<「Hands-On機械学習 with scikit-learn、PyTorch」サンプルコード解説

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。

Kerasの創始者フランソワ・ショレ著『Kerasの創始者に学ぶディープラーニング 第3版』のGitHubサンプルコードを実際に手を動かして学ぶ、実践的なディープラーニング講座です。基本的な人工ニューラルネットワークから最新のLLMや拡散モデルまでを段階的に実装し、実務ですぐに活用できる機械学習パイプラインとベストプラクティスを身につけます。

講師が初めてディープラーニングを学んだ際の失敗経験をもとに、ディープラーニングの理解に必要な数学や理論、PyTorchによる実装、転移学習、GPTの中核であるTransformerまで、段階を追って学べるよう新たに構成した講座です。

もうobject detectionはやめて！本当に簡単にポーズ推定の最新トレンド、画像やビデオでポーズ推定を行う最新の方法について学び、自分の動画で2Dポーズ推定モデルを学習して活用するディープラーニング技術を学びます。

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。

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。

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。

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。

Pythonによる韓国語テキスト分析と自然言語処理 ワードクラウドによる可視化、形態素分析、トピックモデリング、クラスタリング、類似度分析、テキストデータベクトル化のための Bag of Words と TF-IDF、機械学習とディープラーニングを活用したテキスト分類、Hugging Face の活用法

LLM（Large Language Model）の基礎概念から、高性能LLMであるLlama 2モデルを、私が望むデータセットにFine-Tuningする方法まで、次々と学習します。

実務で本当に使えるOCR技術を、しっかり学びたいならこの講座一つで完結！ 非定型文書や複雑なレイアウトでも98%以上の精度を目指し、最新のSOTAモデルと実践ノウハウをもとに企業レベルのOCRプロジェクトを一緒に構築していきます。

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。

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。

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。

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！

さまざまな実務現場にテキスト分析を活用したいものの、慣れないコーディングの壁に戸惑っていませんか？ 実際の論文や研究報告書で頻繁に活用されている最新のトピック分析手法（LDA、BERTopic、BERTrend）を中心に、核心となる理論を簡潔に整理し、プログラミングなしでNetMiner 5を使って実データを分析しながら、実践的な分析スキルを身につけられる講座です。

こんにちは、皆さん。私のフルAIコース2026へようこそ：ChatGPT、Google Gemini、Midjourney、Firefly。このコースでは、すべてのAIツールについてあらゆることを学べます。これらのAIツールのすべての機能について、ビデオレッスンを作成しました。これらのツールのすべての機能の使い方について、実際の実践的な実装をご覧いただけます。

本講義は、Node.jsとTypeScript環境で最新のGemini API SDK（@google/genai）を扱うことを目標としています。 テキスト、画像、ビデオを同時に処理するマルチモーダル技術の使用方法を学びます。 APIキーの発行からプロジェクトの設定、モデルの呼び出しまで、全過程を実習します。

メイカソンで80%が詰まるポイント、今すぐ解決しましょう。 Raspberry Pi・コンピュータビジョン・LLM・3D設計まで4週間完成! デモ可能なスマートミラーPoCでメイカソン上位入賞達成!

本教育は、NetMinerを利用してソーシャルメディアデータを収集・モデリング・分析する方法を学ぶためのコースです。NetMinerのソーシャルデータ収集ツール（SNS Data Collector）を活用してYouTubeのデータを収集・構成する方法、ソーシャルメディアデータの種類と構造に関する理解とモデリング、影響力・トピック・トレンドなどのソーシャルメディア分析方法について、理論・事例・実習を中心に進めます。