- AI ⚙️
AI・LLMの学び方まとめ｜仕組み・機械学習・RAG・エージェントを学ぶ順に
結論
AI・LLM は「仕組み → 機械学習の基礎 → LLM の中身」と「モデル選び → API → RAG・エージェント」の2本の道で学ぶと、迷わず進めます。このページでは、RJC の解説記事83本を、学ぶ順と目的ごとに並べました。
この記事でわかること
- AI・LLM の学び方の全体像と、どこから読めばよいか
- 目的（基礎を学ぶ・アプリを作る・開発に使う）ごとの読む順
- 機械学習・RAG・エージェント・Claude Code など、テーマ別の記事一覧
全体の流れを、次の図にまとめました。左の道は AI の仕組みを深く理解したい人向け、右の道は AI を使ったアプリや開発に早く進みたい人向けです。
flowchart TD
A[全体像：LLMの仕組み] --> B[機械学習の基礎]
B --> C[ディープラーニング]
C --> D[LLMの中身]
A --> E[モデルを選ぶ]
E --> F[APIでアプリを作る]
F --> G[RAG・エージェント]
G --> H[評価・ガードレール]プロンプトの書き方と AI コーディングの道具は、どちらの道の途中でも役に立ちます。ページの後半にまとめました。
目的別の読む順
目的が決まっている場合は、次の表の順に読むと近道です。表のリンクから、このページの該当する節へ進めます。
| 目的 | 読む順 |
|---|---|
| AI の仕組みを基礎から理解したい | まず全体像 → 機械学習の基礎 → ディープラーニング → LLMの中身を深く知る |
| AI を使ったアプリを作りたい | まず全体像 → AIモデルを選ぶ → LLM APIでアプリを作る → RAG → 品質を確かめる |
| AI エージェントを作りたい | まず全体像 → LLM APIでアプリを作る → AIエージェントとMCP → 品質を確かめる |
| 開発の仕事に AI を取り入れたい | プロンプトとコンテキスト → AIコーディング |
| どのモデルを契約するか決めたい | まず全体像 → AIモデルを選ぶ |
まず全体像：生成AIとLLMの仕組み
最初に、生成AI（LLM）がどう文章を作っているかと、料金や上限の単位になるトークンを押さえます。ここが分かると、あとの記事の用語がすっと入ります。
- 生成AI（LLM）の仕組み8選｜ハルシネーション・トークン
LLM が次の言葉を予測して文章を作る流れと、ハルシネーションが起きる理由 - トークンとは｜生成AIの数え方・日本語の文字数目安と節約方法
料金や上限の単位になる「トークン」の数え方 - temperatureとは？top_p・max_tokensの意味と設定目安表
出力のばらつきや長さを決める設定値の意味
次の節では、機械学習の基礎を扱います。
機械学習の基礎（学ぶ順）
データから規則を見つける機械学習を、分かりやすいモデルから順に学びます。上から読むと、1本ずつ前の記事の知識を使って進めます。
- 決定木とは｜ジニ不純度・剪定・過学習をPythonで自作して実測
質問で分けて予測する、いちばん読みやすいモデル - ランダムフォレストとは｜バギングを自作し特徴量重要度の偏りを実測
たくさんの決定木を束ねて精度を上げる方法 - アンサンブル学習とは｜バギング・ブースティング・スタッキングを同じデータで比較
複数のモデルの予測を束ねる3つの型 - k近傍法（k-NN）とは｜Pythonで自作・kの決め方・次元の呪いを実測
近いデータの多数決で分類する方法 - k-means法とは｜Pythonで自作・クラスタ数の決め方・苦手な形を実測
正解のないデータをグループに分ける方法 - 主成分分析（PCA）とは｜手順・寄与率・負荷量の読み方をPythonで実演
たくさんの列を少ない軸にまとめる方法 - 過学習とは｜原因と対策、交差検証・正則化・リークをPythonで実測
学習データだけに強くなる失敗と、その防ぎ方 - ハイパーパラメータチューニングとは｜グリッド・ランダム・Optunaを同予算で比較
学習の前に決める設定値の探し方 - 強化学習とは｜Q学習とSARSAの違いを迷路で自作して実測【Python】
報酬を手がかりに行動を覚える学習
次の節では、ディープラーニングを扱います。
ディープラーニング
