
強化学習入門からDeep Q-learning/Policy Gradientまで
YoungJea Oh
最近の人工知能分野における驚異的な成果は、そのすべてが強化学習の分野で発表されています。ロボット、自動運転技術、人間に似た機械など、真の人工知能技術の革新を成し遂げている強化学習技術を、初心者の視点で分かりやすく、基礎から応用レベルまで扱いました。
中級以上
Python, Deep Learning(DL), Reinforcement Learning(RL)
実務への適用や面接対策でお困りではありませんか?私の現場での経験を活かし、CNNからDETRまでコードを中心にしっかりとレクチャーします。
学習した受講者のレビュー
5.0
Star Gu
親切で詳細な説明とともに、ためになる授業でした!!!
5.0
sunny75
25/09/17/水 21:50 講義を聞いて、物体認識について多くのことを理解しました。いつも物体認識の動画を見る時、どのように認識するのか気になっていたのですが...本当に良い講義を作られましたね。私は平日には講義をあまり聞かないのですが、この講義は平日にも聞きました。^^;; 良い講義を作ってくださってありがとうございます。
5.0
원래그런거임
私はコンピュータビジョン関連学科で勉強している大学生です。講義が細やかで、何より曖昧な部分が残らないよう詳細に説明してくださったので大変助かりました。受講しながら他の講義にも興味が湧きました。ただ、講義の価格帯がやや高く、学生としては負担になるのが事実です。映像関連において物体認識以外にも様々なコンピュータビジョン技術についての追加アップデートがあればより良いと思います。残りの講義も継続して一生懸命受講いたします。素晴らしい講義を作ってくださりありがとうございます。
PyTorchベースの高性能CNNモデルの設計および最適化能力
YOLO、DETRなど最新の物体検出アルゴリズムの実践的な実装能力
データ拡張および転移学習を活用した問題解決技術
U-Net、Mask R-CNNベースの精密セグメンテーション実習
この講座は、ディープラーニングベースの画像・物体認識モデルの実装をテーマに、基礎概念から最新の研究成果まで体系的に扱う総合コースです。受講生はPyTorchを活用して、画像データの処理、畳み込みニューラルネットワーク(CNN)の理解と実装、転移学習(Transfer Learning)、物体検出(Object Detection)、画像セグメンテーション(Segmentation)まで段階的に学習することができます。
まず、ディープラーニングフレームワークであるPyTorchの基礎から始めます。テンソル(Tensor)の構造と演算、自動微分機能を理解し、これらを活用して基本的なニューラルネットワークを実装してみます。続いて、コンピュータビジョン(Computer Vision)の概念を学び、画像データの構造、色の表現方式(RGB、RGBA)、画像拡張(Augmentation)技法などを学習します。これを通じて、モデルが多様なデータ環境で堅牢に学習されるよう準備します。
本格的なモデル学習パートでは、CNN(Convolutional Neural Network)の構造と畳み込み・プーリング演算、パディング(Padding)とストライディング(Striding)の概念を学び、CIFAR-10のような実際のデータセットで画像分類を実習します。その後、AlexNet、VGG、ResNet、EfficientNetなど主要なアーキテクチャの発展の流れを理解し、学習済みモデルを活用した転移学習の方法を扱います。特に、COVID-19のX線データセットを活用した転移学習の実習を通じて、実務への適用能力を養います。
物体検出(Object Detection)の過程では、R-CNN系(Fast/Faster/Mask R-CNN)、YOLO(You Only Look Once)、SSD(Single Shot Detector)、DETR(Detection Transformer)など、多様なアルゴリズムを比較学習します。各モデルの構造的特徴、速度と精度の違い、そして実際の適用事例を通じて、技術選定の基準を理解することができます。最新のYOLOv11やDETRといったモデルも併せて扱うことで、急速に発展する物体検出分野のトレンドを把握することができます。
最後にセグメンテーション(Segmentation)技法を学習します。Semantic Segmentation、Instance Segmentation、Panoptic Segmentationの違いを学び、U-NetとMask R-CNNを活用した実習を通じてピクセル単位の物体分割を経験します。医療映像分析、自動運転、衛星画像など、さまざまな分野への応用も扱い、学習したモデルが実際の産業現場でどのように活用されているかを知ることができます。
この講義は単に理論を羅列するにとどまらず、Google Colab環境で直接コードを実行し、実習する形式で進められます。そのため、受講生は講義を終えた後、実際のデータセットを扱い、モデルの構築・学習・評価ができる実務能力を身につけることができます。
👉 本過程を通じて、受講生は「画像分類 → 物体検出 → セグメンテーション」へと続くコンピュータビジョンの核心的なパイプラインを完全に理解し、最新のディープラーニングモデルを応用できる能力を確保することができます。
この講義を受講すべき方 (1)
ディープラーニングとコンピュータビジョンに興味があるけれど、どこから始めればよいか分からず途方に暮れている方
CNN、転移学習、物体検出といった概念を基礎から体系的に学びたい方
この講義を受講すべき方 (2)
PyTorchを活用して、実際のデータセットでモデルを直接実装してみたい方
単なる理論ではなく、実習中心に学んで「コードで確認」したい方
この講義を受講すべき方 (3)
最新の物体検出モデル(YOLO、DETRなど)やセグメンテーション手法を実務に適用してみたい方
AI/機械学習分野へのキャリア拡張を悩んでいる学生、開発者、研究者
ディープラーニングベースの画像分類 → 物体検出 → セグメンテーションまで、コンピュータビジョンの核心的なパイプラインを直接実装することができます。
PyTorchを活用して実際のデータセットを読み込み、モデルを学習・評価・改善する全過程を経験することになります。
単なる理論の理解を超えて、YOLO・DETRなどの最新の物体検知モデルを適用できる実務能力を身につけることができます。
医療映像、自動運転、衛星画像など、様々な産業分野で活用可能な応用能力を習得できます。
直接作成した実習コードとプロジェクトの成果物をポートフォリオに追加することで、就職や研究活動において強みを作ることができます。
この講義の主な強み (2)
理論と実習のバランス: CNNの畳み込み・プーリング概念などの基本理論をまず理解し、続いて実際のデータセットで実習します。
実務との連携: 医療映像、自動運転、衛星画像分析など、産業現場で活用可能な事例を扱います。
ポートフォリオ作成可能:実習の成果物を通じて個人のポートフォリオを構成することができ、就職や研究に直接的な助けとなります。
2019 ~ 現在:専門人工知能講師
2001~2019: 現場でIT開発および運用
2020年〜現在:オンライン・オフライン講義中
Inflearnにて人工知能講座を14コース運営中
講義はGoogle Colabを使用するため、Windows、MacOSに関係なく進めることが可能です。
pdfファイルとgithubのリンクで提供いたします!
