インフラン - ライフタイムキャリアプラットフォーム

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、 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:)

本講義は、Object DetectionとSegmentationに関する深い理論解説と、現場ですぐに活用できるレベルの実習例を通じて、皆様を現場で必要とされるディープラーニングベースのコンピュータビジョン専門家へと成長させます。

TensorFlow Object Detection APIを利用した高性能最新のディープラーニングモデルを利用したObject Detectionの実行方法を簡単なColab実習を通じて学習し、最新のディープラーニングObject Detectionモデルの原理を学習できる講義です。

講師が初めてディープラーニングを学んだ際に失敗した経験をもとに、ディープラーニングの理解に必要な数学、理論、PyTorchベースの実装、転移学習、GPTの核心であるTransformerまで、着実に学べるよう新たに構成した講義です。

様々な人工ニューラルネットワークの構造と動作原理を理解し、優れたモデルを作成するために必要な必須知識を伝える講義です。

ホットなイメージ生成モデル！基礎から実装しながら理解しよう！ AUTO ENCODER / VAE / GAN / DIFFUSION まで一緒に実装してみましょう！

ディープラーニング最新の技術の一つであるVision Transformerを勉強し、Pytorchを利用して論文を実装する講義です。ビジョン分野の新しい未来を私と一緒に体験してください！

簡単に学んで すぐに使える コンピュータービジョン実践プロジェクト: 実務で即活用可能なコンピュータービジョンプロジェクトを段階的に学習します。実践事例を通して専門性を高めます。

この過程は建設及び土木分野で人工知能（AI）を活用した実務適用戦略を扱う専門過程です。 デジタル転換が加速化される建設産業で、AIは設計・施工・安全・品質管理全般にわたって革新を牽引しています。本過程では実際の現場で活用できるスマート建設、デジタルツイン、AI基盤設備制御、安全モニタリング、品質検証などの実務適用事例を中心に学習します。

実務への適用や面接対策でお困りではありませんか？私の現場での経験を活かし、CNNからDETRまでコードを中心にしっかりとレクチャーします。

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！

リアルタイムオブジェクト認識モデルである初期YOLOモデルから最新モデルまで学べる講義です。さらに、オブジェクト認識に加えて、さまざまなディープラーニング技術を学びます。

車両ナンバープレート認識の実践プロジェクトを通じて、ディープラーニング/TensorFlow/コンピュータビジョンの基礎から実務応用までの全過程を一度に学習できるオールインワン形式の講義です。多様な実習を通じて、カスタムデータセットに最新のディープラーニングモデルを応用できる実務能力を養うことができます。

NPU・トランスフォーマーアクセラレータ・mini LLMのようなAI半導体を直接設計するには、その内部の演算がなぜ行われるのかを理論として知る必要があります。この講義は、一つのニューロンからCNN・トランスフォーマー・LLMまで、ハードウェア設計に不可欠な理論のエッセンスだけを抽出して3編に凝縮しました。数式の暗記ではなく「なぜそうなるのか」という直感を通じて、半導体産業30年の経歴を持つ現職教授が、ソフトウェア理論とハードウェア実装を一つに繋ぎます。

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。

ディープラーニングを活用したコンピュータビジョンの最も重要な演算である、畳み込み（コンボリューション）を集中的に扱う講義です。

メイカソンで80%が詰まるポイント、今すぐ解決しましょう。 Raspberry Pi・コンピュータビジョン・LLM・3D設計まで4週間完成! デモ可能なスマートミラーPoCでメイカソン上位入賞達成!

AIや機械学習の学習において、確率論の習得は必須です。より深く確率論を学びたい方に推薦します。

🚀 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。

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。