実装しながら学ぶTransformer

Spark（スパーク）機械学習の核心フレームワークに対する理解、難易度の高い実戦問題を通じたSQLベースのデータ加工、業務ドメイン分析を通じたデータ分析と最適化された機械学習モデルの構築能力まで、大容量データに基づいた機械学習のエキスパートとして認められたいなら、この講義と共に歩んでください。

カフカの核心から内部メカニズムの深化レベルの内容まで、詳細な理論の説明とハンズオン実践＆amp;本番カフカアプリケーションの開発実践を通じて、カフカを始める人も一気に専門家レベルに到達できるように講義を構成しました。

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:)

SQL の基本要素に関する詳細な講義と実習を通じて、揺るぎない骨組みを作り、SQL 分析の専門家として成長できるようにサポートします。

本講義はFastAPIの核心機能とともに、Webサービス開発の全過程を習得できるように構成しました。本講義を通じて、皆様を現場で必要とするFastAPI専門開発者に成長させていただきます。

本講義は、Object DetectionとSegmentationに関する深い理論解説と、現場ですぐに活用できるレベルの実習例を通じて、皆様を現場で必要とされるディープラーニングベースのコンピュータビジョン専門家へと成長させます。

本講義は、Apache Airflowの核心的なメカニズムからDAG、Operator、Hook、Scheduling、Timezone、冪等性、Templateまで、詳細な理論と実習で構成されています。Airflowが「なぜこのように動作するのか」を理解し、自らデータパイプラインを設計・デバッグできるようになることを目指す、実践中心のAirflowマスターコースです。

カフカ・コネクトに関する深い理論の説明と、現場ですぐに使えるレベルの詳細な実践を通じて、現場で必要とするカフカ・コネクトベースのデータ連動およびデータパイプライン構築の専門家に成長させていきます。 。

本講義は、ksqlDBの活用とコアメカニズムを様々な実習を通じて習得できるように構成されています。講義を終えたら、Kafka（カフカ）ベースのリアルタイムストリーミングデータ分析システムを簡単かつ迅速に構築できます。

さまざまな実用的なデータ分析ケースをSQLを通じて実装していきながら、データ分析能力とSQL活用能力を同時に向上させることができます。

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、 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:)

Oracle DB アーキテクチャの内部メカニズムを理解し、パフォーマンスチューニングとパフォーマンス分析の専門家として成長できるための重要なガイドを提供します。

この講義は、Kaggle の Home Credit Default Risk コンテストの機械学習モデルを実装することで、実践的な機械学習構築の専門家としてあなたのスキルをさらにレベルアップできるように作成された講義です。

理論中心の機械学習講座から脱却し、機械学習の核心的な概念を簡単に理解できるだけでなく、実践的な機械学習アプリケーションの実装能力を身につけることができます。

<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。

『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。

YOLO(You Only Look Once)論文をTensorFlow 2.0を利用して底から実装してみて、ディープラーニング論文実装能力を学べる講義です。

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。

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。

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。

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、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。

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。

AIという漠然とした恐怖から解放される、一般向けの教養講座です。AIが学習するとは一体どういう意味なのか、具体的な事例を通して見ていきます。また、AIの脳構造がどうなっているのか、どのように思考するのかを具体的な事例で解き明かしていきます。

複雑な製造現場のデータから異常の兆候を見逃していませんか？私は実際のIoTデータでオートエンコーダーを活用し、正確に検知するノウハウを共有します。

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。

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:)

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ご自身で作ってみましょう！

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！

根っからの文系の方の目線に合わせ、数式を使わずに理解できる平易な言葉で、物語のように解き明かした機械学習講座です！

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。

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。

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