ローカルLLM入門｜Ollamaで自分のPCにAIを動かす方法とメリット

生徒

最近『ローカルLLM』って言葉をよく見るんですけど、自分のパソコンでAIを動かすってどういうことなんですか？ChatGPTみたいなのをオフラインで使えたりするんですか？

ペン博士

いいところに気づいたね。ローカルLLMは、クラウドに頼らず自分のPCの中でAIを動かすしくみだよ。『Ollama（オラマ）』というツールを使えば、専門知識がなくても手軽に始められる。何ができて、どんなメリットと限界があるのか、導入の流れまで順番に解説するね！

「ChatGPTのようなAIを、ネットにつながず自分のパソコンの中だけで動かせたら——」。そんな発想を形にするのがローカルLLMです。この記事では、ローカルLLMとは何かという基礎から、Ollama（オラマ）というツールを使った導入の流れ、基本コマンド、Web制作者ならではの活用例までを、初〜中級者向けに丁寧に解説します。クラウドAIとの違いや、メリットと限界の両方を正直に整理するので、「自分の用途に合うのか」を判断する材料にしてください。

ローカルLLMとは何か

まずは言葉の意味から整理します。「LLM」はLarge Language Model（大規模言語モデル）の略で、ChatGPTやClaudeのような“文章を理解して生成するAI”の中身にあたる技術です。普段わたしたちが使っているこれらのサービスは、実際にはAIの本体がインターネットの向こう側（クラウド）のサーバーで動いており、入力した文章はそこへ送られて処理されています。

一方のローカルLLMは、そのAIの本体（モデル）を自分のパソコンにダウンロードし、手元の端末の中だけで動かすという考え方です。「ローカル」とは「手元・自分の環境」という意味で、クラウド（遠くのサーバー）の対義語として使われます。

クラウドAIとローカルLLMの違い

両者の最大の違いは「AIがどこで動いているか」です。ここが分かると、後で解説するメリット・デメリットの理由がすべて腑に落ちます。

つまりローカルLLMは、「自分のPCというお店の中で、AIという料理人を雇って働いてもらう」イメージです。材料（入力した文章）を外のお店に送る必要がないぶん、プライバシーや費用の面で有利になります。一方、雇える料理人の腕前は、自分のお店（PC）の設備しだいという制約も生まれます。

そもそも、なぜ今ローカルLLMが注目されているのか

少し前まで、高性能なAIを自分のPCで動かすのは専門家だけの世界でした。それが急速に身近になった背景には、いくつかの流れがあります。

• オープンなモデルの充実：誰でも入手して使える“オープンモデル”が増え、選択肢が広がりました。
• 導入ツールの登場：Ollamaのように、難しい設定を肩代わりしてくれるツールが現れ、導入のハードルが大きく下がりました。
• PC性能の向上：一般向けのPCでも、軽量〜中規模のモデルなら現実的な速度で動かせる場面が増えてきました。
• プライバシー意識の高まり：業務情報や個人情報を外部サービスに送ることへの慎重さが、企業・個人ともに強まっています。

これらが重なり、「全部クラウドに頼るのではなく、ものによっては手元で動かす」という選択肢が現実的になったのが、いまの状況です。

ローカルLLMのメリット

ローカルLLMの利点は、突き詰めると「AIが自分のPCの中で完結する」ことから生まれます。代表的な4つを見ていきましょう。

① 基本的に無料で使える

クラウドAIの多くは、使った量に応じた従量課金や月額のサブスクリプションがかかります。ローカルLLMは、モデル自体を無料で入手でき、動かすのにかかるのは電気代くらいというケースが一般的です。「たくさん試したいが、料金が気になって思い切り使えない」という人にとっては、回数や文字数を気にせず使える点が大きな魅力になります。

ただし「無料」はあくまでソフトウェアやモデルの利用料の話です。後述するように、快適に動かすにはそれなりのPCが必要なので、ハードウェアという形での“初期投資”は別途かかると考えておきましょう。

② オフラインで動く

一度モデルをPCに取り込んでしまえば、以降はインターネット接続がなくてもAIと対話できるのがローカルLLMの強みです。新幹線や飛行機の中、電波の弱い場所、あるいはネットワークから隔離された環境でも、手元でAIを使い続けられます。

