一人で勉強するマシンラーニング+ディープラーニング

機械学習に初めて接する人々を対象に基礎的な機械学習理論を簡単に取り上げた機械学習基礎講義です。

ML実験管理、まだ手作業で行っていますか？🤔 MLflowで実験追跡からモデルデプロイまでを自動化し、開発生産性をぐっと引き上げてみませんか！ データサイエンティストとMLエンジニアなら必須スキル💡 今すぐスタートしましょう！🚀

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

- Kaggleコンペ実践プロジェクト：データ探索から提出まで - チュートリアルの次は、本物のKaggleコンペを最初から最後までやってみよう Kaggleに登録し、タイタニックのチュートリアルまで終えたものの、いざ本物のコンペを前にすると、どこから手をつければよいのか分からず途方に暮れていませんか？他人のノートブックをコピーして提出するだけでは、「なぜ自分のスコアは上がらないのだろう？」という壁にぶつかります。 この講座では、実際のKaggleコンペに取り組み、データ探索、検証設計、特徴量エンジニアリング、モデリング、提出までを最初から最後まで一緒に進めます。コードを暗記するのではなく、「何を、なぜ試し、その効果をどのように検証するのか」というコンペにおける思考の流れを身につけていただきます。[ご自身のコンペ参加・受賞経験または実務経験を一言]

AIに「このデータでモデルを作って」と頼んでみると、最初の数行はそれらしく見えますが、少し複雑になると見当違いなカラムを使ったり、リークが混ざったり、スコアは上がったのにモデルは改悪されたりします。この講義は、より良いプロンプトを教えるものではありません。代わりに、エージェントがデータを理解し、計画を立て、コードを書き、自身の結果を検証し、間違っていれば戻るというループ（ハーネス）を直接設計する方法を扱います。DS-STARの5つのピースからなるループを手作業で一周させた後、データプロファイルカード、フック、スキル階層、独立検証者、アブレーションまで一つずつ組み立てていきます。

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。

本講座はAIプラットフォームの基礎から実習まで扱い、AI画像生成技術を習得できるコースです。学習者はAIの基本概念を理解し、様々なツールと技術を活用してAI画像を生成する能力を身につけることができます。このコースを通じてAI分野への理解度を高め、実戦でAI画像を直接生成する方法を学ぶことができます。

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。

試験の形式と出題傾向を一目で把握！約100問の問題で実戦感覚を養いましょう。 独学でも体系的に学習できる、AWS AI Practitioner 実戦試験の完璧な対策。

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。

基礎はわかるけれど、実務への応用にお悩みですか？現場経験を活かし、複雑なLLMの仕組みをわかりやすく解説します。

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！

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。

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。

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。

Spark（スパーク）機械学習の核心フレームワークに対する理解、難易度の高い実戦問題を通じたSQLベースのデータ加工、業務ドメイン分析を通じたデータ分析と最適化された機械学習モデルの構築能力まで、大容量データに基づいた機械学習のエキスパートとして認められたいなら、この講義と共に歩んでください。

本講座は、AI技術を初めて接する学習者でも簡単に理解し、ついていけるように構成された入門コースです。講義を通じてAIプラットフォームの基本概念と使用方法を身につけ、様々なAIツールを活用して画像を直接生成する実習を行います。 このコースを修了すると、AIとより身近になり、創造的なアイデアを視覚的に実現できるAI画像制作能力を身につけることができます。

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:)

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。

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。