NEW

開発者のためのディープラーニング

実習よりも理論と文脈に集中し、ディープラーニングを深く整理して大きな絵を掴みたい方に役立つ講義です。ディープラーニングの根幹となる数学・統計的背景を分かりやすく理解でき、現代ディープラーニングの主要モデルであるAutoEncoder、GAN、Transformer、AlphaGoなどの原理を開発者の観点から直感的に解釈いたします。

33名 が受講中です。

kok202

딥러닝모델

Machine Learning(ML)

Deep Learning(DL)

Statistics

Probability and Statistics

受講後に得られること

ディープラーニングのための確率統計
ディープラーニングの観点から見るLikelihood、確率、統計モデル
統計的学習理論(SLT: Statistical Learning Theory)
AutoEncoder、VAE、AlphaGo、Transformer
ディープラーニング主要モデルの動作原理と誕生背景

このように変わります。

ディープラーニングの数学・統計的背景と核心理論を体系的に理解できます。
- 膨大な確率・統計の内容の中から、正確に必要な内容だけを集中的に学習できます。
ディープラーニングの主要モデルの原理を、単純な構造ではなく、文脈と歴史的背景の中で解釈することができます。
現代人工知能の発展史に関する基本的な背景と歴史を理解できるようになります。
- 機械学習以前に確率・統計モデルが存在していたことを理解できるようになります。
- 機械学習モデルが統計モデルであることを理解できるようになります。

ありきたりではない内容

FCNN、CNN、RNNといったテーマは、実際にすでに整理された数多くの資料があり、無料で公開されている質の高い講義も簡単に見つけることができます。そのため、この講義は単に概念を羅列するだけでなく、「なぜこのような概念が登場したのか(Why?)」という質問に焦点を当てました。これにより、ディープラーニングを一度学習したことがある方々にも得るものがあるよう、多くの努力を注ぎました。

統計を扱うディープラーニング講義

ディープラーニングのルーツは確率と統計から出発する場合が多いため、これを知ることが非常に重要です。しかし、実際に確率、統計を勉強しようとすると、膨大な学習量と統計を扱うディープラーニング講義が多くないため、容易ではないのが現実です。この講義は、このような困難を解消できる数少ない講義です。ディープラーニングを理解するのに必要な核心的な背景知識を中心に集中整理した講義です。

3000枚分のスライド

すべての講義内容を、研究者たちが抱えていた悩みや疑問から始め、その問題をどのように解決していったのか、そのプロセスを説明する方式で構成しました。そして、この流れを受講生の皆さんに十分にお伝えできるよう、講義資料も段階的に構成し、そうして準備されたスライドは約3,000枚に達します。単に情報を伝えるだけでなく、皆さんが概念を本当に理解できるよう、最善を尽くしました。

第1部. ディープラーニング概要

パーセプトロン、レイヤー、活性化関数、損失関数、最適化、正規化、初期化など、ディープラーニングの核心概念を説明します。単純な概念説明よりも、各概念が登場するようになった歴史的背景に焦点を当て、文脈と深みを加えました。シグモイド関数の起源、クロスエントロピーの導出、Adamの数式解釈など、既存の講義ではあまり扱われないオリジナルコンテンツを多数準備しました。

開発者として成長するために
お手伝いしたいです!

現在カカオで働いており、作ることが好きで退勤後もいつも何かを開発しています。「巨人の肩の上に立つ小人」という言葉があります。私もまた一介の小さな小人に過ぎませんが、乗った巨人の成長に役立てるよう知識の継承のために努力しています。多数のジュニア開発者の方々をメンタリングした経験があるので、皆さんの成長をお手伝いできると思います。

✅ Github / Blog
✅ 現カカオバックエンドエンジニア
✅ 公開SW開発者大会2020一般部門金賞:情報通信産業振興院長賞受賞
✅ 書籍出版 Java/Spring開発者のための実用主義プログラミング
✅ Inflearn講義 Java/Springジュニア開発者のための誤答ノート
✅ Inflearn講義 Java/Springテストを追加したい開発者たちの誤答ノート

Q. 非専攻者でも受講できますか?

このコースは元々、ディープラーニングを一度でも学習した経験があり、さらにレベルアップを望む方々を対象に企画されました。しかし、コースを構成する過程で、私が伝えたい内容を十分に説明するためには、かなりの事前知識が必要だという事実に気づきました。そこで、コース内容を基礎から体系的に整理する方向に変更し、その結果、現在のコースはディープラーニングを初めて学ぶ方や非専攻者でもしっかりついてくれば理解できるコースになったと思います。

