機械学習モデルを活用したAndroid、iOSアプリ開発

人工知能とデータの多様な要素を理解し、ChatGPTとノーコードプログラミングを活用して実生活の問題を解決することで、数学的思考に基づいた合理的な意思決定モデルを見出す能力を養おう！

様々なデータ構造とアルゴリズムを学習し、プログラミングを通じてこれらを実装する実践力を養いましょう！

ChatGPT、生成AIを活用してクリエイターになろう！

機械学習の主要なアルゴリズムとディープラーニングを理解し、人工知能について学んでいきましょう！

Reactを活用したウェブアプリケーション開発スキルを身につけ、実務に適用できる能力を養おう！

C++言語の基本概念とオブジェクト指向の概念を学びながら、設計し、実装し、開発してみよう！

コンピューター工学専攻者のためのオブジェクト指向の概念に基づいたModern C++プログラミング

Pythonを活用して業務効率化の方法を調べてみよう！

人工知能とAI倫理を理解・学習し、自身の専攻分野と結びつけることで、AIデジタル活用能力を強化しよう！

プログラミング技術、アルゴリズム技術、統計分析技術に関する専門的な能力を養おう！

コンピューター工学専攻者のためのオブジェクト指向の概念に基づいたJavaプログラミング

Kerasを活用しながら、機械学習とディープラーニングのモデルアルゴリズムを理解しよう！

非専門家のためのAbyssデプロイ方法を調べてみよう！

高度なリテールビジネスに適したデータ分析を理解し、業界で活用されているツールの使い方を身につけましょう！

論理的思考能力を向上させ、第4次産業革命時代において自身の専攻と情報通信技術を融合できる能力を養います。

Web上からデータを収集する方法を学び、機械学習の教師あり学習モデルを作成してみよう！

実生活や専攻の問題を実際のコンピュータプログラムに落とし込むための学習と、Pythonベースの人工知能ツールの活用を練習してみよう！

Pythonを活用して機械学習技術を習得し、実際のデータからの情報抽出方法や予測モデルの開発能力を向上させましょう！

Pythonプログラミング言語の基礎を学習することで、人工知能に必要なPythonコーディング能力を習得しましょう！

論理的思考能力を向上させ、プログラミングのためのツール活用法を理解し、問題解決のためのアルゴリズムを設計できる能力を養います。

直感的でパイソニックなPyTorchを通じて、ディープラーニングモデルを直接構築する方法を学習します。最新のPyTorchバージョンを反映しています。

プログラミングを勉強したい学生の多くは、市中の様々な本やブログなどで勉強をしてみた経験があるでしょう。しかし、学習速度が遅く、本や文章に不要な内容が多いと感じた経験が多かったでしょう。 理論的な部分に重みを置くのではなく、＆＃x27;開発＆＃x27;それ自体に焦点を当てた講義として、開発において重要な内容だけを取り上げます。

新しいswiftUI環境で拡張現実ARアプリを作成します。 ARKit、RealityKit、Core MLなどを活用して独自のスノーアプリを作成します。

76の例で練習し、勉強するコトリンKotlinのプログラミング言語。

Androidモバイルプログラムを本番プロジェクトを通じて段階的に習います。 ブルートゥース脳波測定装置を利用して脳波を測定し、音楽を聞かせるモバイルアプリを作成しながら、モバイルアプリ開発の基本はもちろん、実戦で活用可能なSQLite、Bluetooth、Soundなど有用な技法を学びましょう。

このレッスンは、Webサービス開発技術であるJavascriptを使用して、モバイル環境のさまざまなネイティブアプリ機能をすばやく作成する方法を学び、ストアのリリースまで学習することができます。

ディープラーニング次世代革新技術の一つである物理情報ニューラルネットワークを勉強し、Pytorchを利用して直接実装を行う講義です。 人工知能の次世代革新技術を私と一緒に学びましょう！

自ら判断し適応するAI、今や直接作ることができます。複雑な理論の代わりに直感的な説明とコードで強化学習の核心を学び、金融、産業プロジェクトを通じて「実戦型開発者」として成長しましょう。

