大規模言語モデル(LLM)の基礎原理理解

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。

セキュアコーディング(Secure Coding: セキュリティコーディング)が何なのか全く知らなくても理解できる講義です。基本的なセキュリティコーディングの概念を習得した後、Webサービスのセキュリティを中心に説明します。OO大学主催の特別講義として行われた講義でした。160個を超えるソースコードを豊富なコメントと共に提示し、実務ですぐに使える核心的なテーマとテクニックをピンポイントで分かるようにします。

生成型人工知能(生成型AI)の一種であるLLMを基盤として作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な「サービスデザイン」の概念と方法を身につけることができます。

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。

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。

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。

「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。🍽️

自然言語処理技術の出発点から始まり、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を詳細に説明します。

LLMベースのマルチエージェント技術を実装できるようにする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て人工知能裁判官を作る方法を探求します。

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。

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。

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。

AWS認定AI Practitioner 過去問解答コースは、資格合格のための重要ポイントをまとめたコースです。 まず、AI/MLおよび生成AIの基本概念を迅速に復習し、試験によく出るAWSの主要AIサービス（例：SageMaker、Rekognition、Pollyなど）の機能と使用事例を学習します。 これを基に、様々な実際の課題状況にどのようなAIソリューションが適切か判断する練習を行い、AIモデルの責任ある利用とデータセキュリティ関連の内容も扱います。 最後に、過去問のタイプ別解答戦略を習得し、実践的な模擬試験を通して試験に備えます。このコースを通して短時間で効率的に試験を準備することができます。

人工知能、AI、エージェント…何か途方もないものに見えますが、実際に取り組んでみると案外難しいことではありません。そうであるからこそ、ごく簡単な機能でさえも自身の手で実装してみることが非常に重要となります。会社で実際に活用できる実践的なプロジェクトを通じて、多様なユースケースを自ら体験し、AIエージェントの活用法、さらには応用技術までを習得していきます。

世界を変えるAIの全てをたった4講で完全攻略！ 第1講. 人工知能の本当の正体 AIは魔法ではない。人間の「知能」を数式のように分析して作ったデジタル頭脳！ 賢いふりをする人工知能の核心構造を徹底的に解明します。 第2講. アルゴリズム、AIの創造的（？）思考法 悩むAIはどのようにして答えを見つけるのか？ 囲碁を打ち、道を探し、あなたの検索結果を予測するAIの戦略を直接見てみましょう。 第3講. AIハードウェア、想像を現実に変えるエンジン！ あなたのスマートフォンの中のチップがAIの心臓だ。 CPU、GPU、TPU、そして未知のその名前まですべて解剖します。 第4講. マシンラーニングとディープラーニングの大激突！ AIが「学ぶ」というのは一体どういう意味なのか？ 古典的なルールベースAIから、最近話題のChatGPTまで！学習の進化を追跡します。

AI技術の現在と未来を理解し、機械学習などのAIモデルのテスト過程を体験し、テスターの役割を学びます。 AIベースのシステムテスト戦略の策定からテストケースの設計・実行、またテスト支援のためのAI活用方法まで幅広く習得します。 本コースはISTQBのAI Testingシラバスに基づいて進められ、ISTQB AI Testing資格試験を完璧に準備できる機会を提供します。

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。

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。

「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！

100回以上実施したディープラーニング教育の経験をもとに、受講生が最も難しく感じた核心的な基礎理論を体系的にまとめた講義です。 この講義は非専攻者でも理解できるよう、数学的直観、モデル学習原理、コード実装を段階的に結びつけて説明し、単純なライブラリの使い方ではなく、AIモデルが学習される根本的な構造と動作原理を深く扱います。 勾配降下法、誤差関数、最適化、パーセプトロン、多層ニューラルネットワーク、誤差逆伝播などディープラーニングの核心的な基礎技術を直接数式とコードで実装しながら、AI原理を理解する実力あるエンジニアへと成長できるよう設計された実践型入門コースです。

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。

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。

AIが初めての方の目線に合わせたAI入門講座！データから生成AIまで、主要な概念をわかりやすくまとめました。AIを開発するのではなく、質問や説明ができるレベルの実務理解を目指します。

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。

Pythonを活用して機械学習の技術を学び、実データからの情報抽出方法と予測モデルの開発能力を向上させよう！

この包括的なコースでは、Cursor AI、Claude Code、v0、ChatGPT、ReplitなどのAIツールを使用して、あらゆるフルスタックアプリケーションを構築する方法を学びます。コーディングの基礎、フロントエンドおよびバックエンド開発、データベース統合、デバッグ、デプロイメントを習得できます。初心者の方や、AIを活用して実際のWebアプリやモバイルアプリを迅速かつ効率的に構築したい方に最適です。

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。

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！

コードで一気に理解できるPyTorch_プロジェクト編は、画像、ビデオ、自然言語データを活用し、実践的なディープラーニングプロジェクトを実装しながら、理論よりもコード中心の学習を通じてモデルの構造と流れを理解します。

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！