ただし、すべての非専攻者が同じ開発スキル、数学的背景知識を備えているわけではありません。そして人工知能に対する理解度もすべて異なります。これは専攻者も同様です。誰かは学部時代に人工知能の授業を受けたことがあるでしょうし、また誰かは関心がなくて受けなかったでしょうから。

したがって、受講を検討されている方々が参考にできるよう、以下のような簡単なフィードバックを得てきました。様々な環境にいる専攻者、非専攻者を対象にオフライン講義を行い、以下のようなフィードバックを得ました。受講を検討されている方々は、以下の内容と事前知識、注意事項を必ず確認し、無料講義をまず受講してみた後、受講するかどうかを決定していただきますようお願いいたします。

事例1. コンピュータ工学科専攻、キャリア3年目、ディープラーニングの背景知識無

思ったより難しかったです。確かに初心者向けの講義ではないようです。内容自体はとても満足でした。
ケース2. コンピュータ工学専攻、キャリア5年目、ディープラーニングの背景知識有

ディープラーニング関連で知っていると「勘違い」していた内容が多かったことに気づいた。初めて見る内容が多い。違うと感じた。
事例3. 純粋美術専攻(開発者転向)、キャリア3年目、ディープラーニングの背景知識無し
数学関連の背景知識がなくて内容が難しかった。メッセージは理解できた。内容自体が面白かった。
事例4. 電子電気工学専攻、キャリア5年目、ディープラーニングの予備知識なし
ボリュームが大きいと感じた。内容は難しかったが、難しくならざるを得ない内容だと思った。

Q. 実習の比重はどのくらいで、講義が終わったらどのレベルまでできるようになりますか?

残念ながら、この講義は直接実行できるサンプルコードや、コードを書き写しながら動作過程を一つ一つ確認する方式では進行されません。私は単に他人が書いたコードをそのまま書き写すことは学習効果が大きくないと考えています。それよりも、なぜこのような方法が登場したのか、どんな問題を解決しようとしたのか、他のアプローチとは何が違うのかを理解することがはるかに価値があると考えているからです。

また、受講生ごとに使用するデバイスやOSが異なり、ディープラーニングフレームワークもTensorFlowやPyTorchをはじめ、様々なものが存在します。さらに、フレームワークはバージョンが変わるたびにインターフェースが大きく変わることが多いです。このような理由から、この講義は特定のコードや環境に合わせた実習を提供するよりも、その背後にある考え方と原理に集中する方式を選択しました。

個人的には、AIモデラーになることが目標だったり、フレームワークの使い方が気になる方は、講座を受講するよりも公式ドキュメントを参考にしながらモデルを直接作ってみて試行錯誤を経験する方が、より効果的な学習方法だと思います。

Q. このコースは就職、転職、研究に役立ちますか?

私も学部時代に人工知能の授業を受けた者として、この講義で扱う内容は学部レベルを超えるディープラーニングの知識を含んでいると判断します。そのため、研究者を志望する受講生の皆さんにとって、この講義は必ず役に立つはずです。

さらに、人工知能の面接を準備している方にも役立つ可能性があります。この講義は面接で出題される可能性のある原理的な概念とモデルの原理を扱っているためです。しかし、就職という関門の特性上、膨大な内容をすべて学習するよりも予想面接質問を集中的に勉強する方がより役立つ可能性があります。そのため、正直な考えとして、短期間で就職の勉強をしなければならない学生にとって、この講義は大きな助けになりにくいと思います。

人工知能の面接を準備している学生なら、むしろ以下のGitHubリポジトリを参考にして内容を整理することをお勧めします。

前提知識と注意事項

本講義を効果的に受講するためには、以下のような基礎知識が求められます。
- プログラミング基礎知識
- 大学レベルの基礎数学（二次関数の微分ができること）
- 線形代数学の基礎（行列の乗算ができる必要がある）
ディープラーニングの基礎から始まる講義ですが、基本的な知識がある状態で受講するとより良いです。
この講義は理論講義を標榜しているため、実習が含まれない講義です。
無料講座を先に受講してから購入するかどうかを決めることをお勧めします。

こんな方に
おすすめです

学習対象は
誰でしょう？

ディープラーニングの主要モデルの動作原理と誕生背景を段階的に理解したい方
単なる概念説明ではなく、ディープラーニングの理論的背景と文脈を理解したい方
ディープラーニングを理解するために、統計学の勉強が必要だと感じている方
膨大な確率統計の内容の中で、人工知能のために本当に必要な内容だけを学習したい方
クロスエントロピーを導出してみたい方
ディープラーニングをより深く理解したい方

前提知識、
必要でしょうか？

プログラミング基礎知識
大学数学基礎
線形代数学

こんにちは
です。

3,595

受講生

269

受講レビュー

回答

4.9

講座評価

講座

(현) 카카오 백엔드 엔지니어
(수상) 🏆 공개 SW 개발자 대회 [2020 일반부문 / 금상_정보통신산업진흥원장상]

현재 카카오에서 일하고 있고, 만드는 것을 좋아해서, 퇴근 후에도 항상 무언가를 개발하고 있습니다.

