大規模言語モデル(LLM)の基礎原理理解

シキュアコーディング（Secure Coding: セキュアコーディング）が何か全く知らなくても理解できるようになる講義です。 基本的なセキュアコーディングの概念を習得後、ウェブサービスのセキュリティを中心に解説します。 OO大学主催の特別講義として行われたものです。 160以上のソースコードを豊富なコメント付きで提示し、実務で即座に使える核心テーマと技法をピンポイントで理解できるようになります。

LLMが必要な理由と技術的背景、および基本概念について説明します。

この講義は大規模言語モデル(LLM)や生成型人工知能を効果的に活用するための核心技術であるプロンプトエンジニアリングを体系的に学習する過程です。 基礎理論から実戦技法、そして最新応用事例とセキュリティ・倫理問題まで幅広く扱い、LLMベースサービス開発者・データサイエンティスト・AI企画者すべてに実質的な助けを提供します。

自然言語処理技術の出発点から、最新のLLMモデルに至るまでの過程で開発された様々な言語モデルを詳細に説明します。

ジュニア開発者が人工知能を開発ツールとして活用し、企画からコード作成、デプロイ、検証に至る全体的な開発プロセスを理解できるようにすることで、AI時代に必要なフルスペクトラム（Full-Spectrum）能力を身につけて生存し、発展できるようにします。

問題化（Problematization）は、問題提起、問題作成などとも翻訳される用語です。そして、問題設定や問題定義とも翻訳され得ます。要請事項や常識のような既知の事実に対し、新しい観点から疑問を呈し、問題を定義し、この問題を解決する方法を組み立てていく過程が含まれている概念です。問題化はあらゆる開発の出発点となるべきですが、未だ開発分野で十分に議論されていないテーマです。プロジェクトを遂行することやプログラムを開発することも、実は問題を解決する計画を立てる作業です。つまり、問題化と関連があるということです。 問題を解決するには、まず問題が明確に定義されている必要があります。しかし、ほとんどの場合、曖昧な要請の形で問題が与えられます。したがって、曖昧な要請を明確な問題に変える力があってこそ、不必要な「開発の無駄」を減らし、協業は円滑になり、ユーザーの真のニーズを正確に把握することができます。この講義は、実践事例とツールを通じて、問題を「構成する思考」を訓練するよう手助けします。

生成AIまたはLLMをベースにRAG（検索拡張生成：Retrieval-Augmented Generation）システムを構築しても、望む性能が得られず、適切な解決策が見つからない場合はどうすればよいでしょうか？ 本講義では、認知負荷（Cognitive Load）理論に基づき、RAG性能を改善する方策を提示します。この講義を通じて、LLMコンテキストウィンドウの限界を理解し、RAGシステムにおける認知負荷の効果的な管理方法を習得できます。チャンク（Chunk）のサイズと構造設計、高品質チャンク生成手法、動的最適化、性能評価、実践技法などを網羅する実務レベルの理論講義です。

生成AIの一種であるLLMを基盤として構築するアプリケーションやウェブサービスを企画する際に必要となる「サービスデザイン」の概念と方法を習得できます。

「名前を一つ変えただけなのに、コードが変わりました。」 可読性の高いコードの核となる、「読まれる名前付け」を原理から事例までまとめました。 読みやすい名前がコラボレーションの始まりです。

C言語の基本概念と基本文法を迅速に理解できます。

👨‍🍳 コードを料理するように、きれいに、美味しく！ 『クリーンコーディング』は、料理に例えてクリーンコーディングを楽しく学ぶ料理人のような開発者のコード料理教室です。🍽️

今はAIを活用して開発する時代。AIをより良く活用し、より優れた、より正確なコードやドキュメントを作成する方法が必要なので、それに合った方法を提案します。

LLMベースのマルチエージェント技術の実装を可能にするCrewAI、知識グラフ、推論システムを結合し、AI判事を作ってみます。

LLMサービスを企画するために、ユーザーの要望を収集し分析する方法を検討します。

LLMの限界と限界克服策、最新の研究テーマを探ります。

LLMを用いて構築できるアプリケーションやウェブサービスにはどのようなものがあるのか見ていきます。

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。

LLMが必要な理由と技術的背景、および基本概念について説明します。

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。

最新のTransformerベースのPixArtと軽量適応化SANAを理論からコードまで段階的に実装します。I・II編で扱ったDDPM・DDIM・LDM・DiTを基に、テキストエンコーダ接続、サンプラー(DDIM/ODE)、v-予測/CFGチューニング、小規模データスタイル微調整まで実習中心で完走します。

