例として学ぶディープラーニング自然言語処理入門 NLP with TensorFlow - RNNからBERTまで

LLM（Large Language Model）の基礎概念から、高性能LLMであるLlama 2モデルを、私が望むデータセットにFine-Tuningする方法まで、次々と学習します。

最新AI技術の集大成であるAIエージェント！様々なAIエージェントを実装してみながら、LangGraphを利用した自分だけのAIエージェント実装法を学習してみます。

ChatGPTを活用した様々な業務自動化方法(Excel、PPT、スクレイピング、画像処理)と、業務自動化のためのPython(パイソン)基礎を学習できる講座です。ChatGPTが作り出す変化した未来をぜひ事前に体験してみてください。

랭체인(LangChain)ライブラリの概念と活用方法を学習し、랭체인(LangChain)ライブラリを利用して自分だけのChatGPTを作ってみる講座です。

実習を通じて高品質AIエージェントを作るためのコンテキストエンジニアリング（Context Engineering）技法を学習してみます。

さまざまなKaggleの例を使って、機械学習（Machine Learning）の基礎からじっくり学習し、 簡単に触れるのは難しい、現代の機械学習エンジニアの鮮やかなプロジェクト経験談や実践的な蜂蜜のヒントまで一度に学びましょう。

ディープラーニングコア理論と最新のTensorFlow 2.0を利用したディープラーニングコードの実装を一度に学べる講義です。

様々な事例を通じて、MCP(Model Context Protocol)を利用した業務自動化の方法(Playwright クローリング、Figma デザイン、Notion データ整理、Excel データ分析)を学習できる講座です。

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。

Cursorを使って、自分だけのMCPサーバーを作ってみながら、開発者の未来の姿であるVibeコーディングを体得する講座です。

AIカスタマーセンターチャットボット（AICC）を構築しながら、実践的なRAG（Retrieval-Augmented Generation）システムを構築する方法を学ぶ講座です。

LangGraph를 이용하여 다양한 AI 에이전트 구현 프로젝트를 진행하면서 LangGraph를 이용하여 실용적인 AI 에이전트를 만드는 방법을 학습합니다.

eベスト投資証券xing APIを利用して株式自動売買ボットを作る講義です。 1年365日に自動で取引する独自の株式自動売買ボットを作ってみてください。

ChatGPTを利用したウェブサイトクローリング方法を学習できる講座です。ChatGPTがもたらす変化した未来を、事前に体験してみてください。

ChatGPTを利用したデータ分析とPandasの活用方法を学習できる講座です。ChatGPTが創る変化した未来を先取りして体験してみてください。

GPT-1(Improving Language Understanding by Generative Pre-Training)論文をTensorFlow 2.0を利用してゼロから実装してみながら、ディープラーニング論文の実装能力を学べる講義です。

ChatGPTを利用してさまざまなクオンツ投資戦略を作成する方法を学習できる講座です。ChatGPTを利用して自分だけのクオンツ投資戦略を作成してみてください。

自動収益を出すことができるビットコイン暗号通貨コインボット開発のための[アイデア発掘-データ収集-バックテストによる検証]プロセスと講師が開発したAIS1、AIS2投資戦略の原理、種目選定と買収、売り打点とバックテスト、ボット実行のためのソースコードを学習できる講義です。

深層強化学習（Deep Reinforcement Learning）の必須理論学習を通じて強化学習基礎概念をしっかりと固め、TensorFlowを利用した実際のコード実装実習を通じて深層強化学習の原理を詳しく学習できる講義です。

暗号通貨自動売買コインボットの作成と運営に必要なAからZまでのすべてのコースを学習します。 （取引所APIの使用法基礎、AWSを利用した配布） また、暗号通貨市場の構造的特性を利用した年10％内外の無リスク収益を得ることができる投資戦略（キムチプレミアム利用など）を学習することができます。

自然言語処理 (NLP) は、人工知能の中で最も急速に成長している分野の 1 つです。このコースでは、NLP の基礎から、最新の NLP 技術 (ディープラーニングを使用したもの) まで幅広く取り上げます。特に、ChatGPT などの最先端の生成モデルについて詳しく説明します。

Pythonによる韓国語テキスト分析と自然言語処理 ワードクラウドによる可視化、形態素分析、トピックモデリング、クラスタリング、類似度分析、テキストデータベクトル化のための Bag of Words と TF-IDF、機械学習とディープラーニングを活用したテキスト分類、Hugging Face の活用法

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。

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。

「LoRAベースの軽量ファインチューニングで自分だけのカスタムLLMを作ってみる第一歩！」 この講義は初めてLLMに触れる方でも簡単についてこられるよう設計された入門実習講義です。 複雑な理論は最小限に抑え、モデル読み込み → データ適用 → 学習 → 結果比較まで全過程を段階別にご案内します。 短時間でLoRA・QLoRAのような最新軽量ファインチューニング技法の流れを直接体験しながら、 「LLMファインチューニングがこのように動くんだな」という感覚を掴むことができます。 多くのリソースがなくても、自分のドメインに特化したLLMを作ってみる達成感を直接感じてみてください！

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。

世界を変えるAIの全てをたった4講で完全攻略！ 第1講. 人工知能の本当の正体 AIは魔法ではない。人間の「知能」を数式のように分析して作ったデジタル頭脳！ 賢いふりをする人工知能の核心構造を徹底的に解明します。 第2講. アルゴリズム、AIの創造的（？）思考法 悩むAIはどのようにして答えを見つけるのか？ 囲碁を打ち、道を探し、あなたの検索結果を予測するAIの戦略を直接見てみましょう。 第3講. AIハードウェア、想像を現実に変えるエンジン！ あなたのスマートフォンの中のチップがAIの心臓だ。 CPU、GPU、TPU、そして未知のその名前まですべて解剖します。 第4講. マシンラーニングとディープラーニングの大激突！ AIが「学ぶ」というのは一体どういう意味なのか？ 古典的なルールベースAIから、最近話題のChatGPTまで！学習の進化を追跡します。

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。

この講義は、LLMとGPTの基本概念を誰でも理解できるよう分かりやすく説明します。 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を利用してウェブで実行することができます。 基礎から実習まで体験しながら、AI活用の第一歩をしっかりと固めることができます。

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。