Inflearn - Nền tảng Nghề nghiệp Trọn đời

：「データ分析のその先へ、5つの実践プロジェクトで完成させる予測モデリング（全45講）」 データ分析は終えたものの、いざモデルを作ろうとすると途方に暮れていませんか？単にライブラリを呼び出す方法を超えて、タイタニック号の生存予測からスパムメッセージ分類まで、各アルゴリズムの作動原理と最適なモデル検証戦略を完全に自分のものにできるようサポートします。線形モデルから最新のアンサンブルアルゴリズム、そして自然言語処理（NLP）の基礎まで、現場で最も強力な威力を発揮するプロジェクトを体系的に攻略します。さあ、分析されたデータを基に未来を予測する人工知能モデリングの世界へ踏み出しましょう。

AIがブラウザを直接開き、シェルスクリプトを書いてサーバーの問題を解決するとしたらどうでしょうか。WindowsとLinuxを自在に行き来しながらOpenClawで実現する実践的な自動化ノウハウを通じて、複雑な設定なしで自分だけの強力なリモート開発環境を完成させる最短ルートをご案内します。

トランスフォーマーベースのLLMアーキテクチャとGPU活用戦略を理解し、vLLMを活用した実際のサービング過程まで直接実習します。 AIシステムパイプラインの構築からモニタリング、マルチGPUの活用まで実務フロー全体を扱い、 複雑な数式なしで図解と実習を中心に直感的に理解できるように構成された講義です。

今は本当に誰もが、たった一日で自分だけのサービスを作れる時代です。 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感しながら、自分が作りたいサービスのフロント（目に見えるページ）を誰もが完成させ、デプロイまで行うことが目標でした。 今回のワークショップは、単に見えるサービスを作るだけにとどまらず、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」に集中する開発手法を重視しています。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、自然と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方でも大丈夫です！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！ 単に真似して作るのではなく、本当に使えるサービスを自ら作り上げる経験を、ぜひ今回のワークショップで体感してください！

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。

Multi Head Attentionから始まり、Original Transformerモデル、BERT、Encoder-DecoderベースのMarianMT翻訳モデル、Vision Transformerまで、コードで直接実装しながらTransformerについて隅々まで学ぶことができます。

『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。

この講義は、LLMとGPTの基本概念を誰でも理解できるように分かりやすく解説します。 受講生はGPT APIを直接活用してチャットボットを作成し、Streamlitを使ってウェブ上で実行することができます。 基礎から実習までを経験しながら、AI活用の第一歩を確実に踏み出すことができます。

この講義は、Notion APIの基礎を固め、AI（Claude）を連携してNotionを自動化するNotion MCP活用法を学ぶ過程です。API公式ドキュメントに従ってブロック、ページ、データベースを直接制御する方法を身につけ、最終的には自然言語コマンド（プロンプト）だけでデータベースを生成し、テキストファイルの内容を分析して自動的にページを追加する実戦プロジェクトを完成させます。

今は誰もがコーディングなしでサービスを作れる時代です。 セルフィッシュクラブのクルーたちは、実際に使用するためのサービスを、必要な機能だけを絞り込んで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、自然言語のプロンプトだけで自ら問題を解決するために、直接サービスを作り上げた事例です。 「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のような問題を解決できるのか」、実際の事例を通じてすべて共有します！

<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サービスを企画するために、ユーザーが要求する事項を収集し分析する方法について見ていきます。

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。

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。

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。

このOnline Classesは、Transformerを単に「実装する方法」ではなく、 なぜこのような構造が作られたのか、各モジュールがどのような役割を果たすのか、 そしてモデル全体がどのように動作するのかを設計者の視点から解剖する過程です。 Self-AttentionとMulti-Head Attentionの内部計算原理を深く分析し、 Positional Encoding、Feed-Forward Network、Encoder・Decoder構造が どのような限界を解決するために登場したのかを数式・論文・実装コードで直接確認します。 Attentionから出発してTransformer全体の構造を直接組み立て、 実際に学習まで実行しながらモデルがどのように動作するのかを体得します。 このOnline Classesは「Transformerを完全に理解したい人」のための 最も構造的で実践的なロードマップです。

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、LLM（大規模言語モデル）の基本原理からRAG（Retrieval-Augmented Generation）、そして最新技術であるAI AgentとMCP（Modular Command Protocol）まで、生成型AIを実務で活用するために必ず知っておくべき全過程を一度に整理するコースです。 生成型AIがどのように情報を理解し、検索し、判断し、行動するAI Agentへと拡張されるかを、技術の流れに沿って自然に学べるよう構成されています。

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。

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。