カスタムLLM作成:初心者のためのRAG基礎概念からマルチモーダル・Agent実習まで
HappyAI
RAG(Retrieval-Augmented Generation)の理論から最新のマルチモーダル、エージェントベースRAGまで! 非専攻者でも理解できるように構成された実習中心の講義です。 論文レビューから実戦コード実装まで、RAGを初めて接する人でも簡単についてこられるように設計しました。
入門
Python, vector-database, LLM
"LoRAベースの軽量ファインチューニングで自分だけのカスタムLLMを作る第一歩!" この講義は、初めてLLMに触れる方でも簡単についてこられるように設計された入門実習講義です。 複雑な理論は最小限に抑え、モデルの読み込み → データ適用 → 学習 → 結果比較まで全過程を段階的にご案内します。 短時間でLoRA・QLoRAのような最新の軽量ファインチューニング技法の流れを直接体験しながら、 「LLMファインチューニングはこうやって動くんだ」という感覚をつかむことができます。 多くのリソースがなくても、自分のドメインに特化したLLMを作る達成感を直接感じてみてください!
受講生 381名
難易度 入門
受講期間 無制限
学習した受講者のレビュー
5.0
Jang Jaehoon
良い講義をありがとうございました!
5.0
leckar1231
ファインチューニングについて全般的に把握することができて、本当に良かったです!
5.0
김형욱
基本概念をしっかり教えてくれる
ファインチューニングとは何か、そしてLoRA・QLoRAがなぜ必要なのかを簡単に理解できます。
準備されたコードを実行しながら、小規模言語モデル(sLLM)を直接読み込んで学習させるプロセスを体験します。
多くのリソースや難しい理論がなくても、自分の分野に合ったカスタムLLMを作る流れを身につけます。
LLMファインチューニング、どこから始めればいいのか?
この講義は初心者の方がファインチューニングの概念と全体の流れを素早く習得し、直接実習できるように設計されています。
複雑な数学や高度な理論は大胆に削ぎ落とし、モデルの読み込み → 学習 → 結果比較まで段階的に体験しながら「あ、ファインチューニングってこうやって動くんだ」を体で感じることができます。
何よりも全22講義、約1時間と短く簡潔に構成されているため、初めて触れる方でも気軽についてくることができます。
👉 ちなみに、データセット構築方法やHuggingface/Unslothの高度な活用法は今回の講義の範囲を超えますが、今後の上級・応用コースで扱う予定です。したがって、今回の講義では入門者も達成感を感じながら全体像を把握することに焦点を当てました。
📌最新の軽量ファインチューニング技法を完全マスター
LoRA、QLoRA、PEFTなど最新技法を基礎から丁寧に説明します。
📌多様なモデルでの実習適用
GPT-2、BERTのような古典的なモデルからOPT-350M、Llama 3.1などの最新モデルまで直接適用してみます。
📌性能比較分析を含む
Full Fine-tuningとLoRA方式の性能を直接比較しながら違いを理解します。
📌初心者に優しい構成
初めて触れる方でも簡単についてこられるよう、段階別の学習フローを提供します。
📌実習中心の講義
Hugging FaceとPyTorchベースの実習を通じてLLMファインチューニングの感覚を身につけます。
📌一目でわかるLLMファインチューニング
不要な無駄を省いて核心だけを盛り込み、約1時間以内に全体の流れを把握できます。

ChatGPTは使ったことがあるが、自分のデータで直接チューニングしたい新人開発者
