大規模言語モデル（LLM）の仕組みと
最新動向を体系的に習得
大規模言語モデル(LLM)2026は、本年度も昨年同様、複数講座として開講予定です。まずは『大規模言語モデル１』から順次募集、開講となります。
「大規模言語モデル１」は、大規模言語モデル（LLM）について、基礎理論から最新のモデル動向までを一気通貫で学べる実践型講座です。
LLMの全体像を理解するために、事前学習・事後学習・ベンチマーク評価といった学習パイプラインを網羅的に解説。最新の推論モデルを例に、進化する技術トレンドもキャッチアップできます。さらに、公開済みモデルやAPIを活用し、推論性能を向上させる手法についても丁寧に紹介します。
本講座では、東京大学Deep Learning基礎講座・応用講座を公開してきた松尾・岩澤研究室が全面的に演習コンテンツを監修・作成しています。実践的な演習を通して、手を動かしながら技術を深く理解し、幅広いトピックを網羅します。
概要
LLM開発の全体像を掴む、
技術と実装まで取り扱う全8講座
本講座は、大規模言語モデル（LLM）に関する体系的な知識と、実践的なスキルの習得を目的として開講します。
講義では以下のスキルを中心に習得します。
・LLMの基礎理論とアーキテクチャの理解（Transformer・Attention機構など）
・事前学習から事後学習（RLHF含む）までの開発フローの理解
・モデル推論の仕組みと最新事例
・公開済みモデル・APIの活用による性能最適化の実践手法
LLMに関する理論・技術・実装を体系的に学びたい方に最適な講座です。
本講座では、東京大学Deep Learning基礎講座・応用講座を公開してきた松尾・岩澤研究室が全面的に演習コンテンツを監修・作成しています。実践的な演習を通して、手を動かしながら技術を深く理解し、幅広いトピックを網羅します。
※本講座はページ下部の前提条件をご確認の上、条件が当てはまる方を対象としています。
本講義は完全オンラインで実施いたします。
受講のメリット
-
01
大規模言語モデル（LLM）の
基礎を体系的に学べる
-
02
LLM開発の基本的な
パイプラインを
理解して実装ができる -
03
公開済みモデルやAPIを
活用するスキルを理解できる
カリキュラム
〇募集開始 2026/5/13(水)
〇ID登録締切 2026/6/22(月)AM10:00
〇募集締切 2026/6/24(水)AM10:00
〇選考結果 2026/7/1(水)19時までに応募者全員にお送りします。
〇毎週水曜日
〇時間:19:00~21:00
〇本講義は完全オンライン（zoom）で開催いたします。
※全回監修：松尾豊、岩澤有祐、小島武、小橋洋平
※授業コンテンツに関しては、変更する場合がございます。ご了承ください。
| 日時 | 担当 | カリキュラム | |
|---|---|---|---|
| 第1回 | 2026/7/8(水) 19:00-21:00 |
岩澤有祐 小島武 |
講座概要 |
| 第2回 | 2026/7/15(水) 19:00-21:00 |
原田憲旺 | 推論（Prompting，In-context Learning） |
| 第3回 | 2026/7/22(水) 19:00-21:00 |
内山史也 | 事前学習 |
| 第4回 | 2026/7/29(水) 19:00-21:00 |
小島武 余 振軒 |
スケール則 |
| 第5回 | 2026/8/5(水) 19:00-21:00 |
山田育矢 幸航輝 |
事前学習（上級編） |
| 第6回 | 2026/8/12(水) 19:00-21:00 |
中筋 渉太 小橋洋平 |
ファインチューニング |
| 第7回 | 2026/8/19(水) 19:00-21:00 |
髙城頌太 | 強化学習 |
| 第8回 | 2026/8/26(水) 19:00-21:00 |
曽傑 江國翔太 |
学習データと評価ベンチマークの整備 |
最終課題
講義終了後、1ヶ月程度最終課題を実施
体制
企画・監修
松尾豊
Matsuo Yutaka
東京大学大学院
工学系研究科
松尾・岩澤研究室
岩澤 有祐
Iwasawa Yusuke
東京大学大学院
工学系研究科
松尾・岩澤研究室
小島 武
Kojima Takeshi
東京大学大学院
工学系研究科
松尾・岩澤研究室
![](/wp-content/uploads/2024/09/llm_21_kobashi.png")
小橋 洋平
Kobashi Yohei
東京大学大学院
工学系研究科
松尾・岩澤研究室
講師
岩澤 有祐
Iwasawa Yusuke
東京大学大学院
工学系研究科
松尾・岩澤研究室
