講者は別途受けてください。

4. Introduction to Claude Models - DataCamp

AnthropicのAPI。第二のプロバイダーを検討する、または初手でClaudeを使うチーム向け。

• レベル: 中級
• 時間: 3時間
• 費用: サブスクリプションに含まれる
• 最適な対象: 複数のモデルプロバイダーを評価するチーム

3章構成で、Anthropic API、Claudeでのプロンプティング、複数メッセージのやり取りを扱います。講師はNikhil Rangarajan。

2つのプロバイダーに対応しておくのは、価格変更や障害への安価な保険です。リクエスト形式は、文書が示すほど似ていません。981件のレビューとサンプルはOpenAI講座より少なめです。

5. Introduction to LLMs in Python - DataCamp

これまで呼び出してきたモデルの内部で起きていること。

• レベル: 中級
• 時間: 3時間
• 費用: サブスクリプションに含まれる
• 最適な対象: モデルの挙動を観測だけでなく、原因まで追いたい開発者

3章構成で、LLMとトランスフォーマの仕組み、LLMのファインチューニング、LLMの評価を扱います。講師はJasmin LudolfとIván Palomares Carrascosa。

これがなくても出荷は可能です。それでも評価の章は受ける価値があります。LLM出力の採点方法を知ることで、スコアが誤解を招く場面を見抜けるからです。データサイエンティスト向けトラックに含まれるため、既受講ならスキップを。

おすすめ: まずWorking with the OpenAI API、出荷前にDeveloping AI Systems with the OpenAI API。複数プロバイダーを使うならIntroduction to Claude Modelsを追加。

RAGと埋め込みのベスト講座

良いRAG講座は、生成の前に検索を教えます。RAGの悪い回答の大半は、モデル由来ではなく、誤ったチャンクを検索していることが原因だからです。

RAG（Retrieval Augmented Generation）は、提供したドキュメントに基づいてモデルの回答をグラウンディングします。基盤となるのは埋め込みで、テキストを意味ベースで比較できるベクトルに変換します。

1. Introduction to Embeddings with the OpenAI API - DataCamp

セマンティック検索を第一原理から。以降の内容はこのアイデアの上に成り立ちます。

• レベル: 中級
• 時間: 3時間
• 費用: 第1章は無料、フルは年払い月額$14〜
• 最適な対象: なぜその検索結果が返るのかを理解したい開発者

3章構成で、埋め込みの基礎、セマンティック検索やレコメンドなどのAIアプリ活用、ベクターデータベース入門を扱います。講師はEmmanuel PireとJames Chapman。

全編でOpenAIの埋め込みモデルを使用します。Hugging Faceのオープンソース埋め込みモデルも概念は同じですが、コードは異なります。

2. Building AI Applications with Pinecone - DataCamp

ベクトルが増えすぎてメモリに収まりきらなくなったら向かう場所。

• レベル: 中級
• 時間: 3時間
• 費用: サブスクリプションに含まれる
• 最適な対象: プロトタイプのインデックスから本番規模へ移行する開発者

3章構成で、Pineconeの基本、Pythonでのベクトル管理、AIアプリ向けの性能チューニングを扱います。講師はJames ChapmanとRyan Ong。

Pineconeというマネージドのベクターデータベースに特化して教えます。概念の多くはWeaviate、Chroma、pgvectorにも持ち越せますが、クライアントコードは異なります。

3. Retrieval Augmented Generation (RAG) with LangChain - DataCamp

RAGの設計をエンドツーエンドで。この記事で最も最近更新された講座です。

• レベル: 中級
• 時間: 3時間
• 費用: サブスクリプションに含まれる
• 最適な対象: 自分の管理するドキュメントで回答をグラウンディングしたい開発者

3章構成で、LangChainによるRAGアプリ構築、RAGアーキテクチャ改善、ナレッジグラフを用いたGraph RAGを扱います。講師はMeri Nova。

Graph RAGは多くのRAG講座にない章で、エンティティと関係を記述する文書には有効な手法です。Developing Applications with LangChainトラックの2つ目の講座でもあります。

