開発者のためのディープラーニング

Spring にテストを追加する方法を説明します。さらに、より自然なテストを行うために Spring の設計を変更する方法も学びます。

スプリングとJPAを少し扱うと思ったあなた、今後成長するために何を勉強する必要がありますか？ もしデザインの勉強をしてみようとデザインパターンを勉強しながらパターンを無作為に暗記しておられませんか？お手伝いします！

本コースは、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コースです。機械学習と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。本コースを通じて、人工知能に必要な基礎数学を段階的に身につけることができます！

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。

この講義はディープラーニングという名称は入ってみたが、どのように始めるべきか分からない方を対象に進行されます。

ディープラーニング学習の原理を理解し、ケラスを使用してモデル、レイヤー、最適化技術を使用してニューラルネットワークの構築とトレーニングの複雑さを簡素化するプロセスを説明します。

機械学習&ディープラーニングの基礎から確実に！ Pythonに分類/回帰/クラスター/人工ニューラルネットワークの作成と活用まで

数式一つ、コード一行も使わずに、人工知能の開発と活用に必要な基礎統計の本質を突き詰めます。

Midjourney&RunwayでハイクオリティなAI映像を制作してみましょう。サムスンと協業したキム・ドンア監督が、仮想ブランドをベースにしたAI映像制作プロセスをステップバイステップで直接伝授します。

AIエンジニア入門者のための講義は、データ処理からモデル開発、クラウドとMLOps、そして倫理的考慮まで、全過程を短期間で体験できるように構成されています。単にモデルを作るだけでなく、実際のサービスへとつなげる過程を理解し、実務感覚を身につけることに重点を置いています。AIを初めて学ぶ方も無理なく進められるよう、実習と例題を交えて進行します。

人工知能の学習と研究に必要な最小限の線形代数学をしっかりと固める講義です。 人工知能大学院の入試準備はもちろん、論文を読み研究を進める際によく遭遇する核心的な概念や、基礎的な数値線形代数学の手法まで幅広く扱います。

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。

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。

Data Science(DS)と Artificial Intelligence(AI)関連職種の分析と 関連職種でのキャリア構築のための学習・就職ロードマップを学びましょう。

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！

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！

人工知能が初めての方の目線に合わせたAI入門講座！データから生成AIまで、核心となる概念を分かりやすく整理しました。AIを作るのではなく、問いを投げかけ説明できるレベルの実務的な理解を目指します。

Microsoft AI-900資格の同時取得を目指せる特別講義であり、2025年5月基準の出題範囲を反映した最新コンテンツとして、AI概要、機械学習の基礎、コンピュータービジョン、自然言語処理、ドキュメントインテリジェンス、知識マイニング、および生成AIを含む理論と実習が兼ね備えられた形式で提供します。

この講義を通じて、受講生は様々な強化学習の理論を学習し、これを直接実装するだけでなく、ユニティ機械学習エージェントを利用して実装した強化学習アルゴリズムをテストしてみる強化学習環境まで直接製作してみることができます。

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。

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。