「クラウドサービスが障害で止まっている」「アクセスが集中して重い」といった外部要因に左右されにくいのも、地味ながら実務では助かるポイントです。

③ プライバシーが守られる（データを外に出さない）

これがローカルLLM最大の利点といえます。クラウドAIでは、入力した文章はサービス提供企業のサーバーへ送られます。多くのサービスは適切に取り扱っていますが、「そもそも外部に送らない」という選択ができるのがローカルLLMの安心感です。

入力内容がPCの外に出ないため、社外秘の情報や個人情報を含む下書きであっても、比較的安心して扱える余地が生まれます（ただし後述の注意点も併せて確認してください）。

④ カスタマイズや学習の自由度が高い

どのモデルを使うか、どんな設定で動かすかを自分で選べるため、用途に合わせて環境を組み立てる自由度が高いのも特徴です。AIの仕組みを学びたい人にとっては、「モデルを入れ替えて挙動の違いを確かめる」といった実験がしやすく、学習用の素材としても優秀です。

ローカルLLMのデメリット・限界

良い面ばかりではありません。メリットと限界の両方を理解したうえで選ぶことが、後悔しないコツです。

① PCのスペックが求められる

AIモデルは、動かすときに大量のメモリやコンピューターの計算力を消費します。そのため、PCの性能が低いと、動作がとても遅くなったり、そもそも大きなモデルが動かせなかったりします。「最新の高性能AIをサクサク動かす」には、相応のハードウェアが必要になる、という現実は押さえておきましょう。

② モデルの性能には限界がある

クラウドで提供される最先端のAIは、非常に巨大なモデルを潤沢な計算資源で動かしています。個人のPCで現実的に動かせるモデルは、それらに比べると規模が小さくなりがちで、回答の精度や難しいタスクへの対応力では、最新のクラウドAIに及ばない場面が多いのが正直なところです。

「あらゆる作業をローカルLLMだけで完結させる」のではなく、得意な用途に絞って使い、難しい仕事はクラウドAIに任せるという割り切りが大切です。

③ 導入・管理に多少の手間がかかる

Ollamaのようなツールのおかげで導入は大幅に簡単になりましたが、それでも「ツールを入れる」「モデルを選んで取得する」といった作業は自分で行う必要があります。クラウドAIの「アカウントを作ればすぐ使える」手軽さと比べると、最初のひと手間と、ストレージ容量の管理が必要になります。

Ollama（オラマ）とは

ここからは、ローカルLLMを手軽に始めるための代表的なツールOllama（オラマ）を紹介します。Ollamaは、ローカルLLMの「ダウンロード・管理・実行」をまとめて面倒見てくれる無料のツールです。

本来、AIモデルを自分のPCで動かそうとすると、環境構築や設定で多くのつまずきポイントがあります。Ollamaは、その難しい部分を肩代わりし、シンプルなコマンド一つでモデルを取得して対話を始められるようにしてくれます。たとえるなら、ローカルLLMにおける“アプリストア兼再生プレイヤー”のような存在です。

Ollamaの主な特徴

• 導入がシンプル：公式サイトからインストーラーを入れるだけで使い始められます。
• コマンドが分かりやすい：覚えることが少なく、基本操作はいくつかのコマンドで完結します。
• 複数モデルを管理できる：用途に応じて複数のモデルを入れ替えて使えます。
• 幅広い環境に対応：一般的なデスクトップ環境で利用でき、開発にも組み込みやすい設計です。

なお、Ollamaに限らずローカルLLM周辺は進化が速い分野です。対応OSや細かい仕様、最新の機能は必ず公式サイトの情報を確認してください。この記事では、長く変わりにくい“基本の考え方”を中心に解説します。

Ollama導入の流れ（全体像）

Ollamaを使い始めるまでの流れは、大きく3ステップです。難しく聞こえるかもしれませんが、実際の操作はとてもシンプルです。

1. インストール：Ollamaの公式サイトから、自分のOSに合ったインストーラーを入手して導入する。
2. モデルを取得する：使いたいAIモデルを指定して、PCにダウンロードする。
3. 対話する：取得したモデルを起動し、ターミナルで質問を入力してやりとりする。

以降では、それぞれのステップをもう少し詳しく見ていきます。実際のコマンドは、Ollamaで広く知られている基本形を例として示します（具体的なモデル名やオプションは、公式の最新情報に合わせて読み替えてください）。

STEP1：インストール

まずはOllamaの公式サイトにアクセスし、自分のOS（Windows / macOS / Linux など）に対応したインストーラーをダウンロードします。基本的には、案内に従ってインストールを進めるだけで準備は完了します。

