강의

멘토링

로드맵

AI Development

/

Computer Vision

コンピュータビジョン異常検知、開発から配布までオールインワンマスター

🚀 Databricksで学ぶ実践AI異常検知! 💡 高くて遅いモデルはもう終わり!大規模データ最適化からリアルタイム配布まで、企業実務で直ちに活用できる異常検知AIを完成させます。

  • nexthumans
이상탐지
실습 중심
Python
AI
Machine Learning(ML)
Deep Learning(DL)
azure-databricks

学習した受講者のレビュー

こんなことが学べます

  • MLflow

  • MLOps

  • Databricks

  • 深層学習

  • コンピュータビジョン

  • 異常検知

  • コンピュータビジョン

  • 深層学習

  • Databricks

データブリックス+コンピュータビジョン異常検出&モデル展開完全ガイド

📌川の概要

この講義は、コンピュータビジョンベースの異常検出を効果的に実行する方法を学ぶプロセスで、ディープラーニングのためのデータ処理、モデル最適化、および展開まで一度に学ぶ実践講義です。

具体的には、 Apache Spark&Data Brixを活用して大規模なデータを最適化し、異常検出モデルを構築および配布する実用的なノウハウを提供します。

簡単なコード作成法を超えて、実際のプロジェクトで活用できる高度な最適化戦略とコスト削減技術まで習得できます。

このレッスンでは、データ収集、前処理、拡張(Augmentation)、モデルトレーニングと評価、REST APIによるモデルサービス、およびモデルバージョン管理まで、本番プロジェクトで必要な内容を段階的に学習します。
特に、データブリックスで低コストで高性能を実現する最適化戦略により、実務ですぐに適用可能な強力なスキルを身につけることができます。


#Python、#人工知能(AI)、#機械学習、ディープラーニング、#azure-databricks

高品質の産業環境でコンピュータビジョンモデルが異常を検出し、リアルタイムデータ分析を実行する様子

🎯こんな方におすすめです!

コンピュータビジョンベースの異常検出を学びたいAI/MLエンジニア
製造、医療、セキュリティなどで異常検出システムを構築する開発者
Apache Spark & Databricksを活用した最適化されたデータ処理技術を身につけたい方
異常検出モデルを構築し、リアルタイムAPIとしてデプロイする方法を学びたい人

受講後は

🔹データエンジニア&AIエンジニア
データの収集、処理、学習、配布まで、あらゆるプロセスを最適化する方法を学び、効率的なAIプロジェクト運営が可能です。

🔹機械学習 & ディープラーニング開発者
MLflowベースの実験管理、転移学習、モデル最適化技術を習得し、より強力で実戦で活用できるモデルを開発できます。

🔹 AI/データスタートアップ創設者&プロジェクトリーダー
コスト削減とパフォーマンスの最適化ノウハウを学び、リソースを効率的に活用し、プロジェクトROI(投資対効果)を最大化できます。

🔹企業のデータ&AI担当者
大規模なデータを効果的に処理するデータブリックス&スパーク最適化技術を身につけ、企業内のAIプロジェクトを効率的に運営できます。


#Python、#人工知能(AI)、#機械学習、ディープラーニング、#azure-databricks

この講義が特別な理由

実務中心の最適化手法を扱います。単なる理論講義ではなく、実際のプロジェクトで頻繁に発生するパフォーマンス問題とコストの問題を解決する実践ノウハウを提供します。

スパーク&データブリックスを活用したコスト削減戦略を学ぶことができます。安価なリソースで高性能を実現する方法を学び、実務で大きなコスト削減効果を得ることができます。

ディープラーニングデータの前処理からモデルトレーニング、配布、REST APIサービスまで一度に!データを収集→保存→前処理→拡張→トレーニング→展開する前のプロセスをカバーします。