ニューラルネットワークの計算の形から、画像を読む CNN、画像生成 AI の拡散モデルまで進みます。
- ニューラルネットワークとは｜仕組み・学習・AttentionをNumPyで実演
ディープラーニングの土台になる計算の形 - 勾配降下法とは｜学習率・SGD・Adamを自作して収束を比較
誤差が小さくなる向きへ重みを少しずつ動かす方法 - 誤差逆伝播法とは｜連鎖律の手計算・numpyで自作・自動微分まで
どの重みをどれだけ直すかを計算する方法 - CNNとは｜畳み込みニューラルネットワークの仕組みをnumpyで自作し実測
画像を小さな窓で読んで特徴をつかむネットワーク - 拡散モデルとは｜ノイズを足して戻す仕組みを2次元で自作・画像生成AIの仕組み
画像生成AIの中心にある、ノイズから作る仕組み
次の節では、LLMの中身を深く知るを扱います。
LLMの中身を深く知る
LLM がなぜ速く・小さく・思いどおりの形で動くのかを、仕組みから確かめます。自分でモデルを動かしたい人向けです。
- トークナイザの仕組み｜BPE・Unigramを自作し日本語のトークン数を実測
文章をトークンに分ける方法と、日本語が多くなる理由 - FlashAttentionの仕組み｜タイル化とオンラインsoftmaxを自作
長い文章でも Attention を速く計算する工夫 - LLM推論の高速化｜KVキャッシュと投機的デコーディングを自作で実測
返答を速くする2つの仕組み - LLMの量子化とは｜int8・int4で精度が落ちにくい理由を自作して実測
モデルを小さくして手元で動かす技術 - LoRAの仕組み｜numpyで自作して全パラメータ学習と忘却を実測
差分だけを学ぶ、軽いファインチューニング - 構造化出力の仕組み｜制約付きデコーディングを自作して実測
JSON の形を必ず守らせる仕組み
次の節では、AIモデルを選ぶを扱います。
AIモデルを選ぶ：Claude・GPT・Gemini
用途と料金に合うモデルを選ぶための比較と、各モデルの解説です。
- Claudeモデル比較2026年10月版｜Haiku 5.5〜Fable 5.1料金
Claude の各モデルの違いと料金の比較 - Claude Haiku 5.5とは｜料金・effort・10万トークンの境目
速くて安い小型モデルの使いどころ - Claude Mythos 5.1とFable 5.1の違い｜料金・effort
最上位の2モデルの違い - クロードAI（Claude）の料金｜Ultra・Max・Pro・APIを月額試算
プランと API の料金を月額で比べる - GPT-6 Astraで何ができる｜料金・Sol・Luna【2026年10月版】
GPT-6 の各モデルとできること - GPT-6.1 Terraとは｜料金・提供範囲・computer use・API
画面を操作できる中位モデル - Gemini 4とは｜Argon・Carbonの違い・料金（12/1改定）・API
Google の次世代モデルの違いと料金 - Gemini APIならでは8選【2026年9月】Mapsグラウンディング・Managed Agents
Gemini API にしかない機能 - Kimi（Moonshot AI）とは｜K3の使い方・料金・APIを実例で解説
中国発のモデル Kimi の使い方
次の節では、LLM APIでアプリを作るを扱います。
LLM APIでアプリを作る
API を呼ぶ最初の一歩から、返答の受け取り方、エラー・料金への備え、手元やサーバーでモデルを動かす方法まで並べました。
- OpenAI API Python入門｜Responses APIのコピペ集
Python から OpenAI の API を呼ぶ最初の一歩 - Gemini API Python入門｜google-genaiのコピペ集
Python から Gemini の API を呼ぶ最初の一歩 - Vercel AI SDK入門｜generateText・streamText
TypeScript で AI アプリを作る定番の道具 - LangChain入門｜PythonでLLMアプリを作る基本とコピペ集
LLM アプリを部品の組み合わせで作る - LLMの構造化出力とJSON｜4方式の違いとPydantic検証の実行結果
AI の返答をプログラムで扱える形で受け取る - LLMのストリーミング実装｜SSEの形式・TTFT・切断・nginxを実測
