大規模言語モデル（LLM）の基礎原理の理解

ChatGPTは使うけれど、 なぜこのような回答が出てくるのか、説明するのは難しいと感じ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に関する会議では、概念の説明がいつも曖昧になってしまう」 この講義は、まさにこのような方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られます。

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。

📢 "工場にAIを加えると、何が起こるのでしょうか？" 🤖 従来の製造業の時代は終わり、今やAIとデータを中心としたスマートファクトリーの時代です！ "スマートファクトリーとは正確には何なのか気になっていた方"、"AI技術が実際の製造現場でどのように活用されているのか知りたい方"のために、とてもわかりやすく明快な入門講座をご用意しました。

<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。

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。

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。

多くの方がChatGPTを使い、レコメンドや自動運転のニュースにも日頃から触れていますが、いざ「なぜこのように動くのか」を説明しようとすると、言葉に詰まってしまいます。 コーディング講座についていけばコードは動くようになりますが、原理は身につきません。一方、数学の講義だけを受けると公式は理解できても、AIとのつながりが見えてきません。海外の講義は英語が負担になり、国内の入門講座は実習中心になりがちです。 私はAIコンペティションで実際にモデルを作り、「みんなのAI」を運営しながら、数千人の学習者と接してきました。その中で、同じ場面を何度も目にしてきました。つまずく原因はツールの使い方ではなく、関数・微分・ベクトル・逆伝播がそれぞれ分断されていることでした。 この講座は、その分断をつなぎます。 関数が入力と出力をどのように定義するのか、微分が学習の方向をどのように決めるのか、逆伝播が誤差をどのように伝えるのかまで、数学の基礎からニューラルネットワーク、ソフトマックスまでを一つの流れで解説します。 公式の暗記やコードの写経ではなく、数式と直感的な図を通して「なぜ」を理解するための講座です。 AIをきちんと理解したい方にとって、その先のディープラーニングへ進むための確かな第一歩となります。

Physical AIの基盤となる模倣学習（Imitation Learning）とVLA（Vision-Language-Action）技術の核心概念と作動原理を体系的に学習します。実際の事例分析を通じて、Physical AIが現実世界と相互作用するメカニズムを理解します。

この講義は、LLMとGPTの基本概念を誰でも理解できるように分かりやすく解説します。 受講生はGPT APIを直接活用してチャットボットを作成し、Streamlitを使ってウェブ上で実行することができます。 基礎から実習までを経験しながら、AI活用の第一歩を確実に踏み出すことができます。

この講義では、推薦システムの核心アルゴリズムから実践的な実装まで扱います。 - コンテンツベースフィルタリング - 協調フィルタリング、ディープラーニングベースの推薦モデル実装 - Two-step recommender systems 実装 - PyTorch/RecBole 活用した実習 - 現場のノウハウと推薦結果の可視化まで

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!

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。

AI監査、どこから理解すればよいか分からず、途方に暮れていませんか？ AIは今や単なる技術トレンドを超え、企業の意思決定、業務自動化、顧客対応、採用、セキュリティ、リスク管理の領域まで急速に拡散しています。しかし、AIを導入するスピードに比べ、「AIが適切に統制されているか？」「AIの判断を信頼できるか？」「データとモデル、運用過程でどのようなリスクが発生し得るか？」を体系的に理解している人は、まだ多くありません。 特にIT監査、セキュリティ、内部統制、プロジェクト管理の業務に携わっている方は、次のような悩みを抱えているはずです。 * AI監査は従来のIT監査と何が違うのか？ * AIモデルはコードだけを見ればよいのか、それともデータや学習過程まで見るべきか？ * AIガバナンス、リスク、バイアス、説明可能性、MLOps、インシデント対応は、それぞれどのように関連しているのか？ * AAIAのようなAI監査関連の資格課程で扱う概念を、実務の観点で理解するにはどこから始めればよいのか？ この講座は、まさにこのような「漠然とした不安」を解決するために作られました。 私は約20年間、ITサービスの企画、開発、PM、コラボレーションプラットフォームの運用、グループウェアの構築、チャットボットサービスの企画、セキュリティおよび監査関連の業務を経験してきました。実際の組織でシステムがどのように企画・開発・運用され、障害・変更・セキュリティ・ユーザー要件がどのように繋がっているのかを、実務の現場で直接経験してきました。また、CISAやAAIAの学習過程を通じて、IT監査とAI監査の観点を整理してきました。 この講座では、複雑なAI技術を数学や開発中心に深く掘り下げるのではなく、監査人とIT実務者が必ず理解しておくべき「核心的な概念」を中心に説明します。AIシステムをデータ、モデル、運用、セキュリティ、ガバナンス、リスク、監査手続きの流れに分けて見ていき、各段階でどのような統制と確認ポイントが必要かを整理します。 受講生はこの講座を通じて、AI監査が単に「AIを評価する仕事」ではなく、AIが組織内で安全かつ責任を持って使用されるよう、ガバナンスとリスク、統制体系を点検する仕事であるという点を理解することになります。 この講座は、AI監査が初めての方、IT監査やセキュリティ業務をしながらAI領域へと広げたい方、AIガバナンスとリスクを実務の観点で整理したい方、AAIAなどのAI監査関連の学習を始める前に全体的な概念を掴みたい方に適しています。 講座を終えると、次のような質問に自ら答えられるようになります。 * AIシステムはどのような構成要素で成り立っているか？ * AI監査人はデータ、モデル、運用の段階で何を確認すべきか？ * AIガバナンスと責任あるAIはなぜ重要なのか？ * AIリスク、バイアス、説明可能性、プライバシー、セキュリティはどのように繋がっているのか？ * AI監査報告書にはどのような観点と根拠を盛り込むべきか？ 急速に変化するAI時代には、技術を使いこなすことと同じくらい、技術を信頼できるように管理・点検する能力が重要です。 この講座は、AI監査の全体像を最初から一歩ずつ理解したい方のための入門コースです。 ITとAIを監査の観点から捉える「最初の基準」を、一緒に作っていきましょう。

Pythonの文法は知っていてもサービスを作るのが難しいという問題を、NAVERでの実務経験と段階的な実習で解決します。

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。

Java開発者のためのAI活用マスターガイド！ この講座は、AIがPythonだけの領域だという偏見を打ち破り、 皆さんのJavaアプリにAIの目、耳、口、そしてコーディング能力まで付与します。 OpenAI APIをベースに、AIアーキテクトへと成長しましょう。 AI作家、翻訳家、画家、コーディング仲間など、多様なAI専門家を直接開発し、 テキスト要約、感情分析、画像解説、Javaコード生成、音声/テキスト変換、 画像/字幕生成などの核心機能を統合した多機能AIアシスタントを作成します。 システムメッセージでAIに役割を与え、有害コンテンツの検閲まで学びながら、 既存のJavaシステムの競争力を最大化する絶好の機会です。

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。

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:)

あなたのアイデアを、わずか数分で美しいプレゼンテーションに変えることができます。 スライドのデザインに何時間も悩む必要はもうありません。GAMMAのAI技術を使えば、コンテンツ作成のプロセスを劇的に改善できます。

VerilogとEDAツールを学ぼうとして諦めてしまいましたか？NPUを直接設計する半導体学科の教授が、9つのエクセルファイルでCPUからNPUまで計算しながら理解する方法を伝授します。