基本的なPythonの文法
機械学習の基礎知識
このコースは中級者向けのコースです。
学習対象は
誰でしょう?
理論を超えて、実務レベルのビジョンポートフォリオを必要とする学習者
ディープラーニングの技術面接と実務能力の証明を準備している就職準備生
画像認識モデルを直接サービスに適用しなければならない現役の開発者
PyTorchの基礎を終え、専門的なビジョンエンジニアを目指している方
前提知識、
必要でしょうか?
Pythonプログラミングの基礎
ベクトル・行列演算の基礎知識
機械学習の基礎概念
インフラン認証
キャリア認証
4,868
受講生
465
受講レビュー
158
回答
4.8
講座評価
18
講座
30年以上のIT現場での経験を活かし、人工知能・Python分野を教えるAI専門講師です。ディープラーニング、NLP、LLMファインチューニング、LangChain/LangGraphベースのAIエージェント、AI駆動開発(AIDD)など、実務中心のカリキュラムを開発し、講義を行っています。現代建設電算室、サムスンSDS、韓国シティ銀行で培った30年以上の開発・運用経験を、臨場感あふれる講義として提供しています。現在はKOSA、KOSTA、KITRIなどで人工知能コースを担当しています。
ホームページアドレス: https://ironmanciti.github.io/
全体
44件 ∙ (11時間 5分)
講座資料(こうぎしりょう):
3. 実習コードダウンロード
01:45
4. 教育環境の紹介
01:20
5. Colabの使い方
09:37
6. Pytorchの紹介
14:09
7. 実習 - Pytorch 基礎
23:13
10. 実習 - 画像拡張技法
18:25
19. オブジェクト検出モデル紹介
13:05
25. Mask R-CNNの理解
27:29
全体
7件
5.0
7件の受講レビュー
受講レビュー 3
∙
平均評価 3.7
5
本当に久しぶりに私に必要な講義を見つけました あれこれ複雑で難しい数学的観点よりも、コード中心で見せてくれて胸がスッキリします。CNNが何なのか、どのように活用するのかについて素早く学習できます 数ヶ月間あれこれ本やOnline Classesを見ていた時間がとても惜しいですね ボーナスでイメージラベリング作業などを簡単に入れてくださったら、ビジョンで悩んでいる多くの人々にとって最高のビジョン講義になるのではないでしょうか
良い評価をいただき、ありがとうございます。アドバイスいただいた部分も次の講義アップデートで考慮いたします。
受講レビュー 2
∙
平均評価 5.0
修正済み
5
私はコンピュータビジョン関連学科で勉強している大学生です。講義が細やかで、何より曖昧な部分が残らないよう詳細に説明してくださったので大変助かりました。受講しながら他の講義にも興味が湧きました。ただ、講義の価格帯がやや高く、学生としては負担になるのが事実です。映像関連において物体認識以外にも様々なコンピュータビジョン技術についての追加アップデートがあればより良いと思います。残りの講義も継続して一生懸命受講いたします。素晴らしい講義を作ってくださりありがとうございます。
良い評価をいただき、ありがとうございます。もし学生として費用負担がおありの場合、見たい講義を教えていただければ、割引クーポンをお送りいたします。
受講レビュー 9
∙
平均評価 4.6
受講レビュー 128
∙
平均評価 5.0
5
25/09/17/水 21:50 講義を聞いて、物体認識について多くのことを理解しました。いつも物体認識の動画を見る時、どのように認識するのか気になっていたのですが...本当に良い講義を作られましたね。私は平日には講義をあまり聞かないのですが、この講義は平日にも聞きました。^^;; 良い講義を作ってくださってありがとうございます。
良いレビューをありがとうございます。
受講レビュー 14
∙
平均評価 5.0
知識共有者の他の講座を見てみましょう!
同じ分野の他の講座を見てみましょう!
期間限定セール、あと2日日で終了
¥53,900
30%
¥9,908