LLMを実際に実習しながら理解したいAI入門開発者

LLMファインチューニングの全体像を短時間で掴みたい方
LoRA・QLoRAのような最新技法が気になるけど、まだ難しい理論は負担に感じる方。上級コースに進む前に、気軽な第一歩を踏み出したい方

LoRA、QLoRAが何かわからないけど聞いたことはあるLLM入門者
複雑な理論なしに、実習中心で軽量ファインチューニングの概念を自然に身につけることができます。
LoRAの構造と概念を理解し、様々なモデルに直接適用できます。
自分の分野に特化したLLMを作るための全体的な流れと実習経験を身につけることができます。
ファインチューニングの結果を直接比較し、適切な戦略を自ら選択できる見識が身につきます。
自分だけのドメイン知識ベースのLLM開発に対する感覚をつかめるようになります。
ファインチューニングの基本概念理解
事前学習済みLLMを自分のドメインに合わせて最適化するファインチューニングの原理を学びます。
LoRA & QLoRA 構造の理解
複雑な理論なしに、軽量ファインチューニングの核心原理を簡単に理解できます。
Full vs. LoRA 性能比較
ファインチューニング方式による性能差を実験で体感します。
Huggingface + PyTorch 活用法
実際のLLMファインチューニングに必要な必須フレームワークを学びます。
こんにちは、生成AI及びLLMファインチューニング実務に本気の
ハッピーAI代表イ・ジンギュです。
AI大学院で自然言語処理とLLMを専攻し、その後
サムスン電子、ソウル大学校、韓国電力公社などと共に200件以上のAI・RAGプロジェクトを遂行しながら
Private LLM構築、ファインチューニング、マルチモーダルRAGなどの実務経験を積んできました。
特に最近では、様々な企業や公共機関を対象に
LangChain、RAG、Agent LLM関連の実習型講義を多数実施しています。
今回の講義は、
❝ 初心者でも複雑な理論なしにLoRAベースのファインチューニングを実践できるように ❞
数多くの実務経験をもとに直接モデルを扱いながら学ぶ構造で設計しました。
2024~ ハッピーAI代表(生成AI・RAG専門企業運営)
AI大学院博士課程修了(LLM&自然言語処理専攻)
パブリックニュース AIコラムニスト(LLM、バイアス問題などを連載)
合計200件以上のLLM・RAGプロジェクト実務経験を保有
KT – LLMベースのAgent LLM開発講義
サムスンSDS – LangChain & RAG 実習講義
ソウルデジタル財団 – LLM理論及びRAGチャットボット開発
その他にも多数の企業でLLMビッグデータ講義を実施
YouTube: HappyAI YouTubeチャンネル
GitHub: https://github.com/leejin-kyu
ホームページ: https://happyaidata.kr
すべての実習コードはGoogle Colabベースで提供
参考資料や整理されたノートはリンクを通じてご案内します。
Notionリンクで提供いたします!
Pythonの基本文法
基本的なAIおよびLLMの知識(LLM基礎理論をご存知であれば尚良いです。)
ChromeブラウザとGoogleアカウントさえあれば受講可能
学習対象は
誰でしょう?
ChatGPTのようなLLMは聞いたことがあるが、直接ファインチューニングをしたことはないLLM初心者
LoRAやQLoRAのような最新技術を直接実行しながら基本的な流れを学びたい初級開発者・研究者
sLLM(小規模言語モデル)を直接実行し、軽くチューニングしながら流れを掴みたい方
前提知識、
必要でしょうか?
