「.NET 開発基盤部会 Wiki」は、「Open棟梁Project」,「OSSコンソーシアム .NET開発基盤部会」によって運営されています。
目次 †
概要 †
（何気に、以下の概要の文字列は生成AIで生成していたりする笑）
- イキナリLLMからスタートしたい～Python知らなくても、機械学習の基礎飛ばして、LLMを即戦力に！～
- 伝統的なルートを飛び越えて、LLMの世界にダイブしましょう！ あなたのAI活用が、今日から変わります。
なぜ「イキナリLLM」なのか？ †
- AIの波が急速に広がる中、特にLLM、大規模言語モデルがビジネスや日常に浸透し始めています。
- ChatGPTやGeminiなどのツールがEUCとして誰でも簡単に使えるようになり、企業ではLLMを活用した業務効率化が急務となっています。
- 「そんな時間がない！ すぐにLLMを使って仕事やプロジェクトに活かしたい！」という声に応えるのが、このコンテンツの目的です。
- 私たちは、最小限の前提知識でLLMの核心に飛び込み、即実践できるスキルを提供します。Pythonの基本すら知らなくてもOK。
- 段階を飛ばして、LLMの活用法から逆算して必要な知識をピックアップし、短期間で「LLMを使いこなせる人」を生み出します。
このコンテンツの対象者 †
- LLMに興味はあるけど、プログラミング経験ゼロの人
- 基礎を学ぶ時間は無いが直ぐに実務で使いたいビジネスパーソン
- AIツールをEUCとして活用し、業務効率化を目指す人
- 各資格の取得は後回しで、まずはLLMの面白さを体感したい人
学習の目標と流れ †
- LLMの基礎理解（理論ゼロからスタート）：LLMとは何か？ なぜ今注目されているのか？ を実例で解説。
- 即実践ツール活用：APIやノーコードツールを使って、LLMを動かす（Python不要の方法から）。
- 必須知識の逆引き学習：LLMを使う上で必要な機械学習/深層学習のエッセンスだけをピックアップ。
- プロジェクト実践：チャットボット作成やテキスト生成などのハンズオンで即戦力化。
詳細 †
LLMの基礎理解 †
以下をLLMに聞いてみてください（笑）
環境構築編 †
Python環境 †
Pythonのインストール方法と基本的な動作確認を解説。
- 3.8～3.11の推奨理由：安定性・機能性・互換性のバランスが非常に良い。
- 3.12の推奨理由：パフォーマンス・開発体験・型安全性・構文の柔軟性
- 別バージョンをインストールしたり、仮想環境を使用したりする。
- システムPythonを汚さないよう別のPythonをインストールすることもできる。
- 仮想環境を使用についてはPKGMGRと仮想環境で解説する。
- WindowsのWSL2でのPythonインストール手順
PKGMGRと仮想環境 †
「PKGMGR」と「仮想環境」の使用方法を学び、プロジェクト毎に独立した環境を構築、LLM関連パッケージを安全にインストール。
- pythonではpipと言うパッケージ・マネージャーを使用する。
- 実行単位に依存関係のPKGバージョンが異なると、スクリプト系特融の互換性の緩さから、動かないことが多い。
- 仮想環境では、環境や実行の単位毎にインストール・パッケージを別々に管理できる。
Notebook環境 †
Jupyter系やGoogle Colabのセットアップ。PythonのREPL（対話型シェル）以上のインタラクティブ体験を説明。
IDE環境 †
より本格的な開発向けに、IDEのセットアップ。将来的なスケールアップに備える
- VS CodeのインストールとPython、Jupyter 拡張機能の設定。
- 基本的なデバッグ方法やコード補完の活用。
- Notebook系との違いを簡単に説明
基本ツール編 †
OpneAI †
OpenAI API（ChatGPTの基盤）を使ったLLM活用の入門。
- APIキー取得とセットアップ。
- 簡単なテキスト生成（curl → python）。
- 実例: 質問応答、文章要約、翻訳など。
- コスト管理（無料枠や課金体系）の簡単な説明を追加。
LangChainを使い業務に応用可能なプロトタイプを作成。
- LangChainの概要（LLMを簡単に実装するためのフレームワーク）。
- インストールと基本設定（pip install langchain）。
- 実例: メモリ付きチャットボット、ドキュメント検索、外部データとの統合。
- プロンプトテンプレートの作成とカスタマイズ。
- 補足提案: LangSmith（デバッグツール）などエコシステム
Ollama †
ローカルでLLMを動かすための軽量ツール、プライバシーやコストを意識した活用法を学ぶ。
- Ollamaのインストールとセットアップ
- オープンソースモデルのダウンロードと実行。
- APIエンドポイントを使った簡単なアプリケーション構築。
- オフライン環境でのテキスト生成やチャット。
LLMエージェント編 †
エージェント概要 †
エージェントとは何か、LLMとの違いを理解し、次のプログラミングに意欲を持つ。
- エージェントの定義
- 実例：タスク分解、外部ツール連携
- フレームワークの紹介
エージェント・プログラミング †
エージェントを動かす簡単なコード実装・実行し、感覚をつかむ。
- エージェントの定義
- ツール利用
- ハンズオン
- デバッグ
- ノーコードツール
LLMファインチューニング編 †
ファインチューニング概要 †
ファインチューニングの基本概念と必要性を解説。
ファインチューニングの目的とプロセスを直感的に理解。
- ファインチューニングとは？（モデルを特定タスクに最適化）。
- 転移学習やLoRA（軽量チューニング）の簡単な説明。
- 実例: カスタマーサポート向けの応答モデル、専門用語対応モデル。
- 必要なデータセットの準備（例: JSONやCSV形式）。
- コストや計算リソースの現実的な話（GPU必要性など）を追加。
ファインチューニング・プログラミング †
実際にファインチューニングを実践、簡単なファインチューニングを自分で実行し、業務特化のモデルを試作。
- オープンソースモデルをHugging Faceでチューニング
- LoRAを使った軽量チューニングの実装（peftライブラリ）
- ハンズオン: 小規模データセットでカスタムモデル作成。
- Google Colab などの無料GPU活用をガイド
全体の補足と提案
![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
