LLMの基礎からエージェント構築、画像生成、ロボット制御まで、開発者向けの実務スキルを無料で体系的に学べる場所があります。

Hugging Faceの「Learn」プラットフォーム（https://huggingface.co/learn）には、LLM・エージェント・強化学習・ロボティクス・画像・音声・拡散モデルなど、分野横断の学習コースが揃っています。いずれも無料で公開され、多くのコースで修了証の取得も可能です。

この記事では、開発者が優先的に押さえるべき主要コースの内容と、自分の目的に合わせた学習ルートを整理します。

この記事でわかること

  • Hugging Face Learnに揃う主要コースの全体像
  • LLM・エージェント・ファインチューニング各コースの学習内容
  • 修了証が取れるコースと取得条件の違い
  • 目的別のおすすめ学習順序

なぜ今、Hugging Faceのコースが選ばれるのか

AI学習の情報はブログや動画に散在し、断片的な知識になりがちです。一方、Hugging Face Learnのコースは、同社が開発するTransformersやDiffusers、TRLといったライブラリと連動した実践型カリキュラムとして設計されています。理論とハンズオンがセットになっており、学んだ内容をそのままHub上のモデルやSpaceに公開する流れまで踏み込めます。

さらに、LLM CourseやAI Agents Course、Context Courseなど複数のコースで無料の修了証が用意されています。課題とクイズをこなすことで、学習の到達度を客観的に示せます。

LLM Course：Transformersの基礎から高度なLLM技術まで

https://huggingface.co/learn/llm-course

LLM Courseは、Hugging Faceエコシステムの中核ライブラリを軸にした入門から応用までの長編コースです。Transformers、Datasets、Tokenizers、Accelerate、Hugging Face Hubを使い、NLPとLLMの両方を扱います。

カリキュラムは全12章構成です。第1〜4章でTransformerの仕組みとHubからのモデル利用・ファインチューニングを学び、第5〜8章でTokenizersと古典的NLPタスクに踏み込みます。第9章ではGradioを使ったデモ公開、第10〜12章では高度なファインチューニングやデータセット設計、推論モデルの構築に進みます。

前提知識としてPythonの習熟と、fast.aiやDeepLearning.AIなどの深層学習入門修了が推奨されています。PyTorchやTensorFlowの事前知識は必須ではありません。1章あたり週6〜8時間、全12週のペースが目安です。現時点では修了証は未提供ですが、Hugging Faceエコシステム全体の認定プログラムが準備中と公式に案内されています。

AI Agents Course：smolagents・LangGraph・LlamaIndexを実装で習得

https://huggingface.co/learn/agents-course

AI Agents Courseは、エージェントの理論から実装・評価までをカバーするインタラクティブなコースです。smolagents、LangGraph、LlamaIndexといった主要フレームワークを段階的に学び、最終課題ではGAIAベンチマーク向けのエージェントを構築してリーダーボードで評価します。

全5ユニット（オンボーディング、エージェント基礎、フレームワーク、ユースケース、最終課題）に加え、ファンクションコーリング向けLLMファインチューニングやエージェント観測性、ポケモンバトル用エージェントなどのボーナスユニットも用意されています。前提はPythonの基礎とLLMの基礎知識です。

修了証は2段階です。Unit 1を完了すれば「Fundamentals Certificate」、Unit 1に加えユースケース課題と最終チャレンジを完了すれば「Certificate of Completion」が無料で発行されます。1ユニットあたり週3〜4時間が推奨ペースです。

Context Course：コードエージェント向けのコンテキスト設計

https://huggingface.co/learn/context-course

Context Courseは、Claude CodeやCodex、OpenCodeといったコードエージェントに最適なコンテキストを設計する専門コースです。エージェントの出力品質は、渡すコンテキストの質に左右されるという前提に立ち、スキル構築、MCP（Model Context Protocol）によるツール接続、プラグイン設計、サブエージェント連携、フックによるライフサイクル制御を全6ユニットで学びます。

修了証も2段階あります。Unit 1〜2のクイズで70%以上を取れば「Context Fundamentals Certificate」、Unit 1〜5のクイズ合格とキャップストーン課題の完了で「Context Engineering Certificate」が取得できます。1ユニットあたり2〜3時間、実装重視の内容です。

a smol course：ファインチューニングを短期集中で習得

https://huggingface.co/learn/smol-course

ソフトウェアエンジニア向けに、LLMファインチューニングを短期間で押さえる「a smol course」も提供されています。命令チューニング、評価ベンチマーク、DPOによる嗜好整合、ビジョン言語モデル（VLM）の適用など、実務で直結するトピックを扱います。TRLやTransformersを使ったハンズオンが中心です。