4. Retrieval Augmented Generation (RAG) - DeepLearning.AI, Coursera

RAGが一通りできた後、回答品質が不足しているときの深堀り。

• レベル: 中級（Python必須）
• 時間: 全5モジュール、週10時間で約3週間
• 費用: CourseraまたはDeepLearning.AIのサブスクリプション
• 最適な対象: 検索品質が頭打ちになっている開発者

Zain Hasanが、BM25のキーワード検索、相互順位結合（RRF）によるハイブリッド検索、クロスエンコーダのリランキング、チャンク分割までを当社より深く扱い、ベクターデータベースにはWeaviateを使用。最終モジュールではArize Phoenixで評価・監視を扱います。

リリースは2025年7月。演習は架空のECやニュースのデータセットでチャットボットを構築するため、まずは自分のドキュメントでRAGに取り組み、検索課題にぶつかった後に受けるのがよいでしょう。

おすすめ: 当社の3講座を順に（Introduction to Embeddings with the OpenAI APIから）。パイプラインではなく検索品質が問題になったら、DeepLearning.AIのRAG講座へ。

AIエージェント構築のベスト講座

良いAIエージェント講座は、まず設計パターンを教え、特定のフレームワークは次に扱います。フレームワークはパターンより早く変わるからです。

AIエージェントとは、一度答えて終わりではなく、実行するステップや呼び出すツールを自分で決めるLLMです。LangChainに絞ったリストは、当社の「the best LangChain courses for developers」をご覧ください。

1. AI Agent Fundamentals - DataCamp

コードなしで学ぶエージェントの概念。後でコードを書くとしても、第一歩として最適です。

• レベル: 初級（ノーコード）
• 時間: 6時間
• 費用: サブスクリプションに含まれる（年払い月額$14〜）
• 最適な対象: 構築方法の選定前にエージェントの理解が必要な方

3講座で、Introduction to AI for Work、Introduction to AI Agents、Building Scalable Agentic Systemsを学びます。Thought-Action-Observationループ、ReActプロンプティング、マルチエージェントパターン、Agent-to-Agent（A2A）プロトコルにも触れます。

開発者は最初の講座を飛ばしても構いません。時間を割く価値があるのは「なぜエージェントが開発段階から出られないのか」で、以降の講座はこの問いを前提にしています。

2. Designing Agentic Systems with LangChain - DataCamp

チュートリアル段階を超えたエージェント設計。面白い問題はここから始まります。

• レベル: 中級
• 時間: 3時間
• 費用: サブスクリプションに含まれる
• 最適な対象: デモでは動くが実用で困っているエージェントを抱える開発者

3章構成で、LangChainエージェントの基本、LangGraphでのチャットボット構築、動的チャットエージェントを扱います。講師はDilini K. Sumanapala。

受講の理由はLangGraphです。ループ・分岐・状態保持を伴うエージェントを、LangChainが今どのように扱うかが学べます。Developing Applications with LangChainトラックの最後の講座でもあるため、全体を通して学ぶならトラック受講を。

3. Introduction to Model Context Protocol (MCP) - DataCamp

エージェントをツールに接続する標準。もう1本だけ時間があるなら優先したい講座です。

• レベル: 中級
• 時間: 3時間
• 費用: サブスクリプションに含まれる
• 最適な対象: ツールごとにカスタム統合を書くのに疲れた開発者

3章構成で、MCPのビルディングブロック、MCP対応LLMアプリ、MCPサーバーの本番準備を扱います。講師はJames ChapmanとMicrosoftのKorey Stegared-Pace。

MCPはフレームワークごとのグルーコードを、互換クライアントなら使える単一のインターフェースに置き換えます。開発者トラックにも含まれます。607件のレビューと、他よりサンプルが少ない点も念頭に。

4. AI Agents Course - Hugging Face

無料でフレームワーク横断。コストゼロの最有力候補です。

• レベル: 中級
• 時間: 中核4ユニット＋ボーナス3ユニット（自習）
• 費用: 無料（修了証あり）
• 最適な対象: 複数フレームワークでエージェントを見比べたい開発者

smolagents、LlamaIndex、LangGraphを扱い、関数呼び出し向けファインチューニングやエージェントの可観測性のボーナスユニットもあります。Hugging Faceが公開でメンテしており、2026年9月時点でも更新が続いていました。

