【ローカルLLM検証環境構築編#1】モデル実行・管理、LLM（モデル）、ブラウザチャットまで

　今回はローカルLLMの構築手順をまとめていきます。
下記の構成です。今回は③までとします。④～⑥は中級～上級かと思います

Step	内容	目標	実体は何か？
①	Ollama導入	ローカルLLMを動かす	モデルを管理・実行するソフト
②	Qwen3導入	高性能な日本語モデルを使う	LLM本体（モデル）
③	Open WebUI導入	ChatGPTのような画面で使う	ChatGPTのような画面で使えるようにするソフト
④	Dify導入	AIアプリ・エージェントを作る
⑤	RAG	知識として読み込ませる
⑥	AIエージェント	ドキュメント作成支援などを自動化する

①Ollama導入
②Qwen 3導入
ローカルLLMの回答
Open WebUI導入

①Ollama導入

１-1.まず下記のサイトにアクセスします

Ollama

Ollama is the easiest way to automate your work using open models, while keeping your data safe.

1-2.わかりやすく、ページ最下部のDonwloadをクリック

1-3.OSに合わせて、Downloadします。
私の環境はWindowsなので、Windowsです。

1-4.インストール
OllamaSetup.exeをダブルクリックします。
特別な設定はなくInstall

1-5.インストールされたかの確認
PowerShellを開いて、「ollama –version」を打って以下が出ればOKです。

1-6.サービスの確認です
「ollama list」を打ちます。
NAMEだけ出ればOKとのこと。

さらにブラウザで「http://localhost:11434」を打って確認
以下が出ればOK！

②Qwen 3導入

2-1.Qwen3 8Bを導入（最初なので軽量モデルにしています）

PowerShellで「ollama run qwen3:8b」を実行
下記まで行けばOK

2-2.動作確認
試しに聞いてみます！
質問

こんにちは！

回答

こんにちは！（^▽^）
お手伝いできることがありましたら、何でもご遠慮なくお声がけくださいね！
今日の天気も良さそうですね、お出かけされる予定ですか？」

絵文字まで出てます笑笑笑
因みに最初の回答が遅いですが、おそらくモデルを読み込んでいるからで、２回目からは早くなりました！

さらに
質問

教師あり学習を小学生でも分かるように説明してください

解答

こんにちは！(^▽^)
教師あり学習を小学生でもわかるように説明しますね！

「先生が教えてくれる学習」
例えば、先生が「これはねこ、これはいぬ」というように、写真に文字を書いた例をたくさん見せてくれます。
それを見て、「ねこはこんな形で、いぬはこんな形だ」と学習するのが、教師あり学習です。

簡単な例で説明

先生が教えてくれる

例：「これはねこ！」「これはいぬ！」と、写真に文字を書いた例をたくさん見せる。

先生が正解を教えてくれる

例：「この写真はねこだよ」「この写真はいぬだよ」と、正解を教えてくれる。

自分も学ぶ

例：「この写真はねこかな？いぬかな？」と、自分で判断して、先生が正解を教えてくれる。

まとめ
教師あり学習は、先生が正解を教えてくれる学習です。
コンピュータも、「こう書くとこうなる」という例をたくさん見て、自分で判断するように教えます！

わかりましたか？
もっと詳しく知りたいことがあれば、教えてくださいね！(≧∇≦)

んー、いぬとねこが平仮名なのは小学生向けにしているからか？

ちょっとさらに検証

教師あり学習を専門的にに説明してください

ローカルLLMの回答

教師あり学習（Supervised Learning）は、機械学習の分野において最も基本的で重要な学習方法の一つです。以下に、専門的な
観点からその定義、構成要素、学習プロセス、および応用例を説明します。

1. 定義

教師あり学習は、ラベル付きデータ（入力と対応する正解が明示されているデータ）を用いて、モデルが「入力→出力」の関
係性を学習する手法です。

ラベル付きデータ：各データに「正解（ラベル）」が付与されている。
例：画像データに「ねこ」「いぬ」などのラベルが付いている、またはセンサデータに「正常」「異常」というラベルがついて
いる。

