Claudeで完結する実務業務自動化:Excel・文書・PPTからSkills・Obsidianまで
HappyAI
Claudeに質問するだけでなく、実際の業務を任せてみましょう。 Excel・文書・議事録・レポート・PPTなどの反復業務を自動化し、自分の業務に合わせて再活用する方法を学びます。コーディングの知識がなくても取り組める、実務プロジェクト中心の講座です。
入門
data-analysis, data-processing, n8n
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。
受講生 211名
難易度 入門
受講期間 4か月


学習した受講者のレビュー
5.0
HJ
全体的な概念をつかむのに本当に良い内容です!講義資料はどのように提供していただけますか?
5.0
Goldie
基礎固めに最適です。
5.0
leckar1231
講義資料の提供とQ&Aへの回答さえ行われれば、より良くなると思います。全体的な概念を把握するには、本当に素晴らしい内容です!
LLMが回答を生成する過程を理解する構造的思考
プロンプト・RAG・Agentなどの核心概念を混同しないための基準
AI関連の議論を正確に追うことができる理解力
LLMの限界とパラメータを考慮した現実的な判断感覚
ChatGPTやGeminiを使っているものの、動作原理が気になっていませんか?
この講義では、LLMの基本概念から一つずつ丁寧に説明し、
プロンプト・RAG・Agentのコア技術を、難しく感じることなく理解できるようサポートします。
自分のものにする理論講義
ChatGPTとGeminiを使っているものの
なぜそのような答えが出てくるのか、疑問に思ったことはありませんか?
この講義では、LLMの基本構造から核心概念まで
複雑な数式を使わず、理解を重視して説明します。
Transformer、Self-Attentionはもちろん、
プロンプト・RAG・Agentが
LLM内部でどのように機能しているのかを自然につなげて理解できます。
ツールの使い方ではなく、
AIを判断できる基準を作るための講義です。
この講義では、単なるツールの使い方やテクニックは扱いません。
LLMが
どのように文脈を理解し、
なぜ幻覚(Hallucination)が発生し、
なぜプロンプト・RAG・ファインチューニング・Agentが登場したのか
数式なしで、構造を中心に段階を追って核心的な内容の理論を説明します。
Transformer、Self-Attention、トークン、埋め込みといった核心概念を
論文の羅列ではなく、直感的な流れとしてつなげて理解できるよう構成しました。
ChatGPTは使っているものの、LLMの概念がいつも混乱してしまう方
RAG・Agentの話になると会議で理解できない企画担当者・PM
AIの導入や活用戦略を検討する現場の実務担当者
開発者ではないものの、LLMを正しく理解したい方
「LLM理論入門講座」を探している学習者
❌ ChatGPTの機能説明講座
❌ 特定のAIツールの使い方に重点を置いた講義
❌ 自動化・業務効率を重視した実習講義
この講義は、LLMの構造と動作原理を理解する理論中心の講義です。
AIをただ使う人から
AIを理解し、設計できる人へ
生成AIとLLMの基本原理を探求します。LLMが膨大なテキストデータを通じて言語の意味や文脈を統計的に学習し、自然な文章を生成する仕組みを理解します。
LLM技術の最新の発展トレンドを概観し、グローバルなAI競争の構図の中でLLMの将来の戦略的方向性を分析します。これは、LLM技術の現在と未来を展望するのに役立つでしょう。
LLMの根本的な動作原理を学びます。トークン、埋め込み、ベクトル空間、コンテキストウィンドウなどの主要概念を理解し、主な出力制御パラメータについて学びます。
LLMの性能を最大限に引き出すためのプロンプトエンジニアリングの基本概念と高度なテクニックを扱います。Zero-shot、Few-shot、Chain-of-Thought(CoT)など、さまざまなパターンを学び、効果的なプロンプト作成能力を養います。
LLMの幻覚(Hallucination)や最新情報の不足といった限界を克服するためのRAG(Retrieval-Augmented Generation)アーキテクチャを学習します。RAGの中核要素である埋め込みとベクトルデータベースを理解し、全体の動作フローを把握します。
RAGシステムの精度を評価する指標と方法論を学び、実際に適用可能な性能改善手法を探求します。これにより、RAGシステムの効率性と信頼性を高める方法を模索します。
特定のタスクやドメインにLLMを適応させるファインチューニングの基本概念と適用戦略を学びます。また、PEFT(Parameter-Efficient Fine-Tuning)のような軽量チューニング手法を通じて、効率的なモデルチューニング方法を習得します。
Agentの概念と構造を理解し、さまざまなLLM Agentのタイプを見ていきます。実際の業務やサービスにAgentをどのように活用できるのか、具体的な事例を通じて学びます。
