■開催日時：　2026年6月9日(火)13:00～16:00

■会場：　【WEB限定セミナー】※在宅、会社にいながらセミナーを受けられます　

■定員：　30名

■講師：　
(株)LINK.A 代表 ／ (株)ネクステージ 開発部 AIアナリスト　太田 桂吾 氏

【ご専門】システムエンジニア、機械学習

 ■受講料：　49,500円（税込、資料付き／1人）
※最新のセミナー情報を「配信可」にすると割引適用（登録無料）
会員（案内）登録していただいた場合、通常1名様申込で49,500円（税込）から
　・1名で申込の場合、46,200円（税込）へ割引になります。
　・2名同時申込で両名とも会員登録をしていただいた場合、計49,500円（2人目無料）です。

■備考：　
資料付き　
【LIVE配信セミナーとは？】

■主催：　(株)R&D支援センター

■習得できる知識：　
・「なぜ遅いのか」を特定しプロジェクトのコストと時間を最適化
・「データが足りない」状況でプロジェクトの進め方
・「自作か、既存モデルか」の最適な判断
・プロンプトと微調整（Fine-tuning）の使い分けスキル

■趣旨：　
本セミナーでは、AI/機械学習プロジェクトを停滞させる3大要因「計算速度（GPU/Python）」「データ不足」「モデル選定の誤り」を徹底解剖します。「なぜ学習が終わらないのか？」「データが少ない中でどう精度を出すか？」「自作モデルとLLMの使い分けはどうすべきか？」といった現場の切実な疑問に対し、具体的な回避策と判断基準を提示します。

■プログラム：　
１．なぜAIプロジェクトは「重く」なるのか
　1-1 AI開発のライフサイクルとボトルネックの正体
　1-2 「とりあえず回す」から「設計して回す」へのマインドセット転換

２．【実行環境編】GPUの真実とPythonの限界
　2-1 なぜGPUが必要なのか
　　　並列演算の仕組みとVRAM容量の重要性
　2-2「遅い」の正体
　　　CPU-GPU間のデータ転送ボトルネック（PCIe帯域）
　2-3 Python特有のオーバーヘッドと、ライブラリ（PyTorch/TensorFlow）による回避
　2-4 混合精度演算（Mixed Precision）や分散学習の考え方

３．【データ戦略編】量と質のトレードオフ
　3-1 データ量の正義
　　　スケーリング則（Scaling Laws）の基本
　3-2 少量データでの戦い方
　　　Data Augmentation（データ拡張）
　　　画像・テキストでの手法
　3-3 転移学習（Transfer Learning）
　　　既存の知能を「借りる」技術
　3-4 「回らない」を防ぐデータパイプライン
　　　前処理の効率化

４．【モデル選定編】自作AI vs 基盤モデル＋プロンプト
　4-1 徹底比較表： 開発コスト、推論速度、カスタマイズ性の違い
　4-2 自作モデル（Scratch/Fine-tuning）の出番
　　　特定ドメインへの深い特化、エッジデバイス動作、機密データの処理
　4-3 基盤モデル（LLM等）＋プロンプトの出番
　　　汎用タスク、プロトタイプの高速作成、RAG（検索拡張生成）の活用
　4-4 適用範囲の判断基準
　　　「精度・コスト・速度」の三角形で考える

　【質疑応答】