Do It!ディープラーニング入門

ハンライトメディアの混工シリーズで1:1 課外するように学ぶ超絶マシンラーニング、ディープラーニングチュートリアル、数百の手描きで理解してグーグルコラボ(Colab)を通じてブラウザさえあればすぐに実習可能

<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。

『機械学習、核心だけ素早く！』（インサイト、2025）を基に機械学習理論と実戦例題を扱う講義です。

Amazonベストセラーである<独学コンピューターサイエンティスト Pythonで学ぶデータ構造とアルゴリズム>（原題：Hands-On Machine Learning, 2nd Edition）の内容を扱う講義です。代表的な機械学習ライブラリであるScikit-learnを使用して、様々な機械学習アルゴリズムと評価方法を学びます。また、最も有名なディープラーニングライブラリであるTensorFlowとKerasを使用して、人工ニューラルネットワークから強化学習まで、理論と実務を固めていきます。まだすべて完了した講義ではありません。毎週1〜2個の講義が継続的に追加される予定です。

『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。

眠っているコーディング脳を呼び覚ませ。Pythonの基礎から機械学習までを一冊に！ 本書はMITの講義をベースに作られたコンピュータサイエンスの入門書で、プログラミングを全く知らない初心者でも気軽に手に取ることができます。コンピューティング思考や簡単なアルゴリズムといった、プログラミング入門に欠かせないテーマで眠っていたコーディング脳を呼び覚ましましょう。各章に用意された「脳トレ」問題を通じて、データの視覚化やシミュレーション、データ計算手法、機械学習といった実用的なテーマを学んでいきます。

GPT-1(Improving Language Understanding by Generative Pre-Training)論文をTensorFlow 2.0を利用してゼロから実装してみながら、ディープラーニング論文の実装能力を学べる講義です。

エクセルでディープラーニングの基礎を実装し、その意味を深く理解する！

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！

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。

コーディングなしのフルスタックシステム構築：韓国語のプロンプト（バイブコーディング）だけで、データ収集からAI・ML分析、ウェブダッシュボードまで、パイプライン全体を自ら完成させます。 100%自動化パイプラインの所有：毎朝テレグラムでS&P 500のスクリーニングおよび投資意見を受信する、独立した株式分析ツールを確保します。 実践データに基づいた投資フレームワークの習得：実際に運用されているソースコードを基に、機関レベルのデータ分析およびリスク管理能力を自分のものにします。

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！

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。

ビッグデータの基本概念と最新トレンドを把握し、ビッグデータ分析技法の技術的理解を通じてデータパターンを抽出し、ビジネスに活用できる方法を提示します。ビッグデータを通じて新しいビジネスを創出し、未来のビジネス環境に対する洞察力を養うことができます。

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。

"YouTubeに溢れているありふれたAI理論やチャットボットの例は、もうゴミ箱に捨ててください。製造業の言語を知り、工程の本質を見抜く、大韓民国唯一無二の'7大産業群統合製造AIバイブル'です。" こんにちは、知識共有者のバイト探偵です。 現在、数多くの企業や実務担当者が「製造DX（デジタルトランスフォーメーション）」と「AI導入」を叫んでいます。しかし、市販されている大多数の講義は、製造業の過酷な現場実務を全く知らないIT開発者やコンサルタントによる、机上の空論に過ぎません。 本コースは理論のための講義ではありません。大韓民国を代表する7大製造産業群の実際のドメイン知識（Domain Knowledge）と最新のAIフレームワークを有機的に結合し、明日からすぐに現場で適用できる「実戦型製造DXシナリオアーキテクチャ」を提供します。

ニューラルネットワークをFPGAに実装する — 言葉には馴染みがありますが、実際に成し遂げた人は稀です。 キャップストーン、競技会、卒業制作で一歩先を行きたいなら、モデルを学習させるだけでなく、その演算が実際のチップの中でどのように動くのかを自ら作り、証明できなければなりません。この講義は、まさにその点、理論と実物ハードウェアの間のギャップを埋めるお手伝いをします。 MNISTの数字を認識するニューラルネットワークアクセラレータ（NPU）を、スペックの読み解きからPythonゴールデンモデル、Verilog RTL設計、FPGA検証まで、最初から最後まで自ら完成させます。ラインバッファと並列MACで作るConv層、ReLU・MaxPool・Flattenを経て全結合層とArgmaxまで — 9つのブロックを一つのチップに統合し、"Pythonの正解とハードウェアの出力が1ビットも違わない（Bit-True）"ことを自ら証明します。シミュレーションは正常に動くのに結果だけが微妙に異なる、そんなもどかしい瞬間を乗り越える方法まで講義に込めました。 整数量子化、配列の軸順序の変換、アキュムレータのオーバーフロー防止など、一般的なディープラーニングの教材では扱われない実戦的なノウハウを一つずつ解説します。私はRISC-V CPU設計とFPGA Bit-True検証を長年手がけてきた中で経験した試行錯誤を、皆さんが繰り返さないようこの講義に凝縮しました。講義が終わる頃には、"自ら設計し、証明した"と言える完成されたハードウェアプロジェクトが手元に残ります。

サムスン電子DS部門のメモリ・S.LSI・Foundry・TSP・AVP評価および分析、SKハイニックスのPE・AE・Solution PEを目指しているものの、事業部と職務の違いで行き詰まっている就職準備生のための講義です。 製品評価職務の実際の業務フローを基準に会社別の職務名を整理し、自身の専攻経験を自己紹介書や面接で活用できる職務言語に変換する方法を学びます。 アナログ回路設計、Verilog/FPGA、工程実験、データ分析の経験などを、歩留まり・Wafer Map・Shmoo Plot・不良分析といったキーワードと結びつけ、志望戦略を立てることができます。

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。

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。

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。

머신러닝을 배우면 정확도를 높이는 방법을 익히게 됩니다. 하지만 그 모델을 실제 칩에 올리려는 순간, 아무도 알려주지 않았던 질문이 남게 됩니다. 이 모델은 곱셈을 몇 번 수행합니까? 무엇을 얼마나 기억하고 있어야 합니까? 현재 목표로 하는 칩 스펙이 그 요구사항을 감당할 수 있습니까? 머신러닝 교재는 정확도를 다루고 반도체 교재는 회로를 다루지만, 그 사이를 잇는 자료는 드뭅니다. 저는 RISC-V CPU와 NPU를 FPGA로 구현하면서 이 간극을 반복해서 마주쳤습니다. 정확도가 가장 높은 모델이 정작 보드에는 들어가지 않는 상황 말입니다. 본 과정에서는 여섯 개의 알고리즘을 파이썬으로 직접 만들어보면서, 만들 때마다 곱셈, 비교, 메모리 사용량, 정확도를 측정합니다. 그리고 그 값을 실제 FPGA 보드의 자원으로 환산합니다. '곱셈 몇 번'이라는 표현만으로는 그 크기를 가늠하기 어렵지만, '보드의 몇 퍼센트'라고 하면 판단이 서기 때문입니다. 아홉 개의 Lab을 거쳐 여섯 개의 모델을 한 표에 모아보면 예상과 다른 그림이 드러납니다. 곱셈을 세는 데 아홉 편을 할애했지만, 정작 발목을 잡는 것은 곱셈이 아니었습니다. 이후 실수를 정수로 낮추고, 자릿수를 관리하며, 회로를 채점할 기준까지 마련합니다. FPGA 보드는 필요하지 않습니다. 파이썬만으로 진행하며, 보드는 측정값을 환산하는 기준으로만 사용됩니다.

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。

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。

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:)