この講義を通して、人工知能大学院の入試過程と準備方法を最初から最後まで理解できるようになります！ 合格の確率を高める良い情報も一緒にお伝えします！

基本的な自然言語処理技術と、さまざまなテキストタスクにディープラーニングを活用する方法について説明します。

AIが単純に回答するだけの時代は終わりました。 今は自ら判断し行動するLLM Agentの時代です。 この講義はたった90分の実習でエージェントの核心原理と構造を直接実装しながら学ぶ入門型講義です。 複雑な理論は最小化し、コード中心の実習フローで「AIがどのように判断しツールを使用するか」を直接体験できます。 プロンプトエンジニアリングを超えて、AI自動化の第一歩を一緒に始めてみましょう。

<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。

LLMを用いて構築できるアプリケーションやウェブサービスにはどのようなものがあるのか見ていきます。

「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を作ってみる第一歩！」 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、モデル読み込み → データ適用 → 学習 → 結果比較まで全過程を段階別にご案内します。 短時間でLoRA・QLoRAのような最新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がこのように動くんだな」という感覚を掴むことができます。 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を作ってみる達成感を直接感じてみてください！

本コースは、AIモデリングプロジェクトを実務で熟練して遂行するための基本理論と実務活用能力を同時に身につけられるよう構成されています。 学習者はAIプロジェクトの全体的な流れを理解し、問題定義 → モデル設計 → データ確保及び前処理 → 特徴抽出 → モデル学習及び検証まで段階別過程を実習と共に経験することになります。 また、様々な状況で最適なAIモデルを選定し管理する方法を学習し、実際のビジネス現場に適用できるAI実務能力を身につけることができます。 本コースを通じて学習者は、AIモデリングプロジェクト全過程を体系的に理解し、これを基にデータ基盤問題解決能力を強化することができます。

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:)

この講義は、ChatGPTが単純な対話型AIから脱却し、実際の業務を遂行する知能型AI Agentへと発展する全過程を扱います。 LangChain、LangGraph、LangSmith 3つの核心フレームワークを活用して、実務ですぐに使えるAI Agentを直接作ってみます。

こんにちは、皆さん。私のフルAIコース「ChatGPT、Google Gemini、Midjourney、Firefly」へようこそ。このコースでは、すべてのAIツールについて学ぶことができます。これらのAIツールのすべての機能について、ビデオレッスンを作成しました。これらのツールのすべての機能を使用する方法について、実際の実践的な実装を見ることができます。

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を学ぶ第一歩 : 人工知能入門者にとって最適なカリキュラムを作った！ディープラーニングを簡単かつ迅速に攻略するため深化内容で短い時間に機械学習とディープラーニングを繋げる段階！

本コースは、AIモデリングプロジェクトを成功的に遂行するために必須となる「AI学習データ構築」の全過程を学習するコースです。 学習者は単純に理論的な知識に留まることなく、実際の実務で要求されるデータ構築プロセスを段階別に経験することになります。具体的にはAI学習データの企画 → 取得 → 保存 → 精製 → ラベリング → 仮名情報結合及び変換に至る全過程を実習中心に扱い、現場ですぐに適用可能な実務能力を身につけられるよう構成されています。 また、データの品質管理とセキュリティ問題、個人情報非識別化処理、データセット最適化といったAIプロジェクトで最も重要なデータ管理能力を体系的に学習することになります。これにより学習者は単純なデータ収集者ではなく、AIプロジェクトを主導的に企画し実行できるデータ専門家として成長することができます。 👉 本コースを通じて学習者は、AIモデル性能を左右する良質な学習データ構築法を理解し、これを実務環境に効果的に適用できる実質的な能力を確保することになるでしょう。

本講座はAIプラットフォームの基礎から実習まで扱い、AI画像生成技術を習得できるコースです。学習者はAIの基本概念を理解し、様々なツールと技術を活用してAI画像を生成する能力を身につけることができます。このコースを通じてAI分野への理解度を高め、実戦でAI画像を直接生成する方法を学ぶことができます。

電子・半導体産業は超精密工程と複雑なサプライチェーンにより、データ基盤管理と革新が特に重要な分野です。この講義はAI技術を活用して不良検出、工程最適化、予知保全、サプライチェーン管理など電子・半導体製造業ですぐに適用できる実務戦略を扱います。 グローバル企業の実際の事例とともに、中小・中堅企業が現実的に活用できる低コスト・高効率AI導入方法も提示します。これにより受講生は生産性向上とコスト削減だけでなく、未来競争力を備えるAI基盤製造戦略を理解し適用できるようになります。

Midjourney&RunwayでハイクオリティなAI映像を制作してみましょう。サムスンと協業したキム・ドンア監督が仮想ブランドを基盤にAI映像の制作過程を段階別に直接お伝えします。