AIの大海賊時代が開幕しました。

LLM（Large Language Model）の基礎概念から、高性能LLMであるLlama 2モデルを、私が望むデータセットにFine-Tuningする方法まで、次々と学習します。

自然言語処理技術の始まりから最新のLLMモデルに至るまでの過程で開発された、多様な言語モデルについて詳細に説明します。

様々なローカルLLM(Qwen、Gemma)を活用する方法を学習し、LLMシステムの性能を効率的に評価(Evaluation)し改善する様々な技法を見ていきます。

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。

LLMの基礎理論、LangChainとRAGの核心的な技術をマスターする講義です。LLMの基礎から実務で使われる最新AI技術を簡単に学ぶことができます!

<大規模言語モデル、要点だけを素早く！>（インサイト、2025）をもとに、LLMの理論と実践例を扱う講義です。

大規模言語モデル、検索拡張生成、エージェント型AIシステムを活用し、最新の生成AIアプリケーション構築における完全なライフサイクルを習得します。プロンプトエンジニアリングからデプロイまで、LLMとベクトルデータベース、外部ナレッジソースを組み合わせ、実運用に対応したアプリケーションを実現するエンタープライズグレードのAIソリューション設計を学びます。

この講義は、LDM（Latent Diffusion Model）からDiT（Diffusion Transformer）まで、生成AIの核心技術発展を完全解剖する実戦型マスタークラスです。 LDMの潜在空間ベース学習原理とStable Diffusionの構造、そして最新のDiffusion Transformerの実装方式を論文とコードで直接分析します。 受講生はPyTorchベースでLDM、CFG（Classifier-Free Guidance）、DiTモデルを直接実装し、生成モデルの最新トレンドと構造的進化を体系的に習得します。

"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！

この講義は拡散モデル(Diffusion Model)の進化過程を論文とコードで完全制覇する実戦中心のマスタークラスです。 DDPM(Denoising Diffusion Probabilistic Model)とDDIMなど、生成AIの核心モデルたちを論文原理から直接実装しながら学習します。 各モデルの登場背景、数式、ネットワーク構造(U-Net、VAE、Transformer)、学習過程(Noise Schedule、Denoising Step)、そして性能向上を導いたアイデアたちを段階別に分析します。受講生はすべてのモデルをPyTorchベースで直接コーディングし、論文を理解することに留まらず「再現し応用できる実務能力」を得ることになります。 また、モデル間の違いと発展の流れを比較し、どのように拡張されるかを明確に理解するようになります。 この講義は理論・コード・実習を一つに、研究者・開発者・創作者すべてに生成モデルの進化を体系的に習得できる旅程を提供します。 論文を「読むこと」を超え、直接実装しながら「理解し再創造」する経験を今始めてください。

GPTはどのように次の言葉を予測し、文章を書き続けるのでしょうか？ ATT: After The TransformerのGPTパート第1部を無料で公開します。直感的な説明を通じて言語モデルの文章生成の原理を理解し、GPTをさらに深く学ぶための基礎を築いてみましょう。

AIを使うのは簡単になりましたが、モデルカードや論文は、今でも数行読むだけで難しく感じます。単語の意味は検索すれば分かっても、それらの単語が互いにどうつながっているのかは見えないからです。 この講座では、AI文書に必ず登場する160語あまりを、最も理解しやすい順番で積み上げ、各回で実際の文書の一文を正確に読めるようにします。

RNNはどのように順序のある情報を処理するのでしょうか？『TTT: To The Transformer』のRNNパートを無料で公開します。リカレントニューラルネットワークの動作原理を直感的な説明で理解し、アテンションとトランスフォーマーを学ぶための基礎を築いてみましょう。