LLMを活用した本番環境品質の生成AIアプリケーション構築

万世暦、占星術、紫微斗数、姓名学、MBTIを統合した四柱推命分析AIエージェントを、n8nワークフローとPythonアルゴリズムで構築します。13の専門エージェントが協業し、商用レベルの四柱推命レポートを生成する実サービスシステムを最初から最後まで完成させます。

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。

この講義は、LLM（大規模言語モデル）の基本原理からRAG（Retrieval-Augmented Generation）、そして最新技術であるAI AgentとMCP（Modular Command Protocol）まで、生成型AIを実務で活用するために必ず知っておくべき全過程を一度に整理するコースです。 生成型AIがどのように情報を理解し、検索し、判断し、行動するAI Agentへと拡張されるかを、技術の流れに沿って自然に学べるよう構成されています。

現時点で最も重要なAI関連技術を網羅したRAG、VectorDB、LangChain、OpenAI、sLLM、ファインチューニングについて学びます。

LLM企画、LLM応用企画担当者向けに、LLMが必要な理由と技術的背景、および基本概念を説明します。

初心者や開発入門者でも十分に取り組める、チュートリアル形式のClaude Code開発講座です。 企画担当者、デザイナー、非エンジニアを対象にオフラインで講義した経験をもとに、本では扱っていない初級例から中級開発例まで、一連の流れで学べます。 Claude Codeを活用し、Hello Worldからラッキードロー、Claude Design＋Excelデータ連携によるデバイス別に最適化されたカフェメニュー管理Webページ、さらにはDBやクラウドサービスにデプロイできるSaaS Webアプリケーションまで、段階的に開発するプロセスを体験します。 理論・実習・プロジェクトの各段階に応じたチュートリアルが用意されており、6段階のレベル別実習を通してAI協働開発の方法論を身につけ、クラウドへのデプロイと運用まで、開発サイクル全体を体験します。

LLMアプリケーションが開発パラダイムをどのように変化させているかを探求します。既存の技術との比較を通じて、LLMがなぜ持続可能な核心技術として定着しているのかを理解し、開発者として備えるべき必須の逆量と思考法の変化を学習します。専門講師のインサイトを通じて、LLMアプリケーション開発の本質と未来の方向性を把握することができます。

単なるチュートリアルだけでは実務への適用は難しいですよね。私の現場でのノウハウを詰め込み、複雑な状態管理とマルチエージェントの設計手法を確実にお伝えします。

LLMに必要な基礎知識から、実戦で使えるヒントまで、核心的な内容を中心に現職者が素早くお伝えします！

有料APIの費用負担なしに、自分のMacBookで最新のGemma 2モデルを直接動かす全工程を学習します。Apple SiliconのMetal APIを活用した性能最大化の手法と、VRAM容量別の最適パラメータ設定をマスターし、FastAPIベースのプロダクションレベルのローカルAIインフラ構築能力を身につけます。

『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。

"1兆パラメータモデルはどのように学習されるのか" GTC 2026、Moonshot AIがステージで直接公開した Kimi K2.5のスケーリング戦略をInflearnで韓国語でご覧ください。 トークン効率2倍 ・ 100万トークンコンテキスト ・ 1,000個のエージェントスウォーム オープンソースLLMの次のステップがここにあります。 * この講義はKimiを開発したMoonshot AIとInflearnの公式コラボレーションにより、無料で公開されます。

LLMを活用したサービスを作る中で、プロンプトやモデルを変更した後、以前より回答の品質が低下したかどうかを確認するのが難しかった経験があるなら、この講義が解決策になるかもしれません。自分で評価基準を作成し、変化した回答を自動的に見つけ出す方法を学びます。

単なるチャットボットを超え、自律的にタスクを遂行するAIエージェントシステムを設計・実装します。Sense-Think-Actループベースのアーキテクチャから、LangGraphの循環構造、RAGAS・LangSmithによる定量評価、運用ガードレールまで全過程を実習し、エンタープライズ級のエージェントエンジニアリング能力を完成させます。

AIから望む答えを正確に引き出す「プロンプトエンジニアリング」の核心技術を学びます。 超初心者の第一歩から専門家の実戦応用まで、AI活用能力を最大化しましょう！

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。

単に回答を生成するだけのチャットボットを超え、自ら判断してツールを呼び出し、多段階の業務を遂行する自律型AIエージェントを直接実装します。OpenAI Agents SDKのTool Calling、Handoff、Guardrail、Session、Tracingから、MCPを活用した外部ツール・データベース連携、LangChainとDeep AgentsのPlanning、Subagents、Filesystem、Memoryまで、段階的な実習を通じて習得します。最終的に、実際の業務に適用可能なツール連動型AIエージェントの設計と実装能力を身につけることを目標とします。

今、こんな紹介が重要ですか？ 今すぐdeepseek R1モデルを使ってください。

<大規模言語モデル、核心だけ素早く!>(インサイト、2025)を基にしたLLMの理論と実戦例題を扱う講義です。

攻撃手法を暗記する前に、LLMがなぜそのように失敗するのかを、攻撃者が知っておくべき範囲に絞って、トークン・コンテキスト・システムプロンプト・RAG・エージェント・ガードレールの観点から学び、自分のバックエンドコードに当てはめて攻撃対象領域のマップを作成します。