導入できたか不安なときは、ターミナル（コマンドライン）で次のように打って、バージョン情報が表示されるかを確認するとよいでしょう。

# Ollama が入っているか確認する（バージョンを表示）
ollama --version

対応しているOSや必要な前提条件は変わることがあるので、うまくいかない場合は公式のインストール手順を見直してください。

STEP2：モデルを取得する

Ollamaを入れただけでは、まだAIの“中身”はありません。動かしたいモデルを指定してダウンロードする必要があります。モデルの取得には、一般的に ollama pull というコマンドを使います。

# モデルをダウンロードする（モデル名は例。実際は公式で確認）
ollama pull <モデル名>

モデルはサイズが大きいものも多く、ダウンロードには時間とストレージ容量が必要です。まずは軽量なモデルから試すと、待ち時間が短く、PCへの負荷も抑えられます。

STEP3：対話する

モデルを取得したら、いよいよAIとの対話です。ollama run でモデルを起動すると、ターミナル上で質問を入力できる状態になります。

# モデルを起動して対話を始める（モデル名は例）
ollama run <モデル名>

# 起動後はプロンプトが出るので、そこに質問を入力する
# 例）「この文章を丁寧な敬語に直してください」など

対話を終えたいときは、画面の案内に従って終了します（一般的には終了用の入力やショートカットが用意されています）。これだけで、自分のPCの中だけで完結するAIとのやりとりが体験できます。

覚えておきたいOllamaの基本コマンド

Ollamaは覚えるコマンドが少ないのが魅力です。ここでは、広く知られている基本コマンドを整理します。なお、利用できるオプションや細かな挙動はバージョンによって変わることがあるため、最新の正確な仕様は公式ドキュメントを確認してください。

実際の使い方イメージ

3つのコマンドを組み合わせると、次のような流れになります。「取得 → 一覧で確認 → 実行」という王道の手順です。

# ① モデルを取得する
ollama pull <モデル名>

# ② いま手元にあるモデルを確認する
ollama list

# ③ モデルを起動して対話する
ollama run <モデル名>

基本はこの3つだけ覚えておけば、ローカルLLMを“使う”ことはできます。さらに進んだ操作（不要なモデルの削除や、プログラムからの呼び出しなど）も用意されていますが、まずは pull・run・list の3つに慣れるところから始めるのがおすすめです。

どのコマンドから覚えるべき？

迷ったら、次の順番で手になじませると無理がありません。

1. ollama run：軽量モデルで実際に対話してみて、「ローカルでAIが動く」体験をまず味わう。
2. ollama list：手元にどのモデルがあるかを確認し、容量の感覚をつかむ。
3. ollama pull：別のモデルを追加で取得し、用途ごとに使い分ける感覚を養う。

どんなモデルを選べばいい？（用途とサイズの考え方）

ローカルLLMの世界には、誰でも使えるオープンモデルがたくさんあります。「結局どれを選べばいいの？」と迷いがちですが、選び方の“考え方”さえ押さえれば、個別のモデル名に振り回されずに済みます。ここでは一般論として整理します。

「サイズ」と「性能」と「軽さ」はトレードオフ

モデルには“規模”の大小があり、よく「パラメータ数」という指標で語られます。ざっくり言えば、規模が大きいモデルほど賢い傾向がある一方で、動かすのに必要なPCの性能も上がり、動作も重くなりがちです。逆に、規模が小さいモデルは性能の上限こそ下がるものの、軽快に動き、非力なPCでも扱いやすくなります。

※上の表はあくまで一般的な傾向であり、具体的な性能や必要スペックはモデルごとに異なります。正確な情報は、各モデルの公式な説明を確認してください。

用途から逆算して選ぶ

「とにかく賢いモデル」を選ぶより、自分が何に使いたいかから逆算するほうが満足度が高くなります。

• 文章の整形・要約が中心なら、軽量〜中規模のモデルでも十分役立つことが多い。
• コード関連の補助に使いたいなら、その用途を意識して作られたモデルを候補にする。
• まず体験してみたいなら、ダウンロードが速く動作も軽い小さなモデルから始める。

Ollamaは複数モデルを管理できるので、「軽いモデルで普段使い、必要なときだけ大きいモデル」といった使い分けも可能です。最初から完璧な1つを選ぶ必要はありません。