同じエージェントを3通りで作るのを見るのが、フレームワーク流儀と普遍部分を見極める最短経路です。修了証は無料なので、当社講座と並行して受けない理由はほぼありません。

5. Agentic AI - DeepLearning.AI

Andrew Ngによるエージェント設計パターンの講義。素のPythonで実装します。

• レベル: 中級（Python必須）
• 時間: 全5モジュール、約10時間
• 費用: 動画は無料、ラボと修了証はPro（年払い月額$25）
• 最適な対象: フレームワークに邪魔されずにパターンを学びたい開発者

2025年10月リリース。reflection、ツール使用、計画、マルチエージェント協調の4パターンを教えます。ライブラリではなく生のPythonで構築します。

これによりこのセクションで最も長持ちする内容になっています。パターンは上記のフレームワークより長く生きるからです。一方、LangGraphの状態管理のようなフレームワークの本番機能は学べません。

おすすめ: エージェントが初めてならAI Agent Fundamentals、次にIntroduction to Model Context Protocol (MCP)とDesigning Agentic Systems with LangChain。Hugging Faceの無料講座で第二・第三のフレームワークも。

オープンモデルとファインチューニングのベスト講座

良いファインチューニング講座は、まずオープンモデルの探索と実行から始めます。多くの作業は学習ではなくデータセット準備にあるからです。

Llamaのようなオープンウェイトモデルなら、自分のハードウェアでモデルを動かし、適応させられます。ファインチューニングは、自分のデータで再学習させ、プロンプトだけでは保てない書式やトーンを定着させます。

1. Working with Hugging Face - DataCamp

オープンモデルの発見・読み込み・実行。ここから先の前提になります。

• レベル: 初級
• 時間: 2時間
• 費用: 第1章は無料、フルは年払い月額$14〜
• 最適な対象: ホスト型APIしか使ったことがない開発者

2章構成で、Hugging Face Hubの使い始めと、一般的なタスク向けパイプライン構築を扱います。講師はJacob Marquez。

本記事中で最も古く、最終更新は2025年7月。その後Hugging Faceのライブラリは進化しています。評価は未表示なので、3.8万の受講者数とカリキュラムで判断してください。両方のAIエンジニアトラックに含まれています。

2. Fine-Tuning with Llama 3 - DataCamp

オープンウェイトモデルを、現実的に用意できるハードウェアで適応させる。

• レベル: 中級
• 時間: 2時間
• 費用: サブスクリプションに含まれる
• 最適な対象: 大量に一貫した形式やトーンが必要なチーム

2章構成で、Llamaのファインチューニング用データ準備と、Hugging FaceのSFTTrainerによるファインチューニングを扱います。講師はFrancesca Donadoni。

データ準備が作業の大半で、軽視されがちな部分です。そのため1章を割いています。評価は414件とサンプルが小さめなので、その点は加味してください。

3. Transformer Models with PyTorch - DataCamp

アーキテクチャを自力で組む講座。必要なエンジニアは少ないですが、以降の理解が変わります。

• レベル: 上級
• 時間: 2時間
• 費用: サブスクリプションに含まれる
• 最適な対象: 抽象化ではなくメカニズムを知りたいエンジニア

2章構成で、アテンションや位置エンコーディングを含むトランスフォーマの構成要素と、PyTorchでのフルアーキテクチャ実装を扱います。講師はJames Chapman。

応用より理解のために受ける講座です。プロダクションでトランスフォーマをゼロから作ることはなく、この講座の後は「アテンション」という言葉にうなずくだけではなくなります。

4. LLM Course - Hugging Face

無料・本家制作。当社よりトレーニング手法に深く踏み込みます。

• レベル: 中級〜上級
• 時間: 全12章、各6〜8時間程度
• 費用: 無料
• 最適な対象: 本格的なファインチューニングに取り組むエンジニア

最新章ではデータセット作成、SFTTrainerによる教師あり微調整、LoRA、GRPOによる推論能力強化の学習を扱います。Hugging Faceがオープンに開発し、GitHubリポジトリは2026年7月時点でも更新中でした。

