[自作日記14] SW編:Ubuntu のインストールUSBの作成

[自作日記14] SW編:Ubuntu のインストールUSBの作成

こんにちは!

今回からは、GPUマシンをAIマシンにすべく、ソフトウェア編の開始です!

目標は Ubuntu OS で GPU使用できる状態にし、最終的に LLMをつかった推論をできるところまでもっていきます。

1. Ubuntu のインストールUSBの作成

GPUマシンのメインOSは Ubuntu を導入したいため、これからUbuntuのインストールを行います。

Ubuntuのインストールにはいくつかの方法がありますが、事務用パソコンのWindowsを使用してUbuntuイメージが入ったUSBメモリを作成し、それをもって Ubuntu をまっさらなPCにインストールしていくアプローチをとろうと思います。

1.1 USBメモリ(32GB以下)の準備

まず、Ubuntuのイメージを焼くUSBメモリを準備します。

USBメモリは下に示す理由の為、 32GB 以下のものを準備しましょう。

  • USB メモリが 32GB を超えると、FAT32 フォーマットができなくなる
  • ブートにつかう USB メモリ は FAT32 でフォーマットされている必要がある

USBメモリの容量が 32GB を超えると Windows では exFAT という扱いになってしまいますので、大きすぎるUSBメモリはNGなのです。

1.2 USBメモリへのイメージ書き込みソフトをダウンロードする

USB メモリへの Ubuntu イメージ(ISO形式)の書き込むために、以下の Unetbootin というソフトウェアをダウンロードします

https://unetbootin.github.io/

これで unetbootin-windows-702.exe というファイルがダウンロードフォルダに保存されました

1.3 Ubuntuのダウンロード

以下から Ubuntu をダウンロードします

https://ubuntu.com/#download

(または https://jp.ubuntu.com/download )

現在の最新のLTSバージョンは 22.04 LTS をダウンロードします。

これで、ubuntu-22.04.1-desktop-amd64.iso というファイルがダウンロードフォルダに保存された状態になります。

1.4 Ubuntuインストール用USBの作成

USB メモリをフォーマットする(必要なら)

  • USBメモリ(FAT32フォーマット済の32GB以下のもの)を セットアップサポート用Windows PC に刺す

    • USBメモリとして認識しなかれば、PCいろいろなUSB端子に刺してみる
  • 認識されたら、エクスプローラーをつかって USB メモリをフォーマットしておく。(クイックフォーマットでOK)

UNetbootin をつかって、Ubuntuイメージを USBメモリ に書き込む

1.さきほどダウンロードした UNetbootin(unetbootin-windows-702.exe)を 起動します

2.ディスクイメージにチェックをいれ、ISOを選択し、さきほどダウンロードしたUbuntuのイメージ ubuntu-22.04.1-desktop-amd64.iso を参照します

タイプは USBドライブ を選択し、さきほどフォーマットした USB メモリ のドライブを選択して OK をクリックします

これで 10分程度で書き込みがおわります

次回は、実際のUbuntuインストールに入っていきます!


navigation

Read more

コーディングエージェントの現状と未来への展望 【第2回】主要ツール比較と構造的課題

コーディングエージェントの現状と未来への展望 【第2回】主要ツール比較と構造的課題

こんにちは! 今回は、コーディングエージェントシリーズ第2回です! 前回の第1回では、2025年12月時点で百花繚乱状態にあるAIコーディングエージェントの全体像を俯瞰しました。 商用サービスからオープンソースまで20以上のツールを紹介し、それらを「CLIベース」「IDE統合型」「AI特化IDE型」「自律型」の4つのカテゴリに分類しました。 また、コーディングエージェントの本質が「LLM+ツール層」のオーケストレーションシステムであること、つまりLLM自体はコード生成と判断のみを担い、実際のファイル保存やコマンド送信はエージェントフレームワーク側が行うという基本アーキテクチャについても解説しました。 さて、今回は、「実際に使い込むと見えてくる課題」にフォーカスします。 正直なところ、どのツールも「すごい!」と感じる瞬間がある一方で、しばらく使っていると「あれ?」と思う場面に遭遇します。 セッションが長くなると急に性能が落ちたり、昨日教えたはずのことを今日は忘れていたり、ベンチマークで高スコアだったはずなのに自社コードではうまくいかなかったり……。 これらは単なる「まだ発

