LLM チュートリアル

ChatGPT Work と GPT-5.6 だけで、顧客離反予測モデルの構築・分析・可視化・学習・評価・レポート作成・デプロイまでを実施。セットアップ不要、インストール不要、すべてブラウザ内で完結。

Google Apps Script と Gemini API を使って、メールや PDF からのデータ抽出を自動化する方法を学びます。今日から Google スプレッドシートへサーバーレスのパイプラインを構築しましょう。

このClaude Codeコネクターチュートリアルでは、MCP経由でGitHubを設定。読み取り専用のローカルファイルで、20分でオープンソースの課題トリアージを自動化する方法を学びます。

llama.cpp で GLM-5.2 をプライベートに実行し、独自の API キーで保護。Web UI と cURL でテストし、OpenCode に接続して強力なローカル開発ワークフローを構築。

prebuilt の llama.cpp バイナリを使って、4 枚の RTX PRO 6000 GPU で Kimi K2.7 Code を 5 分でローカル実行し、OpenAI 互換 API 経由で Web UI と Pi コーディングエージェントを活用します。

Claude Code のルーチンで、スケジュールや GitHub イベントに合わせてクラウドでエージェントを実行し、ノートPCを閉じても PR レビューや監査が完了します。

GGUFは、モデルの重み、トークナイザーのデータ、メタデータを単一のポータブルファイルにまとめます。最適な量子化レベルの選び方と、Ollamaでの始め方を学びましょう。

DFlashの推測デコーディングとFlash Attentionを用いて、単一のRTX 4090上でローカルのGemma 4 31B推論をベースライン構成と比較しながら高速化する方法を解説します。

テンサ並列とEAGLE推測デコーディングを備えたマルチGPUのDocker環境を構築し、OpenAI互換API経由でMistral Medium 3.5 128Bを提供します。

Run Qwen3.6 27B on an RTX 3090 and learn how Multi-Token Prediction (MTP) with llama.cpp can boost local LLM inference by almost 2x without upgrading your GPU.

DeepSeek V4の3つの推論モードの仕組みを学び、品質・速度・コストの各面でいつどのモードが勝つのかを示すStreamlit比較アプリを作成します。

本チュートリアルでは、修正済みの llama.cpp ビルドと互換 GGUF ファイルを使い、単一 GPU 上で完全な DeepSeek V4 Flash モデルを実行します。