月額 300 ドルの過ち
6 ヶ月前、私は Coursera Plus に月額 49 ドル、DataCamp に月額 39 ドルを支払い、2 つの Udemy バンドルに 199 ドルを費やしていました。ポケモンカードのように証明書を集めていたものの、一から何かを作り上げることはできませんでした。
そんな時、すべてを変えるものを見つけました。実際に AI を構築している企業 — Google、Anthropic、OpenAI — が、トレーニングを無料で提供し始めていたのです。薄っぺらい入門動画ではありません。証明書付きの本格的なコースです。一方、GitHub には 95,000 以上のスターを持つリポジトリがあり、私がお金を払って受けたどのコースよりも優れた内容を教えてくれていました。
すべてのサブスクリプションを解約しました。朝のルーティンを管理する AI エージェントを構築しました。そして、すべてを 0 ドルで実現しました。
この記事は、私が始めたときに欲しかった正確なシステムです。リンクのリストではありません。「二度と開かない 30 のリソース」でもありません。これはステップバイステップの道筋です：これを最初に、次にこれ、そしてこれを構築する。順番に従ってください。14 週間で、ゼロから実際の AI システムをデプロイできるようになります。
このガイドの使い方
ルール 1：先に進まないこと。ステップ 3 はステップ 2 を完了していることを前提としています。勾配を理解せずに LLM に飛びつくと、理解できないコードをコピーすることになります。
ルール 2：メモを取ること。私は Obsidian（無料、ローカル、Markdown）を使用しています。毎回のセッション後に、学んだこと、驚いたこと、まだ不明なことの 3 つを書き留めてください。これは必須です。
ルール 3：すべてのステップで構築すること。各ステップはチェックポイントで終わります。それができない場合は、戻ってください。
開始前に、Obsidian に以下のフォルダ構造を設定してください：
ステップ 1：環境をセットアップする（1 日目）
何かを学ぶ前に、ツールをセットアップしましょう。1 晩あれば十分です。考えすぎないでください。
ツールをインストールする
- Python 3.11+ - python.org/downloads。「Add to PATH」にチェックを入れます。
- VS Code - code.visualstudio.com。Python 拡張機能をインストールします。
- Git + GitHub - github.com。リポジトリのフォークとプロジェクトの保存用です。
- Obsidian - obsidian.md。上記のフォルダ構造を作成します。
- Ollama - ollama.com。モデルをローカルで実行するためです。今すぐインストールしてください。ステップ 4 から使用します。
無料アカウントを作成する
- Anthropic Academy - anthropic.skilljar.com。16 の無料コース、証明書付き。2026 年で最も過小評価されている AI 学習プラットフォームです。
- OpenAI Academy - academy.openai.com。無料のワークショップ、チュートリアル、AI Foundations コース。
- Google AI - grow.google/ai。Google AI Professional Certificate — 7 モジュール、Coursera の監査モードで無料。
- Coursera - coursera.org。監査モード = 無料。IBM ML Certificate と Google コース用です。
Coursera の監査モード
Coursera が支払いを求めてきたら、下部にある小さな「Audit this course」リンクを探してください。すべての動画と教材に完全アクセスでき、無料です。Coursera の証明書はありませんが、代わりに Anthropic、OpenAI、Google から直接証明書を取得できます。
チェックポイント：
Python + VS Code + Ollama がインストールされている。GitHub アカウントを作成済み。Obsidian ボールトの準備完了。Anthropic Academy、OpenAI Academy、Google AI、Coursera のアカウントを作成済み。
ステップ 2：AI の基礎 — 何を構築しているのかを理解する（1〜2 週目）
2026 年にこれが重要な理由：
AI リテラシーは現在、採用のフィルターとなっています。2025 年の WEF 分析によると、AI リテラシーを持つ労働者は 15〜22% の給与プレミアムを得ています。基礎を理解することで、応募者の 90% より優位に立てます。
1 週目：全体像
最初に → Google AI Professional Certificate（モジュール 1〜3）
grow.google/ai-professional - 最も優しい入門編。コード不要。内容：AI とは何か、AI を使ったブレインストーミング、AI を使ったリサーチ。語彙を身につけられます。
次に → Anthropic Academy：AI Fluency: Framework & Foundations
anthropic.skilljar.com - 4D AI Fluency Framework。大学教授と共同開発。所要時間 2〜3 時間。これは 2026 年にどこでも入手可能な最高の入門コースの 1 つであり、証明書は LinkedIn で本当に見栄えがします — Claude の背後にある企業、Anthropic からのものです。
2 週目：最初のコード + 最初の概念
