Pythonで始まるマシンラーニング+ディープラーニング

NumpyとPandasの基礎からデータの前処理、可視化、クロールまで一度に！データ分析のためのPython入門講義です。

基礎だけでは足りない実戦投資、10年目のクオンツによる機械学習のノウハウで、収益モデルを自ら構築してみてください。

本過程は、Pythonを用いた機械学習のための数学および統計の基礎内容を実習する過程です。機械学習やディープラーニングはプログラミング能力も必要ですが、原理を把握するためには数学的な背景が必要となります。本過程を通じて、人工知能に必要な基礎数学を段階的に習得することができます。

：「データ分析のその先へ、5つの実践プロジェクトで完成させる予測モデリング（全45講）」 データ分析は終えたものの、いざモデルを作ろうとすると途方に暮れていませんか？単にライブラリを呼び出す方法を超えて、タイタニック号の生存予測からスパムメッセージ分類まで、各アルゴリズムの作動原理と最適なモデル検証戦略を完全に自分のものにできるようサポートします。線形モデルから最新のアンサンブルアルゴリズム、そして自然言語処理（NLP）の基礎まで、現場で最も強力な威力を発揮するプロジェクトを体系的に攻略します。さあ、分析されたデータを基に未来を予測する人工知能モデリングの世界へ踏み出しましょう。

講師が初めて機械学習を学んだ際の失敗経験をもとに、機械学習を簡単に理解し、実際の問題に適用できるよう、既存の講義とは異なる新しい構成の講義です

このレッスンでは、Python（Python）を活用して、さまざまに動作するサイトからデータを取得（クロール）するテクニックについて学び、それを応用して実践に直面するさまざまな例に直接適用します。これにより、与えられたコードをコピーして貼り付ける方法の一次元的な業務自動化ではなく、Webが動作する基本原理の理解に基づいた実践問題解決中心の技術について学び、これにより皆さんは今後どのサイトでもデータを収集して処理する能力を持つことができます。また、この過程で発生するさまざまな例外状況をどのようにコードで解決するかについての学習を行い、最終的には日常で発生するさまざまな問題をプログラム的思考で解決して自動化することができます。

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。

時間は絶えず流れ、データは蓄積し続けます。このダイナミックな世界では、時系列データは私たちの生活のあらゆる面で重要な役割を果たしています。金融市場のボラティリティから気候変動の微妙な信号に至るまで、時系列データにはこれらすべてが含まれています。さて、この強力なデータをPythonとディープラーニングの力を使って解釈して活用する方法を学びましょう！

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。

自動車および部品製造産業は、激しいグローバル競争と複雑なサプライチェーンの中で、イノベーションが不可欠な分野です。本講義は、AI技術を現場にどのように適用できるかを中心に、生産効率の向上、品質検査の自動化、設備予知保全、サプライチェーン最適化など、実際の事例とともに説明します。 AI導入に必要な基礎理解から、現場適用時に考慮すべき戦略とリスク管理まで段階的に扱い、実務担当者と管理者がすぐに活用できる知識と洞察を提供します。

ついに皆のための確率と統計講義が来ました！理論とコーディング実習を通じて、一歩ずつ確率と統計の原理について学んでいきます。参考書籍「皆の確率と統計」https://wikidocs.net/book/18165

🚀 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。

Pythonクオンツ投資とともに、データに基づいた投資戦略を立て、戦略に従った投資を行ってみましょう。様々な資産配分戦略を実装し、最終的に自分だけの投資戦略を作り上げることができます。

この講義を通じてSQLとデータベースの理解、SQL文法、実際の活用のためのデータベース設計、プログラミングを通じたデータベース活用、データ分析活用事例まで習得できます。

電子・半導体産業は超精密工程と複雑なサプライチェーンにより、データ基盤管理と革新が特に重要な分野です。この講義はAI技術を活用して不良検出、工程最適化、予知保全、サプライチェーン管理など電子・半導体製造業ですぐに適用できる実務戦略を扱います。 グローバル企業の実際の事例とともに、中小・中堅企業が現実的に活用できる低コスト・高効率AI導入方法も提示します。これにより受講生は生産性向上とコスト削減だけでなく、未来競争力を備えるAI基盤製造戦略を理解し適用できるようになります。

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。

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.

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。

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。

xlsxwriterチュートリアルで学ぶPythonエクセルプログラミングの基礎講座です。Pythonとエクセルを使用してデータを分析し、業務を自動化することができます。

40講義の体系的なカリキュラムを通じて、AIの基礎理論から各アルゴリズムの応用AI技術まで学習します。数学的な直感とRコーディングアルゴリズムの学習および実習を通じて、データ分析、機械学習、およびその応用ツールのアルゴリズムのモデラーを構築し、選択・活用する内容まで、即座に適用可能なAIモデル開発能力を身につけます。