所要時間: 約35分 | 難易度: ★★☆☆☆ この記事で作るもの ローカルPC内の画像フォルダをスキャンし、AI（Llama-3.2-Vision）がその内容を解析。 解析結果をJSON形式で保存し、検索やデータベース登録が可能な「構造化データ」を自動生成するPythonスクリプト。 クラウドAPI（GPT-4o等）を一切使わず、完全オフラインで1枚あたり約1〜2秒（RTX 4090環境）で処理を完結させます。 📦 この記事に関連する商品（楽天メインで価格確認） ...
所要時間: 約30分 | 難易度: ★★☆☆☆ この記事で作るもの Apple Silicon（M1/M2/M3/M4チップ）のGPU性能を最大限に引き出し、Llama 3やGemma 2といった最新のLLMとローカル環境で高速にチャットができるPythonスクリプトを作成します。 Pythonの基礎知識があれば、外部APIに1円も払わず、かつプライバシーを完全に守った状態で自分専用のAIアシスタントを構築できます。 ...
所要時間: 約25分 | 難易度: ★★☆☆☆ この記事で作るもの 外部APIを一切使わず、手元のPCだけで最新LLM（Llama 3.1やGemma 2等）とチャットできる環境を構築します。 ブラウザから操作できるOpen WebUIを導入し、PDFの読み込み（RAG）やモデルの切り替えをGUIで完結させます。 前提知識として、簡単なコマンド操作（Terminal/PowerShell）とDockerの基本概念を知っているとスムーズです。 📦 この記事に関連する商品（楽天メインで価格確認） ...
所要時間: 約40分 | 難易度: ★★★☆☆ この記事で作るもの AIエージェントが生成したPythonコードを、あなたのPCから完全に隔離されたクラウド上の「砂場（サンドボックス）」で実行し、グラフ画像を取得するシステムを作ります。 前提知識：Pythonの基本的な文法がわかり、環境変数（.env）の扱いを知っていること。 必要なもの：OpenAI APIキー、E2B APIキー（無料枠あり）、Python 3.10以降の環境。 📦 この記事に関連する商品（楽天メインで価格確認） ...
所要時間: 約30分 | 難易度: ★★☆☆☆ この記事で作るもの Apple Silicon（M1/M2/M3/M4）の性能をフルに引き出し、Llama 3やQwen 2.5といった最新のLLMを爆速で動かすPythonスクリプトを作成します。 Pythonの基礎知識があれば、この記事のコードをコピペするだけで、自分のMac上でオフラインAIを動かせるようになります。 ...
所要時間: 約30分 | 難易度: ★★☆☆☆ この記事で作るもの この記事を読めば、Apple Silicon搭載MacでLlama 3などの最新LLMをMLXで高速に動かし、Pythonから制御するチャットスクリプトを自作できるようになります。 MLXフレームワークを使ったローカルLLM実行環境 Llama 3 (8B) を4-bit量子化で動かすPythonスクリプト 1秒間に約50〜100トークンを生成する高速な推論体験 前提知識として、ターミナルでコマンドが打てることと、Pythonの基礎（変数や関数の概念）が必要です。 複雑な機械学習の数式は一切使いません。 ...
所要時間: 約20分 | 難易度: ★★☆☆☆ この記事で作るもの Apple Silicon（M1/M2/M3/M4チップ）の性能をフルに引き出し、Llama 3.1 8BクラスのLLMと超高速にチャットができるPythonスクリプトを作成します。 Apple純正の機械学習フレームワーク「MLX」を利用 Hugging Faceからモデルを自動取得して実行 ストリーミング出力（文字がパラパラ出てくる表示）への対応 知識ゼロから「自分のMacでAIが動く」状態までをカバー 前提知識：Pythonの基本的な構文（pipでのライブラリ導入など）がわかること。 ...
所要時間: 約30分 | 難易度: ★★☆☆☆ この記事で作るもの Apple公式の機械学習フレームワーク「MLX」を使い、自分のMac上でLlama 3やMistralといった最新のLLM（大規模言語モデル）を高速に動作させるPythonスクリプトを作ります。 Pythonの基本的な文法がわかり、ターミナルでコマンドを叩くことに抵抗がなければ、誰でも30分後には手元のMacと会話ができるようになります。 クラウドAPIを使わないため、どれだけプロンプトを投げても無料ですし、機密情報の漏洩を心配する必要もありません。 ...
所要時間: 約40分 | 難易度: ★★★☆☆ この記事で作るもの この記事を読むと、手元のPCのリソースを最大限に活かして、Llama 3.1などの最新モデルを数GBのメモリで高速に動かすPythonスクリプトが完成します。 構築内容：llama.cppのビルド、GGUF形式への量子化、Python API経由での推論 前提知識：ターミナル（PowerShell/Terminal）の基本操作、Pythonの基礎 必要なもの：8GB以上のメモリを搭載したPC（Mac/Windows/Linux）、インターネット接続 先に確認するスペック・料金 ローカルLLMを動かす上で、最も重要なのは「VRAM（ビデオメモリ）」の容量です。 クラウドGPUを借りる場合は1時間数十円から数百円かかりますが、自前で環境を組めば電気代以外は無料です。 ...
所要時間: 約20分 | 難易度: ★★☆☆☆ この記事で作るもの Apple純正の機械学習フレームワーク「MLX」を使用し、MacBookのGPUを最大限に引き出して最新のLlama 3.1やQwen 2.5を動作させるPythonチャットスクリプトを作成します。 外部API（OpenAI等）を一切使わず、完全にオフラインで動作するAI環境 プロンプト入力から返答開始まで0.5秒以下のレスポンス Hugging Faceからモデルを自動取得し、最適化して推論する一連のフロー 前提知識として、ターミナルでの基本的なコマンド操作と、Pythonのパッケージ管理についての基礎があれば問題ありません。 ...