次に → microsoft/generative-ai-for-beginners（レッスン 1〜6）
github.com/microsoft/generative-ai-for-beginners - 95,000 以上のスター。21 レッスン。このリポジトリをフォークし、レッスン 1〜6 を進めてください：GenAI とは何か、LLM の仕組み、プロンプトの使用、最初のチャットアプリ。
チェックポイント：
LLM、トークン、トランスフォーマーを自分の言葉で説明できる。最初の Jupyter ノートブックが実行できる。Obsidian に 4〜6 件のノートがある。
ステップ 3：ML の基礎 — 魔法の背後にある数学を学ぶ（3〜5 週目）
2026 年にこれが重要な理由：
ML の基礎は、チュートリアルをコピーする人とモデルをデバッグできる人の違いを生みます。企業は、API を呼び出す方法だけでなく、モデルがなぜパフォーマンスを発揮しないのかを理解するエンジニアに 15 万ドル以上を支払います。
メイン：microsoft/ML-For-Beginners
github.com/microsoft/ML-For-Beginners - 44,900 以上のスター。12 週間のカリキュラム：回帰、分類、クラスタリング、NLP の基礎。クイズ、ノートブック、チャレンジ。1 日 2 レッスンで 3 週間に圧縮します。
並行：Coursera の IBM Machine Learning
coursera.org/professional-certificates/ibm-machine-learning - 監査モードで無料。より伝統的なビデオ形式。Microsoft リポジトリと併用 — 同じトピックを 2 つの角度から学ぶことで、より良い定着が得られます。
数学リファレンス：mlabonne/llm-course（基礎）
github.com/mlabonne/llm-course — 40K 以上のスター。最初のセクション：線形代数、微積分、確率。ML に関連する数学のみ。馴染みのないものに遭遇したときに参照してください。
5 週目のプロジェクト：Microsoft リポジトリからデータセットを選択します。独自の分類モデルをゼロから構築します。GitHub にプッシュします。
チェックポイント：
回帰、分類、クラスタリング、勾配降下法、損失関数、過学習を理解している。実際のデータでモデルをトレーニングした。GitHub に 1 つのプロジェクトがある。
ステップ 4：ディープラーニング & ニューラルネットワーク — ゼロから構築する（6〜8 週目）
メイン：karpathy/nn-zero-to-hero
karpathy.ai/zero-to-hero.html（動画）+ github.com/karpathy/nn-zero-to-hero（コード）
Andrej Karpathy、元 Tesla AI ディレクター、OpenAI 共同設立者。彼はニューラルネットワークを完全なゼロから構築します — フレームワークなし、Python と数学のみ。構築するもの：micrograd、makemore、nanoGPT。
- 6 週目：講義 1〜3（micrograd + makemore）。コードに沿って進めます。一時停止し、すべての行を入力し、実行し、壊してみてください。
- 7 週目：講義 4〜5（活性化関数、BatchNorm、バックプロパゲーション）。密度が高い — 1 日 1 講義。詳細なノートを取ります。
- 8 週目：講義 6〜7（GPT をゼロから + トークン化）。見返り：トランスフォーマーを構築します。
Ollama での並行実験：
nanoGPT を構築している間に、別のターミナルで ollama run llama3.2:3b を実行します。自分の「おもちゃ」モデルの出力と、実際の 3B パラメータモデルを比較します。これにより、「理論は理解している」と「モデルをローカルで実行できる」の間のギャップを埋められます。30 億のパラメータと自分の 1000 万のパラメータが出力品質に与える影響を目の当たりにすることは、目を見張るものがあります。
補足：microsoft/AI-For-Beginners（ディープラーニング）
github.com/microsoft/AI-For-Beginners - 7〜12 週目：CNN、RNN。Karpathy の内容を拡張し、特にコンピュータビジョンに焦点を当てます。
API への橋渡し：Anthropic Academy - Building with the Claude API
anthropic.skilljar.com - モデルを内部から理解したので、API を介して使用する方法を学びます。認証、システムプロンプト、ツール使用、ストリーミングをカバーします。理論からプロダクトへの橋渡しです。
チェックポイント：
ニューラルネットワークをゼロから構築した。バックプロパゲーション、アテンション、トランスフォーマーを理解している。GPT の仕組みを説明できる。Ollama でモデルをローカル実行できる。Claude API を知っている。
ステップ 5：LLM & プロンプトエンジニアリング — 実際のモデルを扱う（9〜10 週目）
深掘り：mlabonne/llm-course（LLM Scientist トラック）
github.com/mlabonne/llm-course - 最も包括的な無料 LLM カリキュラム。すべてのトピックに Colab ノートブック付き。
- LLM アーキテクチャ - Karpathy で構築したものと関連付ける
- ファインチューニング（LoRA、QLoRA） - 特定のタスク用にモデルをカスタマイズ