Python基本文法(変数、関数、条件文など)
ディープラーニングの基礎概念(モデル、学習、損失関数などに関する基本的な理解)
PyTorchまたはColabの使用経験があれば役立ちます
5,198
受講生
290
受講レビュー
52
回答
4.6
講座評価
11
講座
AI・LLM・ビッグデータ分析専門家 / Happy AI 代表
👉詳細な経歴は下記のリンクからご確認いただけます。
https://bit.ly/jinkyu-profile
こんにちは。
AIとビッグデータ分析を研究・開発・教育・プロジェクトの現場で一貫して扱ってきた
ハッピーAI代表のイ・ジンギュ(工学博士、人工知能)です。
自然言語処理(NLP)とテキストマイニングに基づき
アンケート、文書、レビュー、メディア、政策、学術データなど
多様な非定型データを分析してきました。
最近では生成AIと大規模言語モデル(LLM)を活用し、
組織や業務環境に合わせた実務中心のAI活用方法を伝えています。
サムスン電子、ソウル大学、教育庁、京畿研究院、山林庁、
国立公園管理公団、ソウル市など多数の公共機関・企業・教育機関と協業しており、
医療・コマース・生態・法学・経済・文化など、多様なドメインで計200件以上の研究・分析プロジェクトを遂行しました。
📧 Email : leejinkyu0612@naver.com
🌐 ホームページ : https://happyaidata.kr
📝 Blog : https://blog.naver.com/leejinkyu0612
📺 YouTube : https://www.youtube.com/@HappyAI_0612
💻 GitHub : https://github.com/leejin-kyu
📞 Mobile : 010-9973-2113
💬 KakaoTalk : jinkyu0612
※ コモン(Kmong)Prime専門家(上位2%)
2024.07 ~ 現在
生成AI・ビッグデータ分析専門企業 ハッピーAI 代表, a company specializing in Generative AI and Big Data analysis
工学博士(人工知能)
東国大学校 人工知能大学院
専門分野:大規模言語モデル(LLM)
(2022.03 ~ 2026.02)
2023 ~ 2025
パブリックニュース AIコラムニスト
(生成AIのバイアス、RAG、LLM活用イシュー)
2021 ~ 2023
AI・ビッグデータ専門企業 ステラビジョン 開発者
2018 ~ 2021
政府出資研究機関 自然言語処理・ビッグデータ分析研究員
生成AIおよびLLMの活用
Private LLM, RAG, Agent
LoRA・QLoRAファインチューニングの基礎
AIベースのビッグデータ分析
アンケート・レビュー・報道・政策・学術データ
自然言語処理(NLP)・テキストマイニング
トピック分析、感情分析、キーワードネットワーク
公共・企業 AI業務自動化
文書の要約・分類・分析
LLM/sLLM アプリケーション開発
(ファインチューニング・RAG・Agent ベース) – KT
LangChain・RAGベースのLLMプログラミング – サムスンSDS
LLM理論およびRAGチャットボット開発実務 – ソウルデジタル財団
ChatGPTベースのビッグデータ分析入門 – レットユーインエデュ
人工知能の基礎・プロンプト技法 – 韓国職業開発院
LDA・感情分析 with ChatGPT – インフラン
Pythonベースのテキスト分析 – ソウル科学技術大学校
LangChainを活用したLLMチャットボット作成 – インフラン
ChatGPT活用のPython基礎 – 京畿大学校
ビッグデータ専門家課程特別講義 – 檀国大学校
ビッグデータ分析の基礎 – レットユーインエデュ
Private LLMベースのRAGチャットボット構築 (韓国電力公社)
LLMベースの森林復元ビッグデータ分析 (国立森林科学院)
内部ネットワーク専用 Private LLM テキストマイニングソリューション (政府機関)
Instruction Tuning・RLHFベースのLLMモデル開発
ヘルスケア・法学・政策・教育データ分析
アンケート・レビュー・報道データAI分析
→ 公共機関・企業・研究機関を含め 200件以上の実績, including public institutions, corporations, and research institutes
Improving Commonsense Bias Classification by Mitigating the Influence of Demographic Terms (2024)
Improving Generation of Sentiment Commonsense by Bias Mitigation
– International Conference on Big Data and Smart Computing (2023)
ニュース記事ビッグデータに基づくLLM技術の認識分析 (2024)
NLPベースのテキストマイニング研究多数
(森林・環境・社会・ヘルスケア分野)
Pythonベースのデータ分析・可視化
LLMを活用したデータ分析
ChatGPT・LangChain・Agentを活用した業務生産性の向上
全体
22件 ∙ (1時間 9分)
講座資料(こうぎしりょう):
全体
44件
4.7
44件の受講レビュー
受講レビュー 1,004
∙
平均評価 4.9
受講レビュー 1
∙
平均評価 5.0
受講レビュー 23
∙
平均評価 5.0
受講レビュー 1
∙
平均評価 5.0
受講レビュー 1
∙
平均評価 5.0
修正済み
知識共有者の他の講座を見てみましょう!
同じ分野の他の講座を見てみましょう!