> For the complete documentation index, see [llms.txt](https://ai-docs.fptcloud.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://ai-docs.fptcloud.com/ai-factory-guideline-jp/fpt-ai-studio/meruni/kitekucha.md).

# アーキテクチャ

AI Studioは、データ準備や微調整からテスト、デプロイ、管理に至るまで、AIモデル開発の全ライフサイ
\
クルをカバーする統合プラットフォームを提供します。このプラットフォームは、開発者、研究者、企業
\
がAIモデルを大規模に効率的に構築、最適化、運用することを支援するように設計されています。

### コンポーネント

プラットフォームは5つの主要コンポーネントで構成されています：

| コンポーネント      | 説明                                                                                    |
| ------------ | ------------------------------------------------------------------------------------- |
| **モデルハブ**    | モデルを保存、バージョン管理、デプロイするための中
央リポジトリ。チームや環境をまたいだ一貫性とアクセ
ス性を保証します。                 |
| **モデル微調**    | 既存の事前学習済みモデルを特定のデータセットに合わ
せて学習または適応させることを可能にするマネージド
サービス。スケーラブルな分散学習をサポートします。 |
| **モデルテスト**   | デプロイ前にモデルの性能を検証し、モデルバージョン
間の結果を比較するためのツールと環境を提供します。                               |
| **データハブ**    | 安全でスケーラブルなデータ管理サービス。データセッ
トのアップロード、整理、および微調整・テストジョブ
との連携を処理します。               |
| **ユーザートークン** | IDおよびアクセス管理システム。認証、権限制御、API統合
に使用されます。                                            |

### コンポーネントの連携方法

1. ユーザーは**データハブ**でデータセットをアップロード・管理します。
2. ユーザーは**モデル微調整機能**でモデルを微調整し、データハブのデータセットを参照します。
3. 微調整されたモデルは**モデルハブ**経由で保存、バージョン管理、デプロイされます。
4. 性能は**モデルテスト**を通じて検証されます。
5. **ユーザー トークン**により、アクセスと自動化が安全に管理されます。

このモジュール式でありながら相互接続されたアーキテクチャにより、単一の統合環境内で生データから
\
本番環境対応のAIモデルまでシームレスに移行できます。


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://ai-docs.fptcloud.com/ai-factory-guideline-jp/fpt-ai-studio/meruni/kitekucha.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.