inflearn logo
知識共有
inflearn logo

LLM栞心理論、構造で理解する -ChatGPT・RAG・Agentの䜜動原理を䞀床に-

ChatGPTは䜿っおいるけれど、 なぜこのような回答が出るのか説明するのに苊劎したこずはありたせんか 「RAG、゚ヌゞェント、ファむンチュヌニング 甚語は知っおいるけれど、正確に説明するのは難しい」 「LLM関連の甚語を聞くず、蚀葉に詰たっおしたう」 「AIの䌚議で抂念の説明がい぀も曖昧になっおしたう」 この講矩は、たさにそのような方々のために䜜られたした。 この講矩は、LLMを「ツヌル」ではなく「構造」ずしお理解するための理論講矩です。 ChatGPTやGeminiの䜿い方ではなく、 なぜそのように動䜜するのかを説明できる基準を身に぀けるこずができたす。

難易床 入門

受講期間 無制限

ChatGPT
ChatGPT
prompt engineering
prompt engineering
LLM
LLM
RAG
RAG
AI Agent
AI Agent
ChatGPT
ChatGPT
prompt engineering
prompt engineering
LLM
LLM
RAG
RAG
AI Agent
AI Agent

孊習した受講者のレビュヌ

孊習した受講者のレビュヌ

4.2

5.0

배추가될거알

100% 受講埌に䜜成

最新の䞻芁なAI抂念に぀いお、抂論ずしお聞くのに良かったです。

5.0

핎삐

100% 受講埌に䜜成

LLMに぀いお知識が党くなかったのですが、今はLLMが䜕なのか倧䜓わかるようになりたした笑ありがずうございたす

5.0

김묞수

33% 受講埌に䜜成

良い講矩をありがずうございたした。

受講埌に埗られるこず

  • LLMが回答を生成する過皋を理解する構造的思考

  • プロンプト・RAG・Agentなど、栞心抂念を混同しないための基準

  • AI関連の議論を正確に远うこずができる理解力

  • LLMの限界ずパラメヌタヌを考慮した珟実的な刀断感芚


LLMの䜜動原理を
自分のものにする確かな理論講矩

AI時代を牜匕する栞心技術、LLMを深く理解したす。


ChatGPTやGeminiを䜿っおいるけれど、その仕組みが気になっおいたしたか
この講矩はLLMの基本抂念から䞀歩ず぀説明し、

プロンプト・RAG・Agentの栞ずなる技術を、難しく感じるこずなく理解できるようサポヌトしたす。

LLMの䜜動原理を

自分のものにする理論講矩

ChatGPTやGeminiを䜿っおいたすが、

なぜそのような答えが出るのか、䞍思議に思ったこずはありたせんか

この講矩は、LLMの基本構造から栞心的な抂念たで

耇雑な数匏を䜿わず、理解を䞭心に説明したす。

Transformer、Self-Attentionはもちろん

プロンプト・RAG・Agentが

LLMの内郚でどのように動䜜しおいるのかを、自然に繋げお理解するこずができたす。

ツヌルの䜿い方ではなく、

AIを刀断できる基準を䜜る講矩です。


本講矩はLLMの思考構造を理解し、

プロンプト、RAG、Agentなどの最新技術を掻甚するための

基盀を築くための講矩です。

この講矩は䜕が違うのですか

この講矩は、単なるツヌルの䜿い方やテクニックを扱うものではありたせん。

LLMが

  • どのように文맥コンテキストを理解し、

  • なぜハルシネヌションHallucinationが発生し、

  • なぜプロンプト・RAG・ファむンチュヌニング・Agentが登堎したのか

を数匏なしで、構造を䞭心に䞀歩ず぀栞心的な内容に぀いおの理論を説明したす。

Transformer、Self-Attention、トヌクン、埋め蟌みずいった栞心的な抂念を
論文の矅列ではなく、盎感的な流れで぀なげお理解できるように構成したした。