返答を1文字ずつ画面に出す実装 - LLM APIの429対策｜TPM・RPMをトークンバケットで守る設計と実測
回数制限に当たらない呼び出し方 - LLM APIの429・529エラー対処｜リトライ実装とエラー一覧
エラーが出たときのリトライの書き方 - LLM APIのコスト削減方法｜キャッシュとバッチの仕組みと計算例
料金を下げる2つの仕組み - LiteLLMとは｜使い方とProxy設定・フォールバックを実機で検証
複数のモデルを同じ書き方で呼ぶ道具 - Ollamaの使い方｜ローカルLLMのコマンド一覧とAPIの呼び方
手元のパソコンで LLM を動かす - vLLMとは｜使い方・インストール・OpenAI互換APIとOllamaとの違い
サーバーで LLM を速く動かす - Hugging Faceとは｜使い方・料金とhf CLIの取得を実行結果で
公開されたモデルやデータを探して取ってくる場所
次の節では、RAGを扱います。
RAG：自分の文書を検索して答える
社内文書や記事を検索して答える RAG を、作り方・分割・検索・評価の順に学びます。
- LlamaIndex入門｜PythonでRAGを作るコピペ集
自分の文書を検索して答える RAG を作る - RAGのチャンク分割の決め方｜サイズ・overlapを247記事で実測
文書をどの大きさに切って検索するか - ハイブリッド検索とRRF｜BM25＋ベクトルを750問で実測・SQL実装
言葉の一致と意味の近さを組み合わせる検索 - pgvector HNSWとIVFFlatの選び方｜ef_searchと再現率を実測
PostgreSQL でベクトル検索を速くする索引 - Qdrant入門｜ベクトル検索のコレクション作成と検索（Python）
ベクトル検索専用のデータベース - RAGの評価｜検索をRecall@k・MRR・nDCGで測り、件数のぶれを実測
検索がうまくいっているかを数字で測る
次の節では、AIエージェントとMCPを扱います。
AIエージェントとMCP
自分で考えて道具を使う AI エージェントの仕組みと、AI と外部の道具をつなぐ MCP を学びます。
- AIエージェントとは｜仕組みとワークフローとの違い・作り方入門
自分で考えて道具を使う AI の仕組み - AIエージェントの設計パターン一覧｜5つの型の違いと選び方
エージェントの組み立て方の5つの型 - ハーネスとは｜AIエージェントの仕組みとハーネスエンジニアリング入門
モデルの外側で動きを支える仕組み - AIエージェントのタスク分解｜指示書テンプレートと粒度の判断表
仕事をエージェントに渡す大きさの決め方 - MCPとは？サーバーとクライアントの仕組みと設定例を図解
AI と外部の道具をつなぐ共通の決まり - MCPサーバーの作り方｜Pythonの完成コードとClaude Code登録
Python で MCP サーバーを作る - MCPサーバーの作り方（TypeScript）｜公式SDKでツール・リソースを作る
TypeScript で MCP サーバーを作る - MCP Streamable HTTPとは｜リモートサーバーの作り方と通信の中身
ネットワーク越しに使う MCP サーバー - A2Aプロトコルとは｜MCPとの違いとv1.0の通信を実物で確認
エージェントどうしをつなぐ決まり - OpenAI Agents SDK入門｜Agent・ツール・ハンドオフ
OpenAI の道具でエージェントを作る - LangGraphとは・使い方入門｜APIキーなしで動かす実行例つき
処理の流れを図のように組むエージェントの道具 - LangGraphの使い方｜checkpointerとinterruptで再開・承認
途中で止めて人が承認する仕組み - AutoGenとは・使い方｜v0.2との違いとLLM呼び出し回数の実測
複数のエージェントに会話させる道具
次の節では、品質を確かめるを扱います。
品質を確かめる：評価・ガードレール
AI の答えを数字で測る方法と、入力・出力を確かめて事故を防ぐ設計です。
- LLMの評価方法と評価指標一覧｜テストケース表のテンプレート付き
AI の答えの良し悪しを測る方法 - 生成AIのガードレールとは？入力・出力の検証設計と対策一覧
入力と出力を確かめて事故を防ぐ設計 - ハルシネーション対策のプロンプト集｜根拠と出典を求める書き方
