Python（Python）とパンダス（Pandas）ライブラリの重要な概念をすばやく習得できるレッスンです。

Python Quant投資と一緒にデータに基づいて投資戦略を立て、戦略に沿った投資をしましょう。さまざまな資産配分戦略を実装し、最終的に独自の投資戦略を作成することができます。

この講座では、Tensorflow を活用してディープラーニングを学習します。線形回帰、ロジスティック回帰、ソフトマックス回帰モデルを学び、最後にファッション画像を分類できる MLP モデルを作成します。

私が好きなユーチューバーのグルメマップを作成しながら、フロントエンド、バックエンド、Kakao Map API の使用方法、公開までを一度に学べるフルスタックグルメマップの講義です。

RAG（Retrieval-Augmented Generation）の理論から最新のマルチモーダル、エージェントベースRAGまで！ 非専攻者でも理解できるように構成された実習中心の講義です。 論文レビューから実戦コード実装まで、RAGを初めて接する人でも簡単についてこられるように設計しました。

このコースで学べること LangGraph in Actionへようこそ。このコースは、LangGraphを使用した高度なAIエージェントの設計とデプロイをマスターするための究極のガイドです。このコースでは、モジュール式でスケーラブル、そして本番環境に対応したエージェントを構築するための基礎を、実践的なアプローチで学びます。LangGraphの状態ベース設計の基本を理解することから、フルスタックアプリケーションの作成まで、AIエージェントを実現するために必要なスキルを習得できます。 コースのハイライト 状態ベース設計:ノードとエッジというLangGraphの中核となる哲学を深く学び、構造化された保守性の高いエージェントを作成します。 メモリ管理:チェックポインターによる短期メモリとStoreオブジェクトによる長期メモリを探求し、適応して学習するエージェントを実現します。 高度なワークフロー:ヒューマン・イン・ザ・ループシステムの構築、並列実行の実装、マルチエージェントパターンのマスターを行います。 本番環境対応の開発:非同期操作、サブグラフを学び、FastAPIとDockerを使用したフルスタックアプリケーションを作成します。 コース修了時には、強固な理論的理解だけでなく、完全にオープンソースツールを使用してAIエージェントをどこにでもデプロイできる実践的なスキルを身につけることができます。最先端を走り続けたい開発者であれ、AIツールキットを拡張したいベテランエンジニアであれ、このコースは急速に成長するAIエージェント分野に対応できる力を提供します。 実世界のアプリケーションにおけるAIエージェントの採用が増加する中、このコースは実践的な課題を解決する高度なシステムを設計、構築、デプロイする準備を整えます。一緒にAIの未来を構築し、形作っていきましょう!

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。

最新のTransformerベースのPixArtと軽量適応化SANAを理論からコードまで段階的に実装します。I・II編で扱ったDDPM・DDIM・LDM・DiTを基に、テキストエンコーダ接続、サンプラー(DDIM/ODE)、v-予測/CFGチューニング、小規模データスタイル微調整まで実習中心で完走します。

AIを研究したり、それを活用してプロジェクトを進める場合、基本的な論文の実装は必須です。この講義を通じて実際の論文を実施し、実務能力をアップグレードしましょう！

Mastering Model Context Protocol (MCP)は、開発者が実用的で安全な、本番環境対応のAIバックエンドを構築できるよう支援する、実践的でエンジニアリング重視のコースです。 何千人もの受講生がLLM統合、ツール呼び出し、バックエンドアーキテクチャに関する混乱を克服するのを支援してきた経験から、最も一般的な問題を解決するためにこのコースを作成しました。 「LLMが安全に呼び出せる信頼性の高いバックエンドをどのように構築すればよいか?」 「SSE、stdio、streamable-httpのどれを選択すればよいか?」 「FastAPI、Auth0、LangGraphを使用して、MCPを実際のアプリケーションにスケールさせるにはどうすればよいか?」 「MCPのツール、リソース、プロンプト、コンテキストをどのように構造化すればよいか?」 このコースでは、最小限のMCPサーバーの立ち上げから、完全に安全でDockerized化されたシステムのデプロイまで、段階的にガイドします。 すべてのレッスンは実践的で、複雑さを取り除き、最新のAIシステムを構築するための明確で再現可能なワークフローを提供するように設計されています。 曖昧なチュートリアルに不満を感じていて、MCPに関する明確で具体的なエンジニアリングレベルの理解を求めているなら、このコースはあなたのために作られています。