このような方に特におすすめです

  • ChatGPTは䜿っおいるけれど、LLMの抂念がい぀もあやふやな方

  • RAG・Agentの話が出るず䌚議で理解が远い぀かない䌁画者・PM

  • AI導入や掻甚戊略を悩んでいる珟堎の実務担圓者

  • 開発者ではないけれど、LLMを正しく理解したい方

  • 「LLM理論入門講座」を探しおいる孊習者

この講座は、このような内容ではありたせん。

  • ❌ ChatGPT 機胜説明の講矩

  • ❌ 特定のAIツヌルの䜿い方䞭心の講矩

  • ❌ 自動化・業務効率䞭心の実習講矩

この講矩はLLMの構造ず䜜動原理を理解する理論䞭心の講矩です。

この講矩を受けるず

AIをただ䜿う人から
AIを理解し蚭蚈できる人ぞ


LLMの栞心原理を
理解する構造䞭心の孊習


Section 1 - 生成AIおよびLLMの基本理解

生成AIずLLMの基本原理を探究したす。LLMが膚倧なテキストデヌタを通じお、蚀語の意味ず文脈を統蚈的に孊習し、自然な文章を生成する仕組みを理解したす。

Section 2 - LLMトレンドおよび産業動向分析

LLM技術の最新の発展トレンドを把握し、グロヌバルなAI競争環境におけるLLMの未来の戊略的方向性を分析したす。これは、LLM技術の珟圚ず未来を展望する䞊で圹立぀でしょう。

Section 3 - LLM動䜜原理の基瀎

LLMの根本的な動䜜原理を孊習したす。トヌクン、埋め蟌み゚ンベディング、ベクトル空間、コンテキストりィンドりなどの栞ずなる抂念を理解し、䞻芁な出力制埡パラメヌタに぀いお孊びたす。

Section 4 - プロンプト゚ンゞニアリング手法

LLMの性胜を最倧限に匕き出すためのプロンプト゚ンゞニアリングの基本抂念ず高床なテクニックを扱いたす。Zero-shot、Few-shot、Chain-of-ThoughtCoTなど、さたざたなパタヌンを習埗し、効果的なプロンプト䜜成胜力を逊いたす。

Section 5 - RAGによるLLMの限界補完

LLMのハルシネヌションHallucinationや最新情報の䞍足ずいった限界を克服するためのRAGRetrieval-Augmented Generationアヌキテクチャを孊習したす。RAGの栞ずなる芁玠である埋め蟌みEmbeddingずベクトルデヌタベヌスを理解し、党䜓の動䜜フロヌを把握したす。

Section 6 - RAG性胜向䞊戊略

RAGシステムの正確性を評䟡する指暙ず方法論を孊習し、実際に適甚可胜な性胜改善手法を探求したす。これを通じお、RAGシステムの効率性ず信頌性を高める方策を暡玢したす。

Section 7 - ファむンチュヌニングおよび軜量チュヌニング戊略

特定のタスクやドメむンにLLMを適応させるファむンチュヌニングの基本抂念ず適甚戊略を孊びたす。たた、PEFTParameter-Efficient Fine-Tuningなどの軜量チュヌニング手法を通じお、効率的なモデルチュヌニング方法を習埗したす。

Section 8 - LLM゚ヌゞェントの理解ず掻甚

゚ヌゞェントの抂念ず構造を理解し、倚様なLLM゚ヌゞェントのタむプを詳しく芋おいきたす。実際の業務やサヌビスに゚ヌゞェントをどのように掻甚できるか、具䜓的な事䟋を通じお孊習したす。

Section 9 - MCPおよびA2Aの最新理論

最新のマルチ゚ヌゞェントシステム理論であるMCPMulti-agent Cooperative PlanningずA2AAgent-to-Agentの抂念、䜜動原理、そしお構造および掻甚方法を比范分析したす。これを通じお、高床な゚ヌゞェントシステム蚭蚈を理解したす。

理論から実践たで


Point 1. LLMの栞心原理を数匏なしで理解

ChatGPTを䜿っおいるけれど、その原理が気になりたせんかこの講矩では、LLMの仕組みを数匏を䜿わず、構造を䞭心に分かりやすく解説したす。ハルシネヌション幻芚が起こる理由から、プロンプト、RAG、ファむンチュヌニング、そしお゚ヌゞェントがなぜ必芁なのか、その根本的な原理を把握するこずができたす。


Point 2. LLM의 원늬륌 쉜게 읎핎할 수 있습니닀.

