シン・ギョンシクのディープラーニング・オデッセイ - コンピュータビジョン入門

中高一貫課程で学ぶ数学の内容を凝縮した講義です。 必要な数学的知識やテクニックを、各項目ごとの豊富な演習とともに学びます。

仮想環境の概念と設定する方法を学びます。

コンピュータービジョンの最も基本的なデータセットであるMNISTに関する理論的概念を整理し、TorchvisionのAPIを通じた実装および直接カスタムデータセットクラスを実装する方法を学びます。

畳み込みニューラルネットワークの核心モジュールである畳み込み層とプーリング層の演算を理論的に完璧に整理し、自ら実装することで実装能力を養う講義です。

ディープラーニングを活用したコンピュータビジョンの最も重要な演算である、畳み込み（コンボリューション）を集中的に扱う講義です。

ディープラーニングベースのコンピュータビジョン学習の前に不可欠な、画像の理論的基礎を固めます。ピクセル、解像度、色表現など画像データの点質を理解し、Pythonを活用して画像を読み込み、変換・前処理する実践的なプログラミング能力を養います。

Gradient-based Linear Regression (1)で直接実装したコードを、PyTorchの機能を利用して実践的なコードとして実装する方法を学ぶ講義です。また、データ前処理の必要性、理論、学習に与える影響を理論的に学び、実践的なコードで実装する講義です。

Gradient descentで最もシンプルな形のディープラーニングモデルを学習させる過程について完璧に理解する講義です。

ディープラーニングの最も核心的な学習アルゴリズムであるgradient descentを集中的に学習する講義です。

ディープラーニングを始めるために必要な基本的な微分法とPyTorchのAutograd機能を学ぶ講義です。

matplotlibライブラリを利用したデータの可視化を扱う講義です。

NumPyの使い方と、これを利用した実践練習を行う講義です。

[人工知能のためのPython]シリーズの第5回の講義です。Pythonの文法と合わせて、機械学習、深層学習に利用される実践練習を行う講義です。

[人工知能のためのPython]シリーズの4番目の講義です。 Pythonの文法とともに、機械学習、ディープラーニングに使用される実践練習をする講義です。

[人工知能のためのパイソン]シリーズの3回目の講義です。 パイソンコードをデバッグする方法について学びます。

[인공지능을 위한 파이썬]シリーズの2番目の講座です。 Pythonの文法とともに、機械学習、ディープラーニングで使われる実践演習を行う講座です。

Pythonの基本的な文法について、多くの演習を行う講座です。 Pythonの文法と合わせて、機械学習やディープラーニングに用いられる実践演習を行う講座です。

線形代数学の最初の講義として、ベクトルとベクトルの演算を幾何学的に理解する講義です。

関数の極限、導関数、微分法、導関数の公式、微分の応用

数式作成のためのLaTeXの使い方を学ぶ講義です。

コンピュータービジョンの最も基本的なデータセットであるMNISTに関する理論的概念を整理し、TorchvisionのAPIを通じた実装および直接カスタムデータセットクラスを実装する方法を学びます。

ディープラーニングベースのコンピュータビジョン学習の前に不可欠な、画像の理論的基礎を固めます。ピクセル、解像度、色表現など画像データの点質を理解し、Pythonを活用して画像を読み込み、変換・前処理する実践的なプログラミング能力を養います。

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。

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。

本過程は、Pythonを用いた機械学習のための数学および統計の基礎内容を実習する過程です。機械学習やディープラーニングはプログラミング能力も必要ですが、原理を把握するためには数学的な背景が必要となります。本過程を通じて、人工知能に必要な基礎数学を段階的に習得することができます。

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。

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！

将来のデータ分析の専門家になりたいですか？今、その機会をつかみましょう！最先端の人工知能技術とビッグデータを通じて無限の可能性を探求し、強力なインサイトを導き出す方法を学ぶ特別な機会です。

40種類以上の経済指標と株価データをAIで分析し、S&P 500、QQQ ETFだけでなく、個別銘柄まで予測する強力な株価分析モデルを自ら作ってみてください！

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:)

🚀 Databricksで学ぶ実践AI異常検知！ 💡 高くて遅いモデルはもう終わり！大規模データ最適化からリアルタイム配布まで、企業実務で直ちに活用できる異常検知AIを完成させます。

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。

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。

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。

本講座は、AI技術を初めて接する学習者でも簡単に理解し、ついていけるように構成された入門コースです。講義を通じてAIプラットフォームの基本概念と使用方法を身につけ、様々なAIツールを活用して画像を直接生成する実習を行います。 このコースを修了すると、AIとより身近になり、創造的なアイデアを視覚的に実現できるAI画像制作能力を身につけることができます。

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。

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。

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。

Multi Head Attentionから始まり、Original Transformerモデル、BERT、Encoder-DecoderベースのMarianMT翻訳モデル、Vision Transformerまで、コードで直接実装しながらTransformerについて隅々まで学ぶことができます。