- 量子化 - モデルをローカルで実行（Ollama のセットアップと関連）
- 評価 - モデルが実際に優れているかどうかを測定
プロンプトエンジニアリング
OpenAI Academy：academy.openai.com/public/content - ChatGPT を構築したチームによる「Intro to Prompt Engineering」と「ChatGPT for any role」。
Anthropic Prompt Engineering：docs.anthropic.com - 間違いなくインターネット上で最もよく書かれたプロンプトエンジニアリングガイド。コースではなく、非常に詳細なリファレンスです。
続き：microsoft/generative-ai-for-beginners（レッスン 7〜21）
戻ってレッスン 7〜21 を完了してください。深い知識があれば、これらの高度なレッスンが理解できるようになります：RAG、関数呼び出し、デザインパターン、ファインチューニング。
10 週目のプロジェクト：Obsidian ノート上に RAG を構築する
ChromaDB または LanceDB（どちらも無料、ローカル）を使用して、AI 学習ボールトをインデックス化します。学んだすべての内容に関する質問に答えるツールを構築します。第二の脳の上に、文字通り第二の脳を構築していることになります。GitHub にプッシュします。
ステップ 6：AI エージェント — 実際に動くものを作る（11〜12 週目）
メイン：microsoft/ai-agents-for-beginners
github.com/microsoft/ai-agents-for-beginners - 12 レッスン：ツール使用、メモリ、マルチエージェントシステム、オーケストレーション。
深掘り：Anthropic Academy - MCP コース
anthropic.skilljar.com - 「Introduction to Model Context Protocol」+「MCP: Advanced Topics」。MCP は、AI を外部ツールに接続するための Anthropic のオープンスタンダードであり、2026 年のエージェントツール使用の標準です。これらのコースでは、MCP サーバーとクライアントをゼロから構築する方法を学びます。
フレームワーク：LangGraph（LangChain 製）
無料の Colab ノートブックで LangGraph に 2〜3 セッションを費やしてください。これは、ステートフルなマルチステップエージェントワークフローを構築するための最も人気のあるフレームワークです。Anthropic の MCP アプローチを補完します — LangGraph がオーケストレーション、MCP がツール接続を担当します。
ボーナス：Anthropic Cookbook
docs.anthropic.com/en/docs/about-claude/use-case-guides - ツール使用と MCP パターンの最高の実世界例。これらをケーススタディのように研究してください。
最終エージェントプロジェクト：
MCP + Claude を使用してローカルファイルを操作するエージェントを構築します。例：Obsidian ボールトを読み取り、学習中のトピックに関する最新情報をウェブでチェックし、毎日のサマリーを Telegram に生成するエージェント。アーキテクチャについては、私の記事「I Built an AI Agent That Manages My Life」を参照してください。
チェックポイント：
MCP を使用した動作する AI エージェントを構築した。エージェントアーキテクチャ、ツール使用、マルチステップワークフローを理解している。ポートフォリオが成長している。
ステップ 7：プロダクション、ポートフォリオ & 責任ある AI（13〜14 週目）
デプロイ（すべて無料）
最良のプロジェクトを選び、デプロイします：
- Gradio + Hugging Face Spaces - ML デモを共有する最速の方法。無料ホスティング。
- Streamlit Community Cloud - データ重視のアプリ向け。無料ティア。
- Vercel - Web ベースの AI ツール向け。無料ティア。
モデルを評価する
評価なしでデプロイされたモデルは責任です。品質を測定する方法を学びます：
- DeepEval - LLM 評価のためのオープンソースフレームワーク。
- RAGAS - 特に RAG パイプラインの評価用（ステップ 5 の Obsidian RAG）。
- LLM-as-Judge - 1 つの LLM を使用して別の LLM の出力を評価。Claude はこれに優れています。
責任ある AI & 安全性
ここで 90% の無料ガイドは失敗します。構築方法を教えても、責任を持って構築する方法を教えません。
- Constitutional AI - 現代のモデルがどのように調整されているかを理解。Anthropic の中核的アプローチ。
- プロンプトインジェクション防御 - 敵対的入力からアプリを保護する方法。
- レッドチーミング - ユーザーが使用する前に、自身のシステムをストレステストする方法。
リソース：Anthropic の公式安全性ガイド + Anthropic Academy の Responsible AI コース。
ポートフォリオ & キャリア
AI において、あなたの GitHub プロフィールが履歴書です。効果的にする方法は次のとおりです：
- GitHub README - プロフェッショナルなプロフィール README + アーキテクチャ図とライブデモリンク付きのプロジェクト README。