単なるツヌルの䜿い方ではなく、LLMがどのような思考構造で動䜜するのかを理解するこずに焊点を圓おおいたす。

これにより、AI関連の䌚議や䌁画曞に登堎する抂念を混同するこずなく理解し、説明できる理論的な基準を持぀こずができたす。たた、ハルシネヌション幻芚、最新性、コンテキストの制限など、LLMが持぀構造的な限界を理解するこずで、

䜕を期埅すべきか、そしお䜕を期埅すべきでないかを刀断できるようになりたす。

Point 3. RAG・ファむンチュヌニング・Agentを理解する理論的フレヌム

LLMが持぀構造的な限界を補完するために登堎したRAGアヌキテクチャの栞ずなる構成芁玠ず、党䜓の動䜜フロヌを理論的に理解したす。たた、ファむンチュヌニングず軜量チュヌニング手法PEFT、LoRAがどのような問題を解決するために蚭蚈されたのか、そしおい぀適切な遞択肢ずなるのかを構造的に説明したす。Agentに぀いおも「どう䜜るか」ではなく、Agentが必芁な理由や内郚構造、単玔な自動化ずどのような違いがあるのかを䞭心に扱いたす。


Point 4. AIを理解する芖点を䜜る

「AIをただ䜿う段階」から抜け出し、AIを構造的に理解する芖点を逊うこずを目的ずしおいたす。

トヌクン、埋め蟌み゚ンベディング、コンテキストりィンドりずいったLLMの栞心抂念から、MCP、A2Aなど最新のマルチ゚ヌゞェント理論たで

なぜこのような構造が登堎したのかを䞭心にたずめたす。


ChatGPTは䜿っおいるけれど、なぜこのように動䜜するのかは分からない。
この講矩は、たさにそのような方々のために䜜りたした。


✔ LLM의基本原理から理解したい入門者

  • LLMがハルシネヌション幻芚を起こす理由を構造的に理解したい方

  • プロンプト、RAG、ファむンチュヌニング、゚ヌゞェントがなぜ必芁で、どのように動䜜するのかを知りたい方

  • 単なるツヌルの䜿い方を超えお、AIの仕組みを根本から理解したい方

✔ AI関連の䌚議や䌁画曞でLLMの抂念を正確に説明したい䌁画者・実務担圓者

  • LLMの栞心原理トヌクン、埋め蟌み、コンテキストりィンドりを明確に説明したい方

  • RAG、ファむンチュヌニング、゚ヌゞェントなど、最新のLLM技術トレンドを理解したい方

  • AIサヌビスの䌁画および戊略立案時に、LLMの限界を考慮しお珟実的な掻甚策を暡玢したい方

✔ LLMを業務に効果的に適甚したい珟圹の開発者・デヌタアナリスト

  • LLMの掚論および回答生成プロセスを構造的に理解し、開発に掻甚したい方

  • どの手法プロンプト、RAG、ファむンチュヌニング、゚ヌゞェントが問題解決に適しおいるか、刀断基準を確立したい方

  • LLMの限界ハルシネヌション、最新性、コンテキストを克服し、実際のサヌビスに適甚する戊略を蚭蚈したい方


もうAIを「ブラックボックス」のように䜿わないでください。
LLMの䜜動原理を理解する専門家ぞず生たれ倉わりたしょう。

受講前のご泚意事項

  • 本講矩は
    LLM倧芏暡蚀語モデルの構造ず䜜動原理を理解するこずに焊点を圓おた
    理論䞭心の講矩です。

    • 実習は抂念の理解を助けるための補助的な手段です。

    • 特定のAIツヌルの䜿い方や実務の自動化を目的ずしたものではありたせん。

前提知識および泚意事項

  • LLM、Transformer、Self-Attentionなどの栞心抂念に぀いお、基本的な理解があるず望たしいです。

  • トヌクン、コンテキストりィンドり、埋め蟌みなどの関連甚語に慣れおいるず、孊習に圹立ちたす。

  • AI LLMの仕組みに察する奜奇心ず孊習意欲が重芁です。



こんな方に
おすすめです

孊習察象は
誰でしょう

  • LLMずTransformer、Self-Attentionの栞心原理

  • トヌクン、コンテキストりィンドり、埋め蟌みなど、必須抂念のたずめ

  • プロンプト゚ンゞニアリングの栞心技法 (Zero-shot, Few-shot, CoT)

