すべてのための大規模言語モデル LLM (Large Language Model) Part 1 - Llama 2 Fine-Tuning 試す

様々な事例を通じて、MCP(Model Context Protocol)を利用した業務自動化の方法(Playwright クローリング、Figma デザイン、Notion データ整理、Excel データ分析)を学習できる講座です。

랭체인(LangChain)ライブラリの概念と活用方法を学習し、랭체인(LangChain)ライブラリを利用して自分だけのChatGPTを作ってみる講座です。

ディープラーニング自然言語処理の基礎から最新モデルであるTransformerとBERTまで、ディープラーニング自然言語処理(Natural Language Processing [NLP])の原理と活用方法を様々な例と実習コード実装を通じて学習します。

様々なローカルLLM(Qwen、Gemma)を活用する方法を学習し、LLMシステムの性能を効率的に評価(Evaluation)し改善する様々な技法を見ていきます。

実習を通じて高品質AIエージェントを作るためのコンテキストエンジニアリング（Context Engineering）技法を学習してみます。

車両ナンバープレート認識実戦プロジェクトを通じてディープラーニング/TensorFlow/コンピュータビジョン基礎から実務応用まで全過程を一度に学習できるオールインワン型の講義です。さまざまな練習により、カスタムデータセットに最新のディープラーニングモデルを適用するための実践的なスキルを身に付けることができます。

Cursorを使って、自分だけのMCPサーバーを作ってみながら、開発者の未来の姿であるVibeコーディングを体得する講座です。

最新AI技術の集大成であるAIエージェント！様々なAIエージェントを実装してみながら、LangGraphを利用した自分だけのAIエージェント実装法を学習してみます。

ディープラーニングコア理論と最新のTensorFlow 2.0を利用したディープラーニングコードの実装を一度に学べる講義です。

AI企業レビューを通じて、AI技術が私たちの現在と未来をどのように変えていくかを様々な事例を通して見ていきます。 AIプロジェクトを推進するために必要な要素を検討することで、来たるべきAI Transformationを準備します。

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。

AIカスタマーセンターチャットボット（AICC）を構築しながら、実践的なRAG（Retrieval-Augmented Generation）システムを構築する方法を学ぶ講座です。

LangGraph를 이용하여 다양한 AI 에이전트 구현 프로젝트를 진행하면서 LangGraph를 이용하여 실용적인 AI 에이전트를 만드는 방법을 학습합니다.

eベスト投資証券xing APIを利用して株式自動売買ボットを作る講義です。 1年365日に自動で取引する独自の株式自動売買ボットを作ってみてください。

ChatGPTを利用したウェブサイトクローリング方法を学習できる講座です。ChatGPTがもたらす変化した未来を、事前に体験してみてください。

ChatGPTを利用したデータ分析とPandasの活用方法を学習できる講座です。ChatGPTが創る変化した未来を先取りして体験してみてください。

ChatGPTを活用した様々な業務自動化方法(Excel、PPT、スクレイピング、画像処理)と、業務自動化のためのPython(パイソン)基礎を学習できる講座です。ChatGPTが作り出す変化した未来をぜひ事前に体験してみてください。

GPT-1(Improving Language Understanding by Generative Pre-Training)論文をTensorFlow 2.0を利用してゼロから実装してみながら、ディープラーニング論文の実装能力を学べる講義です。

ChatGPTを利用してさまざまなクオンツ投資戦略を作成する方法を学習できる講座です。ChatGPTを利用して自分だけのクオンツ投資戦略を作成してみてください。

自動収益を出すことができるビットコイン暗号通貨コインボット開発のための[アイデア発掘-データ収集-バックテストによる検証]プロセスと講師が開発したAIS1、AIS2投資戦略の原理、種目選定と買収、売り打点とバックテスト、ボット実行のためのソースコードを学習できる講義です。

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。

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。

今、こんな紹介が重要ですか？ 今すぐdeepseek R1モデルを使ってください。

<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。

今や本当に誰でも、たった一日で自分だけのサービスを作ることができる時代です。 前回のバイブコーディングワークショップでは、バイブコーディングとは何かを直接体験し、自分が作りたいサービスのフロント（見える画面）を誰でも完成させて配布まで行うことが目標でしたが、 今回のワークショップは単に見えるサービスを作ることに留まらず、実際のユーザーを具体的に想像し、「このサービスを誰が、なぜ使うのか」に集中する開発方式を重要に扱います。参加者はワークショップを通じて自分だけのサービスを作りながら、自然にターゲットユーザーと解決すべき問題を明確に定義する方法を学ぶことになります。 バイブコーディングが初めての人でも大丈夫です！コーディングを知らなくても、開発を知らなくても十分です！ 単純に真似して作るのではなく、本当に使用可能なサービスを直接作り出す経験を今回のワークショップで体験してみてください！

今や誰でもコーディングなしでサービスを作ることができる時代です。 セルフィッシュクラブのクルーたちは、実際の使用のためのサービスを必要な機能だけを選んで3週間以内に実装しました。 コーディングができないクルーたちが自然言語プロンプトだけで直接問題を解決するためにサービスを直接作った事例です。 バイブコーディングはもはや馴染みのない概念ではありません！ 「コーディングで実際にどんな問題を解決できるのか」実際の事例を通してみんなで共有します！

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。

なぜAttentionが必要だったのか、そしてどのように動作するのかを「コードで直接実装しながら」理解します。 この講義はRNNとSeq2Seqモデルの構造的限界から出発し、 固定されたコンテキストベクトルが作り出す情報ボトルネック問題、長期依存性問題を実験で検証し その限界を解決するためにAttentionがどのように登場したのかを自然に繋げて説明します。 単純に概念を紹介するのではなく、 RNNの構造的限界とSeq2Seqの情報ボトルネック問題を直接実験で確認し、 これを解決するために登場した**Bahdanau Attention（加算的アテンション）**と **Luong Attention（内積アテンション）**を一つずつ実装しながらその違いを明確に理解します。 各アテンションが どのような方式でQuery–Key–Value関係を形成し、 重みを計算する過程でどのような数学的・直感的違いを持ち、 なぜ後代モデルに繋がらざるを得なかったのか その特性と進化の流れまで自然に繋がります。 Attentionが文章と単語をどのように捉え、 各単語がどのような方式で重要度を付与されて情報を統合するのかを 数式 → 直感 → コード → 実験が一つに繋がった形で学習します。 この講義はTransformerを正しく理解するための「基礎体力」を築く過程として、 Attentionという概念がなぜ革命的だったのか、 そしてその後のすべての最新NLPモデル（Transformer、BERT、GPTなど）が なぜAttentionを核心構成要素とするのかを深く理解するようになります。 RNN → Seq2Seq → Attentionに繋がる流れを 概念ではなくコードと実験で体化したい学習者に最適化された講義です。

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。

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！

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。

『ゼロから作って学ぶLLM』（ギルボット、2025）のGitHubノートブックとボーナスコンテンツを扱う講義です。GitHub: https://github.com/rickiepark/llm-from-scratch/ 『ゼロから作って学ぶLLM』は、セバスチャン・ラシュカ（Sebastian Raschka）が書いたベストセラー『Build a Large Language Model (from Scratch)』（Manning、2024）の翻訳書です。この本は、OpenAIが作ったGPT-2モデルをゼロから始めて完全なモデルを作ってみながら、大規模言語モデルの動作原理を学び活用する方法を提供します。