[入門/初級] 様々な例題を通じた推薦システム実装

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！

講師が初めて機械学習を学んだ際の失敗経験をもとに、機械学習を簡単に理解し、実際の問題に応用できるよう、従来の講義とは異なる形で新たに構成した講義です。

ChatGPTやClaudeのような大規模言語モデルの基礎原理を深く探求しながら、開発能力を高めることができます。普段なかなか接することのできない多様な情報や開発技法を学ぶことができます。

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。

データ(Data)に興味があるデジタル人材なら？Orange3を通じてデータ分析に入門してみよう！

SSIS、SSAS、MachineLearning、BI、ETL。国内の書籍、YouTube、講義、ブログ、学園で見られない重要な技術を学ぶことができます。国内の大企業、米国の大企業、米国の州政府の資金援助機関の就職に興味のある方にもおすすめです。

シリコンバレーのソフトウェアエンジニアからビッグデータの処理方法を学び、Apache Sparkでビッグデータコードを開発する方法をPythonを使って学びます。現在14年間ソフトウェア開発者として、Webアプリケーション、ビッグデータ、SRE & DevOpsまでPythonで処理しています。Pythonを使って、ビッグデータ職種で必ず知っておくべきApache Sparkについて、簡単に深く学べる機会を絶対に逃さないでください!

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。

AIが単に答えるだけの時代は終わりました。 今は自ら判断し行動するLLM Agentの時代です。 この講座はわずか90分の実習でエージェントの核心原理と構造を直接実装しながら学ぶ入門型講座です。 複雑な理論は最小限にし、コード中心の実習フローで「AIがどのように判断しツールを使用するのか」を直接体験できます。 プロンプトエンジニアリングを超えて、AI自動化の第一歩を一緒に始めてみましょう。

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。

データ入力からモデルの修正までを確認し、教師あり学習の始まりともいえる回帰モデルと分類モデルについて学んでみましょう。

👉 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。

標本分布、仮説検定、回帰分析、ロジスティック回帰などの実務的な統計手法をRで直接実装し、解釈する深化過程です。ChatGPTやGeminiなどのAIチューターを活用し、コードの生成から分析結果の解釈、レポート作成までを学習することで、データ分析能力を一段階高めることができます。

データ分析の専門家となるための時系列講座！理論と実務に強い分析家になってみましょう！

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。

本コースは、AIモデリング及びサービス企画を実務に適用するために必要な基本理論と実務プロセスを学習するコースです。 学習者は、AIモデリングプロジェクトを熟練して遂行するために必須となる基礎知識を習得し、実際の現場で活用される様々な実務手順を経験することができます。特に、AIサービスの環境分析 → 目標設定 → 要求事項分析 → サービスモデル設計 → シナリオ企画 → 活用企画 → 実行計画策定 → 成果評価企画まで続く全体の流れを段階的に学習するよう構成されています。 これにより、単純に技術的な観点での学習に留まらず、ビジネスとサービス企画の次元でAIをどのように導入し活用するかについての体系的な思考と実務適用能力を養うことができます。 本コースを修了した学習者は、AIプロジェクトの全般的な企画と実行過程を理解し、実際の企業環境でAIサービス企画者・PM・データ基盤戦略家としての能力を強化することができるでしょう。

●オレンジ3ソフトウェアを使用したデータ分析の基礎から機械学習まで学習 ●実際のデータセットを活用した実習で実務能力を強化

明日の朝の通勤途中、スマホには「今日システムが選んだ銘柄とその理由」が届いています。外国人投資家・機関投資家の需給を読み取り、買い付けから利確・損切りまで自動で行う韓国株AI自動売買――他人が作ったプログラムではなく、自分のものとして自ら作り上げます。

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。

機械学習を学ぶと、精度を上げる方法を身につけます。ところが、そのモデルを実際のチップに載せようとした瞬間、誰も教えてくれなかった疑問が残ります。このモデルは何回乗算を行うのでしょうか？何をどれだけ記憶しておく必要があるのでしょうか？現在目標としているチップの仕様で、その要求に対応できるのでしょうか？ 機械学習の教科書は精度について語り、半導体の教科書は回路について語りますが、その間をつなぐ資料はほとんどありません。私はRISC-V CPUとNPUをFPGAで実装しながら、この隔たりに何度も直面しました。精度が最も高いモデルが、実際にはボードに収まらないという状況です。 本講座では、6つのアルゴリズムをPythonで実際に作りながら、作るたびに乗算、比較、メモリ、精度を測定します。そして、その値を実際のFPGAボードのリソースに換算します。乗算が何回という言い方だけでは規模を推し量れませんが、ボードの何パーセントかと言われれば判断できるからです。 9つのLabを経て6つのモデルを1つの表にまとめると、予想とは異なる全体像が見えてきます。乗算を数えるために9つのLabを費やしたのに、実際に足を引っ張っていたのは乗算ではありませんでした。その後、実数を整数に落とし込み、桁数を管理し、回路を評価する基準まで作ります。 FPGAボードは必要ありません。Pythonだけで進め、ボードは測定値を換算する基準としてのみ使用します。