  • RAGの党䜓構造ず粟床改善方法

  • ファむンチュヌニング vs RAGの違いず遞択基準

  • AI゚ヌゞェントの構造ず実際の掻甚シナリオ

  • MCP、A2Aなど最新のマルチ゚ヌゞェント理論の動向

前提知識、
必芁でしょうか

  • ChatGPTは䜿っおいるけれど、LLMの抂念がい぀もいたいち掎めない方ぞ

  • RAG・゚ヌゞェントの話が出るず䌚議で理解が远い぀かない䌁画者・PM

  • AIの導入や掻甚戊略を悩んでいる珟堎の実묎担圓者

  • 開発者ではないけれど、AI LLMをしっかりず理解したい方

  • 「LLM基瀎理論入門講座」を探しおいる孊習者

こんにちは
HappyAIです。

4,726

受講生

256

受講レビュヌ

51

回答

4.6

講座評䟡

11

講座

む・ゞンギュ | Lee JinKyu

AI・LLM・ビッグデヌタ分析専門家 / Happy AI 代衚

👉詳现な経歎は䞋蚘のリンクからご確認いただけたす。
https://bit.ly/jinkyu-profile

こんにちは。
AIずビッグデヌタ分析を研究・開発・教育・プロゞェクトの珟堎で䞀貫しお扱っおきた
ハッピヌAI代衚のむ・ゞンギュ工孊博士、人工知胜です。

自然蚀語凊理NLPずテキストマむニングに基づき
アンケヌト、文曞、レビュヌ、メディア、政策、孊術デヌタなど
倚様な非定型デヌタを分析しおきたした。
最近では生成AIず倧芏暡蚀語モデルLLMを掻甚し、
組織や業務環境に合わせた実務䞭心のAI掻甚方法を䌝えおいたす。

サムスン電子、゜りル倧孊、教育庁、京畿研究院、山林庁、
囜立公園管理公団、゜りル垂など倚数の公共機関・䌁業・教育機関ず協業しおおり、
医療・コマヌス・生態・法孊・経枈・文化など、倚様なドメむンで蚈200件以䞊の研究・分析プロゞェクトを遂行したした。

 


🎒 講挔および倖泚に関するお問い合わせ

※ コモンKmongPrime専門家䞊䜍2%


📘 Bio (芁玄)

  • 2024.07 ~ 珟圚
    生成AI・ビッグデヌタ分析専門䌁業 ハッピヌAI 代衚, a company specializing in Generative AI and Big Data analysis

  • 工孊博士人工知胜
    東囜倧孊校 人工知胜倧孊院

     

    専門分野倧芏暡蚀語モデル(LLM)

     

    (2022.03 ~ 2026.02)

     

  • 2023 ~ 2025
    パブリックニュヌス AIコラムニスト
    (生成AIのバむアス、RAG、LLM掻甚むシュヌ)

  • 2021 ~ 2023
    AI・ビッグデヌタ専門䌁業 ステラビゞョン 開発者

  • 2018 ~ 2021
    政府出資研究機関 自然蚀語凊理・ビッグデヌタ分析研究員


🔹 専門分野講矩・プロゞェクト䞭心

  • 生成AIおよびLLMの掻甚

    • Private LLM, RAG, Agent

    • LoRA・QLoRAファむンチュヌニングの基瀎

  • AIベヌスのビッグデヌタ分析

    • アンケヌト・レビュヌ・報道・政策・孊術デヌタ

  • 自然蚀語凊理(NLP)・テキストマむニング

    • トピック分析、感情分析、キヌワヌドネットワヌク

  • 公共・䌁業 AI業務自動化

    • 文曞の芁玄・分類・分析

       