それらしい誤りを減らす頼み方
次の節では、プロンプトとコンテキストを扱います。
プロンプトとコンテキスト
AI への頼み方の型から、渡す情報全体を組み立てるコンテキストエンジニアリングまで進みます。
- プロンプトの書き方｜エンジニア向けテンプレート20個と型の一覧
まず覚えたい頼み方の型 - 生成AIプロンプトのコツ8選｜例示・役割・出力形式
例・役割・出力形式で答えが変わる理由 - プロンプトエンジニアリング手法一覧｜Few-shot・CoT・ReActの違い
名前の付いた手法の違い - システムプロンプトの書き方と例｜エンジニア向けカスタム指示テンプレート
いつも守らせたい指示の書き方 - コンテキストエンジニアリングとは プロンプトとの違いと設計方法
AI に渡す情報全体の組み立て方
次の節では、AIコーディングを扱います。
AIコーディング：Claude Code・Codex・Cursor
開発に AI を取り入れる全体像と、主なコーディング AI の使い方です。
- AI駆動開発の進め方｜7ステージのロードマップ【2026年10月版】
AI を開発に取り入れる段階の全体像 - Claude Code 使い方とコツ完全ガイド｜全コマンド一覧・エラー対処
Claude Code の導入から日々の使い方まで - CLAUDE.mdの書き方｜何を書くか・置き場所・育て方【テンプレートつき】
Claude Code に守らせる決まりの書き方 - Claude Code Skillsの作り方｜SKILL.md雛形と項目一覧
よく使う手順を Skills にまとめる - Claude Code Hooksの使い方｜全33イベント表と設定例・止め方
決まった場面で処理を自動で走らせる - Claude Codeサブエージェントの使い方｜実測で見る委任とコンテキスト節約
仕事を分けて任せ、コンテキストを節約する - Codex CLIとは・使い方｜料金・インストール・コマンド一覧と設定
OpenAI のコーディング用 CLI - Gemini CLI 使い方｜コマンド一覧・設定・GEMINI.md・無料枠
Google のコーディング用 CLI - Cursor 使い方｜Cursor Rulesの書き方・ショートカット・雛形
AI 付きエディタ Cursor の使い方 - Kiroとは｜AWSのAI IDEの使い方・料金・Spec・CLI
仕様から作る AWS の AI エディタ - Claude Code Antigravity 比較｜Copilot 違い・料金表
主なコーディング AI の違いと料金
よくある質問
Q. 数学が苦手でも読めますか？
A. 読めます。機械学習とディープラーニングの記事の多くは、仕組みを説明したあと、Python で自作して動かした結果で確かめる形です。数式が苦手なら、動かした結果から読むのがおすすめです。
Q. どの言語で書かれていますか？
A. 機械学習・LLM の仕組みの記事は主に Python、アプリを作る記事は Python と TypeScript です。
Q. 料金やモデルの情報はいつ時点ですか？
A. 各記事の冒頭に、確かめた日付を書いています。モデルの料金は変わりやすいので、契約の前に各社の公式ページも確かめるのが確実です。
Q. 新しい記事はこのページに載りますか？
A. 載せます。記事を追加したときに、このページの更新日も書き換えます。
本記事の内容は、ご自由にお使いください。
ご利用の際は、出典として本ページへのリンクを記載いただけますようお願いします。
（記載例）出典：株式会社RJC「AI・LLMの学び方まとめ｜仕組み・機械学習・RAG・エージェントを学ぶ順に」
株式会社RJC ― SI事業・SES事業・AI駆動開発。RJCは一緒に成長を楽しめる会社です。
WE ARE HIRING
RJCで一緒に開発しながら、
成長を楽しみませんか？
RJCは、Web・モバイル・AIを活用した開発プロジェクトで、テックリードやPM・PMOも活躍するシステム開発会社です。会社を知る、待遇を確かめる、話を聞いてみる。気になるところ見てみてください！
- 127日年間休日
- 12時間平均残業時間
- 毎日ガチャ遊びココロも大切にする福利厚生。アマギフなどの賞品ラインナップ！
ほかにも、チケットレストラン、書籍読み放題、2年ごとの慰労報奨（休暇 or 金一封）、11期連続の黒字決算。