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。

ラズベリーパイと様々なセンサーを活用してAIベースの自律走行自動車を直接製作してみる実習型講座です。

こんにちは。私のフルAIコース「ChatGPT、Google Gemini、Midjourney、Firefly」へようこそ。このコースでは、すべてのAIツールについて学ぶことができます。これらのAIツールのすべての機能について、ビデオレッスンを作成しました。これらのツールのすべての機能の使い方について、実際の実践的な実装をご覧いただけます。

データの海で道を見つけ、人工知能の未来を探求しましょう。この講義では、ビッグデータと人工知能（AI）という二つの巨大なテクノロジーの流れを探求し、それらがどのように私たちの生活と仕事に革新をもたらしているのかを探ります。

ChatGPTのような大規模言語モデルの基本原理を、理論を中心に説明します。

この講義が特別な理由：主要なメリット • 直感的な視覚化：Pygame 2Dシミュレーションでアルゴリズムの動作をリアルタイムで直接確認 • 実践的な実装経験：理論を超えて直接コーディングしながら自律走行アルゴリズムを体得 • 主要アルゴリズムのマスター：ダイクストラ、ピュアパス追従、ICPなど必須アルゴリズムを集中学習 • 段階的な深掘り学習：基礎からSLAMまで体系的な難易度構成 • LidarベースのSLAM：未知の環境でのマップ構築と位置推定の実習

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:)

AI時代が到来し、データパイプラインの構築は企業の競争力を左右する核心的な力量として位置づけられています。最も広く使用されているAirflowを活用し、効率的なデータパイプラインを構築するノウハウを、実戦経験と豊富な講義経歴を持つシリコンバレーの専門家（元Udemyデータチームヘッド、現サンノゼ州立大学データ修士課程教授）から直接学んでみましょう。

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。

コードで一気に理解できるPyTorch_プロジェクト編は、画像、ビデオ、自然言語データを活用し、実践的なディープラーニングプロジェクトを実装しながら、理論よりもコード中心の学習を通じてモデルの構造と流れを理解します。

Apache Supersetは複数のデータベースを接続してチャート・ダッシュボードをサクッと作れるオープンソースBIツールです。コードが分からなくても可視化が可能で、SQL Labでは直接クエリも実行できるため、初心者からプロまで誰にでも役立ちます。作成したダッシュボードはすぐに共有でき、権限設定まで可能なので協業にも完璧です。Supersetを学べばデータ基盤の意思決定を素早く行い、会社ですぐに使える実戦ダッシュボードを作る能力を身につけることができます。一言で言えば、データを「語らせたい」人にピッタリです。🚀

Midjourney&RunwayでハイクオリティなAI映像を制作してみましょう。サムスンと協業したキム・ドンア監督が仮想ブランドを基盤にAI映像の制作過程を段階別に直接お伝えします。

この講義は「タイタニックに私が乗っていたら果たして生き残ることができただろうか？」という質問から出発し、実際のデータに基づいて生存確率を予測するAIモデルを開発し、これをWebでサービス化するフルスタックプロジェクトを完成させます。PyTorchを利用したディープラーニングモデリング、FastAPIでバックエンドサーバー構築、Next.jsでユーザーインターフェース実装に至るまで、AIとWeb開発の全過程を実習することになります。

本コースは、AIモデリングプロジェクトを成功的に遂行するために必須となる「AI学習データ構築」の全過程を学習するコースです。 学習者は単純に理論的な知識に留まることなく、実際の実務で要求されるデータ構築プロセスを段階別に経験することになります。具体的にはAI学習データの企画 → 取得 → 保存 → 精製 → ラベリング → 仮名情報結合及び変換に至る全過程を実習中心に扱い、現場ですぐに適用可能な実務能力を身につけられるよう構成されています。 また、データの品質管理とセキュリティ問題、個人情報非識別化処理、データセット最適化といったAIプロジェクトで最も重要なデータ管理能力を体系的に学習することになります。これにより学習者は単純なデータ収集者ではなく、AIプロジェクトを主導的に企画し実行できるデータ専門家として成長することができます。 👉 本コースを通じて学習者は、AIモデル性能を左右する良質な学習データ構築法を理解し、これを実務環境に効果的に適用できる実質的な能力を確保することになるでしょう。