"거인의 어깨 위에 선 난쟁이"라는 말이 있습니다. 저 역시 한낱 작은 난쟁이일 뿐이지만, 올라탄 거인의 성장에 도움이 될 수 있도록 지식의 대물림을 위해 노력하고 있습니다. 다수의 주니어 개발자분들을 멘토링 한 경험이 있어서 여러분의 성장을 도와줄 수 있을 거예요.

깃허브 > https://github.com/kok202
블로그 > https://kok202.tistory.com

カリキュラム

全体

32件 ∙ (9時間 27分)

講座資料（こうぎしりょう）:

授業資料

セクション 1．ディープラーニング概要

14件 ∙ (4時間 5分)

セクション 2．ディープラーニングのための確率統計

9件 ∙ (2時間 39分)

15. 回帰分析とは？（Regressionの起源）
13:32
16. # 統計基礎用語整理（推定と検定の理解）
23:09
17. # 確率基礎用語整理（確率の歴史）
16:09
18. ベイズの定理（ベイズの定理はなぜ重要なのか？）
19:39
19. # Likelihood（現代のAIは巨大なMLE機械である）
15:45
20. # 確率分布および適用事例（確率モデル）
22:10
21. 統計モデルの紹介（機械学習は統計モデルである）
19:56
22. その他の統計知識（回帰分析の仮定から理解する残差の重要性）
14:40
23. 統計的学習理論 (SLT: Statistical Learning Theory)
14:14

セクション 3．モデル分析

9件 ∙ (2時間 42分)

24. AutoEncoder
22:45
25. Variational AutoEncoder
20:56
26. 画像生成モデル (GAN, Diffusion)
15:55
27. ResNet（Skip-connectionは何を学習するのか？）
16:06
28. # Alphago 1部 (AlphaGoも既存の囲碁アルゴリズムと大きく変わらない。)
14:29
29. Alphago 第2部 (AlphaGoモデルを動作させるネットワーク、MCTS)
16:40
30. 自然言語処理 1部 (Word Embedding)
29:55
31. 自然言語処理 2部 (Transformer)
25:50
32. # 追加資料（スライド）

講座掲載日:

最終更新日:

受講レビュー

まだ十分な評価を受けていない講座です。

みんなの役に立つ受講レビューを書いてください！

期間限定セール

￥29,700

50%

￥7,412

kok202の他の講座

知識共有者の他の講座を見てみましょう！

Java/Spring ジュニア開発者のための誤解

kok202

スプリングとJPAを少し扱うと思ったあなた、今後成長するために何を勉強する必要がありますか？もしデザインの勉強をしてみようとデザインパターンを勉強しながらパターンを無作為に暗記しておられませんか？お手伝いします！

초급

Java, Spring, oop

Java/Spring ジュニア開発者のための誤解

kok202

Java/Spring テストを追加したい開発者の間違いノート

kok202

Spring にテストを追加する方法を説明します。さらに、より自然なテストを行うために Spring の設計を変更する方法も学びます。

초급

TDD, Software Test, unittest

Java/Spring テストを追加したい開発者の間違いノート

kok202

似ている講座

同じ分野の他の講座を見てみましょう！

本当の初心者のためのディープラーニング

drkail6916work

この講義はディープラーニングという名称は入ってみたが、どのように始めるべきか分からない方を対象に進行されます。

초급

Deep Learning(DL), tf.keras, multiclass-classification

本当の初心者のためのディープラーニング

drkail6916work

すべてのサラリーマンのための誰でも理解できる人工知能

jin0choi1216

AIが初めての方の目線に合わせたAI入門講座！データから生成AIまで、主要な概念をわかりやすくまとめました。AIを開発するのではなく、質問や説明ができるレベルの実務理解を目指します。

