AI・LLM はどこから始めればよいですか？

初学者は上の「認定資格」または「Fundamentals」クラスターから。すでに本番運用しているエンジニアは設計ブループリントへ直接進めます。各記事は独立しており、公式のRFCやベンダー・ブループリントを参照しています。

内容は2026年の最新版ですか？

はい。本ページの全記事は2026年付で、IOS XE / PAN-OS / FortiOS / Junos などの現行GAバージョンおよび現行の認定ブループリントに準拠しています。

演習にラボは必要ですか？

エンジニアレベルでは推奨です。AI・LLM ではベンダーのサンドボックス（DevNet、FortiCloud、EVE-NG、GNS3）またはクラウドの無料枠で十分。多くの記事に参照トポロジを掲載しています。

読むだけで終わらず、実力を試すには？

TechLeagueでは、これらの内容を実践チャレンジ（ランキング付き）に変換しています。チャレンジに参加してラボを解き、他のエンジニアとスキルを競ってください。

AI・LLM

生成 AI と LLM エンジニアリング

LLM・RAG・エージェント・Transformer・ベクトルDB・プロンプト・MLOps。

AI・LLM のTechLeagueピラーページ。64本の技術ディープダイブ、設計ブループリント、認定ロードマップをサブトピック別に整理し、設計から本番運用までを最短距離でカバーします。各記事は独立し、BGP Peering / Three-way Handshake / Zero Trust など現場標準の英語用語はそのまま用い、所属クラスターへリンクで戻れます。

最新の記事

基礎10

Attention mechanism explained（2026年ガイド）

Context window engineering and long-context tricks（2026年ガイド）

Embeddings explained: from word2vec to LLMs（2026年ガイド）

Knowledge distillation for smaller models（2026年ガイド）

LLM fundamentals for engineers（2026年ガイド）

Model Context Protocol (MCP) deep dive（2026年ガイド）

Mixture of Experts (MoE) explained（2026年ガイド）

Quantization techniques: GPTQ, AWQ, GGUF, FP8（2026年ガイド）

Tokenization: BPE vs SentencePiece vs Tiktoken（2026年ガイド）

Transformer architecture deep dive（2026年ガイド）

RAG・エージェント12

Advanced RAG: hybrid search, reranking, HyDE, GraphRAG（2026年ガイド）

AI agents for NetOps: practical patterns（2026年ガイド）

AI agents for SecOps: SOC copilots（2026年ガイド）

AI storage for training: parallel filesystems（2026年ガイド）

DSPy: programming, not prompting（2026年ガイド）

Fine-tuning vs RAG vs prompting: when to use what（2026年ガイド）

Function calling and tool use across providers（2026年ガイド）

LangChain vs LlamaIndex in 2026（2026年ガイド）

LLM agents architecture: ReAct, planning, tools（2026年ガイド）

Pydantic AI overview（2026年ガイド）

RAG architecture patterns that actually work（2026年ガイド）

Microsoft Semantic Kernel overview（2026年ガイド）

LLMOps・ツール8

AI cost optimization: tokens, GPUs, caching（2026年ガイド）

llama.cpp deep dive: GGUF, quantization（2026年ガイド）

LLM evaluation: lm-eval, MMLU, HELM, RAGAS（2026年ガイド）

LLM observability with LangSmith, Langfuse, Arize（2026年ガイド）

LLMOps vs MLOps: what changes（2026年ガイド）

MLOps pipeline design（2026年ガイド）

Model serving with vLLM and TGI（2026年ガイド）

Ollama and running LLMs locally（2026年ガイド）

安全・ガバナンス8

AI red teaming techniques（2026年ガイド）

EU AI Act for engineers（2026年ガイド）

ISO/IEC 42001 AI management system（2026年ガイド）

LLM guardrails and safety（2026年ガイド）

NIST AI Risk Management Framework overview（2026年ガイド）

OWASP LLM Top 10: practical defenses（2026年ガイド）

Prompt injection defense: OWASP LLM Top 10（2026年ガイド）

Responsible AI overview（2026年ガイド）

ファウンデーションモデル12

Anthropic Claude family overview（2026年ガイド）

Copilot-style coding assistants compared（2026年ガイド）

DeepSeek and the open Chinese LLM wave（2026年ガイド）

Google Gemini family overview（2026年ガイド）

Meta Llama family overview（2026年ガイド）

Mistral models overview（2026年ガイド）

Multimodal LLMs: vision, audio, video（2026年ガイド）

OpenAI GPT-5 family overview（2026年ガイド）

Speech-to-text: Whisper and beyond（2026年ガイド）

Text-to-image models: SDXL, Flux, DALL-E（2026年ガイド）

Text-to-speech: ElevenLabs, OpenAI TTS, Bark（2026年ガイド）

Text-to-video models in 2026: Sora, Veo, Kling（2026年ガイド）

その他14

AI data center design fundamentals（2026年ガイド）

AI Engineer roadmap 2026（2026年ガイド）

LLM evals with Promptfoo and Inspect（2026年ガイド）

AI power and cooling design 2026（2026年ガイド）

Vector search tuning at scale（2026年ガイド）

Chain of thought and reasoning models（2026年ガイド）

GPU cluster networking: RDMA, RoCEv2, InfiniBand（2026年ガイド）

LoRA, QLoRA and PEFT: efficient fine-tuning（2026年ガイド）

NCCL collectives explained for network engineers（2026年ガイド）

Prompt engineering in 2026: what still matters（2026年ガイド）

RLHF, DPO and preference tuning（2026年ガイド）

RoCEv2 vs InfiniBand for AI fabrics（2026年ガイド）

Synthetic data for ML training（2026年ガイド）

Vector databases overview: pgvector, Pinecone, Milvus, Qdrant, Weaviate（2026年ガイド）

AI・LLM は読むだけで終わらせない。実戦で競う。

FAQ