最新のマルチエージェントシステム理論であるMCP(Multi-agent Cooperative Planning)とA2A(Agent-to-Agent)の概念、動作原理、構造および活用方法を比較・分析します。これにより、先進的なエージェントシステム設計を理解します。
Point 1. LLMの核心原理を数式なしで理解
ChatGPTは使っているけれど、その原理が気になりますか?この講義では、LLMの動作方式を数式なしで、構造を中心に明確に説明します。幻覚現象が起こる理由から、プロンプト、RAG、ファインチューニング、エージェントがなぜ必要なのか、その根本原理まで理解できます。
Point 2. LLMの原理を簡単に理解できます。
単なるツールの使い方ではなく、LLMがどのような思考構造で動作するのかを理解することに重点を置きます。
これにより、AI関連の会議や企画書に登場する概念を混同せずに理解し、説明できる理論的な基準を得られます。また、ハルシネーション、最新性、コンテキストの限界など、LLMが抱える構造的な限界を理解することで
何を期待でき、何を期待してはいけないのかを判断できるようになります。
Point 3. RAG・ファインチューニング・Agentを理解する理論的フレームワーク
LLMが持つ構造的な限界を補完するために登場したRAGアーキテクチャの主要な構成要素と、全体の動作フローを理論的に理解します。また、ファインチューニングと軽量チューニング手法(PEFT、LoRA)がどのような問題を解決するために設計されたのか、そしていつ適切な選択肢となるのかを構造的に説明します。Agentについても「どのように作るか」ではなく、Agentが必要な理由と内部構造、単純な自動化との違いを中心に扱います。
ポイント4. AIを理解する視点を作る
「AIをただ使う段階」から脱し、AIを構造的に理解する視点を身につけることを目的としています。
トークン、埋め込み、コンテキストウィンドウといったLLMの中核概念から、MCP、A2Aなど最新のマルチエージェント理論まで
なぜこのような構造が登場したのかを中心に整理します。
✔️ LLMの基本原理から理解したい初心者
LLMが幻覚(Hallucination)を起こす理由を構造的に理解したい方
プロンプト、RAG、ファインチューニング、エージェントがなぜ必要で、どのように機能するのかを知りたい方
単なるツールの使い方にとどまらず、AIの仕組みを根本から理解したい方
✔️ AI 관련 회의나 기획 문서에서 LLM 개념을 정확히 설명하고 싶은 기획자/실무자
LLMの核心原理(トークン、埋め込み、コンテキストウィンドウ)を明確に説明したい方
RAG、ファインチューニング、エージェントなど、最新のLLM技術トレンドを理解したい方
AIサービスの企画および戦略策定において、LLMの限界を考慮し、現実的な活用方法を模索したい方
✔️ LLMを業務に効果的に適用したい現役の開発者/データアナリスト
LLMの推論および回答生成プロセスを構造的に理解し、開発に活用したい方
どのアプローチ(プロンプト、RAG、ファインチューニング、エージェント)が問題解決に適しているかを判断する基準を設けたい方
LLMの限界(ハルシネーション、最新性、コンテキスト)を克服し、実際のサービスに適用する戦略を設計したい方
本講義は
LLM(大規模言語モデル)の構造と動作原理を理解することに重点を置いた
理論中心の講義です。
実習は概念の理解を助けるための補助的な手段です。
特定のAIツールの使い方や実務の自動化を目的としていません。
前提知識および注意事項
LLM、Transformer、Self-Attentionなどの基本概念を理解していると、学習に役立ちます。
トークン、コンテキストウィンドウ、埋め込みなどの関連用語に慣れていると、学習に役立ちます。
AI LLMの仕組みに対する好奇心と学習意欲が重要です。
学習対象は
誰でしょう?
LLMとTransformer、Self-Attentionの核心原理
トークン、コンテキストウィンドウ、埋め込みなどの必須概念の整理
プロンプトエンジニアリングの主要な手法(Zero-shot、Few-shot、CoT)
RAGの全体構造と精度改善方法
ファインチューニング vs RAGの違いと選択基準
AIエージェントの構造と実際の活用シナリオ
MCP、A2Aなど最新のマルチエージェント理論の動向
前提知識、
必要でしょうか?
ChatGPTは使っているけれど、LLMの概念がいつも混乱してしまう方
RAG・エージェントの話になると、会議で理解できない企画担当者・PM
AIの導入や活用戦略を検討する現場の実務担当者
開発者ではないけれど、AI LLMを正しく理解したい方
「llm基礎理論入門講義」を探している学習者
5,564
受講生
337
受講レビュー
54
回答
4.5
講座評価
12
講座
AI工学博士・AIソフトウェア学科兼任教授・ハッピーAI代表
こんにちは。
自然言語処理(NLP)と大規模言語モデル(LLM)を中心に、AIの研究・開発・教育に携わっているイ・ジンギュです。 and I research, develop, and teach AI, focusing on natural language processing (NLP) and large language models (LLMs).
