この講義は、LangChain 1.0、LangGraph、Deep Agentsを中心に、生成AIサービスの設計・実装の全過程を段階別の実習で扱います。 Chat Models・Messagesの基礎から始まり、ツール呼び出し（Tool Calling）ベースのAgent、メモリ、ストリーミング、構造化出力（Pydanticベース）まで、LangChainのコアビルディングブロックを習得した後、LangGraphのStateGraphベースの状態マシンアーキテクチャへと拡張し、運用可能なAIシステム構造を直接実装します。 文書・PDF・ウェブデータベースのRAGシステム（埋め込み、ChromaDB、セマンティック検索）、SQL Agent（Chinook DB）、Supervisorパターンのマルチエージェントオーケストレーション、そしてLangGraph Graph APIを活用した計算機エージェントなど、現場のシナリオに基づいた実習を通じて、エージェント設計能力を体系的に積み上げていきます。 また、Deep Agents（create_deep_agent）を通じて、サブエージェントへの委任、マルチターン対話、そしてDeep Agents専用のミドルウェア（SummarizationMiddleware、HumanInTheLoopMiddleware、ToolRetryMiddleware、PIIMiddlewareなど）を活用し、安定性・拡張性・制御可能性を備えた生成AIアプリケーションを完成させます。 👉 LangChain/LangGraph/Deep Agentsの内部構造と実行フローを正確に理解したい方 👉 RAG・Agentを「デモ」ではなく、実サービスレベルのアーキテクチャとして実装したい方 👉 状態ベースのエージェント、SQL・文書自動化、マルチエージェントオーケストレーションまで網羅する実務ロードマップが必要な方に最適な講義です。

この講義は、ディープラーニングを活用した画像と物体認識の原理を基礎から最新モデルまで段階的に学ぶ過程です。 - 基礎固め：PyTorchでテンソルとニューラルネットワークの基本構造理解 - 画像理解：コンピュータビジョンの概念、画像データ構造、Augmentation技法学習 - CNNモデル学習：畳み込みニューラルネットワーク（CNN）で画像分類実習（CIFAR-10など） - Transfer Learning：既存の学習済みモデルを活用して少ないデータで高速学習 - Object Detection：R-CNN、YOLO、SSD、DETRなど最新物体検出モデル理解及び実習 - Segmentation：U-Net、Mask R-CNNによるピクセル単位物体分割体験

この講義は、OpenAI APIを活用してテキスト・画像・音声・ドキュメントベースの生成AI アプリケーションを直接実装する実習中心のコースです。 Anaconda・Jupyter Notebook環境の構築から始め、API Key管理、コスト・トークンの理解など、実務に必ず必要な開発環境設定を扱います。 最新のResponses APIをベースに、テキスト生成、要約、分類、Vision(画像理解)、音声処理、PDF入力処理を実装し、Function Calling、Structured Outputs(Pydantic)、Embedding、RAG(File Search)など、現場ですぐに使える中核機能を段階的に実習します。 また、Web Search、Code Interpreter、Streaming、Background作業、Conversation State管理まで含め、単純な呼び出しを超えて「知能型AIサービス」へ拡張する方法を学習します。 最後に、Agents SDK、MCP(Model Context Protocol)を活用してツールを自ら選択・実行するエージェントベースのAIシステムを実装し、実際のサービス開発に必要な構造と設計の観点を共に身につけることを目標とします。

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！

本講義は、推奨システムの基本概念からディープラーニング適用原理まで取り上げます。コラボレーションフィルタリング、コンテンツベースのフィルタリング、ハイブリッド推薦システムなど、さまざまな推薦アルゴリズムを学び、推薦サービス開発のための実務能力を育てましょう！

ディープラーニングを活用した生成モデルAIモデルの動作原理を理解し、実習を通して活用方法を習得します。

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。

Web開発者なら誰でも知っているJavaScript、今この強力な言語で機械学習の世界を探検してみてください！このレッスンでは、JavaScriptで強力な機械学習ライブラリであるTensorflow.jsを活用して、機械学習モデルを構築および展開する方法を学びます。 Webベースの機械学習アプリケーションの開発に必要なすべての技術を段階的にガイドします。このコースでは、学習者は機械学習の主な原則を体系的に理解することができます。さらに、JavaScriptとTensorflow.js APIを活用したディープラーニングモデルの開発方法、および事前訓練されたモデルに基づく移行学習（Transfer Learning）の活用法と、これらすべての知識がブラウザ環境で相互作用的に適用される方法を学びます。

最近、人工知能分野の驚くべき成果は、すべて強化学習分野で発表されています。 ロボット、自律走行技術、人間に似た機械など、真の人工知能技術の革新を遂げている強化学習技術を初心者の視線で分かりやすく基礎から高級レベルまで取り上げました。

現代のビジネスの世界では、データのセキュリティと詐欺の​​防止はこれまで以上に重要になりました。このレッスンでは、AI（AI）を活用して理想取引を効果的に検出および分析する方法について集中的に取り上げます。 Pythonと機械学習を活用して、理想取引、クレジットカード詐欺、生産ラインの異常など、さまざまな産業分野で発生する異常値を早期に検出、検出できるようにする人工知能モデルを構築してみます。

株式、為替レート、コイン、不動産、債券などの金融データは、周辺で簡単に触れることができ、私たちにお金を稼ぐ機会を提供しますが、ほとんどの人はその特性と対処する方法を知らず、大切な機会を逃しています。では、さまざまな金融データの意味を理解し、Pythonを使用した分析方法を学ぶことができます。

自然言語処理 (NLP) は、人工知能の中で最も急速に成長している分野の 1 つです。このコースでは、NLP の基礎から、最新の NLP 技術 (ディープラーニングを使用したもの) まで幅広く取り上げます。特に、ChatGPT などの最先端の生成モデルについて詳しく説明します。