2. 主な特徴

教師（ラベル）の存在：学習の過程で、正解が常に提示されるため、モデルが「正しい答え」を学習する。

目的：入力データ（特徴量）から、出力（ラベル）を予測するモデルを構築すること。

分類と回帰の2種類：

分類（Classification）：出力が離散的（例：「ねこ」「いぬ」）。

回帰（Regression）：出力が連続的（例：「価格」「温度」）。

3. 学習プロセス

データの準備

ラベル付きデータを用意（例：画像とラベル、センサデータと結果）。

モデルの設計

ニューラルネットワーク、決定木、線形回帰などのアルゴリズムを選定。

学習（トレーニング）

モデルが入力データを処理し、出力の予測値を生成。

予測値と正解の差（損失関数）を計算し、モデルのパラメータを調整（最適化アルゴリズム：勾配降下法など）。

評価

学習データ以外のテストデータで、モデルの性能を測定（例：分類精度、平均二乗誤差）。

適用

学習済みモデルを実世界の問題に適用（例：画像認識、予測分析）。

4. 主なアルゴリズム

線形回帰（回帰問題）：変数間の線形関係を学習。

ロジスティック回帰（分類問題）：確率的な分類を実現。

決定木：条件分岐に基づく分類・回帰。

サポートベクターマシン（SVM）：境界線を明確に分ける手法。

ニューラルネットワーク：複雑な関係性を学習する柔軟なモデル。

5. 応用例

分類

画像認識（ねこ・いぬの識別）

スパムメール検出

医療画像の異常検出

回帰

不動産価格予測

気温の時間系列予測

金融リスク評価

6. 挑戦と注意点

データの質：ラベルが不正確な場合、モデルの性能に悪影響。

過学習（Overfitting）：学習データに過度に依存し、テストデータで性能低下。

計算コスト：大規模データや複雑なモデルでは計算リソースが必要。

7. まとめ

教師あり学習は、正解が明示されたデータを用いて、モデルが「入力→出力」の関係性を学習する手法です。分類と回帰の
2種類に分類され、多くの応用例があります。ただし、ラベルの品質や過学習の防止が重要な課題です。
この学習方法は、機械学習の基盤であり、多くの実用的なタスク（画像処理、自然言語処理、予測分析など）で広く利用されてい
ます

これででも平仮名は変わらず。。。
因みに変なところで改行されているのは、PowerShellからコピペしてるからなので、正常です。

なんでろうか・・・・ちょっと別途検討してみます！

2-3.終了
「/bye」

2-4.モデルの確認
「ollama list」
出てますね。大丈夫そうです。

💻 ローカルLLMでは容量が大きいグラフィックボードが必須です！

リンク

Open WebUI導入

3-1.Dockerを入れる
　Dockerを入れたほうがいいらしい
理由としてはこの後入れる、DifyなどもDBソフトなどもそこで動くので、本体OSに影響がない

下記サイトにアクセス

Docker Desktop: 開発者向けの#1コンテナ化ツール | Docker

Dockerデスクトップは、開発者向けの共同コンテナ化ソフトウェアです。今すぐ Docker Desktop を Mac、Windows、または Linux でダウンロードしましょう。

AMD版をダウンロード

インストールしますが、特別な選択は無し

3-2.確認
※PoweShellは開きなおしてください。開いている状態でインストールされたものは反映されないためです
「docker –version」で下記が出ればOKです

3-3.動作確認
「docker run hello-world」
下記が出ました。。。どうもだめらしい

単純に「Docker Desktop」が起動されてなかった模様
スタートから起動してください
そして再度確認で、OKでした！

3-4.Open WebUI導入
下記コマンドを実行

docker run -d -p 3000:8080 –add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data –name open-webui –restart always ghcr.io/open-webui/open-webui:main

正常終了～

3-5.起動確認

「docker ps」で「ghcr.io/open-webui/open-webui:main」が出てればOK

3-6.動作確認

ブラウザで「http://localhost:3000」
なんかすごいきれいなのが出たｗ

次の画面ですが、個人情報を入れるので、キャプチャは割愛しますが、
各種情報を入れて、管理者アカウントを作成です

3-7.使ってみる
ほぼchatGPTみたいな感じで良き

さて、先ほどのコマンドを同じ質問を入れます

教師あり学習を小学生向けに説明してください。

教師あり学習は、先生が生徒に例題を教えて、答えを一緒に確認しながら学ぶことと似ています。例えば、算数の問題を解くとき、先生が「3+2は？」と聞いたら、生徒は「5です！」と答えるとします。先生が「正解です！」と教えてくれることで、生徒は自分の答えが正しいかどうかを確認しながら、どんどん学んでいきます。コンピュータの教師あり学習も同じで、正しい答えが書かれた例題をたくさん見て、その答えを覚えていくようにします。最終的には、新しい問題でも正しく答えられるようになります！