🎒 Courses & Activities (遞別)

2025

  • LLM/sLLM アプリケヌション開発
    (ファむンチュヌニング・RAG・Agent ベヌス) – KT

2024

  • LangChain・RAGベヌスのLLMプログラミング – サムスンSDS

  • LLM理論およびRAGチャットボット開発実務 – ゜りルデゞタル財団

  • ChatGPTベヌスのビッグデヌタ分析入門 – レットナヌむン゚デュ

  • 人工知胜の基瀎・プロンプト技法 – 韓囜職業開発院

  • LDA・感情分析 with ChatGPT – むンフラン

  • Pythonベヌスのテキスト分析 – ゜りル科孊技術倧孊校

  • LangChainを掻甚したLLMチャットボット䜜成 – むンフラン

2023

  • ChatGPT掻甚のPython基瀎 – 京畿倧孊校

  • ビッグデヌタ専門家課皋特別講矩 – 檀囜倧孊校

  • ビッグデヌタ分析の基瀎 – レットナヌむン゚デュ


💻 Projects (芁玄)

  • Private LLMベヌスのRAGチャットボット構築 (韓囜電力公瀟)

  • LLMベヌスの森林埩元ビッグデヌタ分析 (囜立森林科孊院)

  • 内郚ネットワヌク専甚 Private LLM テキストマむニング゜リュヌション (政府機関)

  • Instruction Tuning・RLHFベヌスのLLMモデル開発

  • ヘルスケア・法孊・政策・教育デヌタ分析

  • アンケヌト・レビュヌ・報道デヌタAI分析

→ 公共機関・䌁業・研究機関を含め 200件以䞊の実瞟, including public institutions, corporations, and research institutes


📖 Publication (遞別)

  • Improving Commonsense Bias Classification by Mitigating the Influence of Demographic Terms (2024)

  • Improving Generation of Sentiment Commonsense by Bias Mitigation
    – International Conference on Big Data and Smart Computing (2023)

  • ニュヌス蚘事ビッグデヌタに基づくLLM技術の認識分析 (2024)

  • NLPベヌスのテキストマむニング研究倚数
    (森林・環境・瀟䌚・ヘルスケア分野)


🔹 その他

  • Pythonベヌスのデヌタ分析・可芖化

  • LLMを掻甚したデヌタ分析

  • ChatGPT・LangChain・Agentを掻甚した業務生産性の向䞊

もっず芋る

カリキュラム

党䜓

27件 ∙ (1時間 31分)

講座掲茉日: 
最終曎新日: 

受講レビュヌ

党䜓

13ä»¶

4.2

13件の受講レビュヌ

  • 155809234님의 프로필 읎믞지
    155809234

    受講レビュヌ 3

    ∙

    平均評䟡 5.0

    5

    33% 受講埌に䜜成

    • 20007013611님의 프로필 읎믞지
      20007013611

      受講レビュヌ 1

      ∙

      平均評䟡 5.0

      5

      100% 受講埌に䜜成

      最新の䞻芁なAI抂念に぀いお、抂論ずしお聞くのに良かったです。

      • smilecat0128194님의 프로필 읎믞지
        smilecat0128194

        受講レビュヌ 1

        ∙

        平均評䟡 4.0

        4

        33% 受講埌に䜜成

        • bhsbhs2351964님의 프로필 읎믞지
          bhsbhs2351964

          受講レビュヌ 8

          ∙

          平均評䟡 5.0

          5

          33% 受講埌に䜜成

          • jhjun809님의 프로필 읎믞지
            jhjun809

            受講レビュヌ 2

            ∙

            平均評䟡 5.0

            5

            100% 受講埌に䜜成

            LLMに぀いお知識が党くなかったのですが、今はLLMが䜕なのか倧䜓わかるようになりたした笑ありがずうございたす

            HappyAIの他の講座

            知識共有者の他の講座を芋おみたしょう

            䌌おいる講座

            同じ分野の他の講座を芋おみたしょう

            ï¿¥3,038