Excelでディープラーニングフレームワークを直接実装しよう！ 実装したフレームワークで指導学習/非指導学習/強化学習を解こう！

ニューラルネットワークをFPGAに実装する — 言葉には馴染みがありますが、実際に成し遂げた人は稀です。 キャップストーン、競技会、卒業制作で一歩先を行きたいなら、モデルを学習させるだけでなく、その演算が実際のチップの中でどのように動くのかを自ら作り、証明できなければなりません。この講義は、まさにその点、理論と実物ハードウェアの間のギャップを埋めるお手伝いをします。 MNISTの数字を認識するニューラルネットワークアクセラレータ（NPU）を、スペックの読み解きからPythonゴールデンモデル、Verilog RTL設計、FPGA検証まで、最初から最後まで自ら完成させます。ラインバッファと並列MACで作るConv層、ReLU・MaxPool・Flattenを経て全結合層とArgmaxまで — 9つのブロックを一つのチップに統合し、"Pythonの正解とハードウェアの出力が1ビットも違わない（Bit-True）"ことを自ら証明します。シミュレーションは正常に動くのに結果だけが微妙に異なる、そんなもどかしい瞬間を乗り越える方法まで講義に込めました。 整数量子化、配列の軸順序の変換、アキュムレータのオーバーフロー防止など、一般的なディープラーニングの教材では扱われない実戦的なノウハウを一つずつ解説します。私はRISC-V CPU設計とFPGA Bit-True検証を長年手がけてきた中で経験した試行錯誤を、皆さんが繰り返さないようこの講義に凝縮しました。講義が終わる頃には、"自ら設計し、証明した"と言える完成されたハードウェアプロジェクトが手元に残ります。

Xcodeを利用してiPhone専用RPGゲーム開発を行います。 アプリの開発に何の知識がない方も十分に追いつくように講義を準備しました。

古典的なゲームであるレンガ割れを直接作ることで、iPhone（IOS）ゲーム開発の概念を学ぶことができます。

誰よりも早く学ぶSpringboot + Android(Compose) RestAPI掲示板作り Springbootでサーバーを開発し、Androidで自分だけの掲示板を作ってみましょう!!

コーディングの知識がなくても大丈夫です。 この講義は、AIを活用してわずか1日で広告収益が発生するAndroidアプリを自ら作り、実際にリリースまで完了させる体験に焦点を当てています。 多くの方が、 「アプリは作ったけれど、どうやって収益化すればいいの？」 「広告を入れようとしたら、AdMobやポリシー、審査でつまずいた」 「リリース直前のプライバシーポリシー作成で諦めた」 といった段階で止まってしまいます。 この講義では、 👉 アイデア → アプリ生成 → 広告連携 → ストア公開の必須要素 → 実際の配布 まで、「誰もが挫折するポイント」をすべて突破します。 AIに指示を出し、私たちは判断するだけです。 1日以内に「稼働する収益構造」を持ったアプリを完成させることが目標です。

現在、AndroidはJava言語とKotlin言語で開発することができます。どちらの言語を使用しても、同じAndroidアプリケーションを開発することが可能です。本講座は、Androidアプリケーション開発の基礎から応用まで大部分の内容を扱っており、基礎的な内容からすべてKotlin言語を用いてコードを作成しています。また、Googleの最新UIライブラリであるMaterial 3を利用しています。本講座は、Android開発の全過程の中で3つのプロジェクトを実際に遂行する過程です。プロジェクト遂行時には、Hilt、Retrofit、RoomDatabase、MVVMなど、現場で実際に使用されている高度な技法を習得することができます。さらに、Android開発ツール内でGeminiを活用したライブコーディングを行い、AIを利用した生産性の向上を図ることができます。 私たちソフトキャンパスは、常に最新の講義を提供できるよう努めてまいります。

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。

머신러닝을 배우면 정확도를 높이는 방법을 익히게 됩니다. 하지만 그 모델을 실제 칩에 올리려는 순간, 아무도 알려주지 않았던 질문이 남게 됩니다. 이 모델은 곱셈을 몇 번 수행합니까? 무엇을 얼마나 기억하고 있어야 합니까? 현재 목표로 하는 칩 스펙이 그 요구사항을 감당할 수 있습니까? 머신러닝 교재는 정확도를 다루고 반도체 교재는 회로를 다루지만, 그 사이를 잇는 자료는 드뭅니다. 저는 RISC-V CPU와 NPU를 FPGA로 구현하면서 이 간극을 반복해서 마주쳤습니다. 정확도가 가장 높은 모델이 정작 보드에는 들어가지 않는 상황 말입니다. 본 과정에서는 여섯 개의 알고리즘을 파이썬으로 직접 만들어보면서, 만들 때마다 곱셈, 비교, 메모리 사용량, 정확도를 측정합니다. 그리고 그 값을 실제 FPGA 보드의 자원으로 환산합니다. '곱셈 몇 번'이라는 표현만으로는 그 크기를 가늠하기 어렵지만, '보드의 몇 퍼센트'라고 하면 판단이 서기 때문입니다. 아홉 개의 Lab을 거쳐 여섯 개의 모델을 한 표에 모아보면 예상과 다른 그림이 드러납니다. 곱셈을 세는 데 아홉 편을 할애했지만, 정작 발목을 잡는 것은 곱셈이 아니었습니다. 이후 실수를 정수로 낮추고, 자릿수를 관리하며, 회로를 채점할 기준까지 마련합니다. FPGA 보드는 필요하지 않습니다. 파이썬만으로 진행하며, 보드는 측정값을 환산하는 기준으로만 사용됩니다.

Swift言語でテトリスゲームを作成します。

2024年の最新バージョンと17時間48分のランニングタイム このコース一つでkotlin完全征服することができます。

<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。