LLMを活用したリアルタイムSQL生成(Text-To-SQL)

現時点で最も重要なAI関連技術を網羅したRAG、VectorDB、LangChain、OpenAI、sLLM、ファインチューニングについて学びます。

SW開発者が知っておくべきKafka活用のための基礎・必須・実践知識を学びます。SpringBootを活用してKafkaと連携し、さまざまな実践状況に合わせたメッセージ送受信の実習を行います。

ドメインの購入およびEKSを活用したSpringBoot運用サーバーのデプロイ、Dockerの基礎、Kubernetesの基礎、AWSの基礎、GitHub Actionsを通じたCI/CD自動化、ArgoCD、Prometheus/Grafanaなど、DevOps全般について学びます。

REDIS の基本的なデータ構造と REDIS の実務活用例を redis-cli (コマンド) 実習を通じて学びます。

開発初心者、バックエンド開発者、SQLD試験準備受講生など、開発者なら知っておくべきMariaDB(MySQL)のすべてを学びます。授業は、実際にDBを構築する実習中心で進められます。

DevOpsやLinuxのエキスパートでなくても、開発者なら必ず知っておくべきLinuxの必須知識について学びます。ハンズオン形式で授業が進められます。

Spring Bootを活用してカカオ、Googleログインを実装します。JWTトークンベースのログインが実装されます。Vue 3を通じて簡単な画面を構成します。

Websocket/stomp、springboot を活用してチャット サービスを開発します。比較的簡単なフレームワークである vue.js を使用して、簡単な画面も構成します。redis pub/sub を使用して、マルチ サーバー拡張性設計も構成します。

Spring Cloudを活用したMSAサーバー構成について学習します。

Git/GitHubの基礎的な知識から、実務で直面する様々な衝突（コンフリクト）状況に対する実践的な解決策と戦略までを学びます。

開発初心者、バックエンド開発者、SQLD試験準備受講生など、開発者なら知っておくべきMariaDB(MySQL)のすべてを学びます。授業は、実際にDBを構築する実習中心で進められます。

現時点で最も重要なAI関連技術を網羅したRAG、VectorDB、LangChain、OpenAI、sLLM、ファインチューニングについて学びます。

基礎を終えても実務への適用は 막막하시죠?（途方に暮れていませんか？）私の現場ノウハウで、複雑なRAGとエージェント設計を完成させます。

Claude Codeを基礎からプロレベルまで使いこなします。核心機能（CLAUDE.md・サブエージェント・MCP・Hooksなど）を習得して実際のサービスを開発・デプロイまで進め、非専門家のための基礎付録と高度な活用講義で締めくくります。

AIでMVPを作ることは、もはや難しくありません。 しかし、ほとんどのプロジェクトはその次の段階で止まってしまいます。 👉 機能は作ったけれど 👉 開発が継続しません なぜこのようなことが起きるのでしょうか？ 問題はコードではなく、 👉 AIが持続的に働ける「構造」がないからです。 --- この講義では、 すでに作成されたプロジェクトをベースに、 👉 AIが開発を続けていける構造を 👉 直接構築するプロセスを扱います --- 単にAIツールを使うのではなく、 * docs構造を作り * SSOTを定義し * チケット単位で開発を実行し * QAと反復構造まで繋げることで 👉 一つの「AI開発システム」として完成させます --- このプロセスを通じて 👉 人が直接コーディングしなくても 👉 開発が続いていく構造 つまり、 👉 AIをチームのように運用する開発システムを 👉 自ら作り、理解することができます --- この講義は 👉 自分のプロジェクトにすぐ適用できる構造を作りたい方 👉 AIで開発を始めたが、継続が難しかった方 👉 雰囲気でのコーディング（バイブコーディング）の先、次のステップへ進みたい方 のために構成されました。 --- 単に学ぶだけでなく、 👉 実行してみて 👉 実際に動作する構造を作り 👉 自身のプロジェクトに適用できる形で持ち帰る経験 を提供します。

