Inflearn - Lifetime Career Platform

Spark（スパーク）機械学習の核心フレームワークに対する理解、難易度の高い実戦問題を通じたSQLベースのデータ加工、業務ドメイン分析を通じたデータ分析と最適化された機械学習モデルの構築能力まで、大容量データに基づいた機械学習のエキスパートとして認められたいなら、この講義と共に歩んでください。

この講義は、Kaggle の Home Credit Default Risk コンテストの機械学習モデルを実装することで、実践的な機械学習構築の専門家としてあなたのスキルをさらにレベルアップできるように作成された講義です。

機械学習とディープラーニングの概要と基本的なツールの使い方、そして学習に必要なPython言語の知識を短期間で習得できます。

ゲームで使用される重要な数学概念を簡単に学べる講義です。数学をよく知っている人は該当知識を当然のこととして捉えているため、何も知らないという前提で教えることができません。 本当に非専攻者だと思って初心者の視点から説明します。

ML実験管理、まだ手作業で行っていますか？🤔 MLflowで実験追跡からモデルデプロイまでを自動化し、開発生産性をぐっと引き上げてみませんか！ データサイエンティストとMLエンジニアなら必須スキル💡 今すぐスタートしましょう！🚀

本講義は、推薦システムの基本概念からディープラーニングの適用原理までを扱います。協調フィルタリング、コンテンツベースフィルタリング、ハイブリッド推薦システムなど、多様な推薦アルゴリズムを学びながら、推薦サービス開発のための実務能力を養いましょう！

ディープラーニングを活用した生成AIモデルの作動原理を理解し、実習を通じて活用方法を習得します。

データの世界に第一歩を踏み出したいですか？ AIの中核技術である機械学習とディープラーニングをPythonと一緒に学びましょう。この講義は、機械学習とディープラーニングの基礎から実際のアプリケーションまで、段階的に親切に案内します。伝統的な機械学習とディープラーニングは、多くの点で同じ原理と技術スキームに基づいています。したがって、本講義では、2つを別々の科目に分けることなく、1つの連結過程で構成し、入門者が機械学習全般にわたる理解度を高めることができるようにしました。

講師が初めて機械学習を学んだ際の失敗経験をもとに、機械学習を簡単に理解し、実際の問題に適用できるよう、既存の講義とは異なる新しい構成の講義です

理論中心の機械学習講座から脱却し、機械学習の核心的な概念を簡単に理解できるだけでなく、実践的な機械学習アプリケーションの実装能力を身につけることができます。

時間は絶えず流れ、データは蓄積し続けます。このダイナミックな世界では、時系列データは私たちの生活のあらゆる面で重要な役割を果たしています。金融市場のボラティリティから気候変動の微妙な信号に至るまで、時系列データにはこれらすべてが含まれています。さて、この強力なデータをPythonとディープラーニングの力を使って解釈して活用する方法を学びましょう！

最近の人工知能分野における驚異的な成果は、そのすべてが強化学習の分野で発表されています。ロボット、自動運転技術、人間に似た機械など、真の人工知能技術の革新を成し遂げている強化学習技術を、初心者の視点で分かりやすく、基礎から応用レベルまで扱いました。

さまざまなKaggleの例を使って、機械学習（Machine Learning）の基礎からじっくり学習し、 簡単に触れるのは難しい、現代の機械学習エンジニアの鮮やかなプロジェクト経験談や実践的な蜂蜜のヒントまで一度に学びましょう。

Docker を使用して、クラウドにディープラーニング分析環境を作成できます。 Google、MS などの管理する Docker イメージとクラウドを組み合わせることで、コンピューターで最新のディープラーニング分析方法を使用して作業を行うことができます。

数学の数式のような難しい内容は省き、気楽な気持ちでAIに対する全般的な知識を得られる講義です。

様々な推薦アルゴリズムの動作原理を理解することで、あなただけのパーソナライズされた推薦アルゴリズムを作ってみてください！

Web開発者なら誰でも知っているJavaScript、今この強力な言語で機械学習の世界を探検してみてください！このレッスンでは、JavaScriptで強力な機械学習ライブラリであるTensorflow.jsを活用して、機械学習モデルを構築および展開する方法を学びます。 Webベースの機械学習アプリケーションの開発に必要なすべての技術を段階的にガイドします。このコースでは、学習者は機械学習の主な原則を体系的に理解することができます。さらに、JavaScriptとTensorflow.js APIを活用したディープラーニングモデルの開発方法、および事前訓練されたモデルに基づく移行学習（Transfer Learning）の活用法と、これらすべての知識がブラウザ環境で相互作用的に適用される方法を学びます。

直感的でパイソニックなPyTorchを通じて、ディープラーニングモデルを直接構築する方法を学習します。最新のPyTorchバージョンを反映しています。

U-Net論文をTensorFlow 2.0を利用して底から実装してみて、ディープラーニング論文実装能力を学べる講義です。

ChatGPTやClaudeのような大規模言語モデルの基礎原理を深く探求しながら、開発能力を高めることができます。普段なかなか接することのできない多様な情報や開発技法を学ぶことができます。