ディープラーニング入門

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。

このレッスンは概念的な一歩、数式の一歩、コーディングの一歩。最も適切な歩幅と真っ直ぐな方向に読者をディープラーニングに案内する。また、グラフ、イラスト、図解は100以上の抽象概念も簡単かつ迅速に受け入れることができる。プログラムをインストールせずにWebブラウザに接続するだけで、実習をすぐに始めることができるという点もこの講義だけの特徴だ。 快適に理論を理解してから直接コーディングし、目でディープラーニングの代表問題4つを征服するので、ディープラーニングの教科書として不足がない。ぜひわかって渡らなければならない概念や用語は、本文の真ん中に出てくる「ちょっと！次に進むには'コーナーとチャン最後に'記憶カード'コーナーで2回復習して学習効果を高めた。 『Do it!ディープラーニング入門』と共にディープラーニングを早く正面突破してみよう。

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。

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

👉 AIの変化と限界を正しく理解したい方に適した講座です。 AIは一度作られたら、それで終わりなのでしょうか？ この講座では、AIが学習を通じてどのように変化し、なぜ同じAIでも結果が異なることがあるのかを説明します。 学習というプロセスの意味や、性能が向上したり低下したりする理由を、技術的な観点からわかりやすく解説します。

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！

AIを勉強しようとして、線形代数の数式の前でいつも挫折していませんか？この講義は公式を暗記する代わりに、ベクトルや行列が空間で実際にどのように動くのかを視覚的にお見せします。最後まで受講すれば、ニューラルネットワーク、PCA、SVDの背後に隠れた数学を自力で読み解けるようになります。

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:)

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。

Multi Head Attentionから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になります。

この講義は「もし自分がタイタニックに乗っていたら、果たして生き残ることができただろうか？」という問いから出発し、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、それをウェブ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を用いたディープラーニングモデリング、FastAPIによるバックエンドサーバー構築、Next.jsによるユーザーインターフェースの実装に至るまで、AIとウェブ開発の全過程を実習します。

Excelでディープラーニングフレームワークを直接実装しよう！ 実装したフレームワークで指導学習/非指導学習/強化学習を解こう！

この講義は、PyTorchでディープラーニングをゼロからもう一度積み上げていく、全47回、約39時間のコースです。 ディープラーニングの講義は数多くありますが、その多くは二つのタイプに分かれます。ライブラリの使い方だけをざっと学び、肝心のコードがなぜそのような形になっているのか分からなくなるか、数式から始めて途中で挫折してしまうかです。この講義では、別の順序を選びます。まず結果を作ってみて、その後で、その中で何が起きていたのかを掘り下げます。 スタートは事前学習済みモデルです。画像分類を実行し、Stable Diffusionでインペインティングを試し、BLIPによる画像キャプション生成まで実習します。最初の時間から成果物が得られるため、その後の理論を学ぶ動機が生まれます。 次がこの講義の核心です。テンソルを7回にわたって扱います。インデックス操作やブロードキャストはもちろん、ストレージやstrideといったメモリ構造、メモリの連続性の管理、GPU演算とNumPyとの相互変換まで掘り下げます。テンソルをここまで詳しく扱う日本語の講義は多くありません。ここを理解すると、その後のコードがまったく違って読めるようになります。 続いて、実際のデータをテンソルに変換する前処理を扱います。画像のカラーチャンネル、テーブルデータとワンホットエンコーディング、時系列、テキスト埋め込みまで、データの種類ごとに見ていきます。そして学習の原理へ進み、損失関数と勾配降下法を数値微分で直接実装した後、Autogradがそれをどのように自動化しているのかを確認します。自分で作ってみた人だけが、自動微分の便利さを本当の意味で理解できます。 後半はニューラルネットワークの構造です。nn.Moduleで深層ニューラルネットワークを作り、CIFAR-10を分類する中で全結合ニューラルネットワークの限界に直面し、そこからCNNがなぜ必要なのかを自然に理解していきます。最後にはテキスト生成へ進み、バイグラムモデルから埋め込み、MLPベースの生成モデルを経て、AttentionのQuery・Key・Valueの原理まで扱います。 Pythonを扱うことができ、ディープラーニングを本格的に理解したい方であれば、この講義を終えたときに残るのはサンプルコードではありません。どのようなモデルに出会っても、その構造を読み解ける目なのです。

本講座はAIプラットフォームの基礎から実習まで扱い、AI画像生成技術を習得できるコースです。学習者はAIの基本概念を理解し、様々なツールと技術を活用してAI画像を生成する能力を身につけることができます。このコースを通じてAI分野への理解度を高め、実戦でAI画像を直接生成する方法を学ぶことができます。

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。

📢 "工場にAIを加えると、何が起こるのでしょうか？" 🤖 従来の製造業の時代は終わり、今やAIとデータを中心としたスマートファクトリーの時代です！ "スマートファクトリーとは正確には何なのか気になっていた方"、"AI技術が実際の製造現場でどのように活用されているのか知りたい方"のために、とてもわかりやすく明快な入門講座をご用意しました。

試験の形式と出題傾向を一目で把握！約100問の問題で実戦感覚を養いましょう。 独学でも体系的に学習できる、AWS AI Practitioner 実戦試験の完璧な対策。

この講義は、LLMとGPTの基本概念を誰でも理解できるように分かりやすく解説します。 受講生はGPT APIを直接活用してチャットボットを作成し、Streamlitを使ってウェブ上で実行することができます。 基礎から実習までを経験しながら、AI活用の第一歩を確実に踏み出すことができます。

基礎はわかるけれど、実務への応用にお悩みですか？現場経験を活かし、複雑なLLMの仕組みをわかりやすく解説します。

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。