学習順ガイド

まずは自分のタイプを選ぶ

flowchart TD
  S["何をしたい？"] --> A["話についていきたい"]
  S --> B["手元で動かしたい"]
  S --> C["AIアプリを作りたい"]
  S --> D["モデルを鍛えたい"]
  S --> E["速く安く動かしたい"]
  A --> A1["コース1"]
  B --> B1["コース2"]
  C --> C1["コース3"]
  D --> D1["コース4"]
  E --> E1["コース5"]

コース1：1時間で会話についていく

会議やニュースで出てくる言葉の「だいたいの意味」と「何の仲間か」が分かればOK、という人向け。

1. 第1章 LLM周辺の世界地図 — 6つの層で全体を俯瞰
2. 第22章 最低限これだけ覚えればよい用語30選 — 頻出語をざっと確認
3. 第21章 よく混同される用語まとめ — 「どっちがどっち」をクイズで
4. 気になった言葉は用語集で検索

コース2：自分のPCでLLMを動かす

「とりあえず手元で動かしてみたい」「どのモデルなら自分のPCに載るか知りたい」人向け。

1. 第23章 ローカルLLMを触る最短ルート — まず動かす
2. 第2章 モデル・重み・トークナイザ — 何をダウンロードしたのか
3. 第4章 モデルファイル形式 → 第5章 GGUF — ファイル名の読み方
4. 第10章 量子化 — Q4_K_M などの意味と、メモリの見積もり
5. 第8章 Ollama / LM Studio など → 第7章 llama.cpp — ツールの選び方と中身
6. 第17章 ハードウェア — 速さを決めるのは何か

コース3：AIアプリを作る

APIやオープンウェイトモデルを使って、社内検索やチャットボット、エージェントを作りたい人向け。

1. 第1章 → 第2章 — トークンとコンテキストの感覚をつかむ
2. 第19章 RAG / embedding / vector DB — 自分のデータで答えさせる
3. 第20章 エージェント / ツール利用 / MCP — 外の世界とつなぐ
4. 第27章 推論モデル — 「考える」モデルをいつ使うか
5. 第28章 AIコーディングエージェント — 開発そのものにAIを使う
6. 第30章 評価とベンチマーク — 「よくなった」をどう確かめるか

コース4：モデルを追加学習する

自社データや特定の口調・形式にモデルを合わせたい人向け。まず「本当に学習が必要か」から考えます。

1. 第21章の「ファインチューニング vs RAG vs プロンプト」 — 学習しない選択肢を先に知る
2. 第12章 事前学習・継続事前学習・SFT — 学習の種類
3. 第13章 LoRA / QLoRA / Adapter — 少ない資源で微調整
4. 第14章 学習ツール群 — 実際に使う道具
5. 第27章 推論モデル — 強化学習で「考える力」を伸ばす話
6. 第30章 評価とベンチマーク — 学習の成果を測る

コース5：速く・安く・たくさん動かす

サーバーでLLMを提供する、推論コストを下げたい、という人向け。

1. 第6章 推論ランタイムとは何か → 第9章 サーバー向け推論基盤
2. 第15章 KVキャッシュ / バッチ / PagedAttention — メモリと速度の基本
3. 第16章 投機的デコーディング — 1回で何トークンも進める工夫
4. 第10章 量子化 → 第11章 1-bit 系 — 軽くして速くする
5. 第26章 MoE — 総パラメータとアクティブパラメータ
6. 第17章 → 第18章 — ハードウェアと実行バックエンド

セルフチェック：どこまで分かった？

次の質問に、自分の言葉で30秒ずつ答えられるか試してみてください。詰まったら、横に書いた章へ戻ればOKです。