입문

Machine Learning(ML), Deep Learning(DL), Recommendation System

すべてのサラリーマンのための誰でも理解できる人工知能

jin0choi1216

CEO及びリーダーのための製造革新とAIビッグデータ

1159136

半導体に関する製造革新案をベンチマーキングし、半導体データでコーディングなしに機械学習、深層学習を試すことができます。

초급

AI, Machine Learning(ML), classification

CEO及びリーダーのための製造革新とAIビッグデータ

1159136

AI初心者のためのMS AI核心技術完全攻略

daniellee

Microsoft AI-900資格の同時取得を目指せる特別講義であり、2025年5月基準の出題範囲を反映した最新コンテンツとして、AI概要、機械学習の基礎、コンピュータービジョン、自然言語処理、ドキュメントインテリジェンス、知識マイニング、および生成AIを含む理論と実習が兼ね備えられた形式で提供します。

입문

Machine Learning(ML), Azure, NLP

AI初心者のためのMS AI核心技術完全攻略

daniellee

皆のためのディープラーニング - Deep Reinforcement Learning

Sung Kim

香港と期待キム・ソンフン教授の＆quot;すべてのためのディープラーニング＆quot;コースの2番目のシーズンで＆＃x27;強化学習＆＃x27;について学びましょう。

중급이상

Deep Learning(DL), Reinforcement Learning(RL)

皆のためのディープラーニング - Deep Reinforcement Learning

Sung Kim

確率と統計 101

루비네코딩

ついに皆のための確率と統計講義が来ました！理論とコーディング実習を通じて、一歩ずつ確率と統計の原理について学んでいきます。参考書籍「皆の確率と統計」https://wikidocs.net/book/18165

초급

Python, Big Data, Probability and Statistics

確率と統計 101

루비네코딩

AIを活用した製造業分野の実務適用戦略（自動車・部品分野）

88888

自動車および部品製造産業は、激しいグローバル競争と複雑なサプライチェーンの中で、イノベーションが不可欠な分野です。本講義は、AI技術を現場にどのように適用できるかを中心に、生産効率の向上、品質検査の自動化、設備予知保全、サプライチェーン最適化など、実際の事例とともに説明します。 AI導入に必要な基礎理解から、現場適用時に考慮すべき戦略とリスク管理まで段階的に扱い、実務担当者と管理者がすぐに活用できる知識と洞察を提供します。

입문

Machine Learning(ML), Deep Learning(DL), IoT

AIを活用した製造業分野の実務適用戦略（自動車・部品分野）

88888

非専攻者のための数学統計基礎（実習）

SW School

このコースは、Pythonを使用した機械学習の数学と統計の基本的な内容を実践するプロセスです。機械学習とディープラーニングにはプログラミング能力も必要ですが、原理を理解するために数学的背景が必要です。このプロセスにより、人工知能に必要な基礎数学をじっくり身につけることができます。

초급

Linear Algebra, Probability and Statistics, Python

非専攻者のための数学統計基礎（実習）

SW School

GAMMAマスターコース：AIを使ってプレゼンテーションを自動作成する方法

UMINO

あなたのアイデアを、わずか数分で美しいプレゼンテーションに変えることができます。スライドのデザインに何時間も悩む必要はもうありません。GAMMAのAI技術を使えば、コンテンツ作成のプロセスを劇的に改善できます。

입문

Business Productivity, presentation PT, gamma

GAMMAマスターコース：AIを使ってプレゼンテーションを自動作成する方法

UMINO

ML/AI エンジニア面接問題総まとめ

codeh

約20回の面接を通じて身につけた約130個のML/AIエンジニア面接質問と回答の総まとめ

초급

Machine Learning(ML), Interview, kakao-recruitment

ML/AI エンジニア面接問題総まとめ

codeh

コードで一発理解できるPyTorch_プロジェクト編

onepm

コードで一気に理解できるPyTorch_プロジェクト編は、画像、ビデオ、自然言語データを活用し、実践的なディープラーニングプロジェクトを実装しながら、理論よりもコード中心の学習を通じてモデルの構造と流れを理解します。

중급이상

Deep Learning(DL), AI

コードで一発理解できるPyTorch_プロジェクト編

onepm

アルゴリズムトレーディングの秘密、AIが株価を当てる方法

cheatkeylab

40種類以上の経済指標と株価データをAIで分析し、S&P 500、QQQ ETFだけでなく個別銘柄まで予測する強力な株価分析モデルをご自身で作ってみましょう！

초급

Deep Learning(DL), Python, transformer

アルゴリズムトレーディングの秘密、AIが株価を当てる方法

cheatkeylab

実戦ドッカー：ドッカーで自分だけのディープラーニングクラウドコンピュータを作る

danielyouk

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。

초급

Docker, Virtualization, Python

実戦ドッカー：ドッカーで自分だけのディープラーニングクラウドコンピュータを作る

danielyouk

ディープラーニングのための基礎数学

Masocampus

ディープラーニングを本格的に活用するための機械学習の概念、人工知能の学習原理、モデル実装のための数学的原理を知る！

초급

Deep Learning(DL), Machine Learning(ML)

