現在、QAエンジニアとしてのスキルアップも兼ねて、JSTQB Foundation Level（FL）の資格勉強を進めています。
JSTQBの公式シラバスは非常に網羅的で勉強になる反面、テキストのボリュームが多く、ただ読んでいるだけではなかなか頭に入ってこないのが悩みでした。
そこで、話題のGoogleのAIツール 「NotebookLM」 に、公式シラバス（V4.0のPDF）を丸ごと読み込ませて試験対策の教材を作らせてみたところ……結果として、想像を絶するクオリティの学習環境が爆誕しました。
今回は、NotebookLMを使ってどのような試験対策コンテンツを作成したのか、その衝撃的な体験をシェアします。
この記事では、ペット（うさぎ）のクッキーの写真から専用のLoRAモデルを訓練し、Stability Matrixで画像生成するまでの全工程を解説します。
WSL2環境でのセットアップから、実際の訓練、そして画像生成まで、実際に遭遇したトラブルシューティングも含めて詳しく記録しています。
AIに追加学習させるための「軽量化技術」のことです。
元の巨大なAIモデル（数GB）をまるごと再学習させるのではなく、覚えさせたい特徴（今回ならペットのクッキー）だけの「差分データ」を作ります。 これにより、短時間（数分）かつ低スペックなPCでも学習が可能になり、出来上がるファイルサイズも非常に小さくなるのが特徴です。
AI生成画像を無料で提供する「Free Images」を運営していたある日、Stripeから一通のメールが届きました。
「カードネットワークパートナーの制限により貴社アカウントのサポート継続が困難となりました」
この記事は、突然の決済手段喪失から、GitHub Sponsorsで支援を受け付けられるようになるまでの2日間の記録です。同じような問題に直面している方、特にAI関連サービスを運営している方の参考になれば幸いです。