小島 武
Kojima Takeshi
東京大学大学院
工学系研究科
松尾・岩澤研究室
小橋 洋平
Kobashi Yohei
東京大学大学院
工学系研究科
松尾・岩澤研究室
原田 憲旺
Harada Keno
東京大学大学院
工学系研究科
松尾・岩澤研究室
内山 史也
Uchiyama Fumiya
東京大学
工学部
余 振軒
Yu Zhenxuan
立教大学
人工知能科学研究科
山田 育矢
Yamada Ikukya
株式会社Studio Ousia
幸 航輝
Yuki Kouki
沼津高専
電子制御工学科
中筋 渉太
Nakasuji Shota
東京大学大学院
工学系研究科
髙城 頌太
Takashiro Shota
東京大学大学院
工学系研究科
松尾・岩澤研究室
曽 傑
Zeng Jie
成蹊大学
理工学部
江國 翔太
Ekuni Shota
A-wave株式会社
申込
受講対象者
学生（大学院生、大学生、短大生、専門学校生、高専生、高校生、中学生、社会人学生）
・開講日（2026年7月8日）時点で、下記いずれかに該当することが条件です。
＊学位取得が可能な学校法人、または文部科学省認可の学校に在籍中であること
＊上記学校に入学予定であること（在籍・入学予定が確認できる書類の提出が必要）
応募時には、2026年7月8日時点で学生であることが証明できるもの（学生証等・入学予定が確認できる書類）を必ず添付してください。
＜対象となる学校＞
小学校・中学校を除き、以下に記載のある学校に所属していることが必要です。
・大学・短期大学・高等専門学校・学校法人一覧
https://www.mext.go.jp/a_menu/koutou/ichiran/mext_01853.html
・専門士の称号を付与する専修学校一覧
https://www.mext.go.jp/a_menu/shougai/senshuu/mext_01253.html
・専門職大学院一覧
https://www.mext.go.jp/content/20250605-mxt_senmon02-000042957.pdf
※大学の科目履修生・単科履修生、予備校、語学学校などは学生枠でのお申込みはできません。
※社会人学生もお申し込み可能です。
※受講希望者が多数の場合には、抽選を行います。
社会人（東京大学の教職員、国家・地方公務員、研究者、スタートアップ企業の社員、メタバース工学部会員企業の社員）
※受講中に上記の条件に当てはまらないことが発覚した場合は、受講資格を取り消すことがあります。
※ご応募は1人1属性1回までです。別属性からの重複応募は無効となります。
※ご自身に応募資格があるのかわからない・どの属性にあてはまるのかわからない場合には、最も近いと判断する属性区分からお申し込みください。お問い合わせフォームからご質問をいただいてもお答えいたしかねます。
※メタバース工学部会員企業の社員の方については、ご所属企業からのご案内をお待ちください（5月末予定）
※過去に受講された方の今期への申し込みは可能ですが、参加対象者やその他条件等でご案内いたしかねる場合もございますので、あらかじめご了承ください
※応募後の内容変更はできません。送信ボタンを押す前に内容をよくご確認ください。
※受講希望者が多数の場合には、抽選を行います。
※本講座は下記の前提条件をご確認の上、条件が当てはまる方を対象としています。LLMのモデルのアーキテクチャーまで取り扱う実践的な講義のため、ご自身のレベルに見合っているかご確認の上ご応募ください。
前提条件（必須）
・Zoom、Googleサービス（google drive、google form、google colab等）、Webブラウザ、Slackを利用できるPCが用意できること
・毎回の講義を確実に視聴できること（録画視聴も可能）
・最低でも毎回3時間程度の自習時間が確保できること
前提条件（推奨）
・大学レベルの線形代数、微分積分、確率論・統計学に関する知識を有すること
・機械学習の基礎知識を備え、基礎的な実装が自身でできること (PytorchTensorFlow，JAXなどのフレームワークを使ってモデルの構築・訓練・評価を行った経験があること)
受講の仕組み
講義について
本セミナーは、配信される講義映像を、各人が自宅等で視聴・演習していただく形式です
・各講義日の19:00〜21:00にライブ配信します（一部別日時あり）。
・アーカイブ動画を視聴しての受講も可能です（修了するには、期限内に出席登録をする必要があります）
・ライブ配信への参加方法などの詳細については、受講が決定した方にご連絡いたします