人工知能専攻の工学博士号を取得し、自然言語処理とLLMを中心に研究してきました。 and have conducted research primarily in natural language processing and LLMs.
現在AIソフトウェア学科の兼任教授として自然言語処理やコンピュータービジョンなどのAI関連科目を講義しており、生成AI専門企業ハッピーAIを運営しています。
政府出資研究機関で自然言語処理・ビッグデータ分析の研究員として勤務した後、AI専門企業の開発者を経て、現在は企業や公共機関のAIプロジェクトと教育に携わっています。
SamsungSDS、KT、現代ウィア、ソウルデジタル財団など、さまざまな企業・機関で生成AI、LLM、RAG、AIエージェント、ファインチューニングに関する研修やプロジェクトを実施してきました。
また、文書・アンケート・レビュー・報道・政策・学術データなど、さまざまな非構造化データを対象に自然言語処理とテキストマイニングの研究を行い、医療・政策・環境・法学・経済・教育など、幅広い分野の研究・分析プロジェクトを経験してきました。
AIソフトウェア学科兼任教授
自然言語処理
コンピュータビジョン
生成AI
データマイニング
工学博士(人工知能)
大規模言語モデル(LLM)・Agent研究
Happy AI代表
生成AI・LLM・RAG・AI Agentの研究開発および教育
政府出資研究機関の研究員
自然言語処理・ビッグデータ分析
AI・ビッグデータ専門企業の開発者
AIコラムニスト
生成AI、LLM、RAGおよびAI技術に関する寄稿
生成AIおよび大規模言語モデル(LLM)
RAG · プライベートLLM
AIエージェント・Agentic AI
LangChain・LangGraphベースのAIアプリケーション
LoRA・QLoRAベースのLLMファインチューニング
自然言語処理(NLP)・テキストマイニング
AIを活用したデータ分析および業務自動化
サムスンSDS – LangChain・RAGベースのLLMプログラミング
KT – LLM/sLLMアプリケーション開発
ソウルデジタル財団 – LLM理論およびRAGチャットボット開発
現代ウィア – 生成AI・AX研修
ソウル科学技術大学 – Pythonベースのテキスト分析
京畿大学 – ChatGPT活用Python
檀国大学校 – ビッグデータ専門家課程
Private LLMベースのRAG文書検索・チャットボット構築
社内ネットワーク環境におけるPrivate LLMソリューション開発 in an internal network environment
LLMファインチューニングおよびInstruction Tuning
AI Agentベースの業務プロセス設計
自然言語処理・テキストマイニングに基づく研究・分析
アンケート・レビュー・報道・政策・学術データのAI分析
自然言語処理・LLM関連の国内外における学術研究の実施
LLMバイアスの測定および緩和に関する研究
NLP・テキストマイニング分野の論文多数
AI関連の特許およびソフトウェアの研究開発経験
著書 『ChatGPTと学ぶ株式データ分析』
AI技術は急速に変化しますが、核心原理を理解すれば、新しい技術もはるかに早く習得できます。
講義では、単に機能やコードを真似することよりも
「何なのか → なぜ必要なのか → どのように動作するのか → 実際にどこで活用するのか」
明確に理解できるように説明することを最も重視しています。
複雑なAI技術を難しく説明するのではなく、
初めて触れる方にも全体の構造を理解し、実際の業務やプロジェクトに適用できるようお伝えします。
ホームページ
https://happyaidata.kr
YouTube
https://www.youtube.com/@HappyAI_0612
GitHub
https://github.com/leejin-kyu
※ クモンPrime専門家
全体
28件 ∙ (1時間 31分)
講座資料:
2. 生成AIとLLMの基礎概念
01:35
3. LLMの背景技術と発展過程
11:33
4. LLMの限界
03:38
全体
30件
4.4
30件の受講レビュー
受講レビュー 23
∙
平均評価 5.0
5
講義資料の提供とQ&Aへの回答さえ行われれば、より良くなると思います。全体的な概念を把握するには、本当に素晴らしい内容です!
高い評価をいただき、ありがとうございます。講義資料は leejinkyu0612@naver.com までお問い合わせいただければ、お送りいたします。
受講レビュー 2
∙
平均評価 5.0
修正済み
受講レビュー 10
∙
平均評価 5.0
受講レビュー 1
∙
平均評価 5.0
受講レビュー 12
∙
平均評価 5.0
知識共有者の他の講座はこちら
同じ分野の他の講座を見てみましょう!