データの海で道を見つけ、人工知能の未来を探索してください。この講義は、ビッグデータと人工知能（AI）という2つの巨大なテクノロジーの流れを探求し、これらがどのように私たちの生活と業務に革新をもたらしているかを考察します。

単なるチュートリアルだけでは実務への適用は難しいですよね。私の現場でのノウハウを詰め込み、複雑な状態管理とマルチエージェントの設計手法を確実にお伝えします。

半導体に関する製造革新案をベンチマークし、半導体データを用いてコーディングなしで機械学習やディープラーニングを試すことができます。

AWS Certified AI Practitioner 過去問解説コースは、資格合格のための核心要約コースです。 まず、AI/MLおよび生成型AIの基本概念を素早く復習し、試験に頻出するAWSの主要AIサービス（例：SageMaker、Rekognition、Pollyなど）の機能とユースケースを学習します。 これに基づき、多様な実際の状況においてどのAIソリューションが適しているかを判断する練習を行い、AIモデルの責任ある使用やデータセキュリティに関する内容も扱います。 最後に、過去問のタイプ別解法戦略を身につけ、実戦模擬試験を通じて試験に備えます。このコースを通じて、短期間で効率的に試験準備を行うことができます。

コーディングの知識がなくても大丈夫です。 この講義は、AIを活用してわずか1日で広告収益が発生するAndroidアプリを自ら作り、実際にリリースまで完了させる体験に焦点を当てています。 多くの方が、 「アプリは作ったけれど、どうやって収益化すればいいの？」 「広告を入れようとしたら、AdMobやポリシー、審査でつまずいた」 「リリース直前のプライバシーポリシー作成で諦めた」 といった段階で止まってしまいます。 この講義では、 👉 アイデア → アプリ生成 → 広告連携 → ストア公開の必須要素 → 実際の配布 まで、「誰もが挫折するポイント」をすべて突破します。 AIに指示を出し、私たちは判断するだけです。 1日以内に「稼働する収益構造」を持ったアプリを完成させることが目標です。

コーディングの知識がなくてもOK、Google Stitchで完成させる自分だけの初サービス 企画からデプロイまで一つの流れでつなぐオールインワンAI開発ワークフロー

SwiftUIの中級まで終えたあなたへ、次はAIをアプリに組み込む番です。Apple IntelligenceとFoundationModelsフレームワークを使って、インターネットなしでデバイス内で動作するオンデバイスAIアプリを完成させます。

毎日繰り返される資料調査と文書作成、いつまで抱え込み続けるつもりですか？ 私自身も溢れる情報の中から核心を見つけ出すために、毎日残業していた平凡な会社員でした。 しかし、Gemini 3を実務プロセスに導入した後、業務スピードが劇的に速くなる経験をしました。 Geminiを活用して、業務の生産性を高めてみてください。

同僚たちはすでにClaude Codeで業務を進めているのに、これらすべてを手作業でやっていますか？ご安心ください！この講義を受ければ、あなたもバイブコーディングの達人になれます。

