すべてのための大規模言語モデル LLM (Large Language Model) Part 1 - Llama 2 Fine-Tuning 試す

様々なローカルLLM(Qwen、Gemma)を活用する方法を学習し、LLMシステムの性能を効率的に評価(Evaluation)し改善する様々な技法を見ていきます。

車両ナンバープレート認識実戦プロジェクトを通じてディープラーニング/TensorFlow/コンピュータビジョン基礎から実務応用まで全過程を一度に学習できるオールインワン型の講義です。さまざまな練習により、カスタムデータセットに最新のディープラーニングモデルを適用するための実践的なスキルを身に付けることができます。

実習を通じて高品質AIエージェントを作るためのコンテキストエンジニアリング（Context Engineering）技法を学習してみます。

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。

様々な事例を通じて、MCP(Model Context Protocol)を利用した業務自動化の方法(Playwright クローリング、Figma デザイン、Notion データ整理、Excel データ分析)を学習できる講座です。

最新AI技術の集大成であるAIエージェント！様々なAIエージェントを実装してみながら、LangGraphを利用した自分だけのAIエージェント実装法を学習してみます。

YOLO(You Only Look Once)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。

さまざまな練習を通してGit＆amp; GitHub活用法を基礎から深化内容までじっくり学習できる講義です。 直感的な例で原理を理解し、実践を通してGit＆amp; GitHubの使い方を学びましょう。

TensorFlow Object Detection APIを利用した高性能最新のディープラーニングモデルを利用したObject Detectionの実行方法を簡単なColab実習を通じて学習し、最新のディープラーニングObject Detectionモデルの原理を学習できる講義です。

AI企業レビューを通じて、AI技術が私たちの現在と未来をどのように変えていくかを様々な事例を通して見ていきます。 AIプロジェクトを推進するために必要な要素を検討することで、来たるべきAI Transformationを準備します。

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。

ディープラーニング自然言語処理の基礎から最新モデルであるTransformerとBERTまで、ディープラーニング自然言語処理(Natural Language Processing [NLP])の原理と活用方法を様々な例と実習コード実装を通じて学習します。

GoogleのGeminiモデルの概念とGemini APIの活用方法を学習し、Streamlitを利用してさまざまなAIアプリケーションを作成する講義です。

랭체인(LangChain)ライブラリの概念と活用方法を学習し、랭체인(LangChain)ライブラリを利用して自分だけのChatGPTを作ってみる講座です。

ディープラーニングコア理論と最新のTensorFlow 2.0を利用したディープラーニングコードの実装を一度に学べる講義です。

Cursorを使って、自分だけのMCPサーバーを作ってみながら、開発者の未来の姿であるVibeコーディングを体得する講座です。

AIカスタマーセンターチャットボット（AICC）を構築しながら、実践的なRAG（Retrieval-Augmented Generation）システムを構築する方法を学ぶ講座です。

LangGraph를 이용하여 다양한 AI 에이전트 구현 프로젝트를 진행하면서 LangGraph를 이용하여 실용적인 AI 에이전트를 만드는 방법을 학습합니다.

eベスト投資証券xing APIを利用して株式自動売買ボットを作る講義です。 1年365日に自動で取引する独自の株式自動売買ボットを作ってみてください。

ChatGPTを利用したウェブサイトクローリング方法を学習できる講座です。ChatGPTがもたらす変化した未来を、事前に体験してみてください。

GoogleのGeminiモデルの概念とGemini APIの活用方法を学習し、Streamlitを利用してさまざまなAIアプリケーションを作成する講義です。

基本的な自然言語処理技術と、さまざまなテキストタスクにディープラーニングを活用する方法について説明します。

ディープラーニング自然言語処理の基礎から最新モデルであるTransformerとBERTまで、ディープラーニング自然言語処理(Natural Language Processing [NLP])の原理と活用方法を様々な例と実習コード実装を通じて学習します。

