#hands-on

Ollama と MLX を使用して Mac Apple Silicon (M1/M2/M3/M4) 上でローカルに LLM を実行するための包括的なガイド。初期インストールから MLX フレームワークによる 3 倍の高速化、複数のモデルの管理、アプリケーションへの API の統合、GPU/RAM パフォーマンスの最適化まで。すべて実践的、プライバシー最優先、インターネットは必要ありません。

このシリーズでは、AI デザイン生成 (安定した拡散、ControlNet)、自然言語による AI 編集、パーソナライゼーション システム、コンピューター ビジョンによる仮想試着から、印刷ファイルの最適化、AI 製品生成まで、ファッションおよびプリント オン デマンド プラットフォーム用の AI システム全体を構築します。各記事は、運用環境にデプロイできる独立した AI モジュールです。

TypeScript を使用して完全な AI エージェント プラットフォームを構築するための実践シリーズ (モノリポジトリの設計、LLM ルーター、ツール レジストリ、RAG パイプライン、ワークフロー エンジン、マルチテナント RBAC から Docker プロダクションのデプロイまで)。実稼働環境で実行されているオープンソース プラットフォームである xClaw の実際のソース コードを通じて学習します。

コンピューター ビジョンに関する実践的なコース — CNN、物体検出 (YOLO)、画像セグメンテーション (SAM) からビジョン トランスフォーマー、マルチモーダル AI まで。 PyTorch、Ultralytics YOLO、Hugging Face の実践。 TensorRT と ONNX を使用して CV モデルを本番環境にデプロイします。

プロンプト エンジニアリングに関する包括的なコース - 基本的なプロンプトの作成から、思考連鎖、思考ツリー、マルチモーダル プロンプト、実稼働用のプロンプト ライブラリの構築まで。 ChatGPT、クロード、ジェミニに即適用できるAI時代の最も必須のスキル。

検索拡張生成 (RAG) に関する詳細なコース - LLM を独自のデータに接続するためのテクニック。基本的な RAG から、グラフ RAG、エージェント RAG、マルチモーダル RAG まで。 ChromaDB、Qdrant、LangChain、LlamaIndex の実践。 「ドキュメントを使用したチャット」を本番環境にデプロイします。

大規模言語モデルの微調整に関する包括的なコース - Google Gemini/Vertex AI、OpenAI、オープンソース (LoRA/QLoRA) での微調整、データ準備、微調整のタイミングについて説明します。ファインチューニングと RAG、モデルの評価方法、実稼働環境のデプロイメントを比較します。実際のコストを計算します。

シンプルなチャットボットから複雑なマルチエージェント システムまで、AI エージェントの構築に関する実践的なコース。関数呼び出し、ツールの使用、RAG、MCP、LangGraph、CrewAI、および運用環境へのエージェントのデプロイに熟練しています。各レッスンは Python を使用して実践的にコーディングされます。

人工知能と大規模言語モデルに関する包括的なコース - ニューラル ネットワーク プラットフォーム、Transformer アーキテクチャから、微調整、RAG、AI エージェント、本番環境への展開まで。 Python、PyTorch、LLM API を実践的に学びます。

2026 年に向けた包括的な基本から上級の Kubernetes コース。コンテナ オーケストレーションのマスター、本番対応アプリケーションのデプロイ、CKA/CKAD 認定の準備に役立ちます。 Gateway API、Cilium、OpenTelemetry、Helm 4、Sidecar コンテナー GA、ValidatingAdmissionPolicy、および AI/ML ワークロードを備えた Kubernetes 1.32 以降に更新されました。