ただ本講義でしか学べない最適化秘法公開
他のレッスンでは、カバーされていないデータブリックスとスパーク環境での最適化戦略とコスト削減のノウハウを独占しています。

🎯講義で学ぶ重要な内容

🔹 1. 異常検出システムのためのデータ最適化

大規模画像データの収集、保存、前処理の最適化方法
Apache Spark & Data Brixを活用した大容量画像処理
メモリ効率を考慮したデータローディング&ストリーミング処理技術


🔹 2.コンピュータビジョンベースの異常検出の概念と技術

異常検出(Anomaly Detection)の主な原理
マップ学習対非マップ学習ベースの異常検出モデルの比較
Salt and Pepper Patches, Noise Injectionを活用した理想パターン学習技法


🔹 3. 大規模画像データの分析と前処理の最適化

OpenCVとPILを利用した画像処理
画像のリサイズ、正規化、チャンネル変換などのデータ前処理技術
Spark UDFを活用した大規模画像変換の自動化


🔹 4. 異常検出モデルの構築と性能評価

Hugging Face Pre-trainedモデルを活用した転移学習(Transfer Learning)
Autoencoder、GAN、CNNベースの異常検出モデルの比較と適用
MLflowを利用したモデル性能評価と実験管理
F1-score、Precision-Recall Curveを活用した性能測定技術


🔹 5.リアルタイム異常検出システムの導入とAPIサービス

FastAPIを活用したリアルタイム異常検出APIの構築
Databricks Model Servingによる展開の自動化
REST API ベースの異常検出要求と応答の処理


🔹 6. 異常検出モデルのコスト最適化と運用戦略

Apache Spark最適化によるコスト削減とパフォーマンスの向上
大規模異常検出システムにおける並列処理技術
MLflow & Databricksを活用したモデルの展開とバージョン管理

#Python、#人工知能(AI)、#機械学習、ディープラーニング、#azure-databricks

この講義を作った人

こんにちは。
私はAI、機械学習、データエンジニアリングの分野で10年以上にわたってさまざまなプロジェクト実施してきました。

現在は高麗大学の兼任教授であり、デシソリューションズ代表として活動し、国内主要大企業と研究機関のAIおよびデータエンジニアリングプロジェクトを行っています。
また、 Apache Spark、MLモデル開発、MLOps構築、医療AI研究など、様々な産業分野で実戦プロジェクトを進め最適化されたAIおよびデータ処理システムを設計・運営する方法を研究してきました。


🎯この講義を作った理由

数多くのプロジェクトを実施し、 AIモデルを開発するのと同じくらい重要なのが「データ最適化」という事実に気づきました。
特に、ディープラーニングモデルを訓練し展開する過程で、非効率的なデータ処理によってコンピューティングリソースが無駄になるという問題に多く遭遇しました。

ほとんどのAIプロジェクトでは、最初に計画していたリソースよりも数倍、さらには数十倍の費用がかかり
これを解決しないと、プロジェクトが成功する前に膨大な費用負担で失敗することがよくあります。

そこで、私は実際に企業や研究機関で検証されたデータ最適化&ディープラーニングモデルの展開戦略をまとめて、この講義を企画することになりました。
ディープラーニングモデルを開発することにとどまらず、より少ないコストでより高速でより強力なAIシステムを構築する実践ノウハウを共有したいと思います。

📌予備受講生が気になる質問&回答

なぜデータ最適化とディープラーニングモデルの展開を学ぶべきですか?

💡AIと機械学習モデルを開発するのと同じくらい重要なのは、データの最適化と効率的な展開です。
多くのプロジェクトでは、モデルは完全に機能しますが、非効率的なデータ処理と高い運用コストのために実際のサービス化が困難になるという問題が発生します。

このレッスンでは、Apache Spark&Data Brixを活用して大規模なデータを最適化し、より少ないコストでより速いディープラーニングモデルを展開する方法を学びます。
コストを削減しながら、高性能AIシステムを構築する実践ノウハウを身につけることができます。

この講義を聞くとどんなことができますか?

