[PyTorch] NLP を簡単に素早く学ぶ

Rプログラミングについて全く知らない方を対象とするRプログラミングの基礎を固める授業です。

Rを通じてテキストのtop keyword / wordcloud / 感性分析 / Topic modelingまでのようにじっくり試してみる講義です。

Rでネットワークを描く方法について学びます。ネットワークを描くこと自体より、ネットワークに入るデータの形を構築することと、ネットワークをきれいに描く方法に焦点を当てます。

DS/AIに初めて触れ、勉強しようとする人々を助けるために制作された講座です。 DS/AIの概念、そしてどのような分野があるかについてお伝えし、勉強するには何からどのように勉強すべきかをお伝えします。

データサイエンス、人工知能を初めて勉強する非専攻者または高校生のための講義です。人工知能と機械学習の概念を理解し、関連する職業を持つためにどのような努力をすべきかをお知らせします。

コアルモットのためのRプログラミング基礎講義です。ちょうど2回だけ私と一緒にコードをフォローしてください。自然にコザルアルで生まれ変わります！

理論と実践は異なります。機械学習の基本概念を把握し、必ず知っておくべきいくつかのモデルの中核概念と理論を紹介します。そして、さまざまなデータを扱いながら、実践に役立つさまざまな技術とノウハウを共有します。

Rの基礎文法とよく使う関数、そして有用に使われる中～高級テクニックを盛り込んだPDF教材です。

機械学習を勉強したいが統計学的知識が不足している人のための講義です。

証券市場に社長である全種目を収集し管理する方法を学びます。 自動化により毎日毎日株価を新たに収集し、業種別種目トレンドも把握できるダッシュボードまでシャイニーを通じて製作してみます。

GAN(Generative Adversarial Networks)について、わかりやすく正確に学びます。

MLP、CNN、RNNなど、ディープラーニングの基本的な骨組みを簡単に素早く学びます。

Q-learningからDeep Q-learningについて学び、強化学習をRで具現してみる時間があります。 Deep Q-network を超えて Self-imitation learning と Random Netowrk Distillation までの全体的な強化学習内容を扱います。

Rを介してランダムなデータサイエンスを試す講義です。データを読み込むことからモデル構築やモデルパフォーマンス戦略まで一行一行を見ながら学びます。

Rプログラミングのためによく使用される関数とコードを効率的に記述する方法と中級技術について説明します。

プログラミングの基本的な知識も学び、クロールも学び、テキストマイニングの講義も聞きましたが、実際にプロジェクトしたら幕を閉じましたか？私と一緒にプロジェクトを最初から最後まで進めてみる講義です。

テキストマイニング本番プロジェクト。データ収集から感性分析データの可視化まで一度にずっとやってみる講義です！

自在にクロールできるように作ります。 ほとんどのレッスンはライブコーディングで行われます。

基本的なRプログラミングのスキルを築き、基本的なクロール技術を習得します コードを直接書いて、一行一行説明します。

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。

自然言語処理 (NLP) は、人工知能の中で最も急速に成長している分野の 1 つです。このコースでは、NLP の基礎から、最新の NLP 技術 (ディープラーニングを使用したもの) まで幅広く取り上げます。特に、ChatGPT などの最先端の生成モデルについて詳しく説明します。

なぜAttentionが必要だったのか、そしてどのように動作するのかを「コードで直接実装しながら」理解します。 この講義はRNNとSeq2Seqモデルの構造的限界から出発し、 固定されたコンテキストベクトルが作り出す情報ボトルネック問題、長期依存性問題を実験で検証し その限界を解決するためにAttentionがどのように登場したのかを自然に繋げて説明します。 単純に概念を紹介するのではなく、 RNNの構造的限界とSeq2Seqの情報ボトルネック問題を直接実験で確認し、 これを解決するために登場した**Bahdanau Attention（加算的アテンション）**と **Luong Attention（内積アテンション）**を一つずつ実装しながらその違いを明確に理解します。 各アテンションが どのような方式でQuery–Key–Value関係を形成し、 重みを計算する過程でどのような数学的・直感的違いを持ち、 なぜ後代モデルに繋がらざるを得なかったのか その特性と進化の流れまで自然に繋がります。 Attentionが文章と単語をどのように捉え、 各単語がどのような方式で重要度を付与されて情報を統合するのかを 数式 → 直感 → コード → 実験が一つに繋がった形で学習します。 この講義はTransformerを正しく理解するための「基礎体力」を築く過程として、 Attentionという概念がなぜ革命的だったのか、 そしてその後のすべての最新NLPモデル（Transformer、BERT、GPTなど）が なぜAttentionを核心構成要素とするのかを深く理解するようになります。 RNN → Seq2Seq → Attentionに繋がる流れを 概念ではなくコードと実験で体化したい学習者に最適化された講義です。

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。

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。

『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。

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、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。

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。

<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。

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。