ディープラーニングのための基礎数学

Masocampus

ハイクオリティAI映像オールインワンクラス: Midjourney & Runway (25+a シーン制作)

Dong Ah K

Midjourney&RunwayでハイクオリティなAI映像を制作してみましょう。サムスンと協業したキム・ドンア監督が仮想ブランドを基盤にAI映像の制作過程を段階別に直接お伝えします。

중급이상

Video Production, AI, Midjourney

ハイクオリティAI映像オールインワンクラス: Midjourney & Runway (25+a シーン制作)

Dong Ah K

Pythonで始まるマシンラーニング+ディープラーニング

ilifo

機械学習&ディープラーニングの基礎から確実に！ Pythonに分類/回帰/クラスター/人工ニューラルネットワークの作成と活用まで

초급

Python, sklearn, Machine Learning(ML)

Pythonで始まるマシンラーニング+ディープラーニング

ilifo

非専攻者・入門者のためのData Science(DS)とAI学習・就職ガイド

AISchool

Data Science(DS)と Artificial Intelligence(AI)関連職種の分析と関連職種でのキャリア構築のための学習・就職ロードマップを学びましょう。

입문

Deep Learning(DL), Machine Learning(ML)

非専攻者・入門者のためのData Science(DS)とAI学習・就職ガイド

AISchool

実装しながら学ぶTransformer

dooleyz3525

Multi Head Attentionから始まり、Original Transformerモデル、BERT、Encoder-DecoderベースのMarianMT翻訳モデル、Vision Transformerまで、コードで直接実装しながらTransformerについて隅々まで学ぶことができます。

중급이상

Deep Learning(DL), PyTorch, encoder-decoder

実装しながら学ぶTransformer

dooleyz3525

私がタイタニックに乗っていたら？！PyTorch & Next.jsで生存確率予測AIウェブサービス作り

dakgangjung123

この講義は「タイタニックに私が乗っていたら果たして生き残ることができただろうか？」という質問から出発し、実際のデータに基づいて生存確率を予測するAIモデルを開発し、これをWebでサービス化するフルスタックプロジェクトを完成させます。PyTorchを利用したディープラーニングモデリング、FastAPIでバックエンドサーバー構築、Next.jsでユーザーインターフェース実装に至るまで、AIとWeb開発の全過程を実習することになります。

중급이상

Python, Deep Learning(DL), PyTorch

私がタイタニックに乗っていたら？！PyTorch & Next.jsで生存確率予測AIウェブサービス作り

dakgangjung123

深層学習 CNN 完璧ガイド - Pytorch バージョン

dooleyz3525

ディープラーニング・CNNの核心理論から多様なCNNモデルの実装方法、実践問題を通じた実務ディープラーニング開発のノウハウまで、 PytorchベースのディープラーニングCNN技術の専門家として生まれ変わりたいなら、この講義をご一緒ください:)

초급

Deep Learning(DL), PyTorch, Computer Vision(CV)

深層学習 CNN 完璧ガイド - Pytorch バージョン

dooleyz3525

開発者のためのディープラーニング

受講後に得られること

対象読者 🎯

オリジナルカリキュラム 📝

基礎から確率統計、最新モデルまで 📈

第1部. ディープラーニング概要

第2部. ディープラーニングのための確率統計

3部. 現代ディープラーニングモデル分析

開発者として成長するために
お手伝いしたいです!

Q&A 💬

受講前の参考事項

学習資料

前提知識と注意事項

こんな方に
おすすめです

こんにちは
です。

カリキュラム

受講レビュー

kok202の他の講座

似ている講座

開発者のためのディープラーニング

受講後に得られること

対象読者 🎯

オリジナルカリキュラム 📝

基礎から確率統計、最新モデルまで 📈

第1部. ディープラーニング概要

第2部. ディープラーニングのための確率統計

3部. 現代ディープラーニングモデル分析

開発者として成長するためにお手伝いしたいです!

Q&A 💬

受講前の参考事項

学習資料

前提知識と注意事項

こんな方に おすすめです

こんにちは .css-1q3zd4q{text-decoration-line:underline;text-underline-position:under;text-underline-offset:1px;}です。

カリキュラム

受講レビュー

kok202の他の講座

似ている講座

開発者として成長するために
お手伝いしたいです!

こんな方に
おすすめです

こんにちは
です。