By Qualiteg コンサルティング
LLM学習の現実:GPU選びから学習コストまで徹底解説

LLM学習の現実:GPU選びから学習コストまで徹底解説

こんにちは! なぜOpenAIやAnthropicは世界最高水準のLLMを作れるのに、それに肩を並べる日本発のLLMは存在しないのでしょうか? 技術力の差でしょうか。それとも人材の問題でしょうか。 答えはもっとシンプルです。GPUの枚数とお金です。 今日はそんな 「LLMの学習」にフォーカスをあて、そのリアルについて徹底解説いたします! 1. はじめに 「LLMを自分で学習させてみたい」 そう思ったとき、最初にぶつかる壁がGPUの問題です。 どのGPUを何枚使えばいいのか。クラウドで借りるべきか、オンプレで買うべきか。そもそも個人や小規模チームでLLM学習は現実的なのか。 本記事では、こうした疑問に対して、具体的な数字と事例を交えながら答えていきます。 たとえばLLaMA 2の学習にはA100が2,048枚使われました。DeepSeek-V3は約8億円かかりました。では、あなたの手元のGPUでは何ができるのか。そこを明らかにしていきたいと思います。 対象読者は、LLM学習に興味があるエンジニアや研究者です。PyTorchでモデルを書いたことがある程度の知識を前提とし

By Qualiteg プロダクト開発部, Qualiteg 研究部
今からはじめるClaude Code

今からはじめるClaude Code

こんにちは! 今日は、最近エンジニアの間で話題になっているAIコーディングエージェント「Claude Code」について取り上げます。 AIによるコーディング支援ツールはここ1〜2年で一気に増え、「結局どれを選べばいいのか分からない」と感じている方も多いのではないでしょうか。本記事では、そうした中でClaude Codeを実際に使ってみた所感と、Windows環境での導入・運用の考え方を整理していきます。 AIコーディングツール、どれを使う? 2025年は、AIコーディング支援が一気に“実用品”になり、選択肢が増えすぎて迷いやすい年になりました。 GitHub Copilot、Cursor、Windsurf、Devin、Aider、Cline、OpenHandsなど、商用からオープンソースまで含めると、軽く20種類を超えます。 機能や思想が似ているものも多く、情報を追うだけで疲れてしまう、という方も少なくないと思います。 以前、当社ブログでは「AIコーディングエージェント20選」で全体像を整理しました。 AIコーディングエージェント20選!現状と未来への展望 【第1回】

By Qualiteg プロダクト開発部, Qualiteg コンサルティング
日本語対応 LLMランキング2025 ~ベンチマーク分析レポート~(12月18日版)

日本語対応 LLMランキング2025 ~ベンチマーク分析レポート~(12月18日版)

はじめに 本レポートは、Nejumi Leaderboard 4のベンチマークデータ(2025/12/18版)に基づいて、日本語対応LLMの性能を総合的に分析したものです。 前回は 2025/10/12 版の分析レポートを公開しましたが、たった2か月で劇的な変化がありました! (定期的に最新LLMランキングを更新してまいります。当社のX(旧Twitter)をフォローいただくことで更新情報を受け取り可能です) Nejumi Leaderboard 4は、日本語タスクにおけるLLMの性能を多角的に評価する信頼性の高いベンチマークとして知られています。 本分析では、商用APIモデルとオープンモデルの両方を対象に、それぞれの特徴や傾向を詳しく見ていきます。 オープンソースモデルについて Weightがオープンなモデルは場合によっては「オープンソースモデル」、「OSSモデル」と呼ばれますが、モデルによっては「オープンソース」と呼ぶには不十分な場合があるため本稿では、「オープンソースモデル」ではなく「オープンモデル」と表現しています。 ベンチマーク分析について 本レポートは、

By Qualiteg コンサルティング, Qualiteg プロダクト開発部