企業、研究機関でAI/MLプロジェクトを実施する実務能力を備えることができます。
Apache Spark & Data Brixを活用した大規模なデータ最適化と処理が可能です。
ディープラーニングモデルを学習、最適化、展開するプロセス全体を習得し、実践に直接適用できます。
MLflowを活用したモデルトレーニング、実験追跡、バージョン管理を行うことができます。
✅REST APIを使用すると AIモデルをデプロイし、本番サービスに適用する技術を習得できます。

講義はどのレベルまで扱われますか? (初級、中級、上級?)

🔹中級~高級水準の講義です。
🔹 Apache Spark、データエンジニアリング、ディープラーニングモデルの学習と展開のプロセスをカバーし、理論だけでなく実践的なアプリケーションを中心に進行します。
🔹完全初心者ではなく、基本的なPythonと機械学習の概念を知っている人にお勧めします。
🔹しかし!講義で実際のコードを一緒に練習しながら、じっくり学べるように構成されているので、基本概念だけを知っていても十分に追いつくことができます。

受講前の注意

練習環境

  • 本講義の実践環境は、次のオペレーティングシステムでスムーズに実行できます。


    Windows 10/11 (64-bit)
    macOS(Apple Siliconチップを含む)
    Linux(Ubuntu 18.04以降、CentOS、Debianなど)


  • ※Windows環境では、WSL(Windows Subsystem for Linux)またはDockerを活用してLinux環境を構成することもできます。

  • ※クラウドベースの実習が含まれており、ローカルOSに関係なくWebブラウザしかあれば進行可能です。

学習資料

  • 提供する学習資料の形式(Jupyter Notebook、Python Scripts)

  • 講義内容に関するコードは掲示板の問い合わせ者に限り全員^^提供されます。

選手の知識と注意事項

  • 💻Pythonと基本的な機械学習の概念を知っていれば、受講はより簡単です。

  • 📌しかし講義で概念を説明しながら実習を進めるので、基礎が足りなくても十分に追いつくことができます。

  • 📌必要な開発環境(Apache Spark、データブリックス、MLflowなど)は、講義で直接インストールして設定する方法を教えてくれます。

こんな方に
おすすめです

学習対象は
誰でしょう?

  • コンピュータビジョンおよびAIに関心のある開発者

  • 製造業、金融、セキュリティ分野のデータアナリストおよびエンジニア

  • AIモデルのサービングと配布に関心のある開発者

  • AIプロジェクトを実務で応用したい人

  • ディープラーニング基盤の異常検知モデルを開発したいデータサイエンティスト

  • 機械学習エンジニア

  • 製造業(不良品検査)、金融(不正取引の探知)、セキュリティ(侵入検知)などの実務への活用可能性を知りたい専門家

  • 品質管理、リスク分析、セキュリティ監視など、異常検知を必要とする分野でAI導入を検討している人

  • Databricks環境で、データの準備からモデル学習、そしてAPIサービングまでの全プロセスを学びたい方

  • MLflowを活用したモデル管理およびリアルタイムデプロイに関する実務経験が必要な開発者

  • 理論だけでなく、実際のコーディング実習を通してプロジェクトを完成させたい学習者

  • 実際の開発過程で発生する問題解決能力を向上させたい人

前提知識、
必要でしょうか?

  • Pythonの基礎

  • Spark 言語の基礎

こんにちは
です。

127

受講生

11

受講レビュー

24

回答

4.9

講座評価

3

講座

현재 대기업 중심으로 아래와 같은 프로젝트의 개발책임 및 컨설팅을 맡고 있습니다. 현역^^입니다.

더불어, 고려대 대학원에서 인공지능 관련 겸임교수로도 활동하고 있습니다.

저의 목표는 실전에 바로 써먹을 수 있는 현장감 있는 프로그래밍 기술입니다. 앞으로 많은 여러분과 함께 재미난 수업 만들어 나가고 싶습니다.

