機械学習、ディープラーニングの基礎 with Python, Keras

AI分野で活用度が非常に高いディープラーニングフレームワークであるPytorchを利用して、様々な人工神経網を実装する講義です。

DNN、CNN、RNN？ 難しそうな専門用語も、本講義を通じてディープラーニングの核心アルゴリズムを完璧に整理し、実際に活用してみるディープラーニング実習コース！

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

ビッグデータの基本概念と最新トレンドを把握し、ビッグデータ分析技法の技術的理解を通じてデータパターンを抽出し、ビジネスに活用できる方法を提示します。ビッグデータを通じて新しいビジネスを創出し、未来のビジネス環境に対する洞察力を養うことができます。

データ分析初心者のために、Pythonによるデータ分析の全プロセスの基本技術を身につける講座です。実際の現場でデータ分析技術を活用しているEC企画担当者および開発者として、Pythonによるデータ分析の全プロセスを簡単に学び、すぐに活用できるように作成しました。

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。

サムスン電子DS部門のメモリ・S.LSI・Foundry・TSP・AVP評価および分析、SKハイニックスのPE・AE・Solution PEを目指しているものの、事業部と職務の違いで行き詰まっている就職準備生のための講義です。 製品評価職務の実際の業務フローを基準に会社別の職務名を整理し、自身の専攻経験を自己紹介書や面接で活用できる職務言語に変換する方法を学びます。 アナログ回路設計、Verilog/FPGA、工程実験、データ分析の経験などを、歩留まり・Wafer Map・Shmoo Plot・不良分析といったキーワードと結びつけ、志望戦略を立てることができます。

1. AI資格、AICE Associate取得のためのPythonコーディング学習 2. 基礎から応用まで段階的なPythonコーディング学習 3. AI分野の権威、高麗大学キム・ジュンホン教授の講義

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。

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。

手の認識サンプルは動かしてみたものの、自分の手の動きをAIに学習させ、実用に耐える成果物に仕上げる道筋が見えず途方に暮れている方へ。開発統括と職業訓練の講師向け研修の経験を生かし、インストールからデータ収集、学習、Web画面の完成まで、ウェブカメラ1台で最後までご案内します。

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、 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:)

機械学習を学ぶと、精度を上げる方法を身につけます。ところが、そのモデルを実際のチップに載せようとした瞬間、誰も教えてくれなかった疑問が残ります。このモデルは何回乗算を行うのでしょうか？何をどれだけ記憶しておく必要があるのでしょうか？現在目標としているチップの仕様で、その要求に対応できるのでしょうか？ 機械学習の教科書は精度について語り、半導体の教科書は回路について語りますが、その間をつなぐ資料はほとんどありません。私はRISC-V CPUとNPUをFPGAで実装しながら、この隔たりに何度も直面しました。精度が最も高いモデルが、実際にはボードに収まらないという状況です。 本講座では、6つのアルゴリズムをPythonで実際に作りながら、作るたびに乗算、比較、メモリ、精度を測定します。そして、その値を実際のFPGAボードのリソースに換算します。乗算が何回という言い方だけでは規模を推し量れませんが、ボードの何パーセントかと言われれば判断できるからです。 9つのLabを経て6つのモデルを1つの表にまとめると、予想とは異なる全体像が見えてきます。乗算を数えるために9つのLabを費やしたのに、実際に足を引っ張っていたのは乗算ではありませんでした。その後、実数を整数に落とし込み、桁数を管理し、回路を評価する基準まで作ります。 FPGAボードは必要ありません。Pythonだけで進め、ボードは測定値を換算する基準としてのみ使用します。

データアナリストとして成長したい初心者の方のためのPython基礎講座です。 - データ分析をしたいけれどPythonを知らない方 - Pythonで機械学習を学びたい方 - ビッグデータ分析技師実技試験を準備している方 - Pythonで機械学習ベースのアプリケーションを開発したい方

Multi Head Attentionから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になります。

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。

Pythonの文法は知っていてもサービスを作るのが難しいという問題を、NAVERでの実務経験と段階的な実習で解決します。

本講義は、Node.jsとTypeScript環境で最新のGemini API SDK（@google/genai）を扱うことを目標としています。 テキスト、画像、ビデオを同時に処理するマルチモーダル技術の使用方法を学びます。 APIキーの発行からプロジェクトの設定、モデルの呼び出しまで、全過程を実習します。

コーディングなしのフルスタックシステム構築：韓国語のプロンプト（バイブコーディング）だけで、データ収集からAI・ML分析、ウェブダッシュボードまで、パイプライン全体を自ら完成させます。 100%自動化パイプラインの所有：毎朝テレグラムでS&P 500のスクリーニングおよび投資意見を受信する、独立した株式分析ツールを確保します。 実践データに基づいた投資フレームワークの習得：実際に運用されているソースコードを基に、機関レベルのデータ分析およびリスク管理能力を自分のものにします。

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。