必要なPCスペックの目安

「自分のPCで動くのか」が、いちばん気になるところでしょう。ここでも厳密な数値は断定せず、考え方の目安として整理します。実際に必要なスペックは、選ぶモデルの規模によって大きく変わります。

いちばん効くのは「メモリ」

ローカルLLMを動かすうえで特に重要になりやすいのがメモリ（RAM）です。モデルは動作中にメモリ上へ展開されるため、メモリが不足すると、大きなモデルはそもそも動かせなかったり、極端に遅くなったりします。一般論として、扱いたいモデルが大きいほど、より多くのメモリが必要になります。

GPUがあると速くなりやすい

GPU（グラフィックス処理を担う部品）は、AIの計算を高速にこなすのが得意です。対応する環境であれば、GPUを活用することで動作が速くなりやすい傾向があります。一方で、GPUがなくてもCPUだけで動かせる場合もありますが、その場合は動作が遅くなりがちです。

具体的な「メモリ◯GB必要」「VRAM◯GB必要」といった数値は、モデルやその提供形態によって異なるため、ここでは断定しません。導入予定のモデルについて、公式の推奨環境を必ず確認してください。迷ったら、まず軽量モデルで試し、手元のPCで快適に動くかを体感してから規模を上げていくのが安全です。

Web制作者・フリーランスのための活用例

ローカルLLMは「すごそうだけど自分の仕事にどう使うの？」となりがちです。ここでは、Web制作者やフリーランスの実務に引き寄せた活用例を紹介します。性能の限界を踏まえつつ、“ローカルだからこそ”光る使い方が中心です。

① 機密を含む下書きの整形・要約

クライアントの社外秘情報や、まだ公開していない企画書など、外部サービスに送ることをためらう内容の文章整形・要約は、ローカルLLMの得意分野です。データがPCの外に出ないため、心理的なハードルが下がります。

• クライアントからもらった長い要望メモを、要点だけに要約する。
• 未公開のサービス紹介文を、より読みやすい言い回しに整える。
• 社内向けの議事録ドラフトを、体裁を整えて清書する。

② オフライン環境での作業

移動中やネット環境が不安定な場所でも、AIを使った文章整形やアイデア出しを続けられるのは大きな利点です。「電波がないからAIが使えない」というストレスから解放されます。

③ AIの仕組みを学ぶための実験台

「AIは結局どう動いているのか」を体感したい人にとって、ローカルLLMは格好の教材です。モデルを入れ替えて回答の違いを比べたり、設定を変えて挙動を観察したりと、手を動かしながら学べます。Web制作者がAIを“使う側”から“仕組みを理解する側”へ一歩進むのに役立ちます。

④ コスト無制限のたたき台づくり

従量課金を気にせず使えるので、「まずは大量に下書きを出して、良いものをクラウドAIや自分で磨く」という二段構えもできます。ラフなアイデア出しや言い換え案の量産など、“数を出す”作業と相性が良い使い方です。

クラウドAIとの賢い使い分け

ここまで読むと「ローカルLLMとクラウドAI、どっちを使えばいいの？」と思うかもしれません。答えはシンプルで、どちらか一方に決めず、場面で使い分けるのがいちばん賢いです。

使い分けの基準

判断に迷ったら、次の2つの軸で考えると整理しやすくなります。

1. 扱う情報の機密性：外に出したくない情報を含むなら、ローカルLLMを優先する。
2. 求める性能の高さ：難易度が高く、最高水準の精度が必要なら、クラウドAIに任せる。

つまり、「機密・大量・オフラインはローカル」「高難度・最高精度はクラウド」が、ざっくりした目安になります。両者は競合ではなく、補い合う関係だと捉えるとよいでしょう。

組み合わせの例

• 一次処理はローカル、仕上げはクラウド：機密を含むメモはローカルで要約し、表に出す最終文だけクラウドAIで磨く。
• 普段はローカル、難所だけクラウド：日常的な言い換えはローカルで済ませ、複雑な相談だけクラウドへ。
• 学習はローカル、本番はクラウド：仕組みの理解や練習はローカルで、納品物に関わる作業は信頼できるクラウドで。

はじめてのローカルLLM体験：つまずきやすいポイント

理屈が分かっても、いざ自分で触ると細かいところでつまずくものです。ここでは、初心者が最初に出会いやすい“あるある”を先回りして整理します。先に知っておくだけで、無用な戸惑いを減らせます。

