🗺️ 第6章の目次です（ローカルLLM 全体目次 へ戻る）。 ⚠️ 微調整ツール（Unsloth・Axolotl・TRL等）は更新が速い。「要最新確認」。
第6章 ── ローカル微調整
既存モデルを自分のデータで仕立て直す段です。フル微調整は重いので、ローカルでは LoRA/QLoRA（小さなアダプタだけ学習）が主役。データの作り方と学習の流れを押さえ、最後に学習したアダプタをマージして GGUF に変換し、推論（第3章）へ橋渡しします。
トピック一覧
- 微調整の選択肢（フル・LoRA・QLoRA） — どれを選ぶか。4bit凍結＋低ランクアダプタの発想
- データ準備と学習の実際 — チャット形式のデータと主要ハイパーパラメータ
- アダプタのマージとGGUF変換 — 学習結果を推論可能な形に落とす
この章のゴール
- LoRAとQLoRAの違いと、いつローカルで現実的になるかを説明できる
- 微調整データの最小フォーマットを用意できる
- アダプタをマージしGGUF化して Ollama/llama.cpp で動かせる
隣接分野
- 微調整・LoRA の原理（なぜ低ランクで効くか）は機械学習 → ファインチューニング
- 学習基盤・実験管理のクラウド規模運用は MLOps（このサイトはローカル単機に特化）