・本講座は前年度の講義動画・資料を中心に一部を更新して実施する予定です。昨年度受講済みの方はあらかじめご了承の上受講申し込みを行ってください。
・本講座は公開講座であり、大学から単位は出ません
・受講料は無料です
・講義日程・内容は変更になる場合がございます。
修了要件
本講座を修了するためには、以下の条件が必要です。
1. 一定回数以上の出席（録画講義を視聴し、講義後1週間は出席登録可能）
2. 宿題を一定回数以上提出し、一定の点数を得る
3. 演習課題（予定）を提出し、一定の点数を得る
修了者へのベネフィット
・修了証（PDF）が発行されます。
・データサイエンス/深層学習関連のイベント・勉強会や研究プロジェクトへのご案内をしていきます。(参加条件等あり。)
留意事項
受講可否メール等が迷惑メールフォルダに入ってしまう事例が多数発生しています。
下記
<@weblab.t.u-tokyo.ac.jp>と<@mail.edu.omnicamp.us>からのメールが「迷惑メールフォルダ」に
入らないように必ず設定をお願いします。
結果通知の日時を過ぎてもメールが届かない場合は、まず「迷惑メールフォルダ」の確認をお願いします。
上記を確認されても見当たらない場合は、お問い合わせフォームからご連絡ください。
ID登録締切│
2026年6月22日(月)
AM10時
申込締切│
2026年6月24日(水)
AM10時
※最初にID登録を行っていただき、その後、講座へ申し込みいただきます。
※既にID登録済の方は、マイページにログインください。
マイページへのログインはこちら（リンク）
よくある質問
LLMの仕組みや全体像を一通り理解したい方には「基礎編」、それを踏まえてLLMの応用・社会実装を学びたい方には「応用編」の受講がおすすめです。
応用編はこちら
・出席の提出締切まで（通常は講義から1週間以内）にご視聴の上、アンケートにご回答いただければ出席とカウントされます。
・ただし、一部講義の特定回（外部ゲストの講演等）は、アーカイブ配信をしない場合がありますので予めご了承ください。
記入内容に不備がある場合、画面が変わらずお申し込みができません。
以下をご確認ください。
<学生の方>
（1）Gmailアドレス
→ドメインが@gmail.com以外のアドレスを入力されていないか
（メールアドレスの後に半角・全角の空白が入らないようご留意ください。）
（2）卒業予定年月日
→卒業済みでないか、また正しく入力できているか
（3）学生証などの入力を確認できる画像
→JPEG, JPG, PNGのいずれかの形式か
– TIFF形式（iPhoneの画像）は対応していません。
→画像2枚を提出しているか
（4）利用規約とプライバシーポリシー
→チェックを入れているか
（5）私は正規の学生です
（大学生と社会人学生の場合、学士の学位が取得できる方が対象となります。）
→チェックを入れているか
（6）すべての項目に入力漏れがないか
（7）過去にomnicampusで同一メールアドレスでご受講登録されたことがないか
→ご受講されたことがある場合は、上部にあるENTRY [マイページへのログイン（ID登録済の方）]からログインし受講申込ください。
不備がない状態でも解決しない場合、申し込み画面をリロードの上再度ご入力ください。
・迷惑メールフォルダに入っていないかをご確認ください。
・<＠weblab.t.u-tokyo.ac.jp> <@mail.edu.omnicamp.us>が迷惑メールに入らないよう設定をしていますか？まだの場合は設定をお願いします。
・上記3点をご確認いただいても届いていない場合は、メールアドレスを入力ミスされた可能性があります。[お問い合わせフォーム]（リンク）より運営に問い合わせてください。再登録依頼をご連絡します。
・各講座のLPに受講可否のメール送信予定日を記載していますので、お待ちください。
・複数の講座に応募した場合、講座によって受講可否の通知タイミングが異なります。
【受講可否のメール送信日を過ぎている場合】
・お申し込みをしたメールアドレスの受信フォルダをご確認ください。
その他のよくある質問はこちら（リンク）
※お問い合わせフォームから受講の応募は受けつけておりません。
※募集締め切り後のご応募はお受けしておりません。
※回答にお時間をいただく場合がございます。ご了承ください。
申込
ID登録締切│
2026年6月22日(月)
AM10時
申込締切│
2026年6月24日(水)
AM10時
※最初にID登録を行っていただき、その後、講座へ申し込みいただきます。
※既にID登録済の方は、マイページにログインください。
マイページへのログインはこちら（リンク）