ライブラリのメンテナが書いているのが最大の強み。前半の古典的NLPタスクは、LLMだけに関心があるなら流し見で構いません。

おすすめ: まずWorking with Hugging Face、次にFine-Tuning with Llama 3。LoRAや推論モデルの学習が必要になったらHugging FaceのLLM Courseへ。

LLMOpsとデプロイのベスト講座

良いLLMOps講座は、デプロイと併せて評価・監視を教えます。LLM機能の失敗は、エラーではなく「尤もらしいが間違った出力」という静かな形で起こるからです。

LLMOpsはプロトタイプの後をすべてカバーします。プロンプトのバージョニング、出力の評価、モデルの提供、本番監視などです。

1. LLMOps Concepts - DataCamp

たった1時間。本記事で出荷直前の人に最もコスパが高い1時間。

• レベル: 初級
• 時間: 1時間
• 費用: 第1章は無料、フルは年払い月額$14〜
• 最適な対象: プロトタイプが誰かの依存先になりそうな開発者

LLMのライフサイクルを、アイデア出し、開発、運用の各フェーズで追います。講師はUberの応用サイエンティスト、Max Knobbout。

概念中心でデプロイのコードはありません。次の2つに進む前の受講を推奨します。各フェーズの意義を理解していることを前提とするためです。

2. Deploying AI into Production with FastAPI - DataCamp

他サービスから呼べるAPIの背後にモデルを載せる。

• レベル: 上級
• 時間: 4時間
• 費用: サブスクリプションに含まれる
• 最適な対象: モデル単体でなくサービス全体の責任を持つエンジニア

4章構成で、FastAPIによるモデルデプロイ、AIモデルの統合、APIのセキュア化と最適化、APIのバージョニング・監視・ログ記録を扱います。講師はMatt Eckerle。

チュートリアルが飛ばしがちなバージョニングとロギングの章は、トラブル発生時に最初に必要になります。最終更新は2025年11月なので、FastAPIのバージョン固有事項は最新ドキュメントを確認ください。

3. MLOps Fundamentals - DataCamp

LLMOpsが多くを継承する、より広い実務領域。

• レベル: 上級
• 時間: 14時間
• 費用: サブスクリプションに含まれる（年払い月額$14〜）
• 最適な対象: LLMに限らず、あらゆるモデルを本番投入するチーム

4講座（LLMOps Conceptsを含む）で、モデルがノートブックから本番へ至る過程と、本番で健全性を保つ方法を扱います。

ドリフト監視はLLM業務にも直結します。14時間とこのセクションで最大のボリュームで、AIエンジニア（データサイエンティスト向け）トラック受講者はすでにLLMOps Conceptsを学んでいます。

4. AI Evals for Engineers & PMs - Hamel Husain and Shreya Shankar, Maven

LLM評価の定番として実務者が挙げる講座。多くのチームが飛ばしがちなスキルです。

• レベル: 中級〜上級
• 時間: 4週間（週3〜5時間、ライブ講座）
• 費用: 割引前で約$5,000（録画と今後のコホートへの生涯アクセス付き）
• 最適な対象: LLM機能の成否に責任を持つエンジニアとPM

実際のエージェントに計測を仕込み、トレースを読み、失敗モードをグルーピングし、専門家判断と整合するLLM-as-judgeとコードベースの評価指標を作ります。2026年10月10日開始のコホートが年内最後です。

当社の教材で、ここまで評価を深掘りするものはありません。価格は明白な制約で、このレベルになると個人ではなく研修予算の判断になります。

おすすめ: 出荷前にLLMOps Concepts、モデル提供にはDeploying AI into Production with FastAPI。会社が費用負担できるなら、Mavenの評価講座が本セクションで最も良い投資です。

AIコーディングツールのベスト講座

良いAIコーディングツールの講座は、ツールが書いたコードのレビュー方法を教えます。理解していない生成コードを受け入れるのは、バグを出荷する最速の道です。

AIコーディングツールは、エディタの補完（GitHub Copilotなど）から、多数のファイルを編集しテストを実行するエージェント（Claude Codeなど）まで幅があります。チームが実際に使うツールの講座を選んでください。