- LinkedIn ケース - プロジェクトに関する 2〜3 の短いケーススタディを書きます。どのような問題か、何を構築したか、何を学んだか。
- キャリアトラック - ジュニア AI エンジニア（$80〜120K）→ プロンプト/エージェントエンジニア（$120〜180K）→ AI プロダクトエンジニア（$150〜250K）。
キャップストーンプロジェクト：
あなたの生活における実際の問題を解決する、プロダクショングレードの AI エージェントを構築します。デプロイ済み。評価システム付き。安全チェック付き。これが雇用主に見せるものです。これがツイートするものです。これが証明です。
チェックポイント：
デプロイされ、評価され、安全確認された AI システムがある。プロフェッショナルな GitHub プロフィール。LinkedIn のケーススタディ。就職準備が整っている。
メンテナンスモード：最新情報を維持する方法
AI の進化は速いです。ロードマップ完了後に先を行くための週次のルーティンは次のとおりです：
- 月曜日：Anthropic、OpenAI、Google のリリースノートをチェック。10 分。
- 水曜日：arxiv-sanity-lite を閲覧し、興味深い論文を探す。1 つのアブストラクトを読む。15 分。
- 金曜日：Yannic Kilcher または 1littlecoder の新しい論文/ツールに関する動画を 1 本視聴。20 分。
- 毎月：新しいツールや技術を使って小さなプロジェクトを 1 つ構築。GitHub にプッシュ。
合計時間：約 1 時間/週。これにより、AI 実践者のトップ 10% に留まれます。
比較
このロードマップと代替案の正直な比較：
完全なリソースリスト
無料コース（証明書付き）
• Anthropic Academy - anthropic.skilljar.com - 16 コース、無料証明書
• OpenAI Academy - academy.openai.com - ワークショップ、チュートリアル、AI Foundations
• Google AI Professional Certificate - grow.google/ai - 7 モジュール
• Coursera の IBM ML - 監査モード無料 - 完全な ML 証明書
• NVIDIA DLI - developer.nvidia.com/training - GPU & ディープラーニング
• DeepLearning.AI - Andrew Ng による短期コース、特に「Agentic AI」と「LangChain for LLM Apps」
GitHub リポジトリ
• microsoft/generative-ai-for-beginners - 95K★ - 21 レッスン GenAI
• microsoft/ML-For-Beginners - 45K★ - 12 週間のクラシック ML
• microsoft/AI-For-Beginners - 35K★ - 24 レッスンのディープラーニング & CV
• karpathy/nn-zero-to-hero - Andrej Karpathy によるニューラルネットをゼロから
• mlabonne/llm-course - 40K★ - 完全な LLM ロードマップ + Colab
• microsoft/ai-agents-for-beginners - 12 レッスンの AI エージェント
• ashishpatel26/500-AI-ML-DL-Projects - 500 以上のプロジェクトアイデア
ツール（無料）
• Ollama + Open WebUI - モデルをローカルで実行、セルフホスト型 ChatGPT の代替
• Anthropic Cookbook - docs.anthropic.com - 最高のツール使用と MCP の例
• Hugging Face Course（2026）- 特にエージェントと評価セクション
• ChromaDB / LanceDB - RAG プロジェクト用の無料ローカルベクトルデータベース
YouTube（無料）
• Andrej Karpathy - Neural Networks: Zero to Hero
• 3Blue1Brown - ニューラルネットワーク & 線形代数の可視化
• Yannic Kilcher - AI 論文解説
• 1littlecoder - 最新の AI ツールと実装（2026 年フォーカス）
• Matt Wolfe - AI ニュースとツールレビュー
今夜から始めよう
次の 60 分で正確に行うべきことは次のとおりです：
- Obsidian をインストールし、AI-Learning ボールトを作成。5 分。
- Anthropic Academy にサインアップ。AI Fluency を開始。最初のモジュールを視聴。最初のノートを書く。30 分。
- GitHub で microsoft/generative-ai-for-beginners をフォーク。レッスン 1 を開く。読む。20 分。
以上です。3 つのこと。今夜。
2026 年に実際に AI を学ぶ人々は、50 の記事をブックマークする人ではありません。ターミナルを開いて始める人々です。
私は理解できないコードをコピーペーストすることを教えるコースに月額 300 ドルを支払い始めました。今では趣味で AI エージェントを構築しており、教育費はすべて 0 ドルでした。リソースはそこにあります。唯一の疑問は、あなたが始めるかどうかです。
Telegram でフォローしてください <3 - https://t.me/+y1dBeWEIm_plMGNi
