大規模言語モデル、核心だけ素早く！

ハンライトメディアの混工シリーズで1:1 課外するように学ぶ超絶マシンラーニング、ディープラーニングチュートリアル、数百の手描きで理解してグーグルコラボ(Colab)を通じてブラウザさえあればすぐに実習可能

このレッスンは概念的な一歩、数式の一歩、コーディングの一歩。最も適切な歩幅と真っ直ぐな方向に読者をディープラーニングに案内する。また、グラフ、イラスト、図解は100以上の抽象概念も簡単かつ迅速に受け入れることができる。プログラムをインストールせずにWebブラウザに接続するだけで、実習をすぐに始めることができるという点もこの講義だけの特徴だ。 快適に理論を理解してから直接コーディングし、目でディープラーニングの代表問題4つを征服するので、ディープラーニングの教科書として不足がない。ぜひわかって渡らなければならない概念や用語は、本文の真ん中に出てくる「ちょっと！次に進むには'コーナーとチャン最後に'記憶カード'コーナーで2回復習して学習効果を高めた。 『Do it!ディープラーニング入門』と共にディープラーニングを早く正面突破してみよう。

『ゼロから作って学ぶLLM』（ギルボット、2025）のGitHubノートブックとボーナスコンテンツを扱う講義です。GitHub: https://github.com/rickiepark/llm-from-scratch/ 『ゼロから作って学ぶLLM』は、セバスチャン・ラシュカ（Sebastian Raschka）が書いたベストセラー『Build a Large Language Model (from Scratch)』（Manning、2024）の翻訳書です。この本は、OpenAIが作ったGPT-2モデルをゼロから始めて完全なモデルを作ってみながら、大規模言語モデルの動作原理を学び活用する方法を提供します。

Amazonベストセラーである<独学コンピューターサイエンティスト Pythonで学ぶデータ構造とアルゴリズム>（原題：Hands-On Machine Learning, 2nd Edition）の内容を扱う講義です。代表的な機械学習ライブラリであるScikit-learnを使用して、様々な機械学習アルゴリズムと評価方法を学びます。また、最も有名なディープラーニングライブラリであるTensorFlowとKerasを使用して、人工ニューラルネットワークから強化学習まで、理論と実務を固めていきます。まだすべて完了した講義ではありません。毎週1〜2個の講義が継続的に追加される予定です。

眠っているコーディング脳を呼び覚ませ。Pythonの基礎から機械学習までを一冊に！ 本書はMITの講義をベースに作られたコンピュータサイエンスの入門書で、プログラミングを全く知らない初心者でも気軽に手に取ることができます。コンピューティング思考や簡単なアルゴリズムといった、プログラミング入門に欠かせないテーマで眠っていたコーディング脳を呼び覚ましましょう。各章に用意された「脳トレ」問題を通じて、データの視覚化やシミュレーション、データ計算手法、機械学習といった実用的なテーマを学んでいきます。

『機械学習、核心だけ素早く！』（インサイト、2025）を基に機械学習理論と実戦例題を扱う講義です。

『機械学習、核心だけ素早く！』（インサイト、2025）を基に機械学習理論と実戦例題を扱う講義です。

Multi Head Attentionから始まり、Original Transformerモデル、BERT、Encoder-DecoderベースのMarianMT翻訳モデル、Vision Transformerまで、コードで直接実装しながらTransformerについて隅々まで学ぶことができます。

ChatGPTやClaudeのような大規模言語モデルの基礎原理を深く探求しながら、開発能力を高めることができます。普段なかなか接することのできない多様な情報や開発技法を学ぶことができます。