Unit 1の完了でFundamentals Certificate、全ユニットと最終プロジェクトの提出でCertificate of Completionが無料発行されます。1ユニットあたり週3〜4時間が目安で、LLM Courseより短い期間でファインチューニングに特化した学習が可能です。

専門分野コース：強化学習・ロボティクス・画像・音声・生成AI

Hugging Face Learnは言語処理以外の分野にもコースを展開しています。

Deep Reinforcement Learning Course（https://huggingface.co/learn/deep-rl-course）は、Stable Baselines3、CleanRL、Sample Factoryなどのライブラリを使い、PPOなどの手法でエージェントを訓練します。課題の80%完了で修了証、100%完了で優秀修了証が取得できます。なお、AI対AI対戦機能とリーダーボードは現在メンテナンス停止中ですが、理論とハンズオンは引き続き利用できます。

Robotics Course（https://huggingface.co/learn/robotics-course）は、LeRobotライブラリを軸に古典的ロボティクスから学習ベースの手法へと段階的に学ぶコースです。実機がなくてもシミュレーション環境とデータセットで学習可能と明記されています。強化学習や模倣学習のユニットは順次公開予定です。

Community Computer Vision Course（https://huggingface.co/learn/computer-vision-course）は、コミュニティ主導で作成された全13ユニットの大規模コースです。CNN、Vision Transformer、CLIPなどのマルチモーダルモデル、YOLOやSAMによる物体検出・セグメンテーション、3Dビジョン、倫理とバイアスまで網羅します。

Audio Course（https://huggingface.co/learn/audio-course）は、音声認識、音声分類、テキスト読み上げ（TTS）をTransformersで扱います。ハンズオン演習の80%完了で修了証が取得できます。

Diffusion Models Course（https://huggingface.co/learn/diffusion-course）は、Diffusersライブラリを使い、拡散モデルの理論から画像・音声生成、Stable Diffusionのファインチューニング、条件付き生成までを4ユニットで学びます。

Machine Learning for Games Course（https://huggingface.co/learn/ml-games-course）は、Unityを前提にLLMを使ったNPCの構築や、テキスト読み上げ・画像生成などのAIツールをゲーム開発パイプラインに組み込む方法を教えます。Unityの基礎知識が前提です。

Machine Learning for 3D Course（https://huggingface.co/learn/ml-for-3d-course）は、3D機械学習の概観と生成3Dデモの構築を扱います。動画・テキスト・コードの3形式で同一内容が提供されます。

Open-Source AI Cookbook：実装レシピの即戦力集

https://huggingface.co/learn/cookbook

コース形式ではなく、Notebookベースの実装集であるOpen-Source AI CookbookもLearnプラットフォームの一部です。RAGの高度な実装、Agentic RAG、GRPOによるオンライン学習、ファンクションコーリング向けファインチューニングなど、本番環境を意識したレシピが随時追加されています。特定の課題を解く際の参照資料として、コースと併用するのが効果的です。

目的別の学習ルート

学習の出発点は目的で決まります。

LLMの仕組みとHubの使い方を固めたい場合は、LLM Courseの第1〜4章から始めます。チャットボットや業務自動化エージェントの構築が目標なら、LLM Courseの基礎を押さえたうえでAI Agents Courseに進むのが王道です。Claude CodeやCodexを使った開発効率化が課題なら、Context Courseが直接役立ちます。自社データでモデルを調整したい場合は、a smol courseが最短ルートです。

画像・音声・ロボットなど特定分野に絞る場合は、各専門コースを単独で受講できます。Computer Vision Courseは13ユニットとボリュームが大きいため、CNNとViTの基礎（Unit 1〜3）から段階的に進めるのが現実的です。

いずれのコースもHugging Faceアカウント（無料）の作成と、Google Colabなどの実行環境があれば始められます。GPUが必要なハンズオンでは、Hugging Face Proの利用やColabの無料GPUが選択肢になります。

学習を続けるためのポイント

Hugging Face Learnのコースは自己学習型で、期限は設けられていません。一方、Discordコミュニティへの参加やクイズ・課題への取り組みが、公式にも学習効果を高める手段として推奨されています。AI Agents CourseやDeep RL Courseでは、他の受講者とのチャレンジやリーダーボード（稼働中のもの）を通じた実力確認も可能です。

断片的なチュートリアルより、ライブラリの公式ドキュメントと直結したカリキュラムで学ぶことで、学習内容をそのままプロジェクトに転用しやすくなります。まずは自分の目的に最も近い1コースを選び、修了証の取得を目標に据えて進めるのが、着実にスキルを積み上げる近道です。