毎日2,500銘柄、いつまで自分でチェックし続けますか？ 大引け後に急騰株を探してネイバー証券を漁り、 ニュースを読みながら好材料か悪材料かを判断し、 外国人・機関投資家の需給を一つ一つ確認し、 チャートを開いてパターンを分析する…。 これを毎日繰り返していませんか？ 私もそうでした。 仕事が終わってから2〜3時間を銘柄分析に費やし、それでも見逃す銘柄の方が多かったです。 KOSPIとKOSDAQを合わせれば2,500銘柄を超えますが、人間が毎日すべてを見ることは不可能ですから。 --- だから、システムを作りました 毎日大引け後に、自動で2,500銘柄を分析するシステムを作りました。 - 株価、需給、ニュースを自動で収集し - AI（Gemini）がニュースを読んで好材料・悪材料を判別し - 6つのファクターで15点満点のスコアを付け - 基準をクリアした銘柄だけを選別して、エントリー価格・損切り価格・利確価格まで計算し - テレグラムで通知を送ってくれます 私は仕事の後にスマホを確認するだけで済みます。 さらに、毎週土曜日になるとシステムが自ら先週の成果を分析し、 損切りライン、利確ライン、保有期間を自動で調整します。 システムが勝手に学習し、改善されていく構造です。 --- ですが、私は開発者ではありません このシステムのコードを私が直接書いたわけではありません。 すべてAIに言葉で指示しました。 「今日5%以上上昇した銘柄の中で、売買代金が500億ウォンを超えるものだけを抽出して」 「このニュース3つをGeminiに送って、好材料かどうか判断させて」 「毎日午後4時に自動で実行されるようにスケジューラーを作って」 こう言えば、AI（Claude）がコードを作ってくれます。 これが「バイブコーディング（Vibe Coding）」です。 --- この講義で、全く同じシステムを作ります 58回の講義を通じて、私が実際に毎日使用しているシステムを最初から最後まで一緒に作ります。 データ収集から始まり、 AIニュース分析、スコアリングエンジン、シグナル生成、 Flask APIサーバー、Next.jsウェブダッシュボード、 テレグラム自動通知、そして自己学習システムまで。 Jupyter Notebookが成果物ではありません。 実際に毎日稼働するウェブダッシュボードとテレグラム通知が成果物です。 コーディングを知らなくても大丈夫です。 毎回の講義でClaudeにどう伝えればいいかをお見せします。 皆さんがそれを真似すれば、同じ結果が得られます。 --- こんな方におすすめです - 毎日銘柄を分析する時間が足りない会社員投資家 - 自動化システムを持ちたいが、コーディングがわからない方 - クオンツ/システムトレードに興味があるが、どこから始めればいいかわからない方 - AIを実戦で活用する方法が知りたい方 --- ⚠️ この講義は投資収益を保証するものではありません。 株式分析ツールを自作してみるプログラミング講義です。 実際の投資判断は受講生本人の責任となります。

生成AIの基礎活用法から自動化および実務用カスタムAIチャットボット制作まで、すべてのプロセスを一度に学習することができます。

この講義を通して、人工知能大学院の入試過程と準備方法を最初から最後まで理解できるようになります！ 合格の確率を高める良い情報も一緒にお伝えします！

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。

このOnline Classesは、Transformerを単に「実装する方法」ではなく、 なぜこのような構造が作られたのか、各モジュールがどのような役割を果たすのか、 そしてモデル全体がどのように動作するのかを設計者の視点から解剖する過程です。 Self-AttentionとMulti-Head Attentionの内部計算原理を深く分析し、 Positional Encoding、Feed-Forward Network、Encoder・Decoder構造が どのような限界を解決するために登場したのかを数式・論文・実装コードで直接確認します。 Attentionから出発してTransformer全体の構造を直接組み立て、 実際に学習まで実行しながらモデルがどのように動作するのかを体得します。 このOnline Classesは「Transformerを完全に理解したい人」のための 最も構造的で実践的なロードマップです。

100回以上実施したディープラーニング教育の経験をもとに、受講生が最も難しく感じた核心的な基礎理論を体系的にまとめた講義です。 この講義は非専攻者でも理解できるよう、数学的直観、モデル学習原理、コード実装を段階的に結びつけて説明し、単純なライブラリの使い方ではなく、AIモデルが学習される根本的な構造と動作原理を深く扱います。 勾配降下法、誤差関数、最適化、パーセプトロン、多層ニューラルネットワーク、誤差逆伝播などディープラーニングの核心的な基礎技術を直接数式とコードで実装しながら、AI原理を理解する実力あるエンジニアへと成長できるよう設計された実践型入門コースです。

文学、映画、音楽、歴史など人文学的な観点から生成AIの概念と原理を分かりやすく理解し、AIがもたらす文化的影響と生活の変化を探求します。個人と企業がAI時代にどのように対応し、準備すべきかについて、実質的な洞察と戦略を提示します。