この講義はディープラーニングという名称は入ってみたが、どのように始めるべきか分からない方を対象に進行されます。

なぜAttentionが必要だったのか、そしてどのように動作するのかを「コードで直接実装しながら」理解します。 この講義はRNNとSeq2Seqモデルの構造的限界から出発し、 固定されたコンテキストベクトルが作り出す情報ボトルネック問題、長期依存性問題を実験で検証し その限界を解決するためにAttentionがどのように登場したのかを自然に繋げて説明します。 単純に概念を紹介するのではなく、 RNNの構造的限界とSeq2Seqの情報ボトルネック問題を直接実験で確認し、 これを解決するために登場した**Bahdanau Attention（加算的アテンション）**と **Luong Attention（内積アテンション）**を一つずつ実装しながらその違いを明確に理解します。 各アテンションが どのような方式でQuery–Key–Value関係を形成し、 重みを計算する過程でどのような数学的・直感的違いを持ち、 なぜ後代モデルに繋がらざるを得なかったのか その特性と進化の流れまで自然に繋がります。 Attentionが文章と単語をどのように捉え、 各単語がどのような方式で重要度を付与されて情報を統合するのかを 数式 → 直感 → コード → 実験が一つに繋がった形で学習します。 この講義はTransformerを正しく理解するための「基礎体力」を築く過程として、 Attentionという概念がなぜ革命的だったのか、 そしてその後のすべての最新NLPモデル（Transformer、BERT、GPTなど）が なぜAttentionを核心構成要素とするのかを深く理解するようになります。 RNN → Seq2Seq → Attentionに繋がる流れを 概念ではなくコードと実験で体化したい学習者に最適化された講義です。

ChatGPTは使っているけれど、 なぜこのような回答が出るのか説明するのに苦労したことはありませんか？ 「RAG、エージェント、ファインチューニング…用語は知っているけれど、正確に説明するのは難しい」 「LLM関連の用語を聞くと、言葉に詰まってしまう」 「AIの会議で概念の説明がいつも曖昧になってしまう」 この講義は、まさにそのような方々のために作られました。 この講義は、LLMを「ツール」ではなく「構造」として理解するための理論講義です。 ChatGPTやGeminiの使い方ではなく、 なぜそのように動作するのかを説明できる基準を身につけることができます。

LLMを使用して構築できるアプリケーションやWebサービスにはどのようなものがあるか見てみましょう。

ディープラーニング・CNNの核心理論から多様なCNNモデルの実装方法、実践問題を通じた実務ディープラーニング開発のノウハウまで、 PytorchベースのディープラーニングCNN技術の専門家として生まれ変わりたいなら、この講義をご一緒ください:)

GoogleのGeminiモデルの概念とGemini APIの活用方法を学習し、Streamlitを利用してさまざまなAIアプリケーションを作成する講義です。

AIエンジニア入門者のための講義は、データ処理からモデル開発、クラウドとMLOps、そして倫理的考慮まで、全過程を短期間で体験できるように構成されています。単にモデルを作るだけでなく、実際のサービスへとつなげる過程を理解し、実務感覚を身につけることに重点を置いています。AIを初めて学ぶ方も無理なく進められるよう、実習と例題を交えて進行します。

AIがブラウザを直接開き、シェルスクリプトを書いてサーバーの問題を解決するとしたらどうでしょうか。WindowsとLinuxを自在に行き来しながらOpenClawで実現する実践的な自動化ノウハウを通じて、複雑な設定なしで自分だけの強力なリモート開発環境を完成させる最短ルートをご案内します。

この講義は「もし自分がタイタニックに乗っていたら、果たして生き残ることができただろうか？」という問いから出発し、実際のデータに基づいて生存確率を予測するAIモデルを開発し、それをウェブでサービス化するフルスタックプロジェクトを完成させます。PyTorchを用いたディープラーニングモデリング、FastAPIによるバックエンドサーバー構築、Next.jsによるユーザーインターフェースの実装に至るまで、AIとウェブ開発の全過程を実習します。

LLMベースのマルチエージェント技術を実装可能にするCrewAI、LangChain、AutoGenなどの様々なエージェントフレームワーク、知識グラフ、推論システムを組み合わせ、人工知能（AI）裁判官を構築する方法について探求します。

ChatGPTのようなAIの根幹となる技術、LLM（大規模言語モデル）とエージェント。LLMは現時点でAGI（汎用人工知能）に最も近づいた技術です。この講義では、一般の方の視点でLLMとエージェント技術について学んでいきます。

簡単な機械学習モデルをベースにAndroid/iOSアプリを作成し、機械学習の基礎、TFLiteを使用したモデル変換、Androidアプリ/iOSアプリを実装するプロセスを学びます。