所要時間: 約25分 | 難易度: ★★☆☆☆ この記事で作るもの 指定したHugging FaceのモデルIDから、そのアーキテクチャ（レイヤー構造やパラメータ詳細）を自動で可視化URLに変換し、ブラウザで即座に確認できるPythonスクリプト モデルのconfig.jsonを解析し、VRAM消費量の目安やテンソルサイズを把握するワークフローの構築 前提知識：Pythonの基本的な構文がわかること、Hugging Faceのアカウント（トークン）を持っていること 必要なもの：Python環境、Hugging Face Hubライブラリ 📦 この記事に関連する商品 ...
所要時間: 約40分 | 難易度: ★★★☆☆ この記事で作るもの Gitの差分（Diff）を読み取り、Qwen3.6-27BまたはCoder-Nextを使ってコードの脆弱性やリファクタリング案を自動生成するPythonスクリプト ローカルLLMをAPIサーバー化し、外部依存なしでコード解析を完結させる環境 前提知識: Pythonの基本的な読み書きができること、Gitの基本操作 必要なもの: VRAM 16GB以上のGPU（RTX 3080 12GB以上推奨）、Python 3.10以降 📦 この記事に関連する商品 ...
所要時間: 約40分 | 難易度: ★★★☆☆ この記事で作るもの Qwen3.6-27Bを中核とし、外部検索結果を統合して回答する「Agentic Search（自律型検索）」スクリプト。 RTX 3090/4090（24GB VRAM）1枚で、SimpleQA精度95.7%という商用モデル級の性能をローカルで実現します。 前提知識：Pythonの基礎、コマンドライン操作、Dockerまたは環境構築の基礎。 必要なもの：NVIDIA製GPU（VRAM 24GB推奨）、Ollama、Python 3.10以上。 📦 この記事に関連する商品 ...
所要時間: 約40分 | 難易度: ★★★☆☆ この記事で作るもの DeepSeek-R1（Distill版）をローカル環境で起動し、その「思考プロセス」をPythonで抽出・解析する検証スクリプト 実行中のAIモデルが外部と通信していないかを監視するための、ネットワークパケットのログ出力環境 前提知識：Pythonの基本的な文法、ターミナル（PowerShellやTerminal）の基本操作 必要なもの：NVIDIA製GPU（VRAM 8GB以上推奨）を搭載したPC、または高性能なApple Silicon搭載Mac 📦 この記事に関連する商品 ...
所要時間: 約45分 | 難易度: ★★★☆☆ この記事で作るもの PythonとPygameライブラリを使用し、LLMにコードを全生成させて動く「パックマン風ゲーム」 Qwen 3.6 27B と Gemma 4 31B のコーディング能力を比較したベンチマーク結果 前提知識: Pythonの基本的な実行環境（VS Code等）が整っていること 必要なもの: VRAM 24GB以上のGPU（RTX 3090/4090推奨）、または十分なシステムメモリ（32GB以上） 📦 この記事に関連する商品 ...
所要時間: 約45分 | 難易度: ★★★★☆ この記事で作るもの DeepSeekが発表した最新フレームワーク「Thinking-with-Visual-Primitives（TwVP）」を使い、画像内の物体位置を正確に把握し、その配置関係から複雑な推論を行うPythonスクリプトを作成します。 一般的なVLM（Vision-Language Model）が苦手とする「正確な座標特定」と「空間認識」を、モデルに「視覚的な下書き（Primitive）」を書かせることで解決する手法を実装します。 この記事を読み終える頃には、単なる画像説明ではなく、ミリ単位の空間把握が必要な業務（検品、棚卸、図面解析など）に応用可能なコードが手元に残ります。 ...
所要時間: 約60分 | 難易度: ★★★★☆ この記事で作るもの 2台以上のPC（GPU搭載）をネットワーク経由で束ね、Llama 3 70Bなどの巨大モデルを高速推論する分散環境を構築します。 PythonとRay、そしてvLLMを組み合わせた、実務レベルの分散推論スクリプト。 複数枚のGPUを1つの仮想的な巨大GPUとして扱うためのネットワーク設定とランタイム。 📦 この記事に関連する商品 ...
所要時間: 約45分 | 難易度: ★★★★☆ この記事で作るもの DeepSeek-V3（671B MoEモデル）を、vLLMを用いてマルチGPU環境でサービングし、OpenAI互換APIとして外部から利用できる環境を構築します。 前提知識: Dockerの基本操作、Python環境構築、Linuxコマンドの基礎。 必要なもの: NVIDIA GPU（VRAM合計200GB以上推奨）、NVIDIA Container Toolkit、十分なストレージ容量（1TB以上の高速NVMe SSD）。 📦 この記事に関連する商品 ...
所要時間: 約45分 | 難易度: ★★★★☆ この記事で作るもの Qwen 2.5モデルの内部で「どの概念が反応しているか」を数値化し、特定の思考を強化・抑制するPythonスクリプト モデルが「数学的思考」や「特定の感情」を司るニューロンをどう使っているかを可視化する環境 前提知識: Pythonの基本操作、PyTorchの基礎、LLMのトランスフォーマー構造への大まかな理解 必要なもの: VRAM 24GB以上のGPU（RTX 3090/4090推奨）、Python 3.10以上、Hugging Faceのアカウント 📦 この記事に関連する商品 ...
所要時間: 約30分 | 難易度: ★★☆☆☆ この記事で作るもの PythonからローカルLLM（Qwen 2.5やGemma 2など）を呼び出し、ストリーミング形式で回答を表示する汎用スクリプト 前提知識: Pythonの基本的な読み書きができる、コマンドライン操作に抵抗がない 必要なもの: Dockerが動く環境、または直接インストール可能なPC（Mac/Windows/Linux）、VRAM 8GB以上のGPU推奨（CPUでも動作は可能） 📦 この記事に関連する商品 ...