「ダウンロードが終わらない」と感じたとき

モデルはサイズが大きいものが多く、回線やモデル規模によっては取得に時間がかかります。止まっているように見えても、実際にはダウンロードが進んでいることがほとんどです。不安なときは、まず小さなモデルで「取得から対話まで」をひと通り体験し、流れに慣れてから大きなモデルに挑戦するのがおすすめです。

「動きが遅い・重い」と感じたとき

対話の返答が遅いと感じる場合、モデルの規模がPCの性能に対して大きすぎる可能性があります。対処の方向性は次の通りです。

• より軽量なモデルに切り替える：規模の小さいモデルにすると、動作が軽くなりやすい。
• ほかの重いアプリを閉じる：メモリに余裕をつくると、安定しやすくなる。
• 用途を絞る：長文の一括処理より、短い文章を小分けに頼むほうが快適なことが多い。

「思ったより賢くない」と感じたとき

クラウドの最新AIと同じ感覚で使うと、物足りなく感じる場面もあります。これはローカルで動かせるモデルの規模に由来する“想定内”の挙動です。落胆する前に、「得意な作業（要約・言い換え・整形など）に絞って使う」という発想に切り替えてみてください。役割を限定すれば、ローカルLLMは十分に頼れる相棒になります。

どこに相談すればいい？

つまずいたときは、Ollamaや各モデルの公式ドキュメント・公式の情報を一次情報として確認するのが最も確実です。ローカルLLM周辺は情報の更新が速いため、古い手順をそのまま試すと食い違うことがあります。「最新は公式を確認」を習慣にしておきましょう。

ローカルLLMが向いている人・向いていない人

ここまでの内容をふまえ、「自分は始めるべきか」を判断するための整理をしておきます。すべての人にとってベストな選択というわけではないので、相性を見極めましょう。

向いている人

• 機密性の高い情報を扱う：クライアント情報や未公開資料を、外部に送らず処理したい人。
• AIを大量に使いたい：従量課金を気にせず、たくさん試したい・量産したい人。
• オフライン環境が多い：移動が多い、ネットが不安定な環境で作業することがある人。
• 仕組みを学びたい：AIがどう動くのかを、手を動かして理解したい人。

いまは無理に始めなくてよい人

• 常に最高精度が必要：難易度の高い作業ばかりで、性能を最優先したい人はクラウドAIが向きます。
• PCの性能に余裕がない：メモリなどに不安がある場合は、まず軽量モデルで様子を見るか、クラウド中心が無難です。
• 導入の手間を避けたい：とにかく即・手軽に使いたいなら、アカウント登録だけで使えるクラウドAIが快適です。

もっとも、「どちらか一方」に決める必要はありません。前述のとおり、両者は使い分けられます。まずは軽量モデルでローカルLLMを体験し、自分の作業のどこに当てはめられそうかを探ってみるのが、いちばん納得感のある進め方です。

導入・運用での注意点

最後に、ローカルLLMを使ううえで気をつけたいポイントをまとめます。「ローカルだから何でも安全・万能」ではないことを押さえておきましょう。

• 出力内容を鵜呑みにしない：ローカルLLMの回答も誤り（事実と異なる内容）を含むことがあります。重要な情報は必ず自分で裏取りしましょう。
• ライセンスを確認する：モデルには利用条件（ライセンス）があります。特に商用利用の可否は、各モデルの規約を必ず確認してください。
• プライバシーは“設定しだい”：基本はデータが外に出ませんが、外部連携や共有機能を使えば話は別です。どこまでローカルで完結しているかを意識しましょう。
• ストレージ容量に注意：モデルは大きく、複数入れると容量を圧迫します。使わないモデルは整理する習慣を。
• 最新情報は公式で確認：Ollamaも各モデルも進化が速い分野です。コマンドや対応環境、推奨スペックは公式の情報を確認しましょう。

特に強調したいのは、「データを外に出さない」という安心感を活かすほど、出力の正確性は自分で担保する責任が増すという点です。便利さと責任はセットだと考え、上手に付き合っていきましょう。

よくある質問（FAQ）

Q. プログラミングの知識がなくても使えますか？

A. 基本的な利用であれば、専門的なプログラミング知識は必須ではありません。Ollamaはコマンドが少なくシンプルなので、ターミナルにコマンドを打つことに少し慣れれば、初心者でも対話を始められます。ただし、ターミナル操作にまったく触れたことがない場合は、最初に基本操作を学んでおくとスムーズです。