  • 엔터프라이즈 인공지능 구조 및 서비스 설계

  • 머신러닝 서비스 구현

  • 벡엔드 서비스 개발

  • 클라우드(Azure) Databricks, ETL, Fabric 등 각종 클라우드 환경에서의 데이터베이스 구축 및 서비스 개발

カリキュラム

全体

31件 ∙ (11時間 10分)

講座掲載日: 
最終更新日: 

受講レビュー

全体

9件

5.0

9件の受講レビュー

  • 김태연님의 프로필 이미지
    김태연

    受講レビュー 1

    平均評価 5.0

    5

    13% 受講後に作成

    강의가 굉장히 깔끔하고 설명 잘해주십니다. 특히 중간중간 알려주시는 실무적인 팁에서 개발짬바?가 느껴져서 멘토님한테 수강하는 느낌이 납니다. 다른강의도 준비해주셨으면 합니다

    • 데이비드최
      知識共有者

      처음 받아보는^^ 강의평인데, 이런 칭찬을 받다니^^ 너무 감사합니다~. 혹시 관심있는 강의가 있으신가요?

    • 중급 이상의 컴퓨터 비전 강의 원합니다. 원래 하시던대로 실무위주의 강의로 부탁드립니다

    • 데이비드최
      知識共有者

      네^^ 고맙습니다~

  • Chansu Shin님의 프로필 이미지
    Chansu Shin

    受講レビュー 5

    平均評価 5.0

    修正済み

    5

    100% 受講後に作成

    배울 게 많았습니다. 도움이 많이 됐습니다.

    • sunghwan ki님의 프로필 이미지
      sunghwan ki

      受講レビュー 4

      平均評価 5.0

      5

      30% 受講後に作成

      • 윤님의 프로필 이미지

        受講レビュー 3

        平均評価 3.7

        修正済み

        5

        20% 受講後に作成

        질 좋은 스킬들을 배워가고 있습니다. 돈이 전혀 아깝지 않은 강의입니다. 저는 클래스, 상속 등 이런 파이썬의 기초적인 개념이나 얕게 활용할 줄만 알았습니다. (강사님이 작성하시는 코드를 해석할 줄 아는 정도) 코드 리팩토리라고 해야하나요..? 강사님의 실무하는 모습을 시각화하여 영상으로 본 기분이었습니다. 파이썬 기본 내장 라이브러리를 좀 더 활용할 줄도 알아야겠다고 느끼기도 했구요. 특히 요즘은 Ai로 인해 코드 해석이나 에러 처리가 비교적 쉬워졌는데, 중간중간 어려운 개념이나 해석은 Ai의 도움을 받아 공부하고 있습니다. 이런 가격에 좋은 강의 제공해주셔서 감사합니다.

        • 데이비드최
          知識共有者

          기운 팍팍 나는 수강평 고맙습니다~ 정말 좋은 선물을 받은 기분이네요. 더욱 정진하겠습니다!

      • everythx님의 프로필 이미지
        everythx

        受講レビュー 10

        平均評価 5.0

        5

        100% 受講後に作成

        데이터브릭스를 활용한 AI강의는 유일한 것 같은데, 좋은강의 감사드립니다. 단, 각 세부 단원마다 좀더 개요 설명을 해주셨으면, 좋았을 것 같습니다. 가령, 머신러닝 각 메뉴마다 기능을 설명해 주시고, 각 코드가 어느 메뉴에서 어떻게 활용되는지 보완해주시면 더 훌륭했을 것 같습니다. 그리고, 이강의를 듣는사람은 spark나 데이터브릭스가 더 중점이라, AI관심은 많아도 지식이 부족한 사람이 많을텐데, 이점도 보완주신다면 더욱 훌륭한 강의가 되었을 것 같습니다.

        • 데이비드최
          知識共有者

          진심어린 강의평 감사합니다. 앞으로 더 좋은 강의로 보답할 수 있도록 노력하겠습니다!

      ¥14,704

      nexthumansの他の講座

      知識共有者の他の講座を見てみましょう!

      似ている講座

      同じ分野の他の講座を見てみましょう!