ゲーム企画者のための強化学習：AI マリオエージェント育成

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。

より多くの方々がマシンランニングとディープラーニングについてより理解し、本人の問題をこの素敵なツールを利用して解くことができるようにビデオ講義を準備しました。ソースであるTensorFlowを利用して理論を実装できるようにしました。

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。

この講義は、LLM（大規模言語モデル）の基本原理からRAG（Retrieval-Augmented Generation）、そして最新技術であるAI AgentとMCP（Modular Command Protocol）まで、生成型AIを実務で活用するために必ず知っておくべき全過程を一度に整理するコースです。 生成型AIがどのように情報を理解し、検索し、判断し、行動するAI Agentへと拡張されるかを、技術の流れに沿って自然に学べるよう構成されています。

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。

この講義を通じて、受講生は様々な強化学習の理論を学習し、これを直接実装するだけでなく、ユニティ機械学習エージェントを利用して実装した強化学習アルゴリズムをテストしてみる強化学習環境まで直接製作してみることができます。

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！

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！

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

自分だけのAI自動運転車を作ってみましょう！AIと強化学習について最も面白く、速く学べる講座です。本講座は、DeepRacer 韓国ランキング1位の開発者が制作しました。

Mastering Model Context Protocol (MCP)は、開発者が実用的で安全な、本番環境対応のAIバックエンドを構築できるよう支援する、実践的でエンジニアリング重視のコースです。 何千人もの受講生がLLM統合、ツール呼び出し、バックエンドアーキテクチャに関する混乱を克服するのを支援してきた経験から、最も一般的な問題を解決するためにこのコースを作成しました。 「LLMが安全に呼び出せる信頼性の高いバックエンドをどのように構築すればよいか?」 「SSE、stdio、streamable-httpのどれを選択すればよいか?」 「FastAPI、Auth0、LangGraphを使用して、MCPを実際のアプリケーションにスケールさせるにはどうすればよいか?」 「MCPのツール、リソース、プロンプト、コンテキストをどのように構造化すればよいか?」 このコースでは、最小限のMCPサーバーの立ち上げから、完全に安全でDockerized化されたシステムのデプロイまで、段階的にガイドします。 すべてのレッスンは実践的で、複雑さを取り除き、最新のAIシステムを構築するための明確で再現可能なワークフローを提供するように設計されています。 曖昧なチュートリアルに不満を感じていて、MCPに関する明確で具体的なエンジニアリングレベルの理解を求めているなら、このコースはあなたのために作られています。

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。

このコースで学べること LangGraph in Actionへようこそ。このコースは、LangGraphを使用した高度なAIエージェントの設計とデプロイをマスターするための究極のガイドです。このコースでは、モジュール式でスケーラブル、そして本番環境に対応したエージェントを構築するための基礎を、実践的なアプローチで学びます。LangGraphの状態ベース設計の基本を理解することから、フルスタックアプリケーションの作成まで、AIエージェントを実現するために必要なスキルを習得できます。 コースのハイライト 状態ベース設計:ノードとエッジというLangGraphの中核となる哲学を深く学び、構造化された保守性の高いエージェントを作成します。 メモリ管理:チェックポインターによる短期メモリとStoreオブジェクトによる長期メモリを探求し、適応して学習するエージェントを実現します。 高度なワークフロー:ヒューマン・イン・ザ・ループシステムの構築、並列実行の実装、マルチエージェントパターンのマスターを行います。 本番環境対応の開発:非同期操作、サブグラフを学び、FastAPIとDockerを使用したフルスタックアプリケーションを作成します。 コース修了時には、強固な理論的理解だけでなく、完全にオープンソースツールを使用してAIエージェントをどこにでもデプロイできる実践的なスキルを身につけることができます。最先端を走り続けたい開発者であれ、AIツールキットを拡張したいベテランエンジニアであれ、このコースは急速に成長するAIエージェント分野に対応できる力を提供します。 実世界のアプリケーションにおけるAIエージェントの採用が増加する中、このコースは実践的な課題を解決する高度なシステムを設計、構築、デプロイする準備を整えます。一緒にAIの未来を構築し、形作っていきましょう!

本講座は、AI技術を初めて接する学習者でも簡単に理解し、ついていけるように構成された入門コースです。講義を通じてAIプラットフォームの基本概念と使用方法を身につけ、様々なAIツールを活用して画像を直接生成する実習を行います。 このコースを修了すると、AIとより身近になり、創造的なアイデアを視覚的に実現できるAI画像制作能力を身につけることができます。

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。

データ分析者として成長したい初心者の方のためのPython基礎講座です。 - データ分析をしたいけれどPythonを知らない方 - Pythonで機械学習を学びたい方 - ビッグデータ分析技師実技試験を準備している方 - Pythonで機械学習ベースのアプリケーションを開発したい方

電子・半導体産業は超精密工程と複雑なサプライチェーンにより、データ基盤管理と革新が特に重要な分野です。この講義はAI技術を活用して不良検出、工程最適化、予知保全、サプライチェーン管理など電子・半導体製造業ですぐに適用できる実務戦略を扱います。 グローバル企業の実際の事例とともに、中小・中堅企業が現実的に活用できる低コスト・高効率AI導入方法も提示します。これにより受講生は生産性向上とコスト削減だけでなく、未来競争力を備えるAI基盤製造戦略を理解し適用できるようになります。

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。

この講義では、マルチエージェント、カリキュラム学習、分散学習など、機械学習エージェントのさまざまな機能について学び、実際に使用することができます。また、好奇心に基づく探索や、可変的な入力にも対応可能な強化学習アルゴリズムについても学習できます。

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:)