1. AI for Software Engineering - DataCamp

幅広いトラック。チーム間で出会いそうなツールを網羅します。

• レベル: 中級
• 時間: 8時間
• 費用: サブスクリプションに含まれる（年払い月額$14〜）
• 最適な対象: チームのAIツール活用標準を整えたいエンジニア

4講座は、AI-Assisted Coding for Developers、Software Development with GitHub Copilot、Software Development with Windsurf、Vibe Coding with Replit。Replitの開発者リレーション責任者Matt PalmerがReplit講座を担当。

最も有用なのは、ツール非依存の最初の講座です。コードのためのプロンプティング、返ってきたもののテストとドキュメント化を扱います。エディタが統一されているチームでは、WindsurfとReplitは優先度が下がります。

2. GitHub Copilot Fundamentals (GH-300) - DataCamp

GitHubのCopilot認定に向けた準備講座。GitHubと共同制作。

• レベル: 中級
• 時間: 7時間
• 費用: サブスクリプションに含まれる
• 最適な対象: 会社からGH-300認定を求められている開発者

最初の2講座は前述のトラックと共通で、そこにAdvanced AI-Assisted Coding for DevelopersとAI倫理を追加。Copilotのプラン、Copilot CLI、コンテンツ除外など、試験範囲もチュートリアルで補います。

受講者数はトラック内で最も受講されているAI倫理講座に由来するため、見出しの数字はCopilotそのものよりもAI倫理を反映しています。資格が目的なら本トラックを。それ以外は、上のトラックがより多くのツールをカバーします。

3. Claude Code 101 - DataCamp and Anthropic Academy

ターミナルでのエージェント型コーディング。当社プラットフォームで無料、Anthropic制作。

• レベル: 初級
• 時間: 3時間
• 費用: 無料
• 最適な対象: 行単位の補完でなく、マルチファイルの作業をAIに任せたい開発者

4章構成で、Claude Codeの概要、最初のプロンプト、日常ワークフロー、プロジェクトに合わせたカスタマイズを扱います。Anthropic Academyが制作。

Claude Codeはコードベース全体を対象に動くため、講座の焦点はプロンプト技巧ではなく、変更のレビューと舵取りに置かれます。Claude特化ではあるものの、ワークフローの心得は他のコーディングエージェントにも活きます。

4. Claude Code in Action - DataCamp and Anthropic Academy

Claude Codeのデフォルトに行き当たった人向けの続編。この記事で最高評価の講座です。

• レベル: 中級
• 時間: 3時間
• 費用: 無料
• 最適な対象: より長いタスクをClaude Codeに任せたい開発者

4章構成で、長いセッションの舵取り、ルールやフックでの設定、ルーティンとGitHubでの反復作業の自動化、戻り値の検証を扱います。Anthropic Academyが制作。

4.9の評価は249件のレビューによるもので、当社の200件閾値をわずかに上回る規模です。Claude Codeは頻繁に更新されるため、画面は早く古くなる見込みです。

おすすめ: 幅広く学ぶならAI for Software Engineering、資格が必要ならGitHub Copilot Fundamentals (GH-300)。Claude Codeは無料のClaude Code 101から。

選定方法

当社講座の評価、レビュー数、受講者数は、ページ上部の更新スタンプに記載の日付時点のライブデータに基づきます。トラックの評価は、含まれる講座のレビュー数を加味した加重平均で、受講者数は最も受講された講座の数です。

過去18か月に内容更新がない講座は、当社・他社問わず除外しました。また、200件未満のレビューしかない講座の評価は掲載せず、各セクションは最大5本に絞りました。

外部講座は、プロバイダーの公式ページや2026年9月時点の最新情報と照合しました。他社講座の方が適している場合は、その理由とともに掲載しています。

まとめ

多くの開発者にとっては、当社のAssociate AI Engineer for Developersトラックから始めるのが最適です。29時間でAPI、RAG、エージェント、LLMOpsをカバーし、認定の準備にもなります。データサイエンティストは当社のAssociate AI Engineer for Data Scientistsトラックを、JavaScript開発者はScrimbaで学ぶ方が速いでしょう。

初心者で今週1本だけ受けるなら、Working with the OpenAI APIを。3時間で、この記事の他の講座はすべてこれを前提にしています。