様々なローカルLLM(Qwen、Gemma)を活用する方法を学習し、LLMシステムの性能を効率的に評価(Evaluation)し改善する様々な技法を見ていきます。

最新のTransformerベースのPixArtと軽量適応化SANAを理論からコードまで段階的に実装します。I・II編で扱ったDDPM・DDIM・LDM・DiTを基に、テキストエンコーダ接続、サンプラー(DDIM/ODE)、v-予測/CFGチューニング、小規模データスタイル微調整まで実習中心で完走します。

LLMの基礎理論、LangChainとRAGの核心的な技術をマスターする講義です。LLMの基礎から実務で使われる最新AI技術を簡単に学ぶことができます!

<大規模言語モデル、核心だけ素早く!>(インサイト、2025)を基にしたLLMの理論と実戦例題を扱う講義です。

『ゼロから作って学ぶLLM』（ギルボット、2025）のGitHubノートブックとボーナスコンテンツを扱う講義です。GitHub: https://github.com/rickiepark/llm-from-scratch/ 『ゼロから作って学ぶLLM』は、セバスチャン・ラシュカ（Sebastian Raschka）が書いたベストセラー『Build a Large Language Model (from Scratch)』（Manning、2024）の翻訳書です。この本は、OpenAIが作ったGPT-2モデルをゼロから始めて完全なモデルを作ってみながら、大規模言語モデルの動作原理を学び活用する方法を提供します。

AIから望む答えを正確に引き出す「プロンプトエンジニアリング」の核心技術を学びます。 超初心者の第一歩から専門家の実戦応用まで、AI活用能力を最大化しましょう！

世界を変えるAIの全てをたった4講で完全攻略！ 第1講. 人工知能の本当の正体 AIは魔法ではない。人間の「知能」を数式のように分析して作ったデジタル頭脳！ 賢いふりをする人工知能の核心構造を徹底的に解明します。 第2講. アルゴリズム、AIの創造的（？）思考法 悩むAIはどのようにして答えを見つけるのか？ 囲碁を打ち、道を探し、あなたの検索結果を予測するAIの戦略を直接見てみましょう。 第3講. AIハードウェア、想像を現実に変えるエンジン！ あなたのスマートフォンの中のチップがAIの心臓だ。 CPU、GPU、TPU、そして未知のその名前まですべて解剖します。 第4講. マシンラーニングとディープラーニングの大激突！ AIが「学ぶ」というのは一体どういう意味なのか？ 古典的なルールベースAIから、最近話題のChatGPTまで！学習の進化を追跡します。

この講義は拡散モデル(Diffusion Model)の進化過程を論文とコードで完全制覇する実戦中心のマスタークラスです。 DDPM(Denoising Diffusion Probabilistic Model)とDDIMなど、生成AIの核心モデルたちを論文原理から直接実装しながら学習します。 各モデルの登場背景、数式、ネットワーク構造(U-Net、VAE、Transformer)、学習過程(Noise Schedule、Denoising Step)、そして性能向上を導いたアイデアたちを段階別に分析します。受講生はすべてのモデルをPyTorchベースで直接コーディングし、論文を理解することに留まらず「再現し応用できる実務能力」を得ることになります。 また、モデル間の違いと発展の流れを比較し、どのように拡張されるかを明確に理解するようになります。 この講義は理論・コード・実習を一つに、研究者・開発者・創作者すべてに生成モデルの進化を体系的に習得できる旅程を提供します。 論文を「読むこと」を超え、直接実装しながら「理解し再創造」する経験を今始めてください。

この講義は、LDM（Latent Diffusion Model）からDiT（Diffusion Transformer）まで、生成AIの核心技術発展を完全解剖する実戦型マスタークラスです。 LDMの潜在空間ベース学習原理とStable Diffusionの構造、そして最新のDiffusion Transformerの実装方式を論文とコードで直接分析します。 受講生はPyTorchベースでLDM、CFG（Classifier-Free Guidance）、DiTモデルを直接実装し、生成モデルの最新トレンドと構造的進化を体系的に習得します。