Q. 本当に無料ですか？追加料金はかかりませんか？

A. Ollama本体や多くのオープンモデルは無料で利用できます。ソフトウェアやモデルの利用料という意味では基本無料です。ただし、動かすためのPC（ハードウェア）や電気代は別途かかると考えてください。また、モデルによっては商用利用に条件がある場合があるので、規約の確認は必要です。

Q. ChatGPTと同じくらい賢いですか？

A. 正直に言うと、個人のPCで現実的に動かせるモデルは、最新のクラウドAIと比べると性能で及ばない場面が多いです。一方で、用途を絞れば実用十分なことも多くあります。「最高の賢さ」ではなく「機密を守れる・無料で大量に使える・オフラインで動く」といった別の価値で選ぶのがコツです。

Q. 自分のPCで動くか、どう確かめればいいですか？

A. いちばん確実なのは、まず軽量なモデルを実際に動かしてみることです。スペック表とにらめっこするより、小さいモデルで体感してから徐々に大きいモデルへ進むほうが失敗しにくいです。必要スペックは選ぶモデルで変わるため、公式の推奨環境も併せて確認しましょう。

Q. 入力した内容が外部に送られることはありませんか？

A. ローカルLLMの基本的な動作では、入力内容はPCの中で処理され、外部には送られません。ただし、外部サービスとの連携機能や共有機能を使った場合は、その限りではありません。どの機能を使っているかを意識し、機密情報を扱う際はとくに慎重に確認してください。

Q. クラウドAIはもう使わなくてよくなりますか？

A. いいえ、両方を使い分けるのが現実的です。高難度の作業や最高精度が必要な場面ではクラウドAIが頼りになります。ローカルLLMは「機密・無料・オフライン」が効く場面で活躍する、補完的な選択肢と捉えるのがおすすめです。

用語集（この記事に出てきた言葉）

最後に、本文で登場した言葉をかんたんにおさらいします。

言葉の意味がつながると、ローカルLLMの全体像がぐっと理解しやすくなります。気になった用語は、実際に手を動かしながら確かめると、知識が定着します。

まとめ

ローカルLLMは、AIモデルを自分のPCの中だけで動かす使い方です。無料・オフライン・データを外に出さないプライバシーという強みがある一方で、PCのスペック要求とモデル性能の限界という制約もあります。Ollamaを使えば導入のハードルは大きく下がり、pull・run・listという基本コマンドだけでも、ローカルでAIを動かす体験を始められます。クラウドAIと競わせるのではなく、「機密・大量・オフラインはローカル、高難度・最高精度はクラウド」と賢く使い分けていきましょう。

・正体：AIを自分のPCの中だけで動かすしくみ
・強み：無料・オフライン・データを外に出さない
・第一歩：Ollamaを入れ、軽量モデルを run して体感する

ローカルLLMを使いこなすほど、ターミナル操作やPCの仕組みといった“基礎”が効いてきます。WithCodeで土台を固めれば、AIを「使う側」から「自在に活かす側」へ一歩進めます。

関連記事

• AI時代の働き方｜フリーランスが「使われる側」から「使う側」になるための極意を徹底解説
• OWASP Top 10 for LLM Applications 解説｜生成AIアプリの代表的リスクと対策
• Google Gemini 公式情報まとめ｜モデル・できること・料金をやさしく解説
• Claude公式ドキュメントで見るモデル仕様と料金｜業務活用の基礎ガイド
• OpenAI公式で学ぶモデル・料金・利用規約｜ChatGPT/API活用の基礎

参考リンク（公式・一次情報）

• MDN Web Docs — HTML
• MDN Web Docs — CSS
• OpenAI 公式ドキュメント

WithCodeを体験できる初級コース公開中！

初級コース(¥49,800)が完全無料に！

• 期間：1週間
• 学習内容：
  ロードマップ/基礎知識/環境構築/HTML/CSS/LP・ポートフォリオ作成
  → 正しい学習方法で「確かな成長」を実感できるカリキュラム。

副業・フリーランスが主流になっている今こそ、自らのスキルで稼げる人材を目指してみませんか？

未経験でも心配することはありません。初級コースを受講される方の大多数はプログラミング未経